-
Notifications
You must be signed in to change notification settings - Fork 0
/
corrad_l8.py
945 lines (714 loc) · 36.9 KB
/
corrad_l8.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
######## PROTOCOLO AUTOMATICO PARA LA CORRECCION RADIOMETRICA DE ESCENAS LANDSAT 8 #######
###### ######
#### Autor: Diego Garcia Diaz ####
### email: [email protected] ###
## GitHub: https://github.com/Digdgeo/Landsat8_Corrad_Embalses ##
# Sevilla 01/01/2016-31/03/2016 #
# coding: utf-8
import os, shutil, re, time, subprocess, pandas, rasterio, sys, urllib, sqlite3
import numpy as np
import matplotlib.pyplot as plt
from osgeo import gdal, gdalconst
from pymasker import landsatmasker, confidence
from datetime import datetime, date
from IPython.display import Image
from IPython.display import display
class Landsat(object):
'''Esta clase esta hecha para corregir radiometricamente escenas Landsat 8, de cara a obtener coeficientes de dsitintos parametros fisico-quimicos
en algunos Embalses de la cuenca del Guadalquivir.
El unico software necesario es Miramon, que se utiliza por su gestion de Metadatos. Se emplea en la Importacion y en la Correccion Radiometrica
y se llama mediante archivos bat. Para el resto de procesos se usan GDAL, Rasterio y otras librerias de Python. En general se tratan los rasters
como arrays, lo que produce un rendimiento en cuanto a la velocidad de procesado bastante elevado. Para la normalizacion se emple tambien una
mascara de nubes, que se obtiene empleando Fmask o la banda de calidad de Landsat 8 si fallara Fmask.
El script requiere una estructura de carpetas en un mismo nivel (/ori, /rad y /data). En /data deben de estar los archivos necesarios para
llevar a cabo el proceso:
1) Shape con los limites de los Embalses a tratar
2) Shape de puntos con los lugares de los que hay datos de campo, para hacer un "extract_values_to_point"
3) Modelo Digital del Terreno lo bastante amplio como para englobar cualquier escena *
*) Al tener escenas en huso 29 y huso 30 se ha optado por tener 2 dtms (de la peninsula completa) uno en 29 y otro en 30, automaticamente se elige el adecuado
Ademas de estos requisitos, en la carpeta /rad debe de haber un archivos kl_l8.rad donde se guardaran temporalmente los valores
del objeto oscuro (proceso empleado para la Correccion Radiometrica).
Al finalizar el proceso tendremos en ori, y rad las bandas (de la 1 la 9 sin la pancromatica) en formato img + doc + rel + hdr pasadas ya de niveles digitales
a reflectancia en superficie y toda la informacion del proceso almacenada en una base de datos SQLite'''
def __init__(self, ruta, umbral=50, hist=1000, dtm = 'plano'):
'''Instanciamos la clase con la escena que vayamos a procesar, hay que introducir la ruta a la escena en ori
y de esa ruta el constructor obtiene el resto de rutas que necesita para ejecutarse. Los parametros marcados por defecto son el
umbral para la mascara de nubes Fmask y el numero de elementos a incluir en el histograma de las bandas'''
self.ruta_escena = ruta
self.ori = os.path.split(ruta)[0]
self.escena = os.path.split(ruta)[1]
self.raiz = os.path.split(self.ori)[0]
self.geo = os.path.join(self.raiz, 'geo')
self.rad = os.path.join(self.raiz, 'rad')
self.data = os.path.join(self.raiz, 'data')
self.umbral = umbral
self.hist = hist
if dtm == 'plano':
self.dtm = os.path.join(self.data, 'temp\Nodtm.img')
else:
self.dtm = os.path.join(self.data, 'temp\dtm_escena.img')
#metemos una variable que almacene el tipo de satelite
if 'l8oli' in self.escena:
self.sat = 'L8'
else:
print 'no reconozco el satelite'
if self.sat == 'L8':
self.mimport = os.path.join(self.ruta_escena, 'miramon_import')
