كريستيان آلينج سورنسن
هذه وحدة Python للعمل مع صور الأقمار الصناعية Sentinel-1، فقط في Python. فهو يسمح لك بالعثور على الصور التي تريدها، وتنزيلها والعمل معها (المعايرة، وspectle fitler، وما إلى ذلك).. أستخدم حزمة SentinelSAT للبيانات الوصفية. ثم يتم تنزيل البيانات من NASA ASF.
لماذا؟ لأنني لا أعمل مع وكالة الفضاء الأوروبية SNAP. أيضًا، كان من الأسهل أن يكون سير العمل بأكمله في بايثون..
لا أقدم أي ضمانات للجودة أو الأمان أو أي شيء. استخدامه كما يحلو لك.
مقدمة
متطلبات
التثبيت والتشغيل
استخدم صور Sentinel-1 في Python
ريال سعودي، باختصار
شكر وتقدير
numpy
Geopandas
mgrs (يجب إزالته في الإصدار الأحدث..sry..)
scikit-learn (يجب إزالته في الإصدار الأحدث..sry..)
scipy (يجب إزالته في الإصدار الأحدث..sry..)
cartopy
وسادة
الباندا
com.sentinelsat
matplotlib
يمكن تثبيت هذا الريبو باستخدام إما git clone أو pypi.. حاليًا، قمت بوضعه فقط في اختبار pypi، لذلك دعونا نأمل أن يبقى هناك..
باستخدام بيبي
جيدال. تأكد من أن روابط gdal الخاصة بك تعمل ...
قم بتثبيت Sentinel_1_python باستخدام اختبار pypy
python3 -m pip install sentinel-1-python --extra-index-url=https://test.pypi.org/simple/
باستخدام استنساخ
تثبيت كافة المتطلبات
استنساخ
git clone https://github.com/aalling93/sentinel_1_python.git
ارجع إلى جدول المحتويات
الحصول على البيانات الوصفية للصور
مع Sentinel_metadata() كـ met:met.area([29.9,21,56.7,58])met.get_metadata(sensor='s1_slc',start_data='20220109',end_date='20221010')
تصفية الصور إذا كنت تريد
met.iw() #filer لذا ليس لدينا سوى IW
عرض الصور قبل التحميل:
met.plot_image_areas() # إظهار مدى الصورmet.show_cross_pol(4)
يمكننا بعد ذلك أن نرى مدى الصور.
وعرض الصور قبل تنزيلها...
قم بتنزيل الصور
المجلد = f'{os.getenv("raw_data_dir")}/slc_sweden'with Satellite_download(met.products_df) كـ dwl:os.makedirs(folder, الوجود_ok=True)#save metadatadwl.products_df.to_pickle(f'{folder} /slc_dataframe.pkl')#تنزيل الصور المصغرةdwl.download_thumbnails(folder=f'{folder}/slc_thumbnails') #تنزيل صور slc بتنسيق .zip واستخراجها إلى تنسيق .SAFE..dwl.download_sentinel_1(f'{folder} /slc')تحميل، معايرة، صورة مرشح البقع في بيثون
image_paths = glob.glob(f'{os.getenv("raw_data_dir")}/*/*/*.SAFE')img = s1_load(image_paths[0])img =img.calibrate(mode='gamma') # يمكن أيضًا استخدام، على سبيل المثال، 'sigma_0' img = img.boxcar(5) # يمكن بسهولة إنشاء مرشح Lee، على سبيل المثال..img.simple_plot(band_index=0) 
يمكننا الآن استخراج منطقة من الصورة، محددة بواسطة الفهرس أو مجموعة الإحداثيات.
indx = img.get_index(lat=57.0047,long=19.399)img[indx[0]-125:indx[0]+125,indx[1]-125:indx[1]+125].simple_plot(band_index=1 )
ارجع إلى جدول المحتويات
يعد رادار الفتحة الاصطناعية (SAR) أداة نشطة يمكن استخدامها، على سبيل المثال، في مهام المراقبة غير التعاونية. أكبر مزاياه مقارنة بـ MSI على سبيل المثال، هي أنه يعمل ليلًا ونهارًا، وأنه يمكنه الرؤية عبر السحب والمطر. ومن خلال وضع جهاز SAR على قمر صناعي، من الممكن الحصول على تغطية عالمية ذات دقة زمنية ومكانية خاصة بالتصميم. وبالتالي، من خلال الجمع، على سبيل المثال، أدوات AIS وSAR، يمكن الحصول على المراقبة التعاونية وغير التعاونية.
