Skip to content

លំហាត់ទី៧៖ បម្លែង DN ទៅការចាំងផ្លាត និងកែតម្រូវបរិយាកាស

ព័ត៌មានលំហាត់

មេរៀនពាក់ព័ន្ធ៖ មេរៀនទី៧៖ ការកែតម្រូវរ៉ាដ្យូម៉ែត្រ និងបរិយាកាស ការអនុវត្តដោយខ្លួនឯង · QGIS 3.34 LTR · ប្រហែល ១១០ នាទី

ស្ថានភាព

អ្នកនឹងអនុវត្តការកែតម្រូវដោយដៃលើ រូបភាព Landsat 8 ពិតលើភ្នំពេញ (២០១៩-០២-១១) ដោយប្រើមេគុណពិតពីឯកសារ MTL។ នេះជាការងារដែលផលិតផលកម្រិត Level-2 ធ្វើនៅពីក្រោយឆាក។ បន្ទាប់មក អ្នកនឹងធ្វើ Dark Object Subtraction ហើយពិនិត្យថាតម្លៃ និង NDVI ប្ដូរយ៉ាងណា។

គោលបំណង

  • អានមេគុណក្រិតពីឯកសារ MTL ពិត។
  • បម្លែង DN ទៅជាការចាំងផ្លាត TOA និងកែមុំព្រះអាទិត្យ ដោយ Raster Calculator។
  • អនុវត្ត Dark Object Subtraction ដោយដៃ។
  • ប្រៀបធៀប NDVI ដែលគណនាពី DN ពី TOA និងពី DOS។

លំដាប់ការងារ លំហាត់ទី៧បម្លែង DN ទៅការចាំងផ្លាត និងកែតម្រូវបរិយាកាសអានឯកសារ MTL១៥ នាទីDN → TOA → កែមុំព្រះអាទិ…២៥ នាទីDark Object Subtraction២៥ នាទីការត្រួតពិនិត្យគុណភាព២០ នាទីសេចក្ដីសន្និដ្ឋាន១០ នាទីសរុបប្រហែល ៩៥ នាទី

លំដាប់ការងារនៃលំហាត់ទី៧ និងពេលវេលាប្រហាក់ប្រហែល។

ឯកសារដែលប្រើ

  • RS_Data.zip → L8_PhnomPenh_2019/ (L8_B2.tif ដល់ L8_B7.tif និង LC08_L1TP_126052_20190211_20190222_01_T1_MTL.txt)
  • (ជម្រើស) Sentinel-2 L1C និង L2A ពីលំហាត់ទី២ សម្រាប់ប្រៀបធៀបបន្ថែម

ពិសោធន៍មុនចាប់ផ្ដើម · ១៥ នាទី

សកម្មភាពទី១៖ អានឯកសារ MTL · ១៥ នាទី

បើក ..._MTL.txt ដោយកម្មវិធីអត្ថបទ ហើយរកតម្លៃទាំងនេះ៖

វាល តម្លៃ
DATE_ACQUIRED · SCENE_CENTER_TIME
CLOUD_COVER
SUN_ELEVATION
REFLECTANCE_MULT_BAND_4 · REFLECTANCE_ADD_BAND_4
REFLECTANCE_MULT_BAND_5 · REFLECTANCE_ADD_BAND_5

សកម្មភាពទី២៖ DN → TOA → កែមុំព្រះអាទិត្យ · ២៥ នាទី

  1. បើក L8_B4.tif និង L8_B5.tif ក្នុង QGIS។ ពិនិត្យថាតម្លៃជាចំនួនគត់ (DN) ប្រហែល ៦ ០០០ ដល់ ៣០ ០០០។

  2. Raster Calculator (Output data type = Float32)៖

    ("L8_B4@1" * 0.00002 - 0.1) / sin(51.56434261 * pi() / 180)

    → b4_toa.tif។ ធ្វើដូចគ្នាសម្រាប់ B2 B3 B5 B6 B7។

  3. ពិនិត្យតម្លៃលើទន្លេមេគង្គ ដីទទេ និងចម្ការដើមឈើ ដោយ Identify Features។ បំពេញតារាង៖

