المعايرة الراديومترية والتصحيحات الجوية لصور الأقمار الصناعية

في     هذا الدرس  سأقوم بتقديم  موجز نظري عن عن   التصحيحات الجوية والمعايرة   لصور بعض

الأقمار الصناعية وساقوم    بعمل المعايرة بشكل يدوي باستخدام حاسبة   الصور في أي برنامج ( ENVI,Qgis,arcmap)

لفهم    الطريقة التي   تستخدمها البرمجيات لمعايرة الصور .

ومن ثم حساب المؤشر  NDVI

(Band NIR-  BAND red)/ (Band NIR+  BAND red)

 للبيانات  قبل المعايرة والتصحيحات الجوية  DN

للبيانات   بعد حساب الانعكاس أعلى الغلاف الجوي  TOA

للبيانات   التي تمثل الانعكاس  على سطح الأرض BOA

ومقارنة النتائج مع بعضها   البعض لإظهار دور التصحيحات والمعايرة في  الحصول على نتائج دقيقة

توضيح  بعض المفاهيم

المعايرة الراديومترية    والتصحيحات الجوية : عمليات   تفيد في تحسن جودة البيانات و تحسن امكانية تفسير الصور  من خلال معايرة قيم البيكسل للحصول قيم انعكاس تمثل القيمة الحقيقة  للبيكسل علي سطح الأرض حيث تكون القيمة المسجلة في حساسات القمر الصناعي (DN) والطائرات   مختلفة عن القيمة الحقيقة المنبعثة من سطح الأرض (BOA)

Digital Number -DN

وهي  البيانات الخام  التي تمثل الطاقة التي  يتم ملاحظتها وقياسها على الحساس مباشرة وعلى الرغم  من أن DN ترتبط بقيم الانعكاس السطحي إلا أنها ليست متماثلة ويجب    معايرة هذه البيانات للحصول على قيمradiance (الإشعاعية ) او الانعكاس على قمة الغلاف الجوي   reflectance top of Atmosphere ومن ثم إجراء التصحيحات الجوية للحصول على قيم الانعكاس الحقيقة علي سطح الارض  TOP من البيانات الخام المكتسبة مباشرة من قبل الحساس حيث لا نستطيع استخدامها مباشرة لحساب المؤشرات وإجراء التحليلات والمقارنة حيث سنحصل على قيم  خاطئة وكذلك الصورة بدون معايرة تكون باهتة وصعبة التفسير,وتتم المعايرة للحصول على radiance أوreflectance of top Atmosphere           بتطبيق بعض المعادلات باستخدام البيانات Metadata لبيانات القمر الصناعي الموجودة ضمن الملف MTL file

مثال   عن هذه البيانات   بيانات القمر لاندسات  landsat -level-1 من المرحلة الاولي   

TOA Radiance and TOA reflectance

حيث   يتم التحويل من نمط البيانات الخام  DN إلى الانعكاس اعلا الغلاف الجوي TOA  او الاشعاعية أعلى الغلاف الجوي radiance  حسب ماتقضي الحاجة وسيتم التحويل حسب المعادلات  التي سيتم شرحها أدناه وهي الطريقة التي تتبعها البرامج   في معايرة البيانات

Conversion   from DN to TOA Radiance

حيث  نحصل علي  قيم الإشعاعية أو ( الراديان)  هي كمية الطاقة الضوئية الصادرة في الثانية من 1 سم2 من سطح مصدر التي تنتقل في اتجاه معين ، بشكل عمودي على سطح المصدر في اتجاه الانتقال.

واحدة الإشعاعية في النظام الدولي للوحدات هي واط لكل متر مربع لكل ستراديان (W·sr−1·m−2

الستراديان :هي وحدة  قياس الزاوية المجسمة  في نظام الوحدات الدولي. وتستخدم لوصف زاوية ثنائية البعد تدور في الفضاء الثلاثي الأبعاد (فهي تمثل جزء من سطح كرة )، وهي تعميم للراديان في الفضاء الثلاثي الأبعاد.

  نقوم بتطبيق المعادلة التالية

Lλ = MLQcal + AL

Lλ     

    قيم الاشعاعية  radince

 مدخلات   المعالدلة  

AL   

       (RADIANCE_ADD_BAND_x (رقم  الباند )

ML       

  (RADIANCE_MULT_BAND__(رقم  الباند )

Qcal     

  pixel values -DN  البيانات الخام المسجلة على الحساس

القيم السابقة   التي تستخدم لحساب   الإشعاعية أعلى الغلاف الجوي  نحصل عليها من الملف MTL المرفق مع بيانات القمر الصناعي اثناء التحميل

Conversion from DN  to TOA Reflectance

للحصول  على قيمة الانعكاس في  أعلى الغلاف الجوي يجب  تطبيق المعادلة التالية  ولدينا الصيغتين التاليتين حيث  يتم استخدام احيانا زاوية ارتفاع  الشمس  أو الزاوية   المحصورة بين  الشمال و الشعاع الواصل بين الشمس  و الموقع