الرادار هو جهاز يصدر نبضات كهرومغناطيسية ذات توقيع محدد في طيف الموجات الميكروية. بالنسبة للرادار الأحادي الساكن، يقوم جهاز الرادار بإرسال واستقبال إشارة التشتت الخلفي من النبضة. تعتمد إشارة التشتت الخلفي على بنية الهدف الذي أضاءته، وبالتالي، من خلال مقارنة الإشارة المرسلة والمستقبلة المعروفة، من الممكن وصف كل من الخصائص الهندسية والأساسية للهدف باستخدام معادلة الرادار الأحادية الساكنة:
أين ؟؟ هل الإشارة المستقبلة مشتقة من الإشارة المرسلة؟؟. المتغير ؟ هو الطول الموجي المحدد للتصميم للرادار، و(؟،؟) نمط كسب الرادار. يتم توزيع الإشارة حسب المسافة المقطوعة؟. وبالتالي يمكن استخلاص المقطع العرضي للرادار، ?(?, ?) وهو يصف الخصائص العازلة والهندسية للهدف ويعتمد على الزوايا ? و ؟. ومع ذلك، في حالة وجود ضوضاء، يجب إضافة مساهمة أخرى إلى معادلة الرادار الأحادي الساكن. في الريبو الآخر الخاص بي، https://github.com/aalling93/Finding-on-groud-Radars-in-SAR-images، أعمل مع تداخل ترددات الراديو (RFI). ظاهرة تتداخل فيها إشارات أخرى من رادارات أخرى مع إشارة SAR. بشكل عام، يصف ?(?,?) الطاقة المتاحة داخل المنطقة المستهدفة وبالتالي يجب مواءمتها مع المنطقة. تم العثور على معامل التشتت الخلفي للرادار بواسطة:
حيث يمكن استخدام مناطق مختلفة حسب المشكلة المطروحة. عند استخدام SAR كرادار تصوير، يكون لكل بكسل في الصورة قيمة طور وسعة. ومن خلال معايرة الصورة، من الممكن الحصول على معامل التشتت الخلفي الراداري كما هو موضح في المعادلة. . في هذه الوحدة، من الممكن تنزيل وتحميل صور Sentinel-1 ومعايرتها دون الحاجة إلى برامج خارجية أو، على سبيل المثال، حزمة Snappy (سيئة السمعة).
نظرًا لأن SAR يحصل على مساهمة تشتت خلفي من جميع الكائنات الموجودة داخل المنطقة المضيئة، تنشأ ظاهرة تشبه الضوضاء تسمى البقع. ينتج عن هذا صورة محببة حيث يكون كل بكسل عبارة عن مزيج من التشتت الخلفي من الكائن الفردي في المنطقة. في الريبو الخاص بي، https://github.com/aalling93/Custom-made-SAR-speckle-reduction، قمت بتطبيق العديد من مرشحات Speckle المختلفة وأظهر الفرق في ظل ظروف مختلفة. .
يختلف رادار التصوير SAR عن الرادار العادي، من خلال الاستفادة من حركة منصته للحصول على دقة أفضل، ومن هنا جاء اسم رادار الفتحة الاصطناعية. عند التقاط صور لهدف ثابت، يتم العثور على تردد دوبلر من سرعة المنصة. يصدر جهاز SAR ويستقبل عدة نبضات من وإلى نفس الهدف. عندما يطير SAR نحو هدفه، فإنه سيقيس تردد دوبلر إيجابي يتناقص حتى يصبح متعامدًا مع الهدف وبعد ذلك سيواجه تردد دوبلر سلبي متزايد
يتم إرسال الإشارة الكهرومغناطيسية إما باستقطاب أفقي أو رأسي، مع قدرة SARs البارامترية الكاملة على إرسال الاستقطاب الأفقي والرأسي. بسبب تفاعل النبضة المرسلة مع الهدف، تنعكس الإشارة الرأسية والأفقية إلى SAR. يؤدي هذا إلى حدوث عدة آليات تشتت مختلفة. توجد عدة أنواع من آليات التشتت. بالنسبة للكشف عن السفن، فإن أبرزها هو التشتت السطحي والتشتت المرتد المزدوج.
