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

275 بازدید

اخبار ، مقالات و تحقیقات گروهی را دنبال کنید.

آموزش رایگان نرم افزار ENVI

در ENVI حرفه ای شو 🦾

0 تا 100 مفاهیم سنجش از دور

کاملا رایگان شروع کن 🧩

آموزش رایگان ArcGIS pro

واقعاااااا رایگاااااانه 🤗

آموزش گوگل ارث انجین

شدیدا توصیه شده 🌏

دانلود لندیوز 10 متری ایران و …

به کمک گوگل ارث انجین 🚀

کتاب موتور پردازش مجازی

اولین کتاب آموزش گوگل ارث انجین 📗

طبقه بندی تصاویر ماهواره ای

آشنایی با انواع روش ها 😲

پیش پردازش تصاویر ماهواره ای

هندسی – رادیومتریکی – اتمسفری 🀄

دانلود داده های آلتیمتری

ترازسنجی برای دریاچه ها 🧿

پوشش اراضی 10 متری

تولید شده توسط ESRI 🧐

نمایش سه بعدی در ArcGIS

مدل رقومی ارتفاع 🗻

مطالب پربازدید

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…

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:

نوشته های مرتبط :

آموزش های رایگان پیشنهادی :

۲۰ دیدگاه. ارسال دیدگاه جدید

  • 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؟

    پاسخ
    • 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

      پاسخ
  • 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؟

    پاسخ
  • مرضیه عیادپور
    ۱۴۰۰-۰۳-۰۵ ۷:۳۲ ب٫ظ

    سلام و وقت بخیر
    جناب احراری بنده در زمینه گپ فیلینگ دارم کار میکنم و حالا کدهای متلب از من تصاویر باینری میخواد((raw)ENVI binary images) امکانش هست راهنمایی کنین؟
    از دستورات فراخوانی دیگه هم استفاده کردم ولی خب درنهایت با همون پیام که تصاویر با فرمت rawمیخواد دریاافت میکنم.
    ممنونم از شما بابت وقتی که میگذارین.

    پاسخ
  • سللام گوگل ارث انجین یکبار برای من باز شد اونم شیش ماه پیش. دیگه هر کار میکنم ارور ۴۰۳ میده. با انواع فیلتر شکن هم امتحان کردم نشد که نشد. واقعا سامانه مسخره ای هست .

    پاسخ
    • با سلام و احترام

      سامانه مشکلی نداره. متاسفانه ما از طرف گوگل تجریم هستیم. جدیدا گوگل فیلتر شکن ها رو شناسایی میکنه و مانع از اتصال میشه.
      خیلی از کاربران جدیدا با مشکل شما مواجه شدند. از فیلتر شکن لنترن استفاده کنید مشکلی ندارد.

      موفق باشید

      پاسخ
  • با سلام و خسته نباشید.
    ممنون میشم بفرمایید عدد ۲۲۹ چطور محاسبه شده است؟
    همچنین لطفا بفرمایید:
    اگر بخواهیم از داده های ۳ روزه یک پروداکت طی سالهای ۲۰۱۰ تا ۲۰۲۰ داده های ماهانه ی آن پروداکت را برای این دوره زمانی بدست آوریم علاوه بر تغییر day به month و عدد ۱۶به ۱ چه تغییرات دیگری لازم است در کد جنابعالی ایجاد شود؟
    و نیز اگر پروداکت منظوره بدون scale باشد می توان به جای مقدار ۰.۰۲ در کد شما از مقدار ۱ استفاده کرد؟

    پاسخ
    • با سلام و احترام

      ببخشید تعداد آموزش ها زیاد هست حضور ذهن ندارم. ممنون میشم لینک کد آموزش رو در اینجا بزارید تا بتونم دلیل عدد ۲۲۹ رو عرض کنم. البته قطعا در فیلم آموزشی توضیح داده شده است.
      داده های ماهیانه را نمیتوانید به ۳ یا یک روز تبدیل کنید. حداقل این روشی که بنده توضیح دادم برای تبدیل مقیاس زمانی از پایین به بالا کاربرد دارد. مثلا روزانه به هفتگی و …
      در صورتی که پروداکت مورد استفاده scale نداشته باشد هیچ عددی نباید وارد کنید و هیچ ضربی انجام نمی شود.