    ចំណុច DN (B4) TOA (B4) DN (B5) TOA (B5)
    ទន្លេមេគង្គ
    ដើមឈើ
    ដីទទេ

វិធីស្វ័យប្រវត្តិក្នុង SCP

Semi-Automatic Classification Plugin អាចបម្លែង Landsat ទាំងមូលដោយស្វ័យប្រវត្តិ៖ SCP → Preprocessing → Landsat · ជ្រើសថតដែលមាន L8_B*.tif និងឯកសារ MTL · ធីក Apply DOS1 atmospheric correction។ ក្រុមរលកលទ្ធផលមានឈ្មោះចាប់ផ្ដើមដោយ RT_ (reflectance)។ ប្រៀបធៀបតម្លៃ RT_L8_B4 ជាមួយ b4_dos.tif ដែលអ្នកគណនាដោយដៃ។

សកម្មភាពទី៣៖ Dark Object Subtraction · ២៥ នាទី

  1. រកតម្លៃអប្បបរមានៃ b4_toa.tif (Raster → Analysis → Raster Layer Statistics)។ ប្រើតម្លៃ percentile ០,១% ជំនួសអប្បបរមាដាច់ខាត បើមានក្រឡាខុសប្រក្រតី។
  2. Raster Calculator៖ "b4_toa@1" - [តម្លៃអប្បបរមា] → b4_dos.tif។ ធ្វើដូចគ្នាសម្រាប់ក្រុមរលកផ្សេង។

  3. គណនា NDVI បីបែប ហើយប្រៀបធៀបលើចំណុចដដែល៖

    NDVI ពី ទន្លេ ដើមឈើ ដីទទេ
    DN ឆៅ
    TOA
    DOS

សំណួរ៖ ហេតុអ្វី NDVI ពី DN ខុសពី NDVI ពី TOA ទោះប្រើរូបមន្តដូចគ្នា? (ពិចារណាមេគុណ Add = −០,១)

សកម្មភាពទី៤៖ ការត្រួតពិនិត្យគុណភាព · ២០ នាទី

  1. បង្កើតបន្សំពណ៌ពិត (B4-B3-B2) ពី *_toa.tif ហើយពិនិត្យរកបញ្ហា៖ ស្នាមឆ្នូត · ពពក ឬស្រមោលពពក (ពពក ០,២៣% តាម MTL) · និងតំបន់ដែលមើលទៅខុសប្រក្រតី។
  2. ថតរូបអេក្រង់នៃបញ្ហាណាមួយដែលអ្នករកឃើញ ព្រមទាំងកូអរដោនេ។ បើគ្មានបញ្ហា សរសេរបញ្ជាក់ថាបានពិនិត្យ និងគ្មានរកឃើញ។
  3. បើអាចរក បើករូបភាព Landsat 7 ណាមួយក្រោយឆ្នាំ ២០០៣ (ស្វែងរកក្នុង EarthExplorer) ដើម្បីមើលឥទ្ធិពល SLC-off ដោយផ្ទាល់ភ្នែក។

សកម្មភាពទី៥៖ សេចក្ដីសន្និដ្ឋាន · ១០ នាទី

សរសេរ ៥ ប្រយោគ៖ ជំហានកែតម្រូវដែលអ្នកបានធ្វើដោយដៃ · ភាពខុសគ្នានៃ NDVI រវាង DN TOA និង DOS · និងអ្វីដែលអ្នកបានយល់អំពីដែនកំណត់នៃ DOS (មានក្រឡាងងឹតពិតក្នុងរូបភាពភ្នំពេញឬទេ?)។

លទ្ធផលដែលរំពឹងទុក

ប្រៀបធៀបលទ្ធផលរបស់អ្នកជាមួយរូបខាងក្រោម ដែលបង្កើតពីទិន្នន័យវគ្គ (Landsat 8 ភ្នំពេញ ឬ Sentinel-2 ក្រុងព្រះសីហនុ)។ លទ្ធផលរបស់អ្នកមិនចាំបាច់ដូចបេះបិទទេ ប៉ុន្តែលំនាំគួរតែស្រដៀងគ្នា។

