بالاترین کیفیت
محصول آموزشی ادغام تصاویر ماهواره ای Sentinel-2 و تبدیل تصاویر ماهواره ای ۲۰ متری به ۱۰ متر در گوگل ارث انجین منتشر شد. در این محصول آموزشی روش ادغام تصاویر ماهواره ای Sentinel-2 آموزش داده شده است.
با استفاده از این محصول آموزشی شما می توانید توان تفکیک مکانی باندهای ۲۰ و ۶۰ متری ماهواره Sentinel-2 را به ۱۰ متر ارتقا دهید. تمامی مراحل کدنویسی الگوریتم ادغام تصاویر ماهواره ای Sentinel-2 بر اساس مراجع علمی در این محصول آموزشی تدریس شده است. با استفاده از این محصول امکان افزایش جزییات مکانی باندهای ۲۰ و ۶۰ متری به خوبی فراهم شده است.
ویدئوی اول این آموزش به صورت نمونه در زیر قرار گرفته است:
توضیحات محصول
در این محصول آموزشی روش ادغام تصاویر ماهواره ای Sentinel-2 و تبدیل تصاویر ۲۰ متری به ۱۰ متر در گوگل ارث انجین آموزش داده شده است. با استفاده از این محصول آموزشی می توانید جزییات مکانی باندهای ۲۰ و ۶۰ متری را استفاده از تکینک ها و الگوریتم های ادغام تصاویر ماهواره ای افزایش دهید.
در این محصول آموزشی برای ادغام تصاویر ماهواره ای از الگوریتم های مبتنی بر تبدیلات فرکانسی در تصاویر ماهواره ای استفاده شده است. روش ارائه شده در این محصول برای تصاویر ماهواره ای لندست نیز کاربردی است. تکنیک معرفی شده در این محصول کاملا جدید بوده و قابلیت استفاده در پروژه های علمی و تجاری را دارا است.
عناوین آموزشی
مهم ترین عناوین آموزش داده شده در این محصول عبارت اند از:
- فراخوانی تصاویر ماهواره ای Sentinel-2
- انتخاب منطقه مورد مطالعه
- استخراج اطلاعات هندسی از تصاویر ماهواره ای
- تصحیح هندسی داده های ورودی
- تصحیح رادیومتریکی باندهای ورودی
- تولید باند پانکروماتیک
- جداسازی باندهای ۱۰ و ۲۰ متری
- ریسمپل کردن تصاویر ماهواره ای
- استخراج جزییات مکانی
- تزریق اطلاعات مکانی
- تعدیل اطلاعات طیفی
- تبدیل تصاویر ۲۰ متری به ۱۰ متر
ماهواره Sentinel-2
Sentinel-2 دومین ماهواره از ماهواره های خانواده پروژه سنتینل است که در سال ۲۰۱۴ میلادی ماموریت خود را آغاز کرد. این ماهواره در مقایسه با سایر ماهواره های رایگان سنجش از دور از توان تفکیک مکانی بالاتری برخوردار است.
بر همین اساس جایگاه آن در مقایسه با سایر ماهواره ها بسیار ویژه و مهم است. ماهواره Sentinel-2 دارای ۱۳ باند طیفی در محدوده مرئی و مادون قرمز بازتابی است که از لحاظ توان تفکیک مکانی وضعیت متفاوتی نسبت به یکدیگر دارند:
- ۴ باند ۱۰ متری
- ۶ باند ۲۰ متری
- ۳ باند ۶۰ متری
ادغام تصاویر ماهواره ای
ادغام تصاویر ماهواره ای (یا همان Fusion) یکی از الگوریتم های محبوب در سنجش از دور و پردازش تصاویر ماهواره ای است که با استفاده از آن امکان افزایش جزییات مکانی (واقعی) باندهای طیفی فراهم می شود. ادغام تصاویر ماهواره ای روشی است که با استفاده از آن باندهای طیفی مختلف به منظور افزایش جزییات مکانی با یکدیگر ترکیب شده و تصویری با اطلاعات بیشتر را تولید می کنند.
روش های گوناگونی برای ادغام تصاویر ماهواره ای ارائه شده که بصورت کلی به دو دسته روش های طیفی و فرکانسی تقسیم می شوند. در این محصول آموزشی با استفاده از روش های فرکانسی چگونگی ادغام آموزش داده شده است. روش های فرکانسی در مقایسه با روش های طیفی از دقت بالاتری برخوردار است و کیفیت رادیومتریکی خروجی های حاصل از آن بالاتر است.