سيتم امتصاص الإشارة المرسلة جزئيًا، وتنعكس جزئيًا بواسطة الكائن الذي تنيره. التشتت السطحي هو التشتت الذي يصف الإشارة المنعكسة. إذا كان السطح أملسًا تمامًا (مرآويًا)، فلن ينعكس أي تناثر خلفي على SAR. إذا كان السطح خشنًا، يحدث تشتت ويتناثر جزء من النبضة الساقطة عائدة إلى SAR. تتميز الأسطح الخشنة بتشتت خلفي أعلى مقارنة بالأسطح الأكثر نعومة. علاوة على ذلك، فإن VV وHH لديهما تشتت خلفي أعلى مقارنة بـ VH وHV (HV وVHهما دائمًا تقريبًا نفس الشيء) لكل من الأسطح الخشنة والملساء. يؤدي السطح الرطب إلى ارتفاع المقطع العرضي للرادار. يعتمد التشتت الخلفي للسطح على خشونة الهدف الذي يضيئه وثابت العزل الكهربائي. وبالتالي فإن سطح المحيط غالبًا ما يؤدي إلى تشتت خلفي صغير بسبب سطحه الرطب والأملس نسبيًا (عند سرعات الرياح المنخفضة)، حتى مع الأخذ في الاعتبار ثابت العزل الكهربائي العالي عند ترددات SAR.
تشتت الارتداد المزدوج ويحدث عندما تنعكس النبضة المرسلة بشكل مرآوي مرتين من الزاوية إلى SAR. وهذا يؤدي إلى تشتت خلفي عالي جدًا. غالبًا ما تحتوي السفن على العديد من الزوايا وتكون ناعمة جدًا، مما يؤدي إلى تشتت خلفي مرتفع بشكل خاص. ولذلك يكون من السهل في كثير من الأحيان التمييز بين السفن وسطح المحيط، على سبيل المثال. لمزيد من المعلومات حول آليات التشتت في المحيطات. وكما ذكرنا سابقاً، توجد عدة آليات أخرى للانتثار، وعند اكتشاف السفن، على سبيل المثال، في صور SAR في القطب الشمالي، يجب مراعاة الانتثار الحجمي أيضاً.
نظرًا لهندسة SAR ومنصته المتحركة، تم تصميم مستشعرات تصوير SAR النموذجية لالتقاط صور مركزة بدقة جيدة على افتراض أن هدفها ثابت أثناء الحصول على الصورة. لا يمكن إجراء هذا التركيز على الأهداف المتحركة، وبالتالي فإن أدوات SAR العادية غير مناسبة للكشف عن الأجسام سريعة الحركة، مثل السفن. والنتيجة هي خلفية ثابتة تم حلها بشكل جيد وهدف متحرك تم حله بشكل سيء. وفي مهام المراقبة غير التعاونية، تعد هذه مشكلة كبيرة. وبافتراض أن الهدف يتحرك بشكل عمودي على خط رؤية SAR بتسارع ثابت، فمن الممكن تقليل المشكلة عن طريق أخذ الإزاحة الدوبلرية لصور SAR في الاعتبار. السفن البحرية لا تتبع عادة مثل هذه الأنماط. ومن ثم، يجب مراعاة أنماط المسارات الأكثر تعقيدًا عند النظر إلى السفن المزودة بأجهزة البحث والإنقاذ.
باختصار، باستخدام قدرات جهاز البحث والإنقاذ (SAR)، ينبغي أن يكون من الممكن اكتشاف السفن على سطح المحيط.
أنا، سيمون لوبيمبا، إيجيل ليبرت
انظر ملف الترخيص. باختصار:
استشهد بي في عملك! شيء من هذا القبيل: Kristian Aalling Sørensen (2020) Sentinel_1_python [كود المصدر]. https://github.com/aalling93/sentinel_1_python. البريد الإلكتروني: [email protected]
احصل على أكبر عدد ممكن لمتابعتي على جيثب. أنت وزملائك الذين يستخدمون هذا على أقل تقدير. أنا مثل الصياد.
قم بتمييز هذا المستودع بنجمة، مشروطًا بنفس ما ورد أعلاه.
ربما تكتب لي رسالة بريد إلكتروني أو اثنتين، تخبرني فيها بمدى روعة العمل الذي قمت به؟
ساعدني في تحسين العمل. أنا أبحث دائما عن المتعاونين.