if not os.path.exists(self.mimport):
os.makedirs(self.mimport)
self.bat = os.path.join(self.ruta_escena, 'import.bat')
self.bat2 = os.path.join(self.rad, 'importRad.bat')
self.cloud_mask = None
for i in os.listdir(self.ruta_escena):
if i.endswith('MTL.txt'):
mtl = os.path.join(self.ruta_escena,i)
arc = open(mtl,'r')
for i in arc:
if 'LANDSAT_SCENE_ID' in i:
usgs_id = i[-23:-2]
elif 'CLOUD_COVER' in i:
cloud_scene = float(i[-6:-1])
elif 'PROCESSING_SOFTWARE_VERSION' in i:
lpgs = i.split('=')[1][2:-2]
elif 'UTM_ZONE' in i:
self.zone = int(i.split('=')[1][1:-1]) #vamos a distinguir si son escenas del uso 30 o 29 para ver que dtm usaremos luego
arc.close()
self.quicklook = os.path.join(self.ruta_escena, usgs_id + '.jpg')
qcklk = open(self.quicklook,'wb')
if self.sat == 'L8':
s = "http://earthexplorer.usgs.gov/browse/landsat_8/" + self.escena[:4] + "/" + self.escena[-6:-3] + "/0" + self.escena[-2:] + "/" + usgs_id + ".jpg"
#s = "http://earthexplorer.usgs.gov/browse/landsat_8/" + self.escena[:4] + "/200/0" + self.escena[-2:] + "/" + usgs_id + ".jpg"
elif self.sat == 'L7':
s = "http://earthexplorer.usgs.gov/browse/etm/202/34/" + self.escena[:4] + "/" + usgs_id + "_REFL.jpg"
elif self.sat == 'L5':
s = "http://earthexplorer.usgs.gov/browse/tm/202/34/" + self.escena[:4] + "/" + usgs_id + "_REFL.jpg"
qcklk.write(urllib.urlopen(s).read())
display(Image(url=s, width=500))
#BASE DE DATOS SQLITE!
#
#
#Creamos la base de datos y la primera tabla Escenas
conn = sqlite3.connect(r'C:\Embalses\data\Embalses.db')
cur = conn.cursor()
print "Opened database successfully"
conn.execute('''CREATE TABLE IF NOT EXISTS 'Escenas' (
'Escena' TEXT NOT NULL PRIMARY KEY UNIQUE,
'Sat' TEXT,
'Path' TEXT,
'Row' TEXT,
'Fecha_Escena' DATE,
'Fecha_Procesado' DATETIME
)''');
print "Table Escenas created successfully"
conn.execute('''CREATE TABLE IF NOT EXISTS 'Kl' (
'id_escena' TEXT NOT NULL UNIQUE,
'B1' INTEGER,
'B2' INTEGER,
'B3' INTEGER,
'B4' INTEGER,
'B5' INTEGER,
'B6' INTEGER,
'B7' INTEGER,
'B9' INTEGER,
PRIMARY KEY(id_escena)
)''');
print "Table Kl created successfully"
conn.execute('''CREATE TABLE IF NOT EXISTS 'Puntos' (
'id' INTEGER PRIMARY KEY,
'Coordenada_X' DECIMAL,
'Coordenada_Y' DECIMAL,
'Nombre' TEXT,
'Huso' TEXT
)''');
print "Table Puntos created successfully"
conn.execute('''CREATE TABLE IF NOT EXISTS 'Indices' (
'id' TEXT PRIMARY KEY,
'Indice' TEXT UNIQUE
)''');
print "Table Indices created successfully"
conn.execute('''CREATE TABLE IF NOT EXISTS 'Puntos_Indices' (
'id_indices' TEXT,
'id_puntos' INTEGER,
'id_escenas' TEXT,
'Valor' REAL,
PRIMARY KEY ('id_indices', 'id_puntos', 'id_escenas')
)''');
print "Table Puntos-Indices created successfully"
conn.execute('''CREATE TABLE IF NOT EXISTS 'Reflectividades' (
'id_puntos' INTEGER,
id_escenas TEXT,
'B1' REAL,
'B2' REAL,
'B3' REAL,
'B4' REAL,
'B5' REAL,
'B6' REAL,
'B7' REAL,
'B8' REAL,
'B8A' REAL,
'B9' REAL,
'B10' REAL,
'B11' REAL,
'B12' REAL,
PRIMARY KEY ('id_puntos', 'id_escenas')
)''');
print "Table Reflectividades created successfully"
try:
cur.execute('''INSERT OR REPLACE INTO Escenas (Escena, Sat, Path, Row, Fecha_Escena, Fecha_Procesado)
VALUES ( ?, ?, ?, ?, ?, ?)''', (self.escena, self.sat, str(self.escena[-6:-3]), str(self.escena[-2:]), \
date(int(self.escena[:4]), int(self.escena[4:6]), int(self.escena[6:8])), datetime.now() ));
except Exception as e:
print e
conn.commit()
conn.close()
-
def fmask_doc(self):
'''-----\n
Este metodo anade el archivo .doc necesario para que MIramon entienda el raster al tiempo que reconoce que
se tratar de una raster categorico con sus correspondientes valores (Sin definir, Agua, Sombra de nubes, Nieve, Nubes).'''
