《零代码搭建高效遥感图像处理工具.pdf》由会员分享,可在线阅读,更多相关《零代码搭建高效遥感图像处理工具.pdf(35页珍藏版)》请在三个皮匠报告上搜索。
1、零代码搭建高效遥感图像处理工具杜会建易智瑞信息技术有限公司遥感事业部ENVI Modeler 介绍ENVI Modeler 示例主要内容高分1号数据全流程批处理北京市4年Landsat地表反射率产品生产哨兵2号数据批处理哨兵5P数据批处理按行政区划矢量批量统计NDVI均值测试机器学习不同分类器效果ENVI 5.5 开始提供全新建模工具(ENVI Modeler)ENVI Modeler 建模工具提供可视化界面,通过拖拽方式对 ENVI 现有功能灵活“组装”,可零代码实现复杂工作流和图像批处理的构建。ENVI Modeler 简介提供友好界面和优秀体验零代码构建批处理、工作流自带多个示例模型,方
2、便学习可将模型生成为ENVI扩展工具可自动生成IDL代码、Python代码可一键将模型创建为Task,用于其他模型中支持保存和导入模型,能够与他人分享模型可后台、并行、集群方式(ENVI Server)运行模型可发布为企业级图像处理服务(ENVI Services Engine)ENVI Modeler 特点ENVI Modeler 示例ENVI App Store:https:/ App Store 中安装自定义 ENVITasks高分1号数据全流程批处理适用于大部分高分辨率卫星高分1号数据全流程批处理输入数据目录搜索多光谱文件搜索全色文件迭代多光谱图像全色图像辐射校正正射校正图像融合正射校
3、正地表反射率包含辐射定标和大气校正*ENVI 5.7 中的 FLAASH Task 可同时完成辐射定标和大气校正高分1号数据全流程批处理需要 ENVI 5.7 版本Iterator 可以设置 ENVI Server,实现后台并行处理。需要移除 FLAASH 下拉列表参数(Atmosphere Model 和 Aerosol Model),否则会报错高分1号数据全流程批处理演示内容:模型构建过程 直接运行模型(串行)仅保留最终结果高分1号数据全流程批处理演示内容:模型修改过程 后台运行模型(并行)保留每个步骤结果运行方式1.直接在 ENVI Modeler 中运行模型2.生成 ENVI 扩展工具
4、3.ENVI Server 后台并行处理高分1号数据全流程批处理方式 3 需要安装 GSF,详见https:/ Landsat 卫星图像生产北京市 4 年地表反射率产品1 批量FLAASH大气校正2 批量裁剪与镶嵌北京市 4 年 Landsat 地表反射率图像生产共 8 景 Landsat 图像,2 景图像可覆盖北京市。拍摄日期轨道号2029283202926320220926926123033数据情况北京市 4 年 Landsat 地表反射
5、率图像生产处理流程2013/1230322013/1230332017/1230322017/1230332019/1230322019/1230332022/1230322022/123033批量FLAASH大气校正2013反射率图像12013反射率图像22017反射率图像12017反射率图像22019反射率图像12019反射率图像22022反射率图像12022反射率图像2裁剪与镶嵌2013成果裁剪与镶嵌2017成果裁剪与镶嵌2019成果裁剪与镶嵌2022成果建模1建模2建模3批量 FLAASH 大气校正北京市 4 年 Landsat 地表反射率图像生产Iterator 可以设置 ENVI
6、Server,实现后台并行处理。需要移除 FLAASH 下拉列表参数(Atmosphere Model 和 Aerosol Model),否则会报错建模1批量 FLAASH 大气校正北京市 4 年 Landsat 地表反射率图像生产建模1裁剪与镶嵌 构建先裁剪后镶嵌的模型,并发布为 Task北京市 4 年 Landsat 地表反射率图像生产建模2批量裁剪与镶嵌利用建模2发布的 Task 构建批处理模型(后台并行,可现场演示)北京市 4 年 Landsat 地表反射率图像生产Search Keywords 去掉*后,作为输出文件名的后缀使用建模3建模2哨兵2号数据批处理批量输出6波段数据4个10
7、米+2个20米短波红外波段构建单景图像处理模型,并发布为 Task哨兵2号数据批处理建模1构建批处理模型哨兵2号数据批处理建模2建模1哨兵5P数据批处理适用于科学数据格式图像处理哨兵5P数据介绍哨兵5P是欧空局 2017 年发射的一颗用于全球大气污染监测的卫星。卫星搭载对流层观测仪(TROPOMI),可进行高时空分辨率的大气测量,用于空气质量、臭氧和紫外线辐射以及气候监测和预报。大气产品包括O3、SO2、CH4、CO、NO2、HCHO等。成像幅宽2600km,覆盖全球。成像分辨率7km3.5km。1 打开*.nc 文件,在 Dataset Browser 对话框中指定数据和经纬度波段2 使用
8、Reproject GLT with Bowtie Correction 工具进行几何校正哨兵5P数据在 ENVI 中的处理方法哨兵5P数据在 ENVI Modeler 中批处理方法按行政区划批量统计NDVI均值以北京市和Landsat数据为例按行政区划批量统计NDVI均值测试机器学习不同分类器效果以6种机器学习监督分类器为例测试机器学习不同分类器效果测试机器学习不同分类器效果测试机器学习不同分类器效果测试机器学习不同分类器效果Extra TreesK-NeighborsLinear SVMRBF SVMRandom ForestNaive Bayes机器学习方法训练时间(s)分类时间(s)分
9、类精度(%)Kappa系数极度随机树Extra Trees3.510699.50.99K近邻K-Neighbors6.0120095.20.93线性SVMLinear SVM4.91984.80.77朴素贝叶斯Naive Bayes2.13880.00.71随机森林Random Forest3.34698.20.97径向基函数SVMRBF SVM4.510689.30.84测试数据:Landsat 8 FLAASH结果ENVI格式,483MB,7波段,16位整型 高分1号数据全流程批处理 北京市4年Landsat地表反射率产品生产 哨兵2号数据批处理 哨兵5P数据批处理 按行政区划矢量批量统计NDVI均值 测试机器学习不同分类器效果 总结下一个讲座SARscape雷达图像处理方法与实践徐恩惠