រកវត្ថុងងឹត (Dark Object) ក្នុងអ៊ីស្តូក្រាម B2០០.១០.២០.៣០០.៥១មុន DOSក្រោយ DOSការចាំងផ្លាត B2ភាគចំណែកងងឹតបំផុត ≈ ០.១០៣

លទ្ធផលគំរូ ១៖ Dark Object Subtraction។

អ្វីដែលត្រូវពិនិត្យ

  • ទឹកជ្រៅ ឬស្រមោល គួរមានការចាំងផ្លាតជិតសូន្យ។
  • បើក្រឡាងងឹតបំផុតនៅតែមានតម្លៃ តម្លៃនោះមកពីបរិយាកាស។
  • ដកតម្លៃនោះពីគ្រប់ក្រឡា → អ៊ីស្តូក្រាមរំកិលទៅឆ្វេង។

សមីការកែតម្រូវរ៉ាដ្យូម៉ែត្រDNតម្លៃលេខដើមρ' = M·DN + ATOA គ្មានមុំρ = ρ' / sin θកែមុំព្រះអាទិត្យρs = ρ − ρ_darkDOSM = 2·10⁻⁵ · A = −0,1 · θ = ៥១,៥៦° (ពីឯកសារ MTL)

លទ្ធផលគំរូ ២៖ ពី DN ទៅការចាំងផ្លាតផ្ទៃ។

អ្វីដែលត្រូវពិនិត្យ

  • ជំហានទាំងបួនអាចធ្វើក្នុង Raster Calculator។
  • ពិនិត្យតម្លៃ៖ ρ ត្រូវនៅចន្លោះ ០–១ (ភាគច្រើន ០–០,៥)។
  • SCP ធ្វើជំហានទាំងនេះដោយស្វ័យប្រវត្តិ (ឯកសារ RT_)។

កំហុសទូទៅ និងដំណោះស្រាយ

បញ្ហាដែលឃើញ មូលហេតុទូទៅ ដំណោះស្រាយ
ρ អវិជ្ជមាន DOS ដកច្រើនពេក ប្រើភាគរយ ០,៥–១% មិនមែនតម្លៃទាបបំផុត
ρ > ១ លើតំបន់ធំ ភ្លេចចែក sin θ ឬប្រើមុំខុស (zenith) θ = SUN_ELEVATION ក្នុង MTL
លទ្ធផលជាចំនួនគត់ Output type = Int កំណត់ Float32
ឯកសារ RT_ ខុសពីការគណនាដោយដៃ SCP ប្រើ DOS1 និងមេគុណផ្សេង ប្រៀបធៀបលំនាំ មិនមែនលេខពិតប្រាកដ

លទ្ធផលត្រូវប្រគល់

  • តារាងមេគុណ MTL · *_toa.tif និង *_dos.tif សម្រាប់ B2–B7។
  • តារាងប្រៀបធៀប DN/TOA និង NDVI បីបែប។
  • កំណត់ត្រាការត្រួតពិនិត្យគុណភាព និងសេចក្ដីសន្និដ្ឋាន។

ពិនិត្យលទ្ធផលដោយខ្លួនឯង

អាចវាយលេខខ្មែរ ឬលេខអារ៉ាប់។

១. តម្លៃ SUN_ELEVATION ក្នុង MTL នៃរូបភាពភ្នំពេញ (ដឺក្រេ បង្គត់)?

២. DOS សន្មតថាតម្លៃអប្បបរមាគួរជិតនឹងលេខអ្វី?

៣. ចាប់ពីខែ ឆ្នាំណា ដែល Landsat 7 មានបញ្ហា SLC-off?

៤. ភាគរយផ្ទៃរូបភាព Landsat 7 ដែលរងផលប៉ះពាល់ដោយ SLC-off ក្នុងមួយសន្លឹក (ប្រហែល %)?

៥. កម្មវិធីអ្វីដែល ESA ប្រើដើម្បីកែតម្រូវបរិយាកាសដោយស្វ័យប្រវត្តិសម្រាប់ Sentinel-2?