یکی از پر طرفدار ترین تصاویر ماهواره ای در بین علوم مختلف به دلیل داشتن باند 10 متری در بی شک تصاویر ماهواره ای سنتنیل 2 می باشد. این تصاویر از سال 2014 هر 8 روز یکبار از سطح زمین تصویر برداری کرده و میتواند جزء منابع بسیار با ارزش با مدل های یادگیری ماشین و یادگیری عمیق باشد. در ویدئو فراخوانی تصاویر سنتینل 2 در پایتون به صورت گام به گام نحوه فراخوانی این تصاویر با دو کتابخانه gee و geemap آموزش داده شده است. این ویدئو از سری ویدئو های پردازش تصاویر ماهواره ای در پایتون می باشد.
فراخوانی تصاویر سنتینل 2 در پایتون
سنتینل 2 یکی از پروژه‌های بزرگ و موفق در زمینه ماهواره‌گیری از سوی اتحادیه اروپا است که به وسیلهٔ ارائه داده‌هایی با کیفیت و با دقت بالا از سطح زمین، به تحلیل‌های مختلف در زمینه‌های محیط‌زیست، کشاورزی، تغییرات اقلیمی و مدیریت منابع طبیعی کمک می‌کند. این سامانه شامل دو ماهواره Sentinel 2A و Sentinel 2B می‌شود که هر دو با قابلیت‌های مشابه و در فواصل زمانی مشخص از سوی اتحادیه اروپا به فضا پرتاب شده‌اند.
تصاویر ارائه شده توسط Sentinel 2 دارای وضوح بالا و با رزولوشن ۱۰ متر در موج قرمز و نزدیک به ۲۰ متر در موج آبی است که امکان تحلیل دقیق و جزئی را ارائه می‌دهد. این تصاویر در اطلاعات مختلفی از جمله ترکیب‌های رنگی، شاخص‌های گیاهی و تغییرات زمانی زمین‌شناسی ارائه می‌شود و به عنوان یک منبع ارزشمند برای مطالعات محیطی و علوم زمین مورد استفاده قرار می‌گیرد.
برنامه‌نویسان و محققان می‌توانند با استفاده از زبان برنامه‌نویسی پایتون و کتابخانه Google Earth Engine، به آسانی تصاویر Sentinel 2 را فراخوانی و از آن‌ها برای تحلیل‌های مختلف استفاده کنند. در این مقدمه، قصد داریم نحوهٔ فراخوانی تصاویر Sentinel 2 در پایتون با استفاده از کتابخانه Earth Engine را مرور کنیم. این کتابخانه به برنامه‌نویسان امکان می‌دهد با استفاده از داده‌های ماهواره‌ای مختلف از جمله تصاویر Sentinel 2، تحلیل‌های پیشرفته را انجام دهند و به داده‌های جغرافیایی دسترسی داشته باشند.
برای فراخوانی تصاویر سنتینل 2 در پایتون با استفاده از کتابخانه Earth Engine (ee)، ابتدا باید از Google Earth Engine استفاده کرده و مطمئن شوید که پیش‌نیازهای مورد نیاز نصب شده است. سپس میتوانید کدهای زیر را برای فراخوانی تصاویر Sentinel 2 در پایتون با استفاده از کتابخانه ee استفاده کنید:
import ee
import geemap
ee.Authenticate()
ee.Initialize(project=’your ID Project’)
Map = geemap.Map(height=450)
Map.add(“basemap_selector”)
Map.add(“layer_manager”)
basin = ee.FeatureCollection(“projects/training-gee-420918/assets/basin_qeshlagh”)
sen2 = ee.ImageCollection(“COPERNICUS/S2_SR_HARMONIZED”)
sentinel2 = sen2.filterBounds(basin) \
.filterDate(“2022″,”2023”) \
.filter(ee.Filter.lessThan(“CLOUDY_PIXEL_PERCENTAGE”,5)) \
.mean() \
.clip(basin)
sen2 = ee.ImageCollection(“COPERNICUS/S2_SR_HARMONIZED”)
sen2 = sen2.filterBounds(basin)
sen2 = sen2.filterDate(“2022-04-01″,”2022-07-01”)
sen2 =sen2.filter(ee.Filter.lessThan(“CLOUDY_PIXEL_PERCENTAGE”,5))
sen2 = sen2.mean()
sen2 = sen2.clip(basin)
Map.addLayer(sen2,{},’sen2′)
Map
