Google-Earth-Python-Utils

개요

Google Earth에서 Satellite Imagery 데이터셋을 보다 쉽게 만들 수 있도록 해주는 코드입니다.

우선 초기 버전은 EasyEarth라는 클래스로 제작되었습니다.

Google Earth Engine에 대한 인증이 상대적으로 간편한 Google Colab 환경에서 실행되었습니다.

특장점

• 위도, 경도 기반 km x km 설정을 통한 데이터 추출
• 날짜 필터링 가능
• 구름양 검출 및 해당 데이터셋 중에서 가장 구름이 적은 이미지 획득 가능
• 손쉬운 resampling을 통한 화질 개선
• (new) NDVI 산출 공식 적용

이슈

• 특정 지역의 경우 범위 밖으로 인식되어 빈 값들만 나온다. (region 설정 문제)
• RGB 설정 문제

Usage

1. 데이터 소스 (인공위성) 지정

Google Earth Data Catalog [link]

earth = EasyEarth("COPERNICUS/S2")
# earth = EasyEarth("LANDSAT/LC08/C01/T1_SR")

2. Area of Interest(AOI) 및 기타 조건 설정

전체 데이터셋 중에서 관심이 있는 지역을 설정해야 합니다.

select_AOI 함수는 위도, 경도를 중심으로 하여 입력된 k (default 10) 만큼의 반경을 가지는 AOI를 생성합니다.

추가적으로 날짜도 필터링 가능합니다.

lat = 37.370474
lon = 128.3899769 

earth.select_AOI(lat,lon, 5, ("2016-01-01", "2016-12-31")) 
print(earth.AOI_size) ## 필터링된 조건에 부합하는 데이터의 수

3. 이미지 획득

이제 마지막으로 Google Earth Engine에서 좋은 품질의 이미지를 획득하기 위해, 우선 해당 위성에 대한 데이터 카탈로그의 정보를 기반으로하여

sort_by 함수로 구름양을 기준으로 데이터셋을 정렬합니다 (오름차순).

그 다음 get_collection_at 함수로 정렬된 데이터 중에서 첫번째 사진을 선택하고, 동일하게 데이터 카탈로그를 기반으로 한 parameters를 생성합니다.

여기까지 준비되었다면, plot_img 함수를 통해 기존 ee.Image를 PIL 모듈의 이미지 형태로 반환합니다.

cloud_coverage = "CLOUDY_PIXEL_PERCENTAGE"

earth.sort_by(cloud_coverage) # 사진의 구름양을 기반으로 정렬 (오름차순)
least_cloudy_img = earth.get_collections_at(0) # 정렬된 이미지 중 첫번째

parameters = {
  'min': 0.0,
  'max': 2500,
  'bands': ['B4', 'B3', 'B2'],
  'dimensions': 512,
  'region': earth.AOI
}

# Resampling 기법 적용 및 파라미터를 입력하여 사진 획득 (PIL.Image 포맷)
result = earth.plot_image(least_cloudy_img.resample('bicubic'), parameters, cloud_coverage) 
result

4. 이미지 저장

이미지 저장은 클래스 내의 save_image 함수를 이용합니다. 아래는 위도, 경도를 포함한 데이터 프레임을 활용한 이미지 다운로드 및 저장 프로세스의 예시입니다.

cloud_coverage = "CLOUDY_PIXEL_PERCENTAGE"

for _, r in train_df.iterrows():
  lat, lon, name = (r.lat, r.lon, r.image_name)

  earth.select_AOI(lat,lon, 5, ("2016-01-01", "2016-12-31"))

  parameters = {
    'min': 0.0,
    'max': 2500,
    'bands': ['B4', 'B3', 'B2'],
    'dimensions': 512,
    'region': earth.AOI
  }

  earth.sort_by(cloud_coverage)

  least_cloudy_img = earth.get_collections_at(0)
  result = earth.plot_image(least_cloudy_img.resample('bicubic'), parameters, cloud_coverage)

  earth.save_image(map_path / name, result)

Update

• 2020-08-30: NDVI 산출 공식 정리 (jinwoo95) 및 Tutorial 문서 (sanghoho)
• 2020-07-: Repository 생성 및 초기 코드 작성