قيم المعادلة    يتم الحصول عليها  من MTL file المرفق   البيانات اثناء التحميل

Lλ = (MLQcal + AL)/ sin (θSE ) or Lλ = (MLQcal + AL)/ cos (θSZ )

 مدخلات   المعالدلة  

AL   

 (RADIANCE_ADD_BAND_x (رقم  الباند )

ML       

(RADIANCE_MULT_BAND__(رقم  الباند )

Qcal     

  pixel values (DN)  البيانات الخام المسجلة على الحساس

θSE

زاوية ارتفاع الشمس

θSz

الزاوية    المحصورة بين اتجاه الشمال    و الشعاع الواصل بين الشمس والموقع

قيم المعادلة    يتم الحصول عليها  من MTL file المرفق  مع البيانات اثناء التحميل

surface reflectance BOA

 

 Conversion from TOA Reflectance to surface reflectance

بعد حساب  قيم الانعكاس  اعلا الغلاف الجوي  TOA  تنتهي مرحلة المعايرة ,وتبدأ مرحلة التصحيحات الجوية   للحصول على قيم الانعكاس على سطح الأرض BOA .   وهذا يتطلب معرفة   الظروف الجوية للموقع .  وزمن التقاط الصورة وغيرها   من المعلومات

Atmospheric Correction Models

حيث   يتم استخدام نموذج الغلاف الجوي    لمعرفة اثر الانتثار والتشتت والامتصاص ضمن الغلاف الجوي ويتم  حسابه بمعرفة عدد من المعاملات الجوية مثل محتوى الرطوبة ( بخار الماء ضمن الغلاف الجوي  ) وكذلك نسبة الجزيئات المعلقة في الهواء ويمكن الحصول على هذه القيم من الاعمال الحقلية او من بيانات الاقمار المناخية .

Dark Object Subtraction Method

تستخدم  هذه الطريقة   عندما لاتكون هناك    بيانات متاحة عن الظروف الجوية   للموقع و خصائص الهباب الجوي ( الجزيئات   العالقة في الهواء ) وتعتمد هذه الطريقة علي فرض  ان بعض بيكسلات الصورة تكون سوداء تماما ولكن لها    قيمة علي علي الحساس ( DN ) حيث لا تكون قيمتها صفر  بسبب الانتشار والتشتت في الغلاف الجوي ووصول اشعة من البيكسلات المجاورة لذلك    يتم طرح هذه القيمة بعد حسابها من جميع بيكسلات الصورا . أن دقة هذه الطريقة اقل من دقة الطرق الاخرى  ولكنها مفيدة عندما لا تتوفر قياسات الغلاف الجو

بعض  البرمجيات التي   تساعد في إجراء التصحيحات الجوية للبيانات

برنامج السناب من خلال الإضافة sen2core    يقوم بتصحيح بيانات القمر سينتينيل 2 من المستوى الأول level 1-C وفي الرابط التالي  شرح لطريقة التنصيب وطريقة إجراء التصحيحات الجوية علي بيانات القمر سينتينيل 2  

او من خلال الخوارزمية Quick atmospheric  correction في برنامج الاينفي

من  خلال الإضافة   sime classification   لبرنامج ال Qgis بتطبيق الخوارزميةDOS1

حيث سيتم شرحها في المثال  العملي التالي

 

فكرة   المشروع

سيتم حساب   قيم المؤشر NDVI    على بيانات لم تخضع لعملية المعايرة والتصحيحات    ومن ثم علي بيانات تم معايرتها وتحويلها إلى انعكاس أعلى الغلاف الجوي  TOA ومن ثم حساب قيمة المؤشر بعد معايرة البيانات وتصحيحها BOA
لمعرفة   كيف تؤثر  المعايرة والتصحيحات على  النتائج

 في ال 31من شهر   مايو 2003 تعرض مصحح    خط المسح Scan Line Corrector -SLC

 في  القمر الصناعي  لاندسات 7 للتلف .ومصحح   خط المسح هو جهاز يضمن أن الخطوط المسجلة  على طول خط الطيران تكون متاخمة وموازية  لبعضها البعض. لذلك تحتوي بيانات هذه القمر بعد  التاريخ السابق علي فجوات ولكن البيانات صحيحة من الناحية الهندسة   والاشعاعية .وسنقوم بهذا الدرس بمعالجة بيانات القمر لاندسات سبعة  الملتقطة في عام 2004 لمنطقة بالقرب من مدينة السويداء السورية حيث تحتوي الصورة على فجوات

اولا وسنقوم بمعالجة الصورة بإزالة هذه الفجوات باستخدام     برنامج الأنفي
ثانيا    معايرة هذه البيانات   تحويلها الي إشعاعية radaince  وانعكاس TOA أعلى الغلاف الجوي  بشكل يدوي باستخدام المعادلات المشروحة   سابقا

ثالثا وحساب الانعكاس على سطح الارض BOA   مباشرة من قيم الحساس DN

باستخدام  الخوارزمية DOS1       المستخدمة في برنامج Qgis عن طريق   الايضافة

semi  classification

تحميل البيانات وتصحيح الفجوات

نقوم   بتحميل البيانات   بيانات القمر الصناعي landsat 7

LE07_L1TP_173037_20040914_20170119_01_T

نلاحظ  عند فتح  الصورة تظهر  خطوط قطرية   متقطعة تكون عبارة عن فجوات  يتم تصحيحها عن طريق برنامج الاينفي.

