娱乐网站建设流程,装修设计师培训班,深圳搜索竞价账户托管,重庆百度推广seo先讲思路#xff0c;然后上代码#xff1a;
去除云层
思路1#xff1a;
如果同一地理区域的多个图像#xff0c;其中一些部分有丰富的云#xff0c;而另一些部分没有云#xff0c;则可以将它们组合起来#xff0c;以便无云的部分替代多云的部分。这种方法很简单…先讲思路然后上代码
去除云层
思路1
如果同一地理区域的多个图像其中一些部分有丰富的云而另一些部分没有云则可以将它们组合起来以便无云的部分替代多云的部分。这种方法很简单但没有考虑季节性变化或随时间变化的差异因此相同的地方通常看起来可能会有所不同。在这种情况下可以逐一合并来自相近日期的高频场景以生成合成图像并减少图像上的季节性差异。
思路2
考虑阴影或云层覆盖这种技术通常称为像素排序。首先根据颜色和云层覆盖百分比预先选择多个图像。然后可以使用机器学习算法重新排序和合并所有图像或者对每个像素使用一些马赛克运算符例如均值、中值和混合等。
思路3
此外假设可以使用高性能计算处理器。在这种情况下可以遵循自动化方法或机器学习分类例如随机森林或支持向量机。可以拍摄同一场景的多张图像并根据一段时间内像素的模式观察即比较像素及其周围环境的相似性来合并它们从而给出一个没有云的位置的外观。
数据下载与去除云层代码
在这篇文章中我将分享一个基于 ArcGIS Pro 的 ArcPy 站点包的代码示例。
使用 Landsat 9
这个基本示例使用来自陆地卫星的图像这些卫星是被动遥感系统即它们仅测量由太阳传输并由目标物体反射或发射的辐射。Landsat地面数据接收、数据处理、数据归档、产品生成和产品分发请参阅官网。Landsat 9 是 Landsat 系列中最新的卫星。它于 2021 年 9 月发射很大程度上复制了其前身 Landsat 8 的属性。它携带两台具有中等空间分辨率传感器的仪器15米、30米和100米取决于光谱带。 https://earthexplorer.usgs.gov/
主要步骤 在哪里下载 Landsat 图像我使用USGS EarthExplorer 工具可以免费注册。它是一个广泛用于下载多个卫星图像或地理空间数据的便捷平台。要消除云层覆盖通常需要同一地理位置的一组重要图像例如共享轨道。 因为国外的数据全一些经过对比选择我确定了哥伦比亚 (74°2844W 4°2151N) 不同日期的先验六幅图像来自 Landsat 8/9 Collection 2 Level 2云量低于 40%轨道路径008行057。 我使用像素质量评估带QA_PIXEL 栅格文件包含在选定的 Landsat 数据产品中其中包含从图像数据和云掩模信息收集的质量统计数据。用于保持清澈区域和水域的高置信度像素值分别为 21824 和 21952。目前ArcGIS 只允许使用具有相同波段数的栅格分配条件空值因此我使用“复合波段”地理处理工具。 我使用“镶嵌到新栅格”地理处理工具将文件合并到新栅格中。在这种情况下重叠图像的输出像元值将是重叠像元的平均值而其剩余点仍然有云现在将具有“NoData”值。 在本例中我使用软件ArcGIS Pro 3.0.2。该脚本是我开发的一个较大脚本的简化版本用于处理大量文件夹和文件因此该代码的某些步骤可以轻松调整。强烈建议创建和使用地理数据库文件。在此示例中该文件用于保存输出并包含在“Pathname2”的末尾。下面是不同时期的5副影像及其云量 哥伦比亚 (74°2844W 4°2151N)2020 年 8 月 29 日 — 云量27.6% 哥伦比亚 (74°2844W 4°2151N)2020 年 9 月 14 日 — 云量32.0% 哥伦比亚 (74°2844W 4°2151N)2021 年 1 月 4 日 — 云量34.6% 哥伦比亚 (74°2844W 4°2151N)2021 年 9 月 17 日 — 云量31.0% 哥伦比亚 (74°2844W 4°2151N)2021 年 10 月 3 日 — 云量28.7% 哥伦比亚 (74°2844W 4°2151N)2021 年 12 月 14 日 — 云量28.8%
# Import arcpy module
import arcpy # Overwrite
arcpy.env.overwriteOutput True # Overwriting saved files # Local variables
landsat_folders Bulk Order 008057 # Bulk folders downloaded from USGS Earth Explorer
frame [LC08_L2SP_008057_20200829_20200906_02_T1, LC08_L2SP_008057_20200914_20200919_02_T1, LC08_L2SP_008057_20210104_20210309_02_T1, LC08_L2SP_008057_20210917_20210925_02_T1, LC08_L2SP_008057_20211003_20211013_02_T1, LC09_L2SP_008057_20211214_20220120_02_T1] # Workspaces: Pathname1where you will include the Landsat folders, Pathname2where you would extract the output
