Laboratoria

Opracowanie danych multispektralnych z sensora Sentinel - 2

Program Copernicus, konstelacja Sentinel. Opracowanie danych Sentinel-2 za pomocą Sentinel-2 Toolbox (ESA) – wstępna obróbka obrazu: korekcja Sen2Cor, ortorektyfikacja, resampling. Analiza tematyczna obrazów: obliczenie wskaźników wegetacji, wody, gleby, klasyfikacja nienadzorowana/ nadzorowana.

Program Copernicus

https://www.copernicus.eu/pl

Copernicus (dawniej: ang. Global Monitoring for Environment and Security, GMES[1]) – program obserwacji Ziemi realizowany przez Komisję Europejską we współpracy z Europejską Agencją Kosmiczną. Utworzony został w celu wsparcia działań z zakresu ochrony środowiska, ochrony ludności i bezpieczeństwa.

Stanowi europejski wkład w budowanie Globalnej Sieci Systemów Obserwacji Ziemi.

Rozporządzenie Parlamentu Europejskiego i Rady (UE) nr 377/2014 z dnia 3 kwietnia 2014 r. ustanawiające program Copernicus i uchylające rozporządzenie (UE) nr 911/2010

Program Copernicus w skrócie

Sześć obszarów tematycznych

bh

Atmosfera

Środowisko morskie

Obszary lądowe

Zmiana klimatu

Bezpieczeństwo

Sytuacje kryzysowe


OBSZARY LĄDOWE

dostęp do produktów

bh

Poziom lokalny

Urban Atlas - mapa pokrycia/użytkowania terenu (Land Use/Land Cover LULC)

Obrazy i dane referencyjne

Moziaki z Sentinel-2


Misja Sentinel ESA{.rd}

sukcesywnie od 2014 roku - dane bezpłatne

Przegląd satelitów

Sentinel-2 zakres spektralny podobny do Landsat 8

Kanały spektralne

bh


Sentinel-2 - tworzenie mapy LULC w oprogramowaniu darmowym ESA SNAP

Instalacja programu SNAP

Pobieranie danych - Copernicus Open Access Hub - Open Hub

Uwaga duży plik!!

S2BMSIL2A20200914T095029N0214R079T34UDA20200914T121343.zip

bh

Praca w SNAP

  1. Obraz można wczytać metodą: przeciągnij/upuść (nie trzeba rozpakowywać pliku zip)

  2. Obrazy są po korekcji radiometrycznej (uwaga-należy wybrać obraz - poziom 2A - patrz nazwa)

  3. Przed przystąpieniem do klasyfikacji: wybrać fragment obrazu: Raster - Subset, zaznaczając zakres przestrzenny (Spatial subset) oraz kanały 2, 3, 4 , 5, 6, 7, 8, 8A, 11 i 12 bez 1, 9, 10

  4. Ujednolicić wielkość piksela do 10 m (Raster-Geometric-Resampling)
  5. Wykonać klasyfikację wykorzystując film (link poniżej Classification Part 3); UWAGA zmieniając klasę podczas wektoryzacji należy zmienić podświetlenie klasy używając: Layer Manager (z prawej), wybór z lewej w oknie Product Explorer nic nie daje ;-)
  6. Wyeksportować obraz i wynik klasyfikacji do TIF i wczytać w QGIS

  7. Na ocenę bdb przeprowadzić walidację wyniku klasyfikacji (Classification Part 5 - Validation)

-- w przypadku problemów:


Sprawozdanie PDF!

NazwiskoImieGINS2.pdf

NAZWA PLIKU BEZ POLSKICH LITER SPACJI ITP.


  1. Obszar testowy: dowolny obszar min 20x20 km
  2. Dane: obraz FCC z polami treningowymi
  3. Analizy separatywności klas: wybrane z opcji: Analysis (histogramy, scatter plot etc.)
  4. Wynik klasyfikacji: obraz wraz z informacją z pliku: newClassifier.txt
  5. Dla chętnych: walidacja wyniku klasyfikacji

klasy kolor

woda - niebieski

zabudowa - szary

las_iglasty - ciemnozielony

las_lisciasty - zielony

roslinnosc - jasnozielony

gleba_odkryta - żółty

Szablon sprawozdania *.odt

Przykładowy szablon sprawozdania *.pdf


dlaczego objętość danych po resamplingu z 1 giga zamienia się na 20 giga?


bh

-- SNAP Tutorials

Classification Part 1 - Exploring the image feature space

Classification Part 2 - Unsupervised clustering

Classification Part 3 - Supervised classification

Classification Part 4 - Supervised classification with Random Forest

Classification Part 5 - Validation


zobaczyć jak wyglądają kursy :

Geospatial Ecology and Remote Sensing


Sentinel-1 radar

https://www.youtube.com/watch?v=10x7UI7oD3E

https://www.youtube.com/watch?v=HG1n7gWSuWk

https://www.youtube.com/watch?v=J4I6K1jTCHk