• 

وسيتم    تصحيحها بنسخ  الاضافة landsat gap fill التي قد  لا تكون ضمن صندوق ادوات البرنامج  

لذلك يجب إضافتها   انظر هنا

نحدد   الباند التي يتم تصحيحها     وفي مثالنا سنقوم بتصحيح الباند رقم 4   والباند رقم 3

 ملاحظة :  تستطيع تصحيح   كل الصورة دون الحاجة إلى  تصحيح كل باند علي حدا

• 

بعد   اجراء التصحيح     نلاحظ اختفاء الفجوات

• 

ونعيد       الخطوة   السابقة للحزمة    الثالثة    ايضا

ثم  نقوم بحساب   قيمة المؤشر NDVI   من الحزمتين
ملاحظة باستخدام   البيانات DN ستكون   النتائج غير صحيحة للمؤشرات  

• 

حساب الانعكاس أعلى الغلاف الجوي TOA من نمط بيانات الحساسDN

نقوم   بالتحويل إلى  انعكاس    أعلى الغلاف الجوي   باستخدام برنامج ال Qgis

باستخدام   المعادلة المشروحة سابقا     باستخدام حاسبة الصورة

   بتطبيق المعادلة التالية :

L_λ = (M_LQ_cal + A_{L)/ sin} (θ_SE )

نقوم بفتح الملف  MTL    الذي يحتوي علي الميتاداتا

• 

 حيث    نلاحظ ان الملف  يحتوي على زاوية ارتفاع الشمس والمسافة بين الأرض  والشمس وغيرها من المعلومات كما توضح الصور التالية

• 

وكذلك القيم الاخرى التي تعوض في المعادلة السابقة

• 

ونقوم     بتعويض هذه   القيم في  المعادلة السابقة  مع الانتباه الي ان زاوية ارتفاع الشمس تحسب  بالراديان

• 

نعيد الخطوات نفسها للباند الاخرى    

• 

بعد الحصول على  جميع الباندات بصيغة انعكاس أعلى الغلاف الجوي   نقوم بحساب قيمة المؤشرNDVI

• 

ملاحظة

ونستطيع   الحصول على  الانعكاس والاشعاعية  أعلى الغلاف مباشرة دون   الحاجة لتطبيق المعادلات السابقة
 باستخدام بعض البرمجيات كالاينفي

نلاحظ   الفرق بين  قيم NDVI  المحسوب من البيانات  الخام ND وقيمة NDVI     المحسوبة من تحويل البيانات إلى   انعكاس أعلى الغلاف الجوي TOA

نلاحظ   ان الفرق كبير   حيث يصل إلى الضعف  أحيانا كما تظهر الصورة التالية  حيث يظهر المؤشر بدون معايرة البيانات     قيمة منخفضة 0.2 تدل على غطاء نباتي فقير  بينما تعطي قيمة الموشر بعد معايرة البيانات   القيمة 0.41 التي تدل على وجود غطاء نباتي

• 

تصحيح البيانات باستخدام الخوارزمية DOS1 للحصول علي الانعكاس علي سطح الارض BOA

الان سأستعرض طريقة   ضمن الاضافة semi classification   تقوم بتصحيح البيانات مباشرة من DN الحصول  على انعكاس  على سطح الأرض:

حيث   يتم حساب     الانعكاس على سطح الارض   بالمعادلة التالية

ρ=[π∗(Lλ−Lp)∗d2]/(ESUNλ∗cosθs)

حيث   يدخل في هذه المعادلة المسافة  بين الارض والشمس ومسار الاشعة عبر الغلاف الجوي  والقيمة

ESUNλ   التي تعطي بجداول  خاصة وهناك   عدة خوارزميات   من   DOS      والطريقة المتبعة بالبرنامج هية  Dos1   التي    لها شروط بارومترات خاصة نعوضها  بالمعادلة العامة للحصول  في المعادلة أعلاه.

  لمزيد من المعلومات راجع الرابط   التالي

نقوم    بفتح برنامج ال Qgis    ومن الاضافة   semi classification   نقوم    باضافة الحزم  وكذلك اضافة الملف MTL    كما تظهر الصورة  التالية

• 

    ونلاحظ    أيضا بأن القيم السابقة يتم   استيرادها من الملف MTL   وتملأ  الجداول   بشكل اوتماتيكي

كذلك  ان خانة  زاوية ارتفاع الشمس  و المسافة بين الأرض والشمس  قد امتلأت ايضا بشكل اوتوماتيكي .

