محصولات دانلودی

تصحیحات اتوماتیک ماهواره SENTINEL-2

نوشته شده توسط Amirhossein.Ahrari@Gmail.com

آموزش روش های پیش پردازش داده های ماهواره سنتینل ۲ بصورت خودکار در نرم افزار ENVI

درصورتی که هنوز به یک روش پایدار و مناسب برای تصحیح داده های سنتینل نرسیده اید این محصول آموزشی به شما پیشنهاد میشود.

در صورتی که در انجام تصحیح رادیومتریکی و اتمسفری داده های سنتینل ۲ مشکل دارید این محصول آموزشی به سوالات شما پاسخ داده است.

اگر کاربر نرم افزار ENVI هستید با این آموزش دیگر نیازی به استفاده از نرم افزارهای دیگر برای پردازش داده های سنتینل ندارید.

اگر تاکنون تصحیحات هندسی داده های سنتینل برای شما یک ابهام بوده است و مشکلاتی در آن داشتید حتما این آموزش را مشاهده کنید.

نکته مهم : این محصول آموزشی در ارتباط با روش تصحیح آن دسته از داده های ماهواره سنتینل است که از فرمت OPER (بین سال های ۲۰۱۴ تا اوایل ۲۰۱۶) برخوردار است و برای سایر داده های سنتیل با فرمت L1C قابل استفاده نیست. 

 


مشخصات محصول آموزشی :

قیمت : ۲۹۹۰۰

مدرس : مهندس امیرحسین احراری

مخاطب : علاقمندان به کار با داده های ماهواره سنتینل ۲

نرم افزار : ENVI5.3

پیش نیاز : آشنایی با روش دانلود داده های ماهواره سنتبنل ۲

 


موارد آموزش داده شده در این محصول آموزشی عبارت اند از :

  • نحوه استفاده از اطلاعات فایل های xml در نرم افزار ENVI
  • روش فراخوانی صحیح داده های ماهواره SENTINEL-2 با استفاده از xml در ENVI
  • روش تصحیح رادیومتریکی خودکار داده های SENTINEL-2
  • روش تصحیح هندسی خودکار داده های SENTINEL-2
  • روش تصحیح اتمسفری داده های SENTINEL-2 با روش QUAC
  • روش تصحیح اتمسفری داده های SENTINEL-2 با روش FLAASH
  • روش محاسبه شاخص های طیفی خودکار برای داده های SENTINEL-2
  • روش استفاده ترکیبی از داده های ۱۰ متری و ۲۰ متری SENTINEL-2

از لحاظ طیفی ماهواره سنتینل ۲ از چه ویژگی هایی برخودار است؟

  • ۱۳ باند طیفی
  • ۴ باند مرئی
  • ۵ باند مادون قرمز نزدیک
  • ۲ باند مادون قرمز میانی
  • ۲ باند مادون قرمز طول موج کوتاه

از لحاظ مکانی ماهواره سنتینل ۲ از چه ویژگی هایی برخوردار است؟

  • ۴ باند ۱۰ متری
  • ۶ باند ۲۰ متری
  • ۳ باند ۶۰ متری

از لحاظ زمانی ماهواره سنتینل ۲ از چه ویژگی هایی برخوردار است؟

  • توان تفکیک زمانی ۵ تا ۶ روز

مهم ترین کاربرد داده های سنتینل ۲ چیست؟

  • کشاورزی
  • کاربری اراضی
  • مخاطرات طبیعی
  • مطالعات شهری

ماهواره سنتینل بهتر است یا لندست ؟

  • ماهواره سنتینل به عنوان بهترین مکمل برای داده های ماهواره های لندست است.

 


 

مشخصات محصول آموزشی :

قیمت : ۲۹۹۰۰

مدرس : مهندس امیرحسین احراری

مخاطب : علاقمندان به کار با داده های ماهواره سنتینل ۲

نرم افزار : ENVI5.3

پیش نیاز : آشنایی با روش دانلود داده های ماهواره سنتبنل ۲


 

موارد آموزش داده شده در این محصول آموزشی عبارت اند از :

  • نحوه استفاده از اطلاعات فایل های xml در نرم افزار ENVI
  • روش فراخوانی صحیح داده های ماهواره SENTINEL-2 با استفاده از xml در ENVI
  • روش تصحیح رادیومتریکی خودکار داده های SENTINEL-2
  • روش تصحیح هندسی خودکار داده های SENTINEL-2
  • روش تصحیح اتمسفری داده های SENTINEL-2 با روش QUAC
  • روش تصحیح اتمسفری داده های SENTINEL-2 با روش FLAASH
  • روش محاسبه شاخص های طیفی خودکار برای داده های SENTINEL-2
  • روش استفاده ترکیبی از داده های ۱۰ متری و ۲۰ متری SENTINEL-2

