مطالب تخصصی

تولید پروداکت های ماهواره ای چند زمانه در سنجش از دور با استفاده از سامانه گوگل ارث انجین

امیرحسین احراری
نوشته شده توسط امیرحسین احراری

امروزه بخش بزرگی از داده های مورد استفاده در سنجش از دور در قالب پروداکت های آماده عرضه می شود. مهم ترین مزیت داده های آماده در مقایسه با داده های خام در این است که عموما بصورت تصحیح شده عرض می شوند و نیازی به انجام پیش پردازش های رادیومتریکی و هندسی ندارد. در گذشته بخش مهمی از پردازش رقومی تصاویر ماهواره ای صرف انجام تصحیحات و آماده سازی داده ها می شد. اما این در حالی است که امروزه به لطف پروداکت های آماده به شکل قابل توجهی حجم تصحیحات کاسته شده است. در آینده نه چندان دور عملا بخش پیش پردازش تصاویر ماهواره ای حذف می شوند و تمامی داده ها بصورت اصلاح شده در اختیار کاربران قرار داده می شود. حذف تدریجی بخش پیش پردازش تصاویر ماهواره ای فرصتی است که تمرکز کاربران بیشتر بر روی تکنیک های پردازشی به منظور استخراج اطلاعات با ارزش باشد.

داده های بسیاری از ماهواره های رایگان و پولی در حال حاضر بصورت تصحیح شده عرضه می شود. بر همین اساس در این برهه زمانی آن دسته از کاربرانی موفق تر خواهند بود که با روش های سطح بالاتری از استخراج اطلاعات آشنایی دارند. امروزه در سامانه ارث انجین با طیف وسیعی از پروداکت های آماده سر و کار دارید و کسانی می توانند در کار با این سامانه موفق شوند که با تکنیک های استخراج اطلاعات آشنایی داشته باشند. عملا مبحث پیش پردازش تصاویر ماهواره ای در ارث انجین جایگاه مهمی ندارد چرا که همه داده ها و پروداکت ها بصورت تصحیح شده عرضه می شوند. این روند در آینده نیز قطعا تقویت خواهد شد پس برای آنکه از بازار علمی و تجاری سنجش از دور عقب نمانید باید تمرکز خود را بیشتر بر روی روش های استخراج اطلاعات قرار دهید.

پروداکت های آماده در سنجش از دور حاوی اطلاعات موضوعی هستند که در زمینه های مختلف زیست محیطی قابل استفاده است. این پروداکت ها کاملا تصحیح شده و با استفاده از الگوریتم های معتبر قبلا یک یا چند پارامتر بیوفیزیکی یا بیوشیمیایی در آن محاسبه شده و بصورت آماده در اختیار کاربران سنجش از دور قرار گرفته است. این پروداکت ها از لحاظ زمانی متفاوت هست: به عنوان مثال برخی بصورت روزانه و برخی بصورت ۸ روزه و ۱۶ روزه و یا حتی ماهیانه عرضه می شوند. آیا می دانید دلیل تولید پروداکت های چند زمانه در سنجش از دور چیست؟ مثلا مزیت داده های ۸ روزه نسبت به داده های روزانه چیست؟

داده هایی که بصورت پروداکت های چند زمانه عرضه می شوند عموما از دقت بالاتری نسبت به داده های روزانه برخوردارند. در پروداکت های چند زمانه آثار نویز سنجنده های ماهواره ای، بد پیکسل ها و ابر و سایه های ناشی از آن بسیار کم است و در نتیجه تصاویر از دقت رادیومتریکی بالاتر برخوردار بوده و میزان از دست رفت اطلاعات آن ها بسیار اندک است.

علی رقم ارزش بالای پروداکت های چند زمانه، بسیاری از پروداکت های آماده در سنجش از دور بصورت روزانه عرضه می شوند. در صورتی که شما با تکنیک های برنامه نویسی در سامانه گوگل ارث انجین آشنایی داشته باشید براحتی می توانید نسبت به تبدیل داده های روزانه به چند زمانه اقدام کنید. به عنوان مثال پروداکت دمای سطح زمین سنجنده مادیس در سامانه ارث انجین بصورت روزانه عرضه می شود. شما می توانید با استفاده از تکنیک های برنامه نویسی چندزمانه نسبت به تولید داده های دمای سطح زمین ۸، ۱۶ و یا حتی ۳۰ روزه اقدام کنید.

در کد زیر ابتدا تصاویر دمای سطح زمین مادیس (برای بازه ۱۰ ساله) در سامانه گوگل ارث انجین فراخوانی شده است.

 

سپس با استفاده از تابع LST، باند مورد نظر انتخاب شده و سپس بر اساس مرز منطقه مورد مطالعه برش خورده است.

 

 

 

 

به منظور تبدیل داده های روزانه به چند زمانه (مثلا ۱۶ روزه) ابتدا باید تابع تبدیل زمانی آن را بنویسید که نمونه آن در عکس زیر نمایش داده شده است.

 

بعد از ایجاد تابع temporalCollection می توانید از آن برای تولید پروداکت دمای سطح زمین ۱۶ روزه استفاده کنید. 

 

 

در تابع بالا، تصاویر دمای سطح زمین مادیس فراخوانی شده و برای بازه ۱۰ ساله تصاویر میانگین دمایی با فواصل زمانی ۱۶ روزه استخراج شده است. تابع temporalCollection جزو پر کاربردترین توابع چندزمانه سنجش از دور در سامانه گوگل ارث انجین است که توسط توسعه دهندگان این سامانه طراحی و در سال ۲۰۲۰ عرضه شده است. 

این متن آموزشی برگرفته از اولین کتاب آموزش گوگل ارث انجین در ایران است. اگر علاقه مند به تهیه این کتاب هستید به لینک زیر مراجعه کنید:

 

۵ دیدگاه

  • سلام آقای احراری خسته نباشید،
    من برای کارم از پروداکت های ۱۶ روزه مادیس برای کارم استفاده می کنم. میخواهم تصاویر میانگین ماهانه تولید کنم. اما مشکلی که هست اینه که تصاویر اول هر ماه مقداری از ماه قبل و تاثیر می پذیرند. برای مثال تصاویر NDVI برای ماه جولای، یک تصویر در روز ۴م و تصویر بعد در روز ۲۰ می افتد. که در حالت عادی با میانگین گیری، خطای بسیار زیادی ایجاد می شود. این قضیه برای تمام پروداکت ها، ۱۶ و ۸ روزه وجود دارد وقتی بخواهیم از آنها میانگین مااهانه بگیریم. آیا کد یا روشی هست که بتوان میانگین وزنی گرفت؟ و روی image collection اعمال کرد؟

    • با سلام و احترام

      در تابع مورد نظرتون به جای واحد days از month استفاده کنید. به جای عدد ۳۰ روز از ۱ ماه استفاده کنید. با این روش داده های ماهیانه از ماه قبل تاثیری نمی پذیرند.

      موفق باشید

  • سلام جناب احراری
    سایت Planet داده های ارزشمندی داره و متاسفانه به خاطر تحریم های آمریکا به ما اجازه دسترسی نمیده ولی داده هاش رو میشه تو سامانه GEE هم اورد(نه فقط تا ۲۰۱۶) . شما تجربه ای در این مورد ندارین؟

دیدگاهتان را بنویسید

اگر تمایل به تدریس و تولید آموزش و کسب درآمد دارید لطفا بر روی دکمه زیر کلیک کنید و فرم را پر کنیدپر کردن فرم همکاری در تهیه ویدئوهای آموزشی
+ +