• 

 بعد   انتهاء التعديل  نلاحظ ان البرنامج    يقوم بتغيير   اسم    البيانات   ساستعرض    مثلا   القناة   السادسة 
حيث  يتم   ايضافة   الاحقة RT_

RT_LE07_L1TP_173037_20040914_20170119_01_T1_B6_VCID_1

   ومن البيانات   المعدلة     ساقوم  بحساب   الموشر    NDVI   من البيانات   التي   تكون  عبارة عن انعكاس  حقيقي   من علي  سطح الارض  

وبحسب الموشر NDVI من البيانات المعدلة

• 

بمقارنة  النتائج نلاحظ  ان قيمة المؤشر   المحسوبة من البيانات الماخوذة من  الحساس    مباشر digital  numbers تعطي نتائج     خاطئة بينما استخدام بيانات الانعكاس أعلى الغلاف الجوي TOA وبيانات   الانعكاس على سطح الأرض BOA تعطي نتائج لحد ما متقاربة .لذلك عند القيام بأي  مشروع استشعار يجب فحص البيانات المستخدمة ومعرفة اي مستوى تكون البيانات المتاحة    وهل تحتاج الى  عملية تعديل ومعياره   وبشكل خاص عند استخدام سلاسل  زمنية من الصور

• 

ملاحظة

تستطيع   تحميل صور القمر  سينتينيل 2 من المستوى الثاني  مباشرة level-2/A ولكن هذه الصور
متوفرة   بداء من 2 أيار 2017 وتكون من النمط BOA

كاتب المقال:Martin Ealya

مراقبة تغيرات منسوب مياه نهر النيل عبر تحليل صور القمر سينتينيل 1

بعد التعرف على طريقة تحميل صورة القمر سينتينيل 1 سنبدأ بأول مشروع مراقبة عملي باستخدام هذه البيانات وسنقوم بابسط انواع المراقبة بمراقبة تغيرات منسوب الماء. حيث أن اكتشاف الماء سهل وبسيط جدا من خلال صور الرادار وسنقوم باعادة دراسة فيضان نهر النيل الذي سبق وقمت بدراستها عن طريق القمر سينتيل 2 رابط المقالة.

حتى تستطيع ان تقارن النتائج وتكتشف فعالية كل قمر

المهارات المكتسبة من الدرس

• • التعرف على برنامج سناب

 

• • تعلم على افضل طريقة لقص الصورة أثناء مشاريع المراقبة للحصول على نفس المشهد

 

• • الخطوات الأساسية لمعالجة الصورة

 

• التعامل مع البيانات التي تمت معالجتها في برامج متنوعة

صور قمر سينتينيل كيف نحصل عليها وماهي أهم مميزاتها

في هذا الدرس سأقوم بإعطاء لمحة سريعة عن بيانات الرادار ومنتجات القمر سينتينيل واحد وطريقة تحميلها حيث خطوات التحميل

 القمر سينتينيل واحد يتألف من قمرين

 Sentinel 1a تم اطلاقة 13 أبريل 2014

والقمر Sentinel 1b تم اطلاقه 25 ابريل 2016

اللذين يدوران في مدار شبه قطبي على ارتفاع 693 وتكرار 12 يوم لكل قمر مما يعطي دقة زمانية عالية لمجموع القمرين تصل الى 6 ايام

وهذه الدقة الزمانية العالية مترافقة مع سرعة توصيل النتائج حيث يتم توصيل بيانات القمر خلال 24 ساعة للاستخدام العادي وفي حالات الطوارئ من 10 دقائق حتى 3 ساعات

يستخدم قمري سينتيل واحد الحزمة C -Band ذات التواتر 5.405 جيغا هرتز ذات الطول الموجي

لذلك سأعطي لمحة سريعة عن الأطوال الموجية المستخدمة في الأقمار الصناعية التي تعتمد على مبدأ الرادار

حيث الموجات المستخدمة للاستخدامات المدنية هي band -X ,band- C ,band-L اما الأطوال الأخرى فهي للاستخدامات العسكرية وكل طول موجي يفيد في اكتشاف عناصر محددة وهذا ما تظهره الصورة التالية

حيث نلاحظ أن الموجة x تنعكس من على سطح الأوراق تعطي صورة واضحة للسطح الخارجي للنسيج بينما c تنفذ ونستطيع النفاذ عبر الأوراق وتنعكس من افرع وساق الشحر بينما الموجة L تستطيع ان تخترق الأشجار وتصل إلى الأرض

فنستطيع من خلالها تميز رطوبة التربة بشكل جيدة

وقد يكون السؤال لماذا نستخدم بيانات الرادار حيث صور الرادار لا تتأثر بظروف الرؤية (تغطية الغيوم أو الليل فتمكن من الحصول على بيانات في كافة الظروف )

حيث تظهر الصورة التالية نفاذية الغلاف الجوي للاشعاعات المختلفة ونرى كيف أن أشعة الرادار لها نفاذية عالية

والصورة الناتجة عن حساسات هذه الأقمار هي عبارة عن انعكاس الاشعة الرادار التي تتعلق

• بخشونة السطح
• العزل الكهربائي للسطح الذي يتأثر بمحتوى الماء والرطوبة

استخدام بيانات الرادار :

