Python 遥感研究

一般来说， 遥感是一种从远距离感知和捕获数据的方法。 例如，NASA 可以使用卫星上的传感器监测地球和其他行星的行为。 此外，飞机上的这些传感器捕获发射能量的读数。 总体而言，它在从全球感知中获取有关地球的数据方面发挥着重要作用， 有助于根据收集到的地球当前、未来状况做出数据密集型决策。

利用 Python 项目进行遥感

• Python 是全球公认的开源高级语言；
• 广泛应用于遥感和地理信息系统；
• 利用脚本语言改善软件基础；
• 可以自适应地支持 OOP 概念；
• 广泛用于多个研究领域、行业和其他平台；
• 促进免费的开发和部署；
• 支持导入、安装和运行众多软件配套包；

为了改进地理空间系统， 引入了几种工具。 这些工具主要具有开发地图应用程序的工作原理， 为此，目前正在使用几个更有价值的文本。 Python 使用脚本传递未更改的文本、代码， 以在遥感信息中执行所需的过程。

Python 在遥感中的用途是什么？

• 遥感
  • 支持航空和卫星摄影传感器；
  • 利用数字图像处理软件检查和评估远程捕获的图像。
• GIS
  • GIS 是用于构建、修改、分析和存储地理空间数据的软件；
  • 将输出生成为地理空间产品，如 Web 服务、地理地图和其他智能移动应用程序。

为了支持以上遥感和 GIS 软件， QGIC 和 ArcGIS 设计了 Python 支持。 在这方面， Python 是用于使工作尽可能简单的默认编程。 此外，我们还强调了在博士生、研究生和学者的研究方面使用 Python 遥感的优势。

• 编程能力强，能独立工作；
• 通过地理空间问题提高批判性思维能力；
• 通过实地考察增进知识；
• 自动化地图开发、地理处理和 ArcGIS 功能方面的知识；
• 丰富故障排除、批判性思维和解决问题的技能；
• 发展知识以执行特定的地理空间操作；
• 提供一个平台来学习概念和分析方面的地理空间技能；
• 通过故障排除方法增强实现地理空间问题的能力；
• 提高开发自己解决问题的解决方案能力。

Python 如何用于遥感？

如前所述，Python 是 GIS 软件中的内置脚本语言。 结合 Python 的主要目标是以自动化方式实现增强的地理空间数据处理。 Python 的语法是面向命令的， 用于使用语句、数据类型和函数编写脚本。 最重要的是，它支持多个用于遥感和 GIS 过程的库。

开发了以下指定的库以支持专门用于 GIS / remote sensing 的 python。 这些工具从传感中捕获数据并生成网格化卫星数据文件， 作为不同模型的输入。 此外，它能够基于由基于地理的坐标识别的大地测量位置， 来捕获地球表面上任何物体的位置。 如果使用的是地理空间数据， 则将数据组织在一个统一的网格中。 由于数据可能具有不同的分辨率并分布在各种网格上。 在这里， 我们指定了一些在基于 Python 的遥感开发中常用的关键库。

最新的遥感 Python 库

• RITSAR
  • 包括用于图像处理的称为合成孔径雷达 (SAR) 的工具箱
  • 允许基于相位梯度算法的自动对焦
  • 能够基于 omega-k、极坐标和反投影方案对相位历史数据进行建模和处理
• RSGISLib
  • 支持 GIS 和遥感数据集
  • 利用 XML 接口/Python 绑定导入 RSGISLib 工具
• Geopy
  • 支持 Python 的地理编码工具箱
• MMM-Py
  • 开源且免费
  • 启用实时 Quicklook 图
  • 生成可供发布的图形
• Spectral Python (SPy)
  • 用于高光谱图像处理
  • 使用 Python 命令或 Python 脚本执行
  • 包括用于收集、解释、可视化和分类的单独方法
• Pyproj
  • 用 python 开发的接口，包含几个函数
  • 函数有助于在地理坐标和笛卡尔坐标之间工作
• netCDF4
  • 利用 NumPy 包读写文件（HDF 和 netCDF 格式）
  • 例如 HDF5、netCDF 3 / 4 文件
• Python 制图库
  • PCL 是用于 GSI 数据解释的开源包
  • 具体而言，将不同后端转换为制图
• MintPy
  • MintPy 在 PYthon (MintPy) 中扩展为 Miami INsar 时间序列软件
  • 用于 InSAR 时间序列分析的开源包
  • 包括自主工具箱和小型基线方法
  • 收集不同格式的干涉图堆并生成 3D 地球表面位移
  • 格式–SNAP、ISCE、RANGE、AIR、ROI_PAC、FRINGE
• Shapely
  • 带有 BSD 许可的 Python 包
  • 基于 JTS 和 GEOS 库
  • 能够使用基于几何的行星实体
• RadarsatLib
  • 采集 RADARSAT-2 SAR 数据
  • 启用过滤、分析、处理和规范化

