Python Unpacking and Preprocessing of Remote Sensing Images in HDF Format on a Sample of Terra Aster Data

Abstract

Изображения Земли из космоса часто используются в науках о Земле как источник информации о ландшафтах, горных породах, а также состоянии атмо-, гидро-и биосферы. Организация полевых работ для целей геологической съемки, картирования, а также прогноза и поисков месторождений полезных ископаемых требует проведения предварительной оценки (рекогносцировки) территории, при этом эффективность проводимых работ напрямую связана с качеством и актуальностью дистанционных материалов. Пользовательская подготовка космических данных нулевого и первого уровней обработки зачастую является задачей, затратной по времени и объему потребляемых вычислительных ресурсов, кроме того, пользовательские географические информационные системы (ГИС) могут не обладать достаточными возможностями для ее решения. Как правило, предоставляемые данные нулевого и первого уровней обработки представляют собой показатели излучения на сенсоре спектрорадиометра, испытавшего атмосферное рассеяние, значение которого отличается по отдельным каналам изображения. Это значит, что получение значений отражательной способности поверхности и вычисление значений ее температуры требует выполнения поканальной коррекции. Сайты организаций, предоставляющих доступ к спутниковым данным, а также спецификации этих данных, содержат информацию для атмосферной коррекции изображения. Также необходимо отметить, что многозональные данные могут предоставляться в специализированных форматах, не поддерживаемых пользовательскими ГИС. В настоящей статье рассматривается алгоритм извлечения (распаковки) каналов ASTER из файлов иерархического формата данных (HDF), их подготовка, включающая атмосферную коррекцию, вычисление значений температуры поверхности для температурных каналов ночной съемки и сохранение их в популярном формате GeoTiff с использованием пользовательского скрипта Python, в основе которого лежит библиотека GDAL. Скрипт можно адаптировать для применения к другим космическим данным, кроме того, он может использоваться для обучения студентов, обучающихся по направлению «Науки о Земле» программированию на Python, работе с GDAL и основам геоинформатики.