Başlarken: Sayfada ki kodları göremiyorsanız google amp(basit) modu aktif olmuş olabilir. Sayfayı birkaç kez yenileyiniz.

Python ile uydu görüntüleri analizi ile ilgili bir yazıyı sizlere aktarıyor olacağım. Bir kaynak niteliğinde bana yardımcı olan bu yazıyı sizlerle de paylaşmak istedim. Çalışma bana ait değildir. Araştırmacısının ağzından aktarıyor olacağım. Kaynak yazı sonunda mevcut. İyi okumalar.

Veri demek günümüz de petrol kadar değerli bir kaynak edindiniz demektir. Peki ya bu verileri gerçekten petrolü izlemek için kullanabilir miyiz?

Petrol, birçok ülkeyi ilgilendiren ve uzun bir süredir tüm Dünya siyasetinin çevresinde döndüğü bir ekonomik değerdir. Petrolün kolaylıkla izlenememesi ve dolayısı ile ne kadar rezerv kaldığının tam olarak bilinmemesi petrol envanterinin takibini bir hayli zorlaştıran bir durumdur.


Okuyucular aşağıdaki puanı vermişler.

5 3 oy
Ortalama Puan

Bu yazıya, yorum yaparak sen de puan verebilirsin.


Mekansal Büyük Veri (Geospatial Big Data) şirketi olan Orbital Insight, yüzer kapaklı petrol tanklarının fotoğraflarını analiz ediyor. Bu tanklarda petrol seviyesi düştüğünde, kapak da batıyor ve güneşten dolayı tankın içine düşen gölgeler değişiyor. Analistler bu tanklarda ki petrol miktarlarına göre düşen gölgelerin kalıplarını analiz ederek tanklarda ne kadar petrol kaldığını tahmin ediyor. Şirket bu analizleri yaparken Computer vision ve Deep learning gibi teknolojileri kullanıyor. Bu sayede küresel ekonomiye etki eden petrol ezlığı, petrol fazlalığı vb. gibi durumları ortaya koymaya çalışıyor.

Oil Barrel’in uydular tarafından yakalanan görüntüleri
Oil Barrel’in uydular tarafından yakalanan görüntüleri

Bu uydu görüntülerini veri kaynağı olarak kullanacabileceğimiz örneklerden sadece bir tanesiydi. Dolayısı ile uydu görüntüleri bizim için değerli bir veri kaynağıdır. Bunu ilgi çekici bir örnekle ortaya koymuş olduk.

Amaç
Bu yazı, bir bölgenin bitki örtüsü örtüsünü uydu verileri yardımıyla nasıl incelenebileceğini, okuyuculara uydu görüntüleri verileri kavramını, gerçek dünyadaki çevresel ve insani zorlukları araştırmak için nasıl analiz edilebileceğini göstermeyi amaçlar.

Çalışma Bölgesi
Özellikle Orta Hindistan’daki bitki örtüsü yoğunluğunun ne olduğu ile ilgileniyordum. Bu nedenle, bu makaledeki veri kümesi bu alanla ilgilidir. Ancak, analiz dünyadaki herhangi bir alan için aynı kalacaktır.

Uydu Görüntüleri: Genel Bakış
Uydu Görüntüleri, uyduların görüntülemesiyle toplanan Dünya’nın (veya diğer gezegenlerin) görüntüsüdür. Ülkeler veya özel firmalar bu uydulara sahip olabilir. Uydu görüntüleme şirketleri, görüntüleri Apple Haritalar ve Google Haritalar gibi işletmelere lisanslayarak da satabilirler. Ayrıca direkt olarak bu görüntüleri akademik çalışmalar ve araştırmalar için de bireysel olarak satın alabilirsiniz.