FerSa –
سلام آقای احراری
ضمن تشکر از تهیه این محصول کاربردی جدید، من محصول مربوط به ریزمقیاس کردن تصاویر لندست ۸ از ۳۰ متر به ۱۵ متر شما رو تهیه و استفاده کردم. آیا روش های ادغام تصاویر ماهواره ای رو میشه روی یک imageCollection اعمال کرد؟ چون نیاز دارم محاسبات باندی رو روی چند تصویر در یک دوره زمانی انجام بدم.
برای این می پرسم که توی اون آموزش، یک تصویر میانه از imageCollection لندست ۸ رو مبنای کار قرار دادین.
امیرحسین احراری –
با سلام و احترام
بله امکان پذیر هست. دقیقا همان محاسبات رو باید با استفاده از map function داخل حلقه برای تمامی تصاویر اجرا کنید.
موفق باشید
Fersa –
درست میفرمایید. ممنون.
در گوگل ارث انجین ریزترین پیکسل سایز ممکن ۱۰ متری است؟ آیا توان تفکیک مکانی بالاتری هم در GEE داریم؟؟
امیرحسین احراری –
با سلام و احترام
در میان تصاویر ماهواره ای رایگان در حال حاضر سنتینل ۲ بهترین جزییات مکانی را فراهم کرده. در گوگل ارث انجین نیز در دسترس است.
موفق باشید
Fersa –
متشکرم.
طباطبایی –
استاد عزیز جناب آقای مهندس احراری
با سلام و احترام چند سئوال در مورد تولید NDVI دارم. همانطور که در اغلب کارهای شما دیدم شما NDVI را از Surface reflectance تولید میکنید. حالا در سایت ارث انجین محصولاتی است نظیر Landsat 5 TM Collection 1 Tier 1 32-Day NDVI Composite
که از TOA Ref لایه NDVI را ساخته. سئوالات اینه:
۱-آیا این محصول دارای خطای اتمسفریک می باشد؟
۲-چطوری این محصول اهیه شده است آیا با میانگین گیری؟
بسیار سپاسگزارم اگر پاسخ بفرمائید
امیرحسین احراری –
با سلام و احترام
تصویر reflectance toa تصویر بازتاب سطحی نیست و اثر جذب و پخش اتمسفری در آن وجود دارد. اگر با استفاده از بازتاب سطحی surface reflectance محاسبه انجام شود دقت شما بالاتر است.
روش تولید آن را نمیدانم. باید توضیحات پروداکت آن را مطالعه کنید. در کنار اسم ماهواره یک علامت تعجب وجود داره که اگر روی آن بزنید توضیجات پروداکت را توضیح میدهد.
موفق باشید
FerSa –
سلام آقای احراری
وقتی در ارث انجین با انتخاب یه آستانه برای NDWI از دستور ماسک (منظور updateMask است) استفاده می کنیم مقادیر یک سری از پیکسل های ماسک شده همان مقادیر خودشان است یا به مقدار ۱ تغییر پیدا می کند؟ و مقادیر سایر پیکسل ها صفر خواهد بود یا کلا از تصویر حذف می شوند؟ ببخشید اگر جواب این دو سوال بدیهی به نظر میرسه.
ممنونم
امیرحسین احراری –
با سلام و احترام
دستور update mask مقادیر سایر پیکسل ها رو بصورت پیش فرض حفظ می کنه. اما پیکسل هایی که در دامنه مورد نظر ما نباشد را حذف می نماید.
موفق باشید
Fersa –
خیلی متشکرم
shadmaher sey –
باسلام و احترام
جناب احراری خسته نباشین . من چندین شاخص خشکسالی از سنجنده مادیس رو به دست آوردم همچنین شاخص های بارشی از trmm برای وارد کردن به الگوریتم رندوم فارست برای همین نیاز دارم هم رزلوشن مکانی و زمانی این سنجنده رو همسان کنم ممنون میشم راهنمایی بفرمایید در این مورد
امیرحسین احراری –
با سلام و احترام
از لحاظ زمانی باید همه داده ها رو برای یک زمان دانلود کنید.
از لحاظ مکانی همه داده ها را برای یک مکان واحد برش داده و آن ها را با یکدیگر استک کنید.
