پهنه های آبی به هر نوع آب راکد در سطح زمین مانند سد، دریاچه، تالاب و … اشاره دارد. در بسیاری از مطالعات لازم است که این مناطق شناسایی شود. در آموزش آشکارسازی مناطق آبی در گوگل ارث انجین به بررسی همین موضوع خواهیم پرداخت. دراین آموزش با کمک تصاویر لندست خواهید آموخت که چگونه با تکنیک آستانه گذاری مناطق آبی را جدا سازی کرده و از تصاویر خود خروجی گرفته و در داخل کارهای خود از آن استفاده کنید.
آشکارسازی مناطق آبی در گوگل ارث انجین
به منظور آشکار سازی پهنه های آبی ابتدا باید در داخل سامانه گوگل ارث انجین ثبت نام کرده و وارد اکانت خود شود. برای اطلاعات بیشتر میتوانید دوره آموزش گوگل ارث انجین | رایگان را مشاهده نمایید. در ادامه گام به گام مراحل برای شما توضیح داده خواهد شد.
1-فراخوانی تصاویر لندست
به منظور فراخوانی تصاویر لندست ابتدا یک متغییر به اسم landsat ایجاد خواهیم کرد و بر اساس کد معرف زیر تصاویر کالکشن 2 لندست به داخل سامانه فراخوانی خواهد شد.
var landsat = ee.ImageCollection(“LANDSAT/LC08/C02/T1_L2”)
2-اعمال فیلترهای مکانی و زمانی
در گام بعدی باید زمان و مکان را مشخص کنیم. برای این منظور از دو دستور filterBounds برای فیلتر مکان و از دستور filterDate برای فیلتر زمان استفاده خواهد شد.
var landsat = ee.ImageCollection(“LANDSAT/LC08/C02/T1_L2”)
filterBounds(geometry).
filterDate(‘2023-04-01′,’2023-08-01’).
3-اعمال فیلتر ابر
وجود ابر در داخل تصاویر اپتیک همیشه یک چالش بوده است. با استفاده از دستور ee.Filter.lessThan میتوان تصاویر با درصد خاص از پوشش ابر فراخوانی کرد. برای نمونه در این آموزش تصاویر فراخوانی خواهد شد که زیر 30 درصد پوشش ابر داشته باشد.
filter(ee.Filter.lessThan(‘CLOUD_COVER’,30)).
4-تهیه تصویر میانگین و برش تصاویر
در این گام از تعداد تصاویر که شرایط بالا را داشته باشد باید یک میانگین گرفته شده و بر اساس محدوده مورد مطالعه برش خواهد خورد. برای این منظور از توابع زیر استفاده خواهد شد.
()mean.
clip(geometry).
5-تبدیل مقادیر به بازتاب سطحی
در تصاویر کالکشن 2 لندست لول 2 برای بدست آوردن بازتاب سطحی باید باندها را در عدد و ضرایب ثابت ضرب کرد. در زیر ضرایب کامل ارائه شده است.
var landsat = ee.ImageCollection(“LANDSAT/LC08/C02/T1_L2”)
filterBounds(geometry).
filterDate(‘2023-04-01′,’2023-08-01’).
filter(ee.Filter.lessThan(‘CLOUD_COVER’,30)).
()mean.
.clip(geometry).
multiply(0.0000275).
add(-0.2).
6-محاسبه شاخص آب
در این مرحله به مظور جداسازی مناطق ابی باید از شاخص های آب استفاده شود. به این منظور شاخص نرمال شده آب (NDWI) محاسبه شده است.
;var NDWI = landsat.normalizedDifference([‘SR_B3′,’SR_B5’])
7-تعریف آستانه
شاخص های به گونه ای هستند که اگر مقدار آنها از یک مقدار کمتر یا بیشتر باید یک عامل را نشان خواهد داد. شاخص NDWI جاهایی عدد مثبت باشد یعنی بزرگتر از 0 باشد مناطق آبی را نماید خواهد داد. برای این منظور از دستورات زیر استفاده خواهد شد.
()var thr = NDWI.gte(0.0).selfMask
8-نمایش مناطق آبی
به منظور نمایش مناطق آبی با رنگ دلخواه از بخش palette به برای آن رنگ آبی انتخاب خواهد شد.
;Map.addLayer(thr,{palette:’blue’},’Water’)
9-خروجی گرفتن از تصاویر
برای تهیه نقشه ها برای پایان نامه ها و مقالات لازم است که از تصاویر خروجی گرفته شود. برای خروجی گرفتن از کد رشته زیر استفاده شده است.
})Export.image.toDrive
image:thr,
description:’water’,
scale:30,
region:geometry,
;({maxPixels:1e9
در زیر اسکریپت کامل قرار داده شده است. همچنین لینک مستقیم را میتوانید از زیر کپی کنید
https://code.earthengine.google.com/e7e844cfe8b4302cfe13999a9c0da4e0
Map.addLayer(geometry);
var landsat = ee.ImageCollection(“LANDSAT/LC08/C02/T1_L2”)
.filterBounds(geometry)
.filterDate(‘2023-04-01′,’2023-08-01’)
.filter(ee.Filter.lessThan(‘CLOUD_COVER’,30))
.mean()
.clip(geometry)
.multiply(0.0000275)
.add(-0.2);
Map.addLayer(landsat,{min:0.1,max:0.5,bands:[‘SR_B5′,’SR_B6′,’SR_B2′]},’Landsat8’);
var NDWI = landsat.normalizedDifference([‘SR_B3′,’SR_B5′]);
Map.addLayer(NDWI,{min:-0.5,max:0.5},’NDWI’);
var thr = NDWI.gte(0.0).selfMask();
Map.addLayer(thr,{palette:’blue’},’Water’);
Export.image.toDrive({
image:thr,
description:’water’,
scale:30,
region:geometry,
maxPixels:1e9
});
