فراخوانی تصاویر لندست در پایتون

امروزه  تصاویر ماهواره‌ای از منابع بسیار  ارزشمندی برای مطالعه و تحلیل انواع مختلفی از فرایندها و پدیده‌های زمینی هستند. از جمله مجموعه‌های معروف تصاویر ماهواره‌ای می‌توان به تصاویر سری Landsat اشاره کرد که توسط NASA و USGS تولید و منتشر می‌شوند. این تصاویر از سال 1972 تا به امروز سطح زمین را پوشش می دهد.  این تصاویر با ارزش ترین تصاویر در زمینه علوم طبیعی و محیط زیست است. در آموزش فراخوانی تصاویر لندست در پایتون با استفاده از کتابخانه ee و  geemap تصاویر لندست فراخوانی و انواع فیلتر های مختلف روی آن اعمال  و آموزش داده شده است.

با استفاده از زبان برنامه‌نویسی پایتون، می‌توانیم تصاویر لندست را فراخوانی کرده و به صورت دقیق تحلیل کنیم. این قدرت زبان پایتون به ویژه در علوم زمینی، محیط زیست و GIS (سامانه اطلاعات جغرافیایی) بسیار مورد توجه است. این فرایند در تحلیل های مختلف و استفاده از کتابخانه های مختلف فراهم خواهد شد. در این ویدئو ما قصد داریم به شما نشان دهیم که چگونه می‌توانید با استفاده از پایتون، تصاویر Landsat را فراخوانی کرده و به صورت برنامه‌ریزی شده، آن‌ها را پردازش و تحلیل کنید. از فراخوانی تصاویر Landsat در پایتون می‌توان برای پایش تغییرات زمین‌شناسی، مطالعات محیط زیستی، کشاورزی، مدیریت منابع طبیعی و بسیاری دیگر اهداف مورد استفاده قرار داد.

فراخوانی تصاویر لندست در پایتون

یکی از قابلیت های جذاب کتابخانه ee و geemap فراخوانی تصاویر و کالکشن تصاویر لندست مختلف در بستر محیط پایتون و Colab است. این کتابخانه ها امکان اعمال فیلترهای مختلف زمانی، مکانی و ابر را فراهم کرده است. در زیر موارد آموزش داده شده ارائه شده است:

1-آموزش فراخوانی تصاویر لندست با دو روش

2-آموزش اعمال فیلتر مکان

3-آموزش اعمال فیلتر زمان

4-آموزش اعمال فیلتر ابر

5-آموزش اعمال فیلتر ماه

6-آموزش انتخاب باند

7-آموزش نمایش تصاویر

8-آموزش اعمال سیستم تصویر های مختلف

کدهای ارائه شده:

import ee
import geemap

ee.Authenticate()

ee.Initialize(project=’gee-project-419608′)

Map = geemap.Map(height=450)
Map.add(“basemap_selector”)
Map.add(“layer_manager”)

basin = ee.FeatureCollection(“projects/training-gee-420918/assets/basin_qeshlagh”)

Map.centerObject(basin)
Map.addLayer(basin,{},’basin’)

basin = ee.FeatureCollection(“projects/training-gee-420918/assets/basin_qeshlagh”)
landsat = ee.ImageCollection(“LANDSAT/LC08/C02/T1_L2”)

روش اول

landsat8 = landsat.filterBounds(basin)
landsat8 = landsat8.filterDate(“2019″,”2021”)
landsat8 = landsat8.filter(ee.Filter.lessThan(“CLOUD_COVER”,5))
landsat8 = landsat8.filter(ee.Filter.calendarRange(4,7,’month’))
landsat8 = landsat8.mean()
landsat8 = landsat8.clip(basin)
landsat8 = landsat8.select(‘SR_B.’)
landsat8

vis_params = {‘bands’: [‘SR_B4’, ‘SR_B3’, ‘SR_B2’], ‘min’: 8863.17111111111, ‘max’: 16906.05111111111,}
Map.addLayer(landsat8,vis_params,’landsat8′)

روش دوم

basin = ee.FeatureCollection(“projects/training-gee-420918/assets/basin_qeshlagh”)
landsat = ee.ImageCollection(“LANDSAT/LC08/C02/T1_L2”)
lan = landsat.filterBounds(basin) \
.filterDate(“2021″,”2022”) \
.filter(ee.Filter.lessThan(“CLOUD_COVER”,5)) \
.filter(ee.Filter.calendarRange(4,8,’month’)) \
.mean() \
.clip(basin) \
.select(‘SR_B.’) \

Map.addLayer(lan,{},’lan’)
Map

سری ماهواره لندست و کاربرد های آن

ماهواره Landsat، یکی از مجموعه‌های معتبر و مورد اطمینان در زمینه مشاهده و تصویربرداری از سطح زمین است که توسط سازمان ملی هوافضایی و اداره زمین‌شناسی آمریکا (NASA و USGS) اداره می‌شود. این ماهواره‌ها اطلاعات قابل اعتماد و دقیقی از سطح زمین فراهم می‌کنند که به محققان، دولت‌ها، صنعت‌ها و جامعه عمومی در درک بهتر فرآیندهای زمینی و محیط زیستی کمک می‌کند. مهم ترین ویژگی تصاویر لندست پایش مستمر سطح زمین از سال 1972 تا به امروز می باشد. این پایش مستمر تصاویر لندست را به یکی از قوی ترین مجموعه تصاویر دنیا تبدیل کرده است. تصاویر لندست کاربردهای مهم و گسترده‌ای دارد که به طور خلاصه می‌توان به موارد زیر اشاره کرد:

پایش تغییرات زمین‌شناسی: تصاویر Landsat به پژوهشگران این امکان را می‌دهند تا تغییرات در اراضی، کوهستان‌ها، رودخانه‌ها و سواحل را پایش و تحلیل کنند.
مطالعات محیط زیستی: تغییرات در پوشش گیاهی، تخریب جنگل‌ها، پایش میزان آلودگی هوا و آب، تغییرات شکلاترکیب، تحلیل کیفیت خاک و ارزیابی تنوع زیستی از جمله مواردی هستند که با استفاده از این تصاویر بررسی می‌شوند.
مطالعات کشاورزی: تصاویر Landsat برای پایش مساحت و میزان کشت‌ها، تغییرات در مصرف آب، تخریب خاک و برنامه‌ریزی مدیریت منابع طبیعی استفاده می‌شوند.
ارزیابی منابع طبیعی: تحلیل منابع آبی، مدیریت جنگل‌ها، مدیریت مراتع و شناسایی معادن از جمله کاربردهای مهم در این زمینه است.
برنامه‌ریزی شهری و توسعه عمرانی: شناسایی الگوهای توسعه شهری، پایش تغییرات ساختار شهری و تحلیل استفاده از اراضی برای برنامه‌ریزی شهری از جمله کاربردهای این تصاویر است.
با توجه به کاربردهای گسترده و متنوع آن، ماهواره Landsat ابزار بسیار مهمی برای مطالعه و فهم بهتر فرایندهای زمینی و محیط زیستی است که در بسیاری از زمینه‌های علمی، صنعتی و تصمیم‌گیری‌های سیاستگذاری به کار می‌رود.

از مدرسه سنجش از دور بخوانید: نگاهی متفاوت به ماهواره لندست