موفق باشید
shadmaher sey –
شاخص tci داده های مادیس ۱۶ روزه است و شاخص et داده های ۸ روزه که واسه تبدیل دیتا به یک ماه باید تابعی زمانی برای شروع و پایان بازه زمانی نوشت؟
رزولوشن تصاویر tci مادیس ۱km و شاخص et مادیس ۲۵۰m برای تبدیل به ۲۵۰ متر از دستور
var lstProjection = lst.projection();
print(‘lst projection:’, lstProjection);
و
var lstProjection = lst.projection();
print(‘lst projection:’, lstProjection); میشه استفاده کرد. ممنون از لطفتون
امیرحسین احراری –
با سلام و احترام
می توانید یک تابع زمانی رو ایجاد کنید که در آن پروداکت های ۸ روزه et به ۱۶ روزه تبدیل شوند. تاجایی که بنده اطلاع دارم دستور projection فقط پیکسل سایز را تغییر میدهد و افزایش توان تفکیک مکانی (مانند فیوژن) را به همراه ندارد.
موفق باشید
سیمین –
سلام خسته نباشید، سوالی که دارم آیا در GEE بعد از انجام تحلیل ها و ادغام تصاویر، آیا امکان دانلود پروداکت تولیدی با کیفیت مطلوب وجود داره؟
امیرحسین احراری –
با سلام و احترام
بله با استفاده از دستور Export.image to drive می توانید این کار را انجام دهید. در آموزش رایگان زیر این دستور آموزش داده شده است.
https://girs.ir/google-earth-engine-tutorial-free/
موفق باشید
سادات –
با سلام جناب احراری. من بسته آموزشی گوگل ارث انجین شما رو تهیه کردم. بسیار ممنون از آموزش های خوبتون. ولی مشکلی برای من ایجاد شده که ممنون می شم اگر راهنماییم بفرمایید. من تمام کدهای مربوط به دانلود تصاویر سنتینل 1 و 2 را عیناً وارد می کنم ولی هیچ تصویری برای منطقه مورد مطالعه من که بخشی از استان گیلان هست، پیدا نمی کند. به این منظور حتی تاریخ های متفاوت و درصد ابرناکی های مختلف را هم امتحان کردم ولی هیچ تصویری را پیدا نمی کند. این بدین معناست که هیچ تصویر اخذ شده ای از منطقه من وجود ندارد؟ سپاسگزار
امیرحسین احراری –
با سلام و احترام
با استفاده از گزینه get link در ارث انجین لینک کدتون رو کپی کرده و در این جا برای بنده ارسال کنید تا بتونم کدتون رو بررسی کنم.
موفق باشید
سادات –
خیلی ممنون آقای مهندس
این کد مربوط به داده های سنتینل 2
https://code.earthengine.google.com/c1b2f12ec57e97cd0cc244f1abf2ef87
و این هم کد مربوط به داده های سنتینل 1
https://code.earthengine.google.com/dfe9bb71cd9c637f6171cefacb9e769f
البته من در سایت usgs چک کردم. تصاویر سنتنل از منطقه مورد مطالعه من وجود دارد. سپاسگزار
امیرحسین احراری –
با سلام و احترام
در کد اول فیلتر ابر رو به اشتباه تعریف کردید. لینک کد اصلاح شده ضمیمه شده است.
https://code.earthengine.google.com/17248f5475fae7e790233bc376268481
در کد دوم هم فرمت نوشتاری بخش هایی اشتباه بود که اصلاح کردم.
https://code.earthengine.google.com/0d03bcddd96b032df4245157637443ce
موفق باشید
سادات –
بسیار سپاسگزارم. لطف فرمودید
سادات –
سلام و احترام.
به عناون پاسخ براتون ارسال کردم. آیا دریافت نمودید؟
امیرحسین احراری –
با سلام و احترام
ببخشید منظورتون رو متوجه نمیشم. کد اصلاح شده رو در کامنت قبل تون ضمیمه کرده بودم خدمتان.
موفق باشید
سادات –
با سلام. بله دریافت کردم. بسیار ممنونم از لطفتون
خدایار قلانی –
با عرض سلام و خسته نباشید، آیا فیوژن لندست٨ و سنتینل٢ در ارث انجین امکان پذیر هست؟
امیرحسین احراری –
با سلام و احترام
بله امکان پذیر است اما پیشنهاد نمیکنم. چون لندست خودش 15 متری میشه و بین تصویر 15 و 30 متری تفاوتی وجود ندارد.
موفق باشید
shahla sheydaei –
با سلام
توی گوگل ارث بخوام ببینم تو ی بازه زمانی چندتا تصویر مربوط به چه روزهایی از منطقم وجود داره چکار باید کنم؟
چون من با دستور مدین و کلیپ برش میزنم و میرم ادامه ماجرا. می خواستم تک تک تصاویر رو ببینم و بدون مدین، کلیپ کنم.