 

۱۲ دیدگاه

  • با سلام
    متأسفانه فایل xml ی که مهندس احراری توضیح می دهند با فایلی که از سایت USGS دانلود کردم متفاوت بود و داده های سنتینل بصورت دیتاست لود نشدند. در نهایت انجام تصحیح اتمسفری برای من مقدور نبود.
    با تشکر

    • با سلام و احترام خدمت شما

      داده های سنتینل ۲ از دو فرمت برخودار هستند. داده های بین سال های ۲۰۱۴ تا اوایل ۲۰۱۶ معمولا از فرمت OPER برخوردارند که فایل xml آنها در نرم افزار envi خوانده میشود. اما این در حالی است که داده های سال ۲۰۱۶ تا کنون به فرمت L1C عرضه شده و در نتیجه در نرم افزار ENVI قابل فراخوانی نیست و روش تصحیح آنها باید بصورت دستی از طریق stack کردن و اجرای دستور Quick Atmospheric Correction صورت بگیرد.

      با احترام

  • جناب آقای مهندس احراری
    با سلام
    من تقریبا تمام محصولات دانلودی و پستی شما در مورد سنتینل را خریداری کردم. چند سوال برام پیش امد که اقای نجفی گفتند می توانم از شما کمک بگیرم.
    ۱- در مورد تعداد نمونه که در آموزش نمونه گیری از کتاب دکتر جانسن توضیح دادید. تعداد ۲۰۴ نمونه بدست آمد. سوال من اینست که اینها ۲۰۴ نقطه هستند که می توانند شامل N+1 پیکسل در هر نمونه باشند؟
    ۲- در صورت استفاده از یک فریم کامل سنتینل آیا می توان عملیات طبقه بندی را در کل غریم به یکباره انجام داد و یا تنقسیم فریم به قطعات ۱:۲۵۰۰۰ و طبقه بندی هر کدام بصورت جداگانه و در نهایت موزاییک کردن نقشه دقت طبقه بندی رو بالا می برد و آیا اصلا چنین کاری متداول است. و اینکه این کار بسیار وقت گیر و زمان بر است
    ۳- در مورد تصحیحات تصاویر سنتینل، به نظر شما تصحیحات زمین مرجع کردن مانند آنچه در لندست با نقشه های وکتور انجام می شد ، ضروری است؟
    ۴- در مورد تصحیح سنتینل با Snap من را راهنمایی کردند که اول resample و بعد reproject بکنم. ایا این روش را تایید می کنید. و بعد هم خروجی گرفته شود و بعد در , envi لایه ها تجمیع شود.
    ۴- ایا در مور درصد مساحت نقشه واقعیت زمینی می تونید من را راهنمایی کنید؟
    سوالاتم زیاد شد. اگر امکان پاسخ گویی در اینجا برای شما وجود ندارد. از هر طریقی که برایتان ممکن است. خوشحال میشم راهنمایی بفرمایید

    • با سلام و احترام

      در ارتباط با تعداد نمونه ها : این تعداد نمونه ای که بدست آورید حداقل تعداد نمونه هایی هست که برای هر کلاس بصورت جداگانه باید برداشت شود. این تعداد نمونه میتواند به عنوان نقطه terrain و test مورد استفاده قرار بگیرد. لازم بذکر است که هر نمونه معادل با یک پیکسل در نظر بنده هست.

      در ارتباط با طبقه بندی : موزاییک کردن نتایج طبقه بندی منجر به افزایش دقت نمیشود. تنها مزیت تکه تکه کردن تصویر افزایش سرعت طبقه بندی و راحت تر شدن برای نمونه برداری برای طبقه بندی است.

      در ارتباط با تصحیح هندسی : در صورتی که یک وکتور دقیق در اختیار دارید آن را با تصویر سنینل مقایسه نمایید. در صورتی که اختلاف خیلی زیادی در مرزهای وکتور و پدیده ها در تصویر مشاهده میکردید، تصحیح هندسی ضروری است. در غیر این صورت دقت آن بهینه است.

      در ارتباط با نرم افزار snap : این نرم افزار برای سنتینل تخصصی طراحی شده. اما بنده خیلی این نرم افزار رو برای پردازش داده های اپتیکی مناسب نمیدانم. به همین خاطر از آن استفاده نمیکنم. به نظر بنده نرم افزار envi بهتر و کاربر پسند تر تمامی مراحل پردازشی را پشتیبانی میکند.

