CC BY
5
УДК 004.62
АВТОМАТИЗАЦИЯ ПРОЦЕССОВ ОБРАБОТКИ ДАННЫХ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ
1 2* 1 2 В. П. Тубольцев ' , В. Л. Авдеенок '
1 Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31 2Центр защиты леса Красноярского края - филиал ФБУ «Рослесозащита» Российская Федерация, 660036, Красноярск, Академгородок, д. 50 «а», к.2
E-mail: Vitalya.98@mail.ru
Рассматриваются результаты применения алгоритма автоматизации обработки данных дистанционного зондирования Земли. В качестве исходных данных используется массив архивов с космической съемкой земной поверхности космическим аппаратом типа Sentinel - 2 на территорию Красноярского края.
Ключевые слова: автоматизация, Python, данные дистанционного зондирования, Sentinel - 2
AUTOMATION OF DATA PROCESSING PROCESSES OF REMOTE SENSING
V. P. Tuboltsev1, 2*, V. L. Avdeenok1, 2
1Reshetnev Siberian State University of Science and Technology 31, Krasnoyarskii rabochii prospekt, Krasnoyarsk, 660037, Russian Federation 2Branch of FBI "RCFH" Centre of Forest Health of Krasnoyarsk Region 50a bldg.2, str. Akademgorodok, Krasnoyarsk, 660036, Russian Federation E-mail: Vitalya.98@mail.ru
The article consider results of the application of the algorithm of automation of data processing of remote sensing of the Earth are considered. An array of archives with satellite imagery of the Earth's surface by a Sentinel-2 spacecraft to the territory of the Krasnoyarsk Territory is used as initial data.
Keywords: automation, Python, remote sensing data, Sentinel - 2
Введение. Благодаря использованию дистанционных методов были реализованы инвентаризация и картографирование лесов России, осуществление комплекса мероприятий по охране лесов от пожаров, вредителей и болезней, наблюдение за лесопользованием и воспроизводством [1]. Для проведения дешифрирования лесных массивов необходимо произвести подготовку данных дистанционного зондирования Земли. В условиях решения задачи определения лесных масс, поврежденных различными факторами на территории Красноярского края, подготовка мультиспектральных изображений требует значительных временных затрат. Космическую съемку необходимо загрузить, разархивировать, собрать мультиспектральное изображение из определенных каналов съемки, произвести расчет пирамидальных слоев и статистики, а также произвести структуризацию данных для комфортного хранения и использования.
Цель работы состоит в создании программы, написанной на языке программирования Python с использованием дополнительной библиотеки для работы с географическими форматами данных - GDAL [2] для решения поставленной задачи.
Секция «Программные средства и информационные технологии»
Алгоритм. Программа написана на языке программирования Python с использованием библиотек os, zipfile, gdal. Первым этапом выполнения является выбор директории поиска архивов, содержащих съемку с космического аппарата типа Sentinel-2. Алгоритм спускается по всем директориям и запоминает полные пути до архивов, соответствующих маске поиска. По окончании проверки всех папок, найденные архивы перемещаются в отдельную папку «Sentinel-2» и производится извлечение файлов в папку «Unpack». Вторым этапом является выбор каналов, из которых будет состоять мультиспектральное изображение, и проверка наличия указанных каналов. В случаях, когда указанные каналы съемки обладают различным пространственным разрешением, необходимо произвести ресемплинг к наилучшему. Формируется мультиспектральное изображение, рассчитываются пирамидальные слои и статистика. Заключительным этапом является структуризация данных: имена всех файлов приводятся к одному формату; полученные изображения и архивы перемещаются в соответствующую году съемки папку; выполняется удаление временных файлов.
Завершение программы
ч_>
Рис. 1. Блок схема программы автоматизации обработки данных дистанционного зондирования Апробирование программы. Для тестирования программы искусственно была создана
ситуация, когда архивы с космической съемкой размещены в различных папках. Общее количество архивов составляет 30 шт. Каждый архив содержит данные съемки земной поверхности, советующие различным частям территории Красноярского края в период с 2016 по 2022 года. Данные космической съемки Sentinel-2 были получены с ресурсов Европейского космического агентства [3] и Геологической службы США [4].
После запуска программы была выбрана директория и указаны каналы съемки B4 (Red), B8 (NIR) и B12 (SWIR). Мультиспектральные изображения, состоящие из данного набора каналов, являются наиболее информативными при дешифрировании лесных массивов на предмет повреждения различными факторами: природно-климатическими, техногенными и насекомыми вредителями.
ф Распаковка н сшивка Sentinel-2 — X
Рис. 2. Программа автоматизации обработки данных дистанционного зондирования
При работе программы отображается общее количество архивов, требующих обработки, и количество уже обработанных архивов, что позволяет отслеживать прогресс выполнения.
В результате выполнения алгоритма была получена директория, структурированная по годам съемки земной поверхности космическим аппаратом, имена всех файлов приведены к одному формату, что упрощает поиск. Время обработки 30 архивов составило 28 минут 15 секунд.
Исходя из результатов, следует отметить, что использование данной программы позволит уменьшить временные затраты на подготовку данных для проведения дешифрирования. Алгоритм способен обрабатывать большой массив данных, а также может быть модифицирован для создания мультиспектральных изображений по данным других космических аппаратов, а также для вычисления вегетационных индексов.
Библиографические ссылки
1. Малышева Н.В. Автоматизация дешифрирования аэрокосмических изображений лесных насаждений. М. : Издательство Московского государственного университета леса, 2012. 154 с.
2. GDAL [Электронный ресурс] URL: https://gdal.org/ (Дата обращения 08.04.2022)
3. Copernicus Open Access Hub [электронный ресурс] URL: https://scihub.copernicus.eu/dhus/#/home (дата обращения: 08.04.2022).
4. EarthExplorer [электронный ресурс] URL: https://earthexplorer.usgs.gov/ (дата обращения: 08.04.2022)
© Тубольцев В.П., Авдеенок В.Л., 2022
