タグ付けされた質問 「landsat」

QGIS経由でOrfeo Toolbox光学キャリブレーションツールを使用して、Landsat 8 OLI画像の一部を修正しようとしています。Aeronetからのデータと、OLIセンサーの相対スペクトル応答データをここから取得しました。 ただし、ツールを実行できないようです。RSRファイルとAeronetファイルが必要な以上のドキュメントを見つけるのが困難です。よくわからないのは、A：相対スペクトル応答データのフォーマットであり、B：Aeronetファイルとして数えるファイルはどれですか。Aeronetでは、ここから選択できるいくつかのデータセットが提供されます。あるいは、代替の方法やツールについて何か提案があれば、喜んでお聞きします。

9 qgis  remote-sensing  sextante  landsat  orfeo-toolbox 

かなり長い間QGISをマッピングに使用していたため、パンシャープンはQGISで直接実行できないため、GRASSを掘り下げることを強制されました。構造をある程度理解した後、私はi.fusion.broveyでいくつかの試行を行いました。15mの解像度でラスターを生成することはできましたが、QGISにロードするときに、元の30mラスターに存在するような良好な色のコントラストを実現/回復できません。 で以前の記事誰かことを確認し、LANDSATのために別の関数を使用することが提案されている：「i.his.rgb」（i.landsat.toarを使用した後、私は使用しません）。彼はi.his.rgbを使用する前に最小/最大を1〜255に変換し始めます...私の元のラスターの範囲は0〜65535です。うまくいかなかった... Pansharpを実行するのに苦労して数日後に終了すると、行き詰まってしまいます...他の人が提案しているように、Landsatでi.pansharpを適用するだけではうまくいかないのはなぜですか？誰かがLandsat 8画像のパンシャープンを実行するより簡単なワークフローを提案できますか？いくつかのアドバイスを楽しみにして、事前に感謝します...

9 grass  landsat  color  pansharpening  landsat-8 

を使用してGRASSの一部のLandsat画像の合成をパンシャープンしようとするときi.pansharpen、i.fusion.broveyまたはIHSシャープニング方法を使用するときはいつでも、出力には次の特性の一部またはすべてが含まれます。 コンポジットカラーは、シャープでないコンポジットとは異なる色合いです。 輝度レベルがめちゃくちゃになる コンポジット全体が真っ白/真っ黒になった（大気圏外反射率または表面反射率補正のために前処理された画像を使用する場合i.landsat.toar） また、次のこともすべて試しました。しかし、色/明るさは同じままか、さらに悪化しました： 適用i.landsat.rgb、パンシャープン処理の前後 -fまたは-pフラグで遊んだi.landsat.rgb r.colorsカラーテーブルをgrey / grey255 / grey.eqに編集しようとしました i.pansharpenすべてのBrovey / IHS / PCAメソッドを使用して試した ブルーチャンネルのバランスを再調整するために-lフラグを設定しi.pansharpenて遊んだ GRASS GISのマニュアルは、パンシャープやカラーバランシングを実行する方法について説明しましたが、私は、同時ワークフローの両方のプロセスを結合する方法を見つけ出すことはできません。これは、GRASSのカラーテーブルやカラーヒストグラムなどの理解が不十分なためと思われます。 だから、誰かが私に説明することができます-GRASSで画像処理した後、Landsat画像を処理するときのカラーバランスの問題にどのように取り組みますか？お気に入りのワークフロー/方法を教えてください。 フィードバックをありがとう！

9 grass  landsat 

USGS Earth Explorer Webサイト（http://earthexplorer.usgs.gov/）にPython でログインし、Landsat Archiveコレクションからユーザー名、パスワード、パス/行（または緯度/経度）、日付を入力するだけで画像をダウンロードしたい、および雲量のしきい値。私はすでにこれを試しました：https : //github.com/olivierhagolle/LANDSAT-Download/wiki うまくいきませんでした。それから私はこれを調べました：https : //github.com/developmentseed/landsat-util しかし、私は仕事の制限のためにツールを追加できなかったのでそれを使用できません。 そう。私はPythonの経験が限られているため、それを使用してWebサイトにアクセスしたことがありません。Windows 7でPython 2.7.8を使用していて、Chromeを介してWebサイトにアクセスしようとしています（バージョン51.0.2704.106 mが役立つ場合）。 Webサイトへのアクセス、ログイン（すでにログイン資格情報を持っている）、画像の検索、フォルダーへのダウンロードのための簡単なスクリプトのアイデアはありますか？Pythonでできることのように思えますが、私にとってオンラインソリューションはすべて高度すぎるようです。必要なのは、さまざまな座標や日付で繰り返し使用できるスタンドアロンスクリプトだけです。