      در ارتباط با درصد مساحت نقشه منظورتون رو متوجه نشدم ممنون میشم در این رابطه توضیحات بیشتری ارائه نمایید.

      در خدمت شما هستیم. هر سوالی و با هر تعدادی داشتید ممنون میشم از همین طریق با ما در میان بگذارید.

      ممنون از شما. با احترام

  • با سلام
    ممنون از وقتی که گذاشتید. اقای مهندس در مورد پاسخهایتان نگاتی برای من مبهم می باشد:
    ۱- در ارتباط با تعداد نمونه ها :در واقع ۲۰۴ نقطه بصورت جداگانه در داخل یک کاربری پخش می شود ولی هر نمونه نمی تواند یک پیکسل باشد. که بررسیهای من نشان داد که به اندازه یک تعداد باند مورد استفاده بعلاوه یک تعداد پیکسل هر نمونه باید باشد. این برداشت من بود. اما بر اساس انچه شما می گویید ۲۰۴ پیکسل باید برای هر کاربری انتخاب شود حال می توان در بعضی جاها چند پیکسل انتخاب نمود یا خیر؟
    در ضمن در جایی مطلبی به عنوان نمونه گیری بصورت همگن و ناهمگن خواندم، میتوانید در این مورد توضیح بیشتری بدهید؟ یکی از همکاران من برای نمونه گیری نمونه ها را بصورت پراکنده نمی کیرد. بلکه بعد از انتخاب نمونه در جای مطمین با استفاده از growth در یک جا مثلا ۳۰۰ پیکسل انتخاب می کند. و دلیل آن را همگنی نمونه ها عنوان می کند. آیا این روش صحیح است؟
    در ارتباط با طبقه بندی:منظور من بالا رفتن دقت با تکه تکه کردن تصاویر است. در هر نقشه یک بیست و پنج هزار احتمالن انعکاسهای طیفی یک طبقه همگن تر هستند. آیا به نظر شما این نمی تواند دقت طبقه بندی را بالا ببرد؟ البته من به دنبال دلیل برای انجام ندادن این کار هستم. و به نظر شما در صورت یکپارچه کار کردن همان تعداد نمونه تعلیمی بدست آمد از فرمول برای کل فریم کفایت می کند؟
    در ارتباط با تصحیح هندسی: این کار را انجام داده بودم. وکتور من نقشه های ۱:۲۵۰۰۰ سازمان نقشه برداری است. که در بعضی جاها خطا تا سه پیکسل (۳۰) متر هم بود. از نقشه جاده استفاده کردم. از طرفی منطقه مورد مطالعه کوهستانی است. به نظر شما تصحیحات ortho‌لازم است.؟ فکر می کنم این تصاویر با dem‌۵۰ متری تصحیح شده اند.
    منظورم تهیه نقشه واقعیت زمینی بصورت نمونه برداری بود که باید درصدی از سطح منطقه نمونه برداری شود. در مقالات خارجی ۲ درصد را مشاهده کردم. و در چندمقاله داخلی نمونه برداری بصورتی که حداقل ۳۰ قطعه نمونه در هر کاربری باشد را کافی دانسته اند. با توجه به هزینه بالای آماربرداری و گستردگی منطقه کدام را توصیه می فرمایید.
    ممنونم

    • با سلام.

      در ارتباط با نکته اول : برای هر کلاس ۲۰۴ نقطه مد نظر بنده بوده است. مثلا ۲۰۴ نقطه برای کلاس خاک، ۲۰۴ نقطه برای کلاس آب و … . نکته ای که در ارتباط با تعداد نمونه هاو باندها فرمودید در ارتباط با حداقل تعداد نمونه ای هست که باید برای هر کلاس در نظر گرفته شود. البته تعداد نمونه های کلاس ها میتواند یکسان و یا متناسب با مساحت هر یک از کلاس ها متفاوت انتخاب شود. کلاس هایی که مساحت بیشتری دارند تعداد نمونه های بیشتری برای آنها انتخاب شود و بر عکس.

      در ارتباط با نکته دوم : درسته روش growth نمونه برداری رو راحت تر میکنه اما خب بهتر هست که نمونه ها بصورت پراکنده و توزیع شده در تمامی مناطقی باشد که پدیده مورد نظر وجود دارد. روش growth روش اشتباهی نیست اما صاحب نظران انتقاداتی رو به اون دارند. بهتر هست صرفا به قابلیت growth بسنده نکنید.

      در ارتباط با نکته سوم : تا آنجا که بنده میدانم و تجربه کردم قطعه قطعه کردن منجر به افزایش و کاهش دقت بصورت چشمگیر نمیشود. البته این نظر بنده هست و بر اساس تجربه به این نکته رسیده ام. همگنی یا ناهمگنی بیشتر بواسطه تنوع پدیده های موجود در منطقه و توان تفکیک مکانی شما تعیین میشود.