با تشکر
امیرحسین احراری –
با سلام و احترام
دستور مدین رو حذف کنید به جاش tobands بزارید. سپس تصویر حاصله را با map add layer نمایش بدید. تصویر هر تاریخ بصورت بصری قابل مشاهده است.
موفق باشید
Lida –
سلام جناب احراری
ببخشید یک سوال داشتم از شما. برای محاسبه شاخص سطح برگ در نرم افزار اسنپ و با استفاده از تصاویر ماهواره ای سنتینل از چه الگوریتمی برای محاسبه استفاده میشه؟ در مقالاتی که نوشتم ازم سوال شده ممنون میشوم توضیح بدین
امیرحسین احراری –
با سلام و احترام
به راهنمای نرم افزار snap مراجعه کرده و در آن جا رفرنس باید باشه.
موفق باشید
Lida –
با سلام
جناب احراری در نرم افزار اسنپ برای محاسبه شاخص سطح برگ از چه الگوریتمی استفاده میشود؟ برای مقاله داور ازم سوال کرده ممنون میشوم راهنمایی کنید
امیرحسین احراری –
با سلام و احترام
به راهنمای نرم افزار snap مراجعه کرده و در آن جا رفرنس باید باشه.
موفق باشید
الهام کیانی –
با سلام و وقت بخیر
آقای مهندس در بحث ادغام تصاویر اگر منطقه بزرگ باشد و ما first را بزنیم بخش های از منطقه تصویر ندارند و اگر median را بزنیم باندها crs_transform به صورت 0 و 1 می آیند لطفا راهنمایی کنید از چه دستوری برای ادغام تصاویری مناطقی که در چند باند قرار میگیرند استفاده کنیم.
امیرحسین احراری –
با سلام و احترام
با استفاده از میانگین گیری یا میانه گیری مشکل موزاییک حل می شود. منظورتون از خطای crs_transform رو متوجه نمیشم. چون من از روش میانگین گیری که استفاده میکنم چنین خطایی نمیدهد. لطفا با استفاده از گزینه getlink لینک کدتون رو با من به اشتراک بزارید تا بتونم بررسی کنم.
موفق باشید
فائزه السادات خلیفه سلطانیان –
سلام استاد احراری، عذر میخوام من یه سوال داشتم از خدمتتون،من طبق اموزشی که دادید میخوام شاخص های گیاهی را از تصویر سنتینل-2 برای یک منطقه ی وسیع توی استان بریتیش کلمبیا محاسبه کنم با استفاده از گوگل ارث انجین، اما وقتی اکسپورت میگیرم گوگل درایوم پر از تایل میشه و تصویر کلی شاخص گیاهی را به من نمیده، امکان داره لطف کنید به اسکریپت من یه نگاهی بندازید و نظرتون را بگید که مشکل از کجاست. ممنونم از وقتی که میذارید.
https://code.earthengine.google.com/86f1bede5fa31c94607f57ad373f4294
امیرحسین احراری –
با سلام و احترام
این مشکل زمانی ایجاد میشه که وسعت منطقه مورد مطالعه خیلی زیاد باشه و با توجه به توان تفکیک مکانی 10 متری سنتینل امکان ذخیره سازی در یک فایل واحد وجود ندارد. برای حل این مشکل دو راهکار وجود دارد اول اینکه وسعت منطقه مورد مطالعه را کمتر کرده و یا اینکه پیکسل سایز تصویر خروجی رو به اعدادی چون 30 یا 60 تقلیل بدید. تعداد باندها هم در ارتباط با حجم داده بسیار مهم است. هرچه تعداد باند کمتر ذخیره سازی بهتر انجام می شود.
موفق باشید
Faezeh Khalifeh Soltanian –
سلام اقای احراری، ممنونم اما متاسفانه وقتی اندازه ی پیکسل سایز را 60 هم در نطر میگیرم این مشکل را دارم،امکان داره اسکریپتی که شیر کردم را یه نگاهی بندازیذ و بنده را راهنمایی بفرمایید ممنونم.
امیرحسین احراری –
با سلام و احترام
یک بار برای تست خروجی را با پیکسل سایز 1000 متری خروجی بگیرید درست می شود. بصورت تجربی باید عدد پیکسل سایز رو بیارید پایین تا مشخص شود بالاترین توان تفکیک مکانی که کمترین موزاییک را ایجاد میکنه کدام است.
موفق باشید