Kristian Aalling Sørensen
Ini adalah modul Python untuk bekerja dengan citra satelit Sentinel-1, murni dengan Python. Ini memungkinkan Anda menemukan gambar yang Anda inginkan, mengunduhnya, dan mengerjakannya (mengkalibrasi, speckle fitler, dll.).. Saya menggunakan paket SentinelSAT untuk metadata. Data tersebut kemudian diunduh dari NASA ASF.
Mengapa? Karena saya tidak ingin bekerja dengan ESA SNAP. Selain itu, dalam hal ini lebih mudah untuk membuat seluruh alur kerja saya dengan Python..
Saya tidak menjamin kualitas, keamanan, atau apa pun. Gunakan sesuai keinginan Anda.
Perkenalan
Persyaratan
Instal dan Jalankan
Gunakan gambar Sentinel-1 dengan Python
SAR, sebentar
Ucapan Terima Kasih
numpy
geopanda
mgrs (harus dihapus di versi yang lebih baru.. maaf..)
scikit-learn (harus dihapus di versi yang lebih baru.. maaf..)
scipy (harus dihapus di versi yang lebih baru.. maaf..)
cartopy
Bantal
panda
penjaga
matplotlib
Repo ini dapat diinstal menggunakan git clone ATAU pypi.. Saat ini, saya hanya menempatkannya di pypi-test, jadi semoga tetap di sana..
Menggunakan Pipi
GDAL. Pastikan pengikatan gdal Anda berfungsi...
Instal sentinel_1_python menggunakan tes pypy
python3 -m pip install sentinel-1-python --extra-index-url=https://test.pypi.org/simple/
Menggunakan klon
Instal semua persyaratan
Klon
git clone https://github.com/aalling93/sentinel_1_python.git
Kembali ke Daftar Isi
Dapatkan metadata gambar
dengan Sentinel_metadata() sebagai met:met.area([29.9,21,56.7,58])met.get_metadata(sensor='s1_slc',start_data='20220109',end_date='20221010')
Filter gambar jika Anda mau
met.iw() #filer jadi kita hanya punya IW
Menampilkan gambar sebelum diunduh:
met.plot_image_areas() # Menampilkan luas imagesmet.show_cross_pol(4)
Kita kemudian dapat melihat luasnya gambar tersebut.
Dan tampilkan gambar sebelum mengunduhnya...
Unduh gambarnya
folder = f'{os.getenv("raw_data_dir")}/slc_sweden'dengan Satellite_download(met.products_df) sebagai dwl:os.makedirs(folder, exist_ok=True)#save metadatadwl.products_df.to_pickle(f'{folder} /slc_dataframe.pkl')#download thumbnailsdwl.download_thumbnails(folder=f'{folder}/slc_thumbnails') #download gambar slc dalam format .zip dan ekstrak ke format .SAFE..dwl.download_sentinel_1(f'{folder}/slc')Muat, kalibrasi, gambar filter spekel dengan python
image_paths = glob.glob(f'{os.getenv("raw_data_dir")}/*/*/*.SAFE')img = s1_load(image_paths[0])img =img.calibrate(mode='gamma') # bisa juga menggunakan, misalnya, 'sigma_0' img = img.boxcar(5) #bisa dengan mudah membuat, misalnya, Lee filter..img.simple_plot(band_index=0) 
kita sekarang dapat mengekstrak wilayah gambar, yang ditentukan oleh indeks atau kumpulan koordinat.
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 )
Kembali ke Daftar Isi
Radar Bukaan Sintetis (SAR) adalah instrumen aktif yang dapat digunakan misalnya untuk tugas pengawasan non-kooperatif. Keuntungan terbesarnya dibandingkan MSI, misalnya, adalah ia bekerja siang dan malam, dan dapat melihat awan dan hujan. Dengan menempatkan instrumen SAR pada satelit, cakupan global dapat diperoleh dengan resolusi temporal dan spasial yang dirancang khusus. Oleh karena itu, dengan menggabungkan, misalnya, instrumen AIS dan SAR, pengawasan kooperatif dan non-kooperatif dapat diperoleh.