def get_hdr(self):
'''-----\n
Este metodo genera los hdr para cada banda, de cara a poder trabajar posteriormente con ellas en GDAL, ENVI u otro software'''
dgeo = {'B1': '_r_b1.img', 'B2': '_r_b2.img', 'B3': '_r_b3.img', 'B4': '_r_b4.img', 'B5': '_r_b5.img', \
'B6': '_r_b6.img', 'B7': '_r_b7.img', 'B8': '_r_b8.img', 'B9': '_r_b9.img', \
'B10': '_r_b10.img', 'B11': '_r_b11.img', 'BQA': '_r_bqa.img'}
for i in os.listdir(self.ruta_escena):
if i.endswith('.TIF'):
if len(i) == 28:
banda = i[-6:-4]
elif len(i) == 29:
banda = i[-7:-4]
else:
banda = i[-13:-4]
print banda
if banda in dgeo.keys():
in_rs = os.path.join(self.ruta_escena, i)
out_rs = os.path.join(self.ruta_escena, self.escena + dgeo[banda])
string = 'gdal_translate -of ENVI --config GDAL_CACHEMAX 8000 --config GDAL_NUM_THREADS ALL_CPUS {} {}'.format(in_rs, out_rs)
print string
os.system(string)
#ahora vamos a borrar los .img y xml que se han generado junto con los
def clean_ori(self):
for i in os.listdir(self.ruta_escena):
if i.endswith('.img') and not 'Fmask' in i or i.endswith('.xml'):
rs_dl = os.path.join(self.ruta_escena, i)
print rs_dl
os.remove(rs_dl)
def createI_bat(self):
'''-----\n
Este metodo crea un archivo bat con los parametros necesarios para realizar la importacion'''
ruta = self.ruta_escena
#estas son las variables que necesarias para crear el bat de Miramon
tifimg = 'C:\\MiraMon\\TIFIMG'
num1 = '9'
num2 = '1'
num3 = '0'
salidapath = self.mimport #aqui va la ruta de salida de la escena
dt = '/DT=c:\\MiraMon'
for i in os.listdir(ruta):
if i.endswith('B1.TIF'):
banda1 = os.path.join(ruta, i)
elif i.endswith('MTL.txt'):
mtl = "/MD="+ruta+"\\"+i
else: continue
lista = [tifimg, num1, banda1, salidapath, num2, num3, mtl, dt]
print lista
batline = (" ").join(lista)
pr = open(self.bat, 'w')
pr.write(batline)
pr.close()
def callI_bat(self):
'''-----\n
Este metodo llama ejecuta el bat de la importacion. Tarda entre 7 y 21 segundos en importar la escena'''
#import os, time
ti = time.time()
a = os.system(self.bat)
a
if a == 0:
print "Escena importada con exito en " + str(time.time()-ti) + " segundos"
else:
print "No se pudo importar la escena"
#borramos el archivo bat creado para la importacion de la escena, una vez se ha importado esta
os.remove(self.bat)
def get_kl_csw(self):
'''Este metodo obtiene los Kl para cada banda. Lo hace buscando los valores minimos dentro
de las zonas clasificadas como agua y sombra orografica, siempre y cuando la sombra orografica
no este cubierta por nubes ni sombra de nubes. La calidad de la mascara e muy importante, por eso
a las escenas que no se puedan realizar con Fmask habria que revisarles el valor de kl.
Tambien distingue Landsar 7 de Landsat 8, aplicandole tambien a las Landsat 7 la mascara de Gaps'''
#Empezamos borrando los archivos de temp, la idea de esto es que al acabar una escena queden disponibles
#por si se quiere comprobar algo. Ya aqui se borran antes de comenzar la siguiente
t = time.time()
temp = os.path.join(self.data, 'temp')
for i in os.listdir(temp):
arz = os.path.join(temp, i)
os.remove(arz)
#Hacemos el recorte al dtm para que tenga la misma extension que la escena y poder operar con los arrays
t = time.time()
shape = os.path.join(temp, 'poly_escena.shp')
ruta = self.ruta_escena
for i in os.listdir(ruta):
if i.endswith('B1.TIF'):
raster = os.path.join(ruta, i