Python 中的 GIS 库

与遥感类似， 这里我们给出了基于 Python 的 GIS 开发中广泛使用的初级库。 通常，Python 以其支持性的预定义库而闻名。 利用这些库， 可以轻松地构建、开发、测试、可视化、分类和存储对象。 下面给出了一些重要的库和软件包。

• RSGISLib
  • 用于属性、分析和分割对象
• TuiView
  • 用于可视化有关使用丰富的 GUI 进行规则开发的数据
• GDAL
  • 用于开发栅格数据模型，得到图像形式的 Input、Output
• 光栅 I/O 简化 (RIOS)
  • 用于获取、写入和分类具有属性的对象

上述所有指定的库/软件包都可以在任何类型的平台（如 Windows、Linux 和 OS X）中实现 RGGISLib。 就 RGGISLib 而言， 它支持面向 UNIX 的平台， 如 Solaris、Linux 和 OS X。

RSGISLib

• RSGISLib 表示 Remote Sensing and GIS Library（包括 300 个命令）
• 使用 GDAL 库读写图像
• 支持通过不同算法处理遥感数据
• 启用 python 脚本与模块函数的集成
• 支持代码重用性和系统可扩展性
• 提供一组低级方法来为特定任务开发算法
• 灵活地执行图像分割、图像过滤、区域统计、基于对象的分类和图像到图像配准

TuiView

• PyQt 库开发的遥感数据开源查看器
• 呈现近几十GB的数据集
• 启用 GDAL 和 GUI 元素以查看栅格数据（通过矢量叠加）
• 可通过 Python 插件接口扩展以执行基于自定义的任务
• 支持基于规则的对象属性查询和分类
• 利用预先计算的统计数据和图像概览（通过命令行实用程序）
• 从 GEOBIA 的上下文来看，它为 RAT 提供了广泛的功能（操作和查看）
• 包括专题和数学数据的单独功能（示例 - 分类）

GDAL

• GDAL 表示地理空间数据抽象库
• 图像波段以矩阵格式（RAT、统计和金字塔）表示属性和像素值
• 提供支持完整遥感数据的通用库
• GDAL 模型利用一个独立的数据集，该数据集由一组图像波段组成

RIOS

• RIOS 表示光栅输入和输出简化
• 利用 Scipy 和 Numpy 等软件包进行处理
• 专为启用 Python 的光栅处理代码而设计
• 除了图像处理，还支持 RAT（read, write and store）作为一键功能
• 在 GDAL 库上开发，专注于投影对齐、打开和关闭文件、空间头信息、栅格网格、算法开发等。

用于遥感的 Python 库

• Pandas
• Matplotlib
• Plotly
• SciPy
• NumPy
• PySal
• EarthPy
• SciKit-Learn libs
• RasterIO

用于遥感项目的 Python 软件包

为了在遥感项目开发中取得最佳效果， 需要导入几个有用的软件包或库。 在这里，我们提供了一些关键包及其安装的系统要求。 同时可在命令提示符下使用 “pip” 命令安装这些软件包。

Pyroj

• Mac OSX
• Windows
• Linux – Ubuntu

GDAL

• Mac OSX – 预编译的二进制文件
• Linux – Ubuntu
• Windows – 安装 OSGeo (plus GDAL)

Python 的当前发展

• 雷达处理
• 过滤
• 纹理分析
• 基于地理的校正（脱落、地面/倾斜范围等）
• 合成
• 特征提取
• 卷积
• 天文算法
• 重新采样
• 边缘检测
• 图像镶嵌
• 其他视频/摄像系统