Radar adalah instrumen yang memancarkan pulsa elektromagnetik dengan tanda tertentu dalam spektrum gelombang mikro. Untuk radar mono-statis, instrumen radar memancarkan dan menerima sinyal hamburan balik dari pulsa. Sinyal hamburan balik bergantung pada struktur target yang diteranginya dan dengan demikian, dengan membandingkan sinyal yang ditransmisikan dan diterima, karakteristik geometris dan karakteristik dasar target dapat dijelaskan menggunakan persamaan radar monostatis:
Di mana ?? apakah sinyal yang diterima berasal dari sinyal yang dikirimkan,??. Variabelnya? adalah panjang gelombang spesifik desain radar, dan ?(?,?) pola Penguatan radar. Sinyalnya tersebar menurut jarak yang ditempuh,?. Oleh karena itu, penampang radar, ?(?, ?), dapat diturunkan dan menggambarkan karakteristik dielektrik dan geometri target serta bergantung pada sudut ? Dan ?. Namun, dengan adanya kebisingan, kontribusi lain harus ditambahkan pada persamaan radar mono-statis. Di Repo saya yang lain, https://github.com/aalling93/Finding-on-groud-Radars-in-SAR-images, saya bekerja dengan Radio Frekuensi Interfence ( RFI) . Sebuah fenomena dimana sinyal lain dari radar lain mengganggu sinyal SAR. Secara umum, ?(?,?) menggambarkan energi yang tersedia dalam area target dan oleh karena itu harus dinormalisasi dengan area tersebut. Koefisien hamburan balik radar ditemukan dengan:
dimana area yang berbeda dapat digunakan tergantung pada masalah yang dihadapi. Saat menggunakan SAR sebagai radar pencitraan, setiap piksel dalam gambar memiliki fase dan nilai amplitudo. Dengan mengkalibrasi gambar, koefisien hamburan balik radar dapat diperoleh seperti terlihat pada persamaan. . Dalam modul ini, dimungkinkan untuk mengunduh dan mengkalibrasi gambar Sentinel-1 tanpa memerlukan perangkat lunak eksternal atau, misalnya, paket Snappy (yang terkenal).
Karena SAR mendapat kontribusi hamburan balik dari semua objek dalam area yang disinari, maka timbullah fenomena mirip kebisingan yang disebut bintik. Hal ini menghasilkan gambar granular di mana setiap piksel merupakan kombinasi hamburan balik dari masing-masing objek di area tersebut. Di repo saya, https://github.com/aalling93/Custom-made-SAR-speckle-reduction, saya telah menerapkan beberapa filter Speckle yang berbeda dan menunjukkan perbedaannya dalam berbagai kondisi. .
Radar pencitraan SAR berbeda dari radar biasa, dengan memanfaatkan pergerakan platformnya untuk menghasilkan resolusi yang lebih baik, oleh karena itu dinamakan Synthetic Aperture Radar. Saat mengambil gambar target yang tidak bergerak, frekuensi doppler ditemukan dari kecepatan platform. SAR memancarkan dan menerima beberapa pulsa ke dan dari target yang sama. Pada saat SAR terbang menuju sasarannya, maka akan diukur frekuensi doppler positif yang semakin berkurang hingga tegak lurus terhadap sasaran selanjutnya akan mengalami peningkatan frekuensi doppler negatif.
Sinyal elektromagnetik ditransmisikan dengan polarisasi horizontal atau vertikal, dengan SAR parametrik penuh mampu mentransmisikan polarisasi horizontal dan vertikal. Karena interaksi pulsa yang ditransmisikan dengan target, sinyal vertikal dan horizontal dipantulkan kembali ke SAR. Hal ini menyebabkan terjadinya beberapa mekanisme hamburan yang berbeda. Ada beberapa jenis mekanisme hamburan. Untuk deteksi kapal, yang paling menonjol adalah hamburan permukaan dan hamburan bouncing ganda.