9 python  python-2.7  landsat  web  earth-explorer 

私はRSに関してはかなり環境に配慮しており、私は支援が必要なこの学校のプロジェクトを行っています。プロジェクトは氷河の舌のアルベド変化を測定することであり、私はそれを行うためにRプログラミングを使用しています。そこで、地球探検家からデータを入手し、いくつかの手順を節約するために表面反射率製品を選びました。ただし、これらのセルの値は予想よりも高く、バンドによっては2000年前後です。以下で引用するいくつかの論文で見つけた加重平均式を使用してアルベドを計算すると、結果は、アルベドに期待する0から1ではなく、約1000のセル値を与えるので、より高く言います。この論文では、この式に表面反射率を使用することについても触れています。 私の質問は、この式は間違っていますか？アルベド= 0.493バンド2 + 0.203バンド+ 0.150バンド5 + 0.154バンド または、Earth Explorer Surface Reflectance Productに対して他の処理を行う必要がありますか？https://landsat.usgs.gov/landsat-surface-reflectance-high-level-data-products また、Landsat 4-7の画像を使用しています。 ソース： ピメンテル、ラファエル、他 「ランドサットTM、ETM +画像から得られた雪のアルベドと地中海山岳地帯のスポット植生アルベド製品の比較。」水文学3.1（2016）：10。 また、これは非常に似ていますが、表面反射の代わりにTOAを使用します。http： //yceo.yale.edu/how-convert-landsat-dns-albedo

8 remote-sensing  landsat 

Ubuntu 16.04にlandsat-utilをインストールしようとしています。UbuntuをWindows内の仮想マシンとして実行しています。依存関係の競合を回避するために、クリーンインストール（パッケージをインストールしない）を使用しています。 このページの指示に従いましたが、このコマンドを実行しようとすると毎回エラーが発生します。 $: pip install landsat-util これは出力からの抜粋です： Running setup.py bdist_wheel for pycurl ... error Complete output from command /usr/bin/python -u -c "import setuptools, tokenize;__file__='/tmp/pip-build-oH9kCk/pycurl/setup.py';exec(compile(getattr(tokenize, 'open', open)(__file__).read().replace('\r\n', '\n'), __file__, 'exec'))" bdist_wheel -d /tmp/tmpgxvEEBpip-wheel- --python-tag cp27: Using curl-config (libcurl 7.47.0) running bdist_wheel running build running build_py creating build creating build/lib.linux-x86_64-2.7 creating …

8 python  landsat  landsat-8 

私はリモートセンシングにかなり慣れており、単一の日付のLandsatシーンから針葉樹林の被覆を識別/分類しようとしています。私の予備的なウェブ調査によると、私はこれらの可能性を持っています： シーンをNDVI値に変換します。NDVIヒストグラムのモーダル値を使用して、シーンのピクセルを森林と非森林の領域に分離できます バンド2、3および5（B2）のモーダル値を使用して、「フォレストピーク」を識別し、クラスシーンをフォレスト/非フォレストに識別します（Huang、2008：暗いオブジェクトの概念とサポートベクターマシンを使用して森林被覆変化分析を自動化する） 。その他のシーンの特性（岩、川）は、タッセルドキャップの輝度値を使用して削除する必要があります 山岳地帯の森林被覆を分類する別の簡単なアプローチを知っていますか？私は本当に最尤分類を適用したくありません。たぶん、教師なし分類を使用する方が良いでしょうか？ ERDAS、ArcGIS 10.2およびRを使用しています

8 arcgis-desktop  remote-sensing  classification  erdas-imagine  landsat 

特定の地域の土地被覆変化を比較するために、GRASSを使用して、LANDSAT画像の時系列（30年間の月次時間解像度）で教師なし分類を実行しています。 i.cluster時系列のマップごとに実行すると、クラスに使用されるシグネチャがマップごとにわずかに異なり、比較の有効性に影響する可能性があることを心配しています。これは事実でしょうか？もしそうなら、時系列の各マップで使用されるクラスシグネチャが全体で同一であることを確認する方法はありますか？ 私の最初のアイデアはi.cluster、すべてのクラスが適切に表現されている特定のマップで実行し、これから生成されたsigfileをi.maxlikすべてのマップの入力sigfileとして使用することでした。

8 grass  remote-sensing  classification  landsat