• مراقبة حركة سطح الأرض
• رسم وانتاج خرائط الجليد القطبي
• كشف مواقع السفن
• خرائط الغابات والمياه والتربة
• خرائط في حالات الكوارث

وهي المصدر الأساسي للمعلومات البحرية ومراقبة البحار وتعطي معلومات مهمة في حالات الانزلاق الأرضي ومعلومات عن الجيولوجيا وحركة الأرض وكذلك مسارات السفن و أخطار التلوث البحري

لفهم الية تسجيل الصورة يجب التميز بين اتجاه الطيران azimuth واتجاه المسح الأفقي range حيث يتم مسح الصورة بهذين الاتجاهين

مما يؤدي إلى تشكيل صورة الرادار والصورة التالية تبين آلية المسح

صور الرادار هي عبارة عن استشعار موجب مائل حيث يتم التقاط الصور من جانب الصورة فتظهر التضاريس المقابلة لجهة التقاط الصورة بلون ساطع بينما الجهة المقابلة تظهر باللون الأسود وهذا يجعل تفسير صور الرادار في المناطق الوعرة أمر صعب لحد ما

وهذا ما تبينه الصورة التالية

تحميل صورة القمر سينتينيل واحد

نذهب الى المنصة كوبرنيكوس وهي المنصة التي يتم تحميل منها بيانات الأقمار سينتينيل ( سينتيل واحد واثنين وثلاثة )

في الرابط التالي

https://scihub.copernicus.eu/

نضغط على open Hub

ونقوم اولا بالتسجيل في حال لم تكن مسجل

وقم بادخال بياناتك كما تظهر الصورة التالية

بعد التسجيل نقوم بتحديد المنطقة التي سيتم تحميل البيانات لها من خلال الماوس وتستطيع اما عن طريق مضلع او عن طريق اختياري او صندوق حول المنطقة وهذا ما تظهره الخيارات في الزاوية اليسرى السفلية من الخريطة

ونضغط علي زر القائمة لتظهر قائمة معايير البحث

قائمة التاريخ : حيث يتم إدخال المجال الزمني الذي سيتم البحث ضمنه علي المرئية

يتم بعدها تحديد اتجاه طيران القمر مسار صاعد او هابط وعند اختيار صور للمراقبة يجب ان تكون المرئية على نفس المسار وبنفس اتجاه التحليق

وكذلك نستطيع تحديد القمر S1A أو S1B

وفي حال عدم اختيار قمر محدد سيتم البحث باستخدام منتجات القمرين

اتجاه التحليق

حيث لدينا قمرين يدورون بمجال شبه قطبي وعندما يتحرك القمر من الاعلى الي الاسفل يعتبر مسار هابط descending

وعندما يحلق من الاسفل نحو الاعلى يعتبر مسار صاعد Ascending

وعند أعمال المراقبة يتم اختيار الصور بحيث تكون بنفس الاتجاه

إدخال تاريخ البحث

حيث يتم ادخال التاريخ الذي يتم البحث فيه ضمن أرشيف سينتينيل 1 ويتمتع القمر بتغطية زمنية عالية

نمط البيانات

حيث لدينا 3 أنماط من البيانات ويجب اختيار النمط الذي يناسب المشروع

• Single Look Complex (SLC) products

حيث يتم تمثيل كل بيكسل بطريقة عقدية يحتوي علي فرق الطور والسعة ويتم اختيار هذا النمط عند دراسة تشوهات الأرض وحركتها حيث يتضمن معلومات اكثر من النمط grund rage detection

• Ground Range Detected (GRD) products

معالجة هذا النمط من البيانات اسهل من البيانات السابقة ولا تحتوي على فرق الطور ولها دقة مكانية مربعا تقريبا وتغطية بيكسل مربعة والقليل من الضجيج و حاول استخدم هذا النمط من البيانات بالبداية فهي اسهل للمعالجة

• OSN data

وهي بيانات جيوفيزيائية جغرافية لدراسة سطح البحار والمحيطات وتتضمن 3 أنواع من البيانات

1. Ocean Wind field (OWI)
2. Ocean Swell spectra (OSW)
3. Surface Radial Velocity (RVL)

حيث تستخدم لمعرفة سرعة الرياح وسرعة الأمواج وطول الأمواج واتجاهها

الاستقطاب

وهي تمثل اتجاه الموجات عند تمثيلها تمثيل خطي في مستويين حيث يرسل القمر الصناعي موجة شاقولية ويستقبل موجة شاقولية هذا يعني لدينا التمثيل VV

وعندما يرسل شاقولي ويستقبل افقي لدينا الثنائية VH

وتظهر الصورة الحركية الموجة الاصلية في الوسط بتمثيلها باستقطاب شاقولي وافقي

والاستقطابات المتاحة لنا اثناء التحميل هي VV , VH

وعند تحميل الصور نلاحظ ان البيكسل له قيم انعكاسية مختلفة استقطابات مختلفة وكلما زادت الاستقطابات أمكن تمييز مزيد من التفاصيل في الصورة

نمط الحساس

وهو نمط نمط اكتساب البيانات ولدينا أربعة أنماط

• Stripmap

حيث يتم أخذ هذه البيانات على شريط عرض ضيق 80 كيلومتر

وتستخدم في حالات الطوارئ

• Interferometric wide swath

ويتم الحصول علي البيانات بشريط بعرض 250 كيلومتر وبدقة من 5 إلى عشرين متر

وتقنية topsar تضمن صورة متجانسة علي طول الشريط وهي النمط الشائع الذي ستقوم بتحميله للمشاريع اللاحقة

• Extra wide swath EW .