Sinyal yang ditransmisikan sebagian akan diserap, dan sebagian lagi dipantulkan oleh objek yang disinarinya. Hamburan permukaan adalah hamburan yang menggambarkan sinyal yang dipantulkan. Jika suatu permukaan benar-benar halus (spekular), tidak ada hamburan balik yang dipantulkan kembali ke SAR. Jika permukaannya kasar, terjadi hamburan dan sebagian pulsa datang dihamburkan kembali ke SAR. Permukaan yang kasar memiliki hamburan balik yang lebih tinggi dibandingkan permukaan yang lebih halus. Selain itu, VV dan HH memiliki hamburan balik yang lebih tinggi dibandingkan dengan VH dan HV (HV dan VH hampir selalu sama) untuk permukaan kasar dan halus. Permukaan yang lembab menghasilkan Penampang Radar yang lebih tinggi. Hamburan balik suatu permukaan bergantung pada kekasaran dan konstanta dielektrik target yang disinarinya. Oleh karena itu, permukaan laut sering kali menghasilkan hamburan balik yang kecil karena permukaannya yang basah dan relatif halus (pada kecepatan angin rendah), meskipun memiliki konstanta dielektrik yang tinggi pada frekuensi SAR.
Hamburan pantulan ganda dan terjadi ketika pulsa yang ditransmisikan dipantulkan secara spekuler dua kali dari sudut kembali ke SAR. Hal ini menghasilkan hamburan balik yang sangat tinggi. Kapal sering kali memiliki banyak sudut dan sangat mulus, sehingga menghasilkan hamburan balik yang sangat tinggi. Oleh karena itu seringkali mudah untuk membedakan misalnya kapal dengan permukaan laut. Untuk informasi lebih lanjut mengenai mekanisme penyebaran di lautan. Seperti yang telah disebutkan sebelumnya, ada beberapa mekanisme hamburan lain dan ketika mendeteksi misalnya kapal dalam gambar SAR di Arktik, hamburan volume juga harus dipertimbangkan.
Karena geometri SAR dan platform bergeraknya, sensor pencitraan SAR pada umumnya dirancang untuk mengambil gambar terfokus dengan resolusi yang baik dengan asumsi bahwa targetnya tidak bergerak selama akuisisi gambar. Pemfokusan ini tidak dapat dilakukan pada target bergerak, dan oleh karena itu instrumen SAR normal tidak cocok untuk mendeteksi objek yang bergerak cepat, seperti kapal. Hasilnya adalah latar belakang statis yang terselesaikan dengan baik dan target bergerak yang terselesaikan dengan buruk. Dalam tugas pengawasan non-kooperatif, hal ini merupakan masalah yang signifikan. Dengan asumsi bahwa target bergerak tegak lurus terhadap garis pandang SAR dengan percepatan konstan, masalah dapat dikurangi dengan mempertimbangkan pergeseran doppler pada gambar SAR. Kapal maritim biasanya tidak mengikuti pola seperti itu. Oleh karena itu, pola lintasan yang lebih kompleks harus diperhitungkan ketika mengamati kapal dengan instrumen SAR.
Singkatnya, dengan menggunakan kemampuan instrumen SAR, kapal-kapal di permukaan laut dapat dideteksi.
Saya sendiri, Simon Lupemba, Eigil Lippert
Lihat File lisensi. Pendeknya:
Kutip saya dalam karya Anda! sesuatu seperti: Kristian Aalling Sørensen (2020) sentinel_1_python [Kode sumber]. https://github.com/aalling93/sentinel_1_python. email: [email protected]
Dapatkan sebanyak mungkin untuk mengikuti saya di Github. Anda dan kolega Anda yang paling tidak menggunakan ini. Saya seorang pemburu yang suka.
Beri bintang pada repositori ini, dengan kondisi yang sama seperti di atas.
Mungkin menulis satu atau dua email kepada saya, memberi tahu saya betapa menakjubkannya pekerjaan yang saya lakukan?
Bantu saya meningkatkan pekerjaan. Saya selalu mencari kolaborator.
