Pozyskiwanie i przetwarzanie obrazów Sentinel - Python (Jupyter Notebook)

Prowadzący

Beata Hejmanowska, Piotr Kramarczyk

Materiały

• link do materiałów:

• spotkanie zdalne na platformie Teams - proszę o e-mail na adres:galia@agh.edu.pl, na który wyślemy link

Plan

Instalacja dystrybucji Pythona - Miniconda

• download installer
• konfiguracja środowiska

Rejestracja konta w serwisie Copernicus Open Hub

Darmowe konto w serwisie umożliwia przeglądanie zasobów i pobieranie obrazów: - z poziomu przeglądarki internetowej - api

Notatniki jupyter notebook

1. Pobieranie obrazów z serwera:

   • zapytania o dostępne obrazy
   • filtracja wyników np. w oparciu o zachmurzenie
   • pobranie wybranych produktów

2. Preprocessing

   • wybór kanałów
   • resampling
   • wycięcie fragmentu obrazu
   • utworzenie nowego obrazu (tiff format)

3. Klasyfikacja

Case study

S2FCC0728

[]

[]

Cluster S2 stack; 1-conifer forest, 2-grass, 3-maturing/mature cereals, 4-maturing/mature cereals, 5-deciduous forest, 6-urban, 7-residual class, 8-industrial

[]

Cluster S2 time series; 1-mix forest, 2-mature cereals, 3-industrial, 4-urban, 5-maturing cereals, green vegetation, 6-conifer forest, 7-mature cereals, green vegetation, 8-grass

[]