وتستخدم أيضا في الحالات الطارئة حيث تتطلب تغطية واسعة خلال زمن قصير تستخدم للأعمال الملاحية واكتشاف الجبال الجليدية ويتم الحصول عليها من خلال 5 لقطات بشريط تغطية 400 كيلو متر

Wave mode

يستخدم لدراسة سطح المحيطات حيث تكون صورة بتغطية 20*20 كيلومتر ويتم الحصول على هذه الصورة من زاويتين مختلفتين

وهذه البيانات الثلاثة يمكن الحصول عليها باربع انواع استحواذ

حيث الدقة تعتمد على نمط الاستحواذ ويتم توفير هذا النمط من البيانات بأنماط الاستحواذ الثلاث (

SM,IW,EW)

ولدينا هنا مصطلحين هما الدقة المكانية وتغطية البيكسل

ويتم تعريف الدقة المكانية بانها اقل مسافة يمكن تميزها تفصل بين عنصرين علي الصورة

تغطية البيكسل مايمثله بيكسل من الصورة في العالم الحقيقي وفي النمط SLC تغطية البيكسل لاتساوي الدقة وكذلك الدقة المكانية تختلف باتجاه التحليق (azimut ) واتجاه المسح العرضي RANGE

ونلاحظ أن الدقة تتعلق بنمط الاستحواذ ونوع البيانات والروابط التالية توضح الدقة على شكل جداول حسب نمط الاستحواذ ونوع البيانات

1. Level-1 Single Look Complex

https://earth.esa.int/web/sentinel/user-guides/sentinel-1-sar/resolutions/level-1-single-look-complex

1. Level-1 Ground Range Detected

https://earth.esa.int/web/sentinel/user-guides/sentinel-1-sar/resolutions/level-1-ground-range-detected

رقم المدار

حيث يتم الحصول على رقم المدار من Metadata

كما تم شرحه في الخطوات السابقة وهوي يسهل عملية البحث حيث يتم البحث بالصور على طول مدار محدد

ويتم ادخال رقم المدار رسم مضلع على المنطقة المطلوبة

وفي نهاية الأمر قمنا بإدخال معايير البحث كما في الصورة

و

ونقوم بالضغط على اشارة البحث فتظهر نتائج البحث

نقوم بالضغط على أثر الصورة في الخريطة فيتم تعليم عنوان الصورة باللون الرمادي الفاتح

نلاحظ اسفل عنوان الصورة عدد من الخيارات حيث بالضغط على اظهار موقع الصورة يظهر لنا أين تتوضع الصورة على الخريطة بالضغط على اشارة العين تظهر بيانات الصورة حيث نستطيع أن نعرف كافة معلومات الصورة

ونلاحظ أن بيانات الصورة تكون محفوظة ضمن الصورة و نقوم باستعراضها بالضغط على رمز العين

ومن ثم من القائمة المنسدلة Product نحصل على كافة بيانات الصورة

رقم المسار يعتبر مهم حيث ستستخدم هذه المعلومات عند البحث عن صورة أخرى عند عمل مشروع مراقبة لمنطقة ما حتى تلتقط صور لها نفس ظروف التصوير ولكن بازمنة مختلفة

بعدها نقوم بتحميل الصورة بالضغط على أيقونة التحميل

بعد الانتهاء من التحميل نلاحظ ان اسم الصورة يتضمن كافة معلومات الصورة

وهذا ما توضحه الصورة التالية التالية والرابط التالي

https://earth.esa.int/web/sentinel/technical-guides/sentinel-1-sar/products-algorithms/level-1-product-formatting

بعد تحميل البيانات تصبح البيانات جاهزة للمعالجة من خلال برنامج ال snao tools الذي يتم تحميله من خلال الرابط التالي

Download

بعد الانتهاء من التحميل

قم بتحميل صورة رادار للمنطقة التي تعيش فيها لنتعرف في الدرس القادم على خطوات معالجة الصور