Sistemin Kurulumu
Bu projeyi çalıştırmak için aşağıdaki kütüphaneler gereklidir:
Planet’s Python Client
Rasterio: Coğrafi bilgi sistemleri, uydu görüntüleri ve arazi modelleri gibi grid raster veri kümelerini düzenlemek ve saklamak için GeoTIFF ve diğer formatları kullanır. Rasterio, bu formatları okuyan ve yazan ve Numpy N boyutlu dizilere ve GeoJSON’a dayanan bir Python API’si sağlayan bir Python kütüphanesidir.
numpy
matplotlib
requests

Verileri İndirme
Bu studycase çalışması için Surface Reflectance (SR) Verileri ile çalışacağız. Basitçe söylemek gerekirse, SR verileri atmosferdeki herhangi bir gürültüyü gidermek için algoritmik olarak düzeltilmiş uydu verileridir. Orta Hindistan’ın etrafındaki bazı alanların görüntülerini arayalım ve indirelim.

Bu çalışmada kullanılan veriler Planet Explorer’dan indirilmiştir. Sağladığı veriler genellikle tarımsal çalışmaları izlemek amacıyla kullanılmaktadır.

İmage dosyalarını indirebilmeniz için ihtiyacınız olan adımların genel bir çerçevesi

    • Bağlantıyı açın: geojson.io. Harita verileri için hızlı bir editördür.
    • İlgi Alanını Belirleyiniz (AOI): İlgi alanı dediğimiz kavram çalışma alanınızı içeren, coğrafi bir penceredir.
    • Çalışma bölgenize ait AIO dosyasını GeoJSON formatında indirin.

  • Bulutla kaplı alanlar, tarih aralığı ve geometrimiz için bir filtre oluşturmamız gerekiyor. Aşağıdaki APİ bizim aramızı daha özel kriterler ile yapmamızı sağlayacaktır.

Planet’s API’yi kullanmak için, API key almalısınız. Ücretsiz hesap oluşturmak (14-day trial) yani Planet Explorer kullanmak ve API key almak için buraya tıklayabilirsiniz.

  • Arama: Items and Assets

Bizim çalışmamız için, analitik işlemlerin yapılabileceği bir görüntü elde etmeye çalışacağız. Bu nedenle, Kırmızı, Yeşil, Mavi ve Yakın kızılötesi değerleri için spektral veriler içeren 4 bantlı bir görüntü istiyoruz. İstediğimiz görüntüyü elde etmek için, bir PSScene4Band öğe türü ve varlık türü olarak asset.analytic belirleyeceğiz.

  • Görüntüyü Aktif Etmek ve İndirmek

Görüntüyü indirmek için etkinleştirmemiz gerekiyor. Aktivasyon durumu “aktif” hale geldiğinde, ilgilenilen resmi indirebiliriz.

Aktivasyon durumu “aktif değil” den “aktif” olarak değiştiğinde, görüntüyü .tiff formatında indirebilirsiniz.

  • Uydu Görüntülerini Görüntüleme

Python’un Rasterio kütüphanesi uydu görüntülerini görüntülemeyi çok kolaylaştırıyor. Uydu Görüntüleri piksel-değer gridlerinden başka bir şey değildir ve bu nedenle çok boyutlu diziler olarak yorumlanabilir.

Çeviriyi burada bitiriyorum yazının devamı niteliğinde bir yazıyı ise UYDU GÖRÜNTÜLERİNDEN PYTHON KULLANARAK BİTKİ İNDEXİ OLUŞTURMA ismiyle yayınlıyor olacağım. Takipte kalın.

Şimdilik herkese kolay gelsin.

Abone Ol
Bildirim Al
guest

This site uses Akismet to reduce spam. Learn how your comment data is processed.

3 Yorum
En Yeniler
Eskiler Beğenilenler
Satıriçi Geribildirimi
Tüm yorumları göster.
Emin Akın
Emin Akın
10 Temmuz 2020 14:36
Puan :
     

Bilgilendirici bir yazı olmuş. Teşekkürler

Furkan Aslantaş
Furkan Aslantaş
9 Temmuz 2020 20:50
Puan :
     

Emekleriniz için teşekkür eder, çalışmalarınızın devamını dilerim.

Ahmet Vural
Ahmet Vural
9 Temmuz 2020 19:21
Puan :
     

Teşekkürler. Yine güzel bir yazı.