workspaces [Pathname1, Pathname2]
arcpy.env.workspace workspaces[0] for j in range(len(frame)): qapixel landsat_folders /Landsat 8-9 OLI_TIRS C2 L2/ frame[j] / frame[j] _QA_PIXEL.tif band1 landsat_folders /Landsat 8-9 OLI_TIRS C2 L2/ frame[j] / frame[j] _SR_B1.tif band2 landsat_folders /Landsat 8-9 OLI_TIRS C2 L2/ frame[j] / frame[j] _SR_B2.tif band3 landsat_folders /Landsat 8-9 OLI_TIRS C2 L2/ frame[j] / frame[j] _SR_B3.tif band4 landsat_folders /Landsat 8-9 OLI_TIRS C2 L2/ frame[j] / frame[j] _SR_B4.tif band5 landsat_folders /Landsat 8-9 OLI_TIRS C2 L2/ frame[j] / frame[j] _SR_B5.tif band6 landsat_folders /Landsat 8-9 OLI_TIRS C2 L2/ frame[j] / frame[j] _SR_B6.tif band7 landsat_folders /Landsat 8-9 OLI_TIRS C2 L2/ frame[j] / frame[j] _SR_B7.tif arcpy.management.CompositeBands([qapixel, qapixel, qapixel, qapixel, qapixel, qapixel, qapixel], workspaces[1] comp_qapixel) arcpy.management.CompositeBands([band1, band2, band3, band4, band5, band6, band7], workspaces[1] comp_bands)
outSetNull arcpy.sa.SetNull(workspaces[1] comp_qapixel, workspaces[1] comp_bands, VALUE 21824 AND VALUE 21952)
outSetNull.save(Pathname2 c_ frame[j][17:25]) # Mosaic to New Raster. This step allows you to create the final image with no/less clouds and delete unnecessary outputs
arcpy.management.MosaicToNewRaster([workspaces[1] c_ frame[0][17:25], workspaces[1] c_ frame[1][17:25], workspaces[1] c_ frame[2][17:25], workspaces[1] c_ frame[3][17:25], workspaces[1] c_ frame[4][17:25]], workspaces[1] c_ frame[5][17:25]], workspaces[1], new frame[j][10:16], pixel_type 16_BIT_UNSIGNED, number_of_bands 7, mosaic_method MEAN)
arcpy.management.Delete([workspaces[1] c_ frame[0][17:25], workspaces[1] c_ frame[1][17:25], workspaces[1] c_ frame[2][17:25], workspaces[1] c_ frame[3][17:25], workspaces[1] c_ frame[4][17:25], workspaces[1] c_ frame[5][17:25], workspaces[1] comp_qapixel, workspaces[1] comp_bands]) Landsat 8–9 OLI/TIRS C2 L2自然色 4 3 2哥伦比亚74°2844W 4°2151N — 无数据3.2%。来源自己使用 ArcGIS Pro 3.0.2 进行的计算。
如图所示云量显着减少。这六幅图像的平均云量约为 30.4%。运行脚本后输出的 NoData 值占 3.2%这是无法使用此图像组合去除云的百分比。消除或减少云量的方法主要取决于技术限制、时间限制和计算机处理引擎的速度。
注意如果你使用了此代码或其中的一部分我将非常感谢你能直接引用这篇文章来支持我。另外如果阅读这篇文章认为它对你或你的同事有价值请分享这篇文章。 完整代码下载地址
链接https://pan.xunlei.com/s/VNl3K4iD5zMWg4Dffd7N_ifIA1?pwd2wcw# 复制这段内容后打开手机迅雷App查看更方便