وعمل خريطة للمسطحات المائية

حاولت تقديم لمحة مختصرة وسريعة عن تحميل صور الرادار وتستطيع التسجيل بموقع

SAR-EDU حيث هناك الكثير من المحاضرات والدورات التجريبية المجانية تحت الرابط التالي

https://saredu.dlr.de/

المصادر

https://saredu.dlr.de/

https://earth.esa.int/web/sentinel/user-guides/sentinel-1-sar

الكاتب:المهندس مارتن إيليا

دراسة لتوسع مدينة القاهرة بواسطة صور الأقمار الصناعية وبرنامج QGIS

في هذا الدرس سنقوم بعملية تصنيف باستخدام خوارزميات مختلفة باستخدام بيانات مختلفة باستخدام اداة تصنيف جديدة باستخدام برنامج الـ QGIS باستخدام الإضافة Semi-Automatic Classification تحت الرابط التالي

وهو ملحق ل Qgis يسمح بالتصنيف شبه التلقائي لصور الاستشعار عن بعد. كما أنه يوفر العديد من الأدوات لتحميل الصور المجانية (لاندسات، سنتينل-2، سنتينل-3، أستير، موديس)، والمعالجة المسبقة للصور(انشاء موزاييك وعرض الصور انشاء تراكيب من القنوات ، المعالجة اللاحقة للتصنيفات،

وسأقوم في هذا الدرس بعمل مشروع مراقبة لمدينة القاهرة ودراسة توسع المدينة من عام 1984 حتى عام 2017 باستخدام أرشيف القمر لاند سات

مراقبة التغيرات المكانية عبر الزمن باستخدام القنوات اللونية

سأقدم في هذه المقالة نصيحة سريعة في حال كنت تود أخذ لمحة عن التغيرات المكانية لمنطقة ما. عندما تلتقط أي صورة فانك توقف الزمن وتستطيع مراقبة كافة تفاصيل المشهد في ذلك اللحظة. شاشة العرض تقوم بعرض ثلاث قنوات هي حزمة اللون الاحمر والاخضر والازرق ومن خلال مزج هذه الالوان

سلسلة تعليمية – QGIS – الجزء الرابع – تحليل شريحة البيتزا

في الدرس التالي سنقوم بعمل مدخل بسيط للاستشعار وكل ما تحتاجه هو Orfeo Toolbox وهي مكتبة مفتوحة لمعالجة صور الاستشعار عن بعد من وكالة علوم الفضاء الفرنسية CNES و يمكن تنصيبها على منصات مختلفة.

سلسلة تعليمية – QGIS – الجزء الثاني – حساب مساحة الأشجار المثمرة المغمورة خلال الفيضان؟

مقدمة

بعد التعرف على أهمية نظام المعلومات الجغرافية في المقال السابق: سلسلة تعليمية – QGIS – الجزء الأول – كيف تختار الموقع الأفضل لمنزلك؟. دعونا نخطو خطوة الي الأمام ونتعرف علي فعالية البرنامج في بعض التحليلات الهندسية كإيجاد مساحات التداخل بين طبقات مختلفة وإظهار الصفات الهندسية لعناصر هذه الطبقات وهي من المهمات الشائعة التي تواجها من خلال عملك في مجال الـ GIS (مثلا: توسع طريق او توسيع مخطط تنظيمي ) ففي حالة توسيع طريق فيجب عليك حساب المساحات الذي يجب تملكها لتوسيع هذا الطريق ونوع هذه الاراضي التي سيتم تملكها ومساحتها .

في الخريطة أعلاه مثال مشابه لهذه الحالات حيث تظهر الخريطة فيضان نهر وغمره لمناطق شجرية مغطاة باشجار متساقطة الأوراق وأشجار دائمة الخضرة. في هذا المثال سنقوم بحساب تداخل فيضان نهر Koyukuk River في الولايات المتحدة الأميركية مع المناطق المحيطة فيه وحساب مساحة المناطق المغمورة حسب نوع التغطية النباتية وسنحسب نسبة الارضي المعرضة للفيضان و المغطاة بأشجار متساقطة الأوراق ونسبة المناطق المعرضة للفيضان والغطاة بنباتات دائمة الخضرة

نستطيع تحميل البيانات من الموقع الرسمي Esri للأنهار وقد قمت بربطها مع بيانات اخرى وإضافة أسماء الأنهار لذلك لتطبيق هذا المقال استخدم البيانات المرفقة مع المثال. أما بيانات الاشجار فهي بينات افتراضية لغاية التعلم.

هذا المثال والبيانات بناءا على أمثلة موجودة في الكتاب المرفق.

البيانات:

• طبقة الانهار الكبيرة .
• طبقة الاشجار

خطوات العمل

نقوم بتحميل طبقة الانهار Majrivers بالضغط على الرمز الذي يظهر عليه مؤشر الماوس ونقوم بتحميل طبقة الانهار

Metadata

نتأكد ان اسقاط المشروع متوافق مع نظام الطبقة وننتبه الى ان الواحدات المستخدمة في الطبقة هي القدم (القسم الذي تم تاشيره باللون الازرق بموشر الماوس )

