멀티밴드 래스터 처리(Sentinel-hndex 및 인덱스 생성)

안녕하세요, 이전 블로그에서 단일 밴드 래스터에 대해 h3 인덱스와 postgresql을 사용하여 래스터 분석을 수행하는 방법에 대해 이야기했습니다. 이 블로그에서는 멀티밴드 래스터를 처리하고 쉽게 인덱스를 생성하는 방법에 대해 설명합니다. sentinel-2 이미지를 사용하고 처리된 h3 셀에서 NDVI를 생성하고 결과를 시각화하겠습니다

Sentinel 2 데이터 다운로드

우리는 네팔 포카라 지역의 https://apps.sentinel-hub.com/eo-browser/에서 sentinel 2 데이터를 다운로드하고 있습니다. 호수가 이미지 그리드에 있는지 확인하여 우리가 쉽게 볼 수 있도록 하기 위함입니다. NDVI 결과를 검증하세요

모든 밴드의 센티넬 이미지를 다운로드하려면:

• 계정을 만들어야 합니다
• 해당 지역의 이미지 찾기 관심 지역을 포함하는 그리드를 선택하세요
• 그리드를 확대하고 오른쪽 수직 막대에 있는아이콘을 클릭하세요
• 그런 다음 분석 탭으로 이동하여 이미지 형식이 tiff 32비트, 고해상도, wgs1984 형식인 모든 밴드를 선택하고 모든 밴드를 선택합니다

또한 NDVI, False color tiff only 또는 특정 밴드 등 필요에 가장 적합한 사전 생성된 색인을 다운로드할 수도 있습니다. 처리는 저희가 직접 하고 싶어서 모든 밴드를 다운로드하고 있어요

• 다운로드 클릭

전처리

원시 형식을 다운로드했기 때문에 모든 밴드를 센티넬과 별도의 TIFF로 얻습니다.

• 합성 이미지를 만들어 보세요:

이 작업은 GIS 도구나 gdal을 통해 수행할 수 있습니다

1. gdal_merge 사용하기:

파일 이름에 슬래시가 들어가지 않도록 다운로드한 파일의 이름을 band1,band2로 바꿔야 합니다
이 연습에서는 밴드 9까지 처리하겠습니다. 요구 사항에 따라 밴드를 선택할 수 있습니다

1. QGIS 사용:

• 모든 개별 밴드를 QGIS에 로드
• 래스터로 이동 > 기타 > 병합

• 병합하는 동안 '각 입력 파일을 sep 밴드에 배치'를 확인해야 합니다

• 이제 병합된 TIFF를 원시 Geotiff로 합성으로 내보냅니다

가정

• 이미지가 WGS1984에 있는지 확인하세요 우리의 경우 이미지는 이미 ws1984에 있으므로 변환이 필요하지 않습니다
• nodata가 없는지 확인하세요. 있다면 0으로 채워주세요.

• 마지막으로 출력 이미지가 COG에 있는지 확인하세요.

cog2h3 저장소에 제공된 bash 스크립트를 사용하여 이를 자동화하고 있습니다

h3 세포의 과정과 생성

이제 마지막으로 전처리 스크립트를 완료했으므로 합성 톱니바퀴 이미지의 각 밴드에 대해 h3 셀을 계산해 보겠습니다.

• cog2h3 설치

• 데이터베이스 자격 증명 내보내기

• 달려

우리는 이 감시 이미지에 해상도 10을 사용하고 있지만 스크립트 자체에서도 h3 셀을 래스터의 가장 작은 픽셀보다 작게 만드는 래스터에 대한 최적의 해상도를 인쇄하는 것을 볼 수 있습니다.

postgresql에서 결과를 계산하고 저장하는 데 1분 정도 걸렸습니다

로그 :

분석하다

이제 postgresql에 데이터가 있으므로 분석을 해보자

• 우리가 처리한 모든 밴드가 있는지 확인하세요(밴드 1부터 9까지 처리했다는 것을 기억하세요)

• 각 셀에 대한 ndvi 계산

쿼리 계획 :

QUERY PLAN | -----------------------------------------------------------------------------------------------------------------+ Seq Scan on sentinel (cost=0.00..28475.41 rows=923509 width=16) (actual time=0.014..155.049 rows=923509 loops=1)| Planning Time: 0.080 ms | Execution Time: 183.764 ms |

As you can see here for all the rows in that area the calculation is instant . This is true for all other indices and you can compute complex indices join with other tables using the h3_ix primary key and derive meaningful result out of it without worrying as postgresql is capable of handling complex queries and table join.

Visualize and verification

Lets visualize and verify if the computed indices are true

• Create table ( for visualizing in QGIS )

create table ndvi_sentinel as( select h3_ix , (band8-band4)/(band8+band4) as ndvi from public.sentinel )

• Lets add geometry to visualize the h3 cells This is only necessary to visualize in QGIS , if you build an minimal API by yourself you don't need this as you can construct geometry directly from query

ALTER TABLE ndvi_sentinel ADD COLUMN geometry geometry(Polygon, 4326) GENERATED ALWAYS AS (h3_cell_to_boundary_geometry(h3_ix)) STORED;

• Create index on geometry

create index on ndvi_sentinel(geometry);

• Connect your database in QGIS and visualize the table on the basis of ndvi value Lets get the area near Fewa lake or cloud

As we know value between -1.0 to 0.1 should represent Deep water or dense clouds
lets see if thats true ( making first category as transparent to see the underlying image )

• Check clouds :

• Check Lake

As there were clouds around the lake hence nearby fields are covered by cloud which makes sense

Thank you for reading ! See you in next blog

위 내용은 멀티밴드 래스터 처리(Sentinel-hndex 및 인덱스 생성)의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!