      موفق باشید

      پاسخ
  • سپاس از پاسخ جنابعالی

    عنوان آموزش تولید “پروداکت های ماهواره ای چند زمانه در سنجش از دور با استفاده از سامانه گوگل ارث انجین” است که به صورت فیلم نمی باشد و لینک آن https://girs.ir/gee-multi-temporal-function/ است.

    فرمایش شما متین است و منظور بنده هم تبدیل از پایین به بالا است یعنی تبدیل داده های ۳ روزه به داده های ماهانه.

    پروداکت مورد نظر بدون scale است بنابراین حذف عبارت multiply(0.02) از قسمت var bands=img.select(‘LST_DAY_1km’).multiply(0.02).clip(table): 0 مشکلی در کدهای بعدی ایجاد نمی نماید؟

    سپاسگزار خواهم بود در صورت وجود فیلم آموزش که به این مبحث نیز پرداخته است لینک آن را ارسال بفرمایید.

    از بذل توجه شما سپاسگزارم

    پاسخ
    • با سلام و احترام

      ببخشید که دیر پاسخ دادم. متاسفانه مشغله های کاری بنده بسیار زیاد هست و کمی تاخیر در پاسخ گویی ایجاد کرده.
      مشکلی ایجاد نمی کند. اول داده خود را اصلاح کنید و سپس داده اصلاح شده را وارد تابع temporal collection نمایید.

      موفق باشید

      پاسخ
  • سپاس
    عدد ۲۲۹ رو نفرمودید در آموزش پروداکت های ماهواره ای چند زمانه در سنجش از دور با استفاده از سامانه گوگل ارث انجین” است که به صورت فیلم نمی باشد و لینک آن https://girs.ir/gee-multi-temporal-function/ است از کجا آمده و چطور محاسبه شده است؟

    پاسخ
    • با سلام و احترام

      عدد ۲۲۹ جای count بر اساس تعداد تصاویر مورد نیاز با فواصل مورد نظر ما تعیین شده. اگر لینک کد رو با استفاده از گزینه getlink د رارث انجین کپی کرده و در اینجا برای من بفرستید میتونم بهتر راهنمایی تون کنم. چون باید کد رو ببینم که در چه بازه زمانی چه تعداد تصاویر را میخواستم خروجی بگیرم. البته در فیلم محصول قطعا اشاره کردم. اما اگر لینک کد رو بفرستید بهتر میتونم راهنمایی تون کنم.

      موفق باشید

      پاسخ
  • با سلام و خداقوت مجدد و سپاس از توجه جنابعالی
    آموزش شما برای تولید پروداکت چند زمانه در قالب عکس است نه فیلم به همین دلیل براساس آن کدها رو خود نوشتم که لینک آن تقدیم می شود تا راهنمایی فرمایید عدد ۲۲۹ از کجا آمده است.
    و اگر بخواهیم برای یک دوره ی ۱۰ ساله پروداکت را از ۳ روزه به ماهانه تبدیل کنیم به جای عدد ۲۲۹ از چه عددی باید استفاده کنیم و چطور محاسبه می شود؟

    https://code.earthengine.google.com/3b3a3ff25159393b1d3ce330d649642b

    پاسخ
  • با سلام و وقت بخیر.

    تصویری که در نهایت ایجاد میشه برای یک دوره زمانی چندساله، به صورت شماره باند ذخیره میشه! میشه بفرمایید چطور بفهمیم هر شماره باند مال چه تاریخی هست؟

    پاسخ

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

این فیلد را پر کنید
این فیلد را پر کنید
لطفاً یک نشانی ایمیل معتبر بنویسید.

فهرست