2-نقوم باختيار نهر Koyukuk River باستخدام select by Attribute

وذلك من processing tools

بان نكتب بالفلتر select by Attribute

processing tools: select by Attribute

فتظهر النافذة التالية ونقوم بوضع طبقة الانهار ونختار

الصفة التي سيتم الاختيار بموجبها وهي بمثالنا DESCRIPTION

نختار العملية هنا مساوة

في الحقل value نكتب القيمة التي نبحث عنها

فيتم تاشير جميع العناصر التي تمثل نهر Koyukuk River وعددها 506 عنصر

نقوم بعمل Fixed distance buffer للعناصر المحددة من خلال الذهاب الى

 Vector:Geoprocessing Tools: Fixed distance buffer

وندخل المسافة 5000 قدم

ونفعل Dissolve result

سنقوم بهذه الخطوة بحساب المساحة والمحيط لل Buffer بتشكيله حول النهر والذي يمثل منطقة الفيضان باستخدام اداة هامة هي Export/Add geometry columns وهي تفيد لحساب الخصائص الهندسية مباشرة لا مضلع موجود بالطبقة

ونذهب الى processing tools ونكتب بالفلتر Export/Add geometry columns 

فتظهر النافذة التالية

calculate using يساوي layer CRS حتى يقوم بحساب المساحة وفق لنظام إسقاط الطبقة ونستطيع حسابها وفقا لنظام اسقاط المشروع أيضا

نقوم بفتح open Attribute Table للطبقة الناتجة ولطبقة الـ Buffer

بالذهاب الي open Attribute Table لطبقة ال Buffer

ولطبقة Add geom info

ونقارن

فنلاحظ ظهور عمودين للبيانات في الطبقة الناتج احدهما يمثل المساحة والاخر يمثل المحيط. الصورة التالية تظهر البيانات الجديدة و البيانات القديمة ونلاحظ انه قد تم اضافة حقل للمساحة وحقل للمحيط.

نقوم بهذه المرحلة بإضافة طبقة الغابات

نقوم بحساب التقاطع بين طبقة add geom info وطبقة الغابات

vector:Geoprocessing Tools: intersection

ونقوم بفحص البيانات الناتجة عن تقاطع هذين الطبقتين من خلال فتح open Attribute table لطبقة التقاطع فنلاحظ أن البيانات هي كالتالي

حيث لدينا خمس عناصر ويظهر لدينا العمود VEGDESC بأن العنصر الأول والثاني أشجار متساقطة والعنصر الثالث والرابع والخامس أشجار دائمة الخضرة

لذلك سنقوم بعمل مضلع واحد فقط لكل صفة من صفات العمود VEGDESC فسنقوم بتوحيد المضلعات التي لها صفة واحدة من خلال الذهاب الى:

Vector:Geoprocessing Tools:Dissolve

فتظهر النافذة التالية

ومن المهم هنا ازالة تفعيل Dissolve all

واختيار الصفة التي سيتم توحيد العنصر وفقا لها وهي في مثالنا VEGDESC

وذلك من خلال سحبها الي الخانة اليمين من الجدول (selected) كما في الصور التالية

بعد ذلك تفحص البيانات الناتجة عن هذه العملية بالذهاب الي open Attribute table للطبقة

فنلاحظ انه لدينا الان فقط مضلعين احدهما للأشجار المتساقطة والاخر للأشجار المختلطة ومساحة كل منطقة

اخيرا نقوم بحساب نسبة المساحة المغطاة بكل نوع من انواع الشجر الي المساحة الكلية (مساحة النهر + مساحة الفيضان

بالذهاب الى

 Advanced python calculator :processing Toolbox

ونقوم بوضع اسم العمود الذي سيخرج نسبة نوع الشجر

Result file name  وقد قمت بتسميته Martin

Field type = float

ونكتب الفورمولا التالية

value = $geom.area()/ <area>

حيث التابع:

 value = $geom.area()/ <area>

يمثل مساحة المنطقة المشجرة للاشجار المتساقطة والمساحة المشجرة للاشجار المختلطة

يمثل المساحة الكلية

فنحصل علي النتائج التالية

بان 18.9% نسبة الاشجار المتساقطة الاوراق في منطقة الفيضان

6.9 % نسبة الأشجار دائمة الخضرة

نسبة الأشجار الكلية في منطقة الفيضان علي جانبي النهر 18.9+6.9 وتساوي 25.8%

وهذا ماتظهره الصورة التالية بوضع شفافية 50% لمنطقة الفيضان

ملاحظة

في الخطوة الاخيرة البرنامج قام بتقسيم مساحات بواحدات مختلقة كيلومتر مربع على قدم مربع ليس هناك حاجة للتحويل لان البرنامج يقوم بذلك بشكل اوتوماتيكي

سأقوم لاحقا باتتمة المشروع واضافة ملف اتمتة المشروع عندما نتطرق لدروس نمذجة المشاريع وعمل geo-algorithms

لذلك لاتنسى الاشتراك في صفحة الفيسبوك That GIS Guy – نظم المعلومات الجغرافية ومشاركة  هذه المقالة مع أصدقائك المختصين. وفي حال لديك أي تعليقات أو أسئلة لاتتردد حيث أنك تفيدنا في تحسين المقالات.

الكاتب: المهندس مارتن إيليا

المراجع:

QGIS: Becoming a GIS Power User – Page 106