      نکته : در کارهای پژوهشی بنده همیشه به دانشجویان پیشنهاد میکنم همه روش ها رو تست کنید. حتی اگر پیش فرض ما این هست که انجام و عدم انجام آن تاثیری ندارد. با این کار با اطمینان کامل نسبت به نتایج و پژوهشتون میتونید استناد کنید. مثلا اگر بنده به شما میگم فلان روش خیلی ایدال نیست شما بازهم آن را بررسی کنید(در کارهای پژوهشی و تحقیقاتی).

      در ارتباط با تصحیح هندسی : داده های pre-collection نیاز به تصحیح خطای جابجایی ارتفاعی داشتند اما دقت هندسی داده های collection-1 بیشتر شده و اما دقیقا نمیدانم که نیاز به رفع خطای جابجایی ارتفاعی کاملا برطرف شده یا خیر. باید در این رابطه بررسی کنم.

      در ارتباط با نمونه برداری و تعداد آن نکات زیادی مطرح شده و نظرات مختلفی وجود دارد. به همین خاطر بنده خودم همیشه به مراجع میگم مراجعه کنید. بنده پیش تر از بکاربردن تعداد نمونه های اندک در بخش داوری کارم نتیجه خوبی نگرفتم. هر چه که در منابع گفته شده همان را اعمال بفرمایید که قابل استناد باشد.

      موفق باشید

      • با سلام
        آقای مهندس منظور من از تعداد نمونه این است که مثلا قرار است برای کاربری زراعت ۲۰۴ نمونه بگیریم. در فرایند طبقه بندی ما از ۶ باند استفاده می کنیم. پس باید ۲۰۴ نقطه هفت پیکسلی بگیریم که می شود ۱۴۳۲ پیکسل برای کاربری زراعت؟

        آقای مهندس به مشکلی برخوردم و اینکه می خوام تصویر bing رو با تصویر sentinel ، georefrence‌کنم . از registration (image to image) استفاده نکردم ولی وارد مرحله برای انتخاب tie point نمیشه. با استفاده از فیلم آموزشی سایت در مورد erdas هم نتونستم مراحل و پیدا کنم.
        ممنون میشم راهنمایی بفرمایید

  • با سلام و احترام
    بنده فایل های آموزشی را دانلود کردم و بسیار ارزشمند و مفید بودند .دو سوال داشتم با توجه به اینکه داده های سنتینل۲ در سال ۲۰۱۷ از فرمت xml برخوردار نیستند پس از stack کردن می توان سایر تصحیحات اتمسفری را روی آن ها انجام داد؟
    و سوال دیگر اینکه هنگامی که دیتا ستی از مجموعه باندهای ۱۰ و ۲۰ متری می سازیم آیا لازم است با پیکسل سایز ۱۰ متر یکبار با پیکسل ساز ۲۰ متر دیتا ست بسازیم و سپس تصمیم بگیریم کدام بهتر است ؟ یا طبق فیلم آموزشی در هنگام استفاده از این دو مجموعه باند پیکسل سایز را ۲۰ بگیریم؟ آیا مرجع علمی برای رفرنس دادن در اینباره وجود دارد؟
    باتشکر

    • با سلام و احترام

      داده های ۲۰۱۷ دارای فایل xml هستند اما فرمت آنها یعنی Level-1C در نرم افزار ENVI قابل فراخوانی نیست.

      درسته پس از ساختStack میتوانید از روش QUAC برای تصحیح اتمسفری آنها استفاده کنید.

      اگر قصد استفاده ترکیبی از داده های ۱۰ و ۲۰ متر را دارید همه داده ها در یک stack باید به ۲۰ متر resample شوند. در غیر اینصورت با استفاده از روش های تلفیق تصاویر ماهواره ای در زبان متلب میتوانید داده های ۲۰ متری را به ۱۰ متر افزایش دهید.

      موفق باشید

  • سلام جناب مهندس
    وقت بخیر
    اگه لطف کنید اکستنشن تصحیحات اتوماتیک رادیومتریک و اتمسفری لندست۷ رو هم تهیه بفرمایید ممنون میشیم.
    باتشکر

    • با سلام و احترام خدمت شما.

      چنین آموزشی نیز ارائه شده است. اگر در دوره استاد بزرگ انوی شرت کردید در جلسه اول ویدیو مربوط به تصحیحات اتوماتیک داده های ماهواره ای لندست ۷ برای شما ضمیمه شده است.

دیدگاهتان را بنویسید