Python 和 Google Colab 从 Sentinel-3 图像下载并可视化地表温度和 NDVI

本文主要是介绍Python 和 Google Colab 从 Sentinel-3 图像下载并可视化地表温度和 NDVI,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

与 Sentinel-2 和 Landsat 等卫星的光学图像相比,下载和处理 Sentinel-3 图像,尤其是地表温度 (LST) 具有挑战性。这是由于存储数据的特定 NetCDF 格式造成的,并且 LST 值的正确投影需要一些额外的工作。在本教程中,我将在 Google Colab 环境中提供 Python 代码,以便于下载 NetCDF 格式的 Sentinel-3 图像、提取并解压缩这些文件、读取各种图层或矩阵(例如 LST、NDVI、Flags 等) ,并并排创建无云 NDVI 和 LST 的视觉表示。该可视化将展示 Sentinel-3 于 2023 年 6 月在加利福尼亚州捕获的数据。

目录

  1. 🌟简介
  2. 🚀 注册“哥白尼数据空间生态系统”
  3. 🔍 安装并导入库
  4. ⏳ 过滤并提交查询
  5. 📥 下载“NetCDF”文件
  6. 🛠️ 转换为 Geotiff(地表温度和 NDVI)
  7. 📈 绘制地表温度与 NDVI 的关系图
  8. 📈 绘制地表温度与 NDVI(无云)的关系图

🌟简介

Sentinel-3 是欧洲航天局哥白尼计划的关键组成部分,在监测地球环境方面发挥着关键作用。它提供的重要数据集之一是地表温度 (LST)。LST 是地球表面热状态的关键指标,为气候研究、农业监测和城市热岛分析等各种应用提供了宝贵的信息。

与捕获可见光谱信息的光学图像不同,Sentinel-3 的 LST 产品深入研究红外领域。通过测量地球表面发出的热辐射,Sentinel-3 能够推导地表温度,有助于我们了解不同地形的温度变化。

地表温度 (LST) 图像提供覆盖全球的每日时间分辨率,空间分辨率约为 1 公里。本教程提供了用于下载和处理 Sentinel-3 图像的分步 Python 脚本。

🚀 注册“哥白尼数据空间生态系统”

第一步需要在欧洲航天局哥白尼计划的新网站上创建一个帐户。关于

🔍 安装并导入库

要设置环境,需要安装并导入以下库:

pip install pandas rasterio netCDF4 rioxarray
import os
import re
import sys
import random
from pathlib import Pathimport requests
import json
import xml.etree.ElementTree as ET
import certifiimport pandas as pd
import numpy as npimport rasterio
import matplotlib.pyplot as plt
import matplotlib.image
from rasterio.windows import Windowimport netCDF4 as ncimport rioxarray
from rasterio.control import GroundControlPoint

⏳ 过滤并提交查询

安装并导入必要的库后,下一步涉及通过指定某些参数来探索数据目录。这些参数包括卫星名称 (SENTINEL-3)、产品级别(LST 表示地表温度)、AOI(点或多边形)以及开始和结束日期。

url_dataspace = "https://catalogue.dataspace.copernicus.eu/odata/v1"# Filtering
satellite = "SENTINEL-3"
level= "LST"
cloud_cover_max = 0.2aoi_point ="POINT(-120.9970 37.6393)"
aoi_polygon = "POLYGON ((-121.0616 37.6391, -120.966 37.6391, -120.966 37.6987, -121.0616 37.6987, -121.0616 37.6391))"start_date = "2023-06-01"
end_date = "2023-06-10"
start_date_full =start_date+"T00:00:00.000Z"
end_date_full = end_date +"T00:00:00.000Z"

 使用这些参数,我们可以提交查询来获取可用图像的列表:

query = f"{url_dataspace}/Products?$filter=Collection/Name eq '{satellite}' and Attributes/OData.CSC.StringAttribute/any(att:att/Name eq 'productType' and att/OData.CSC.StringAttribute/Value eq '{level}') and OData.CSC.Intersects(area=geography'SRID=4326;{aoi_point}') and ContentDate/Start gt {start_date_full} and ContentDate/Start lt {end_date_full}"
response = requests.get(query).json()
result = pd.DataFrame.from_dict(response["value"])# print first 10 results
result.head(10)

数据框将是:

这篇关于Python 和 Google Colab 从 Sentinel-3 图像下载并可视化地表温度和 NDVI的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/784339

相关文章

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

常用的jdk下载地址

jdk下载地址 安装方式可以看之前的博客: mac安装jdk oracle 版本:https://www.oracle.com/java/technologies/downloads/ Eclipse Temurin版本:https://adoptium.net/zh-CN/temurin/releases/ 阿里版本: github:https://github.com/

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

2. 下载rknn-toolkit2项目

官网链接: https://github.com/airockchip/rknn-toolkit2 安装好git:[[1. Git的安装]] 下载项目: git clone https://github.com/airockchip/rknn-toolkit2.git 或者直接去github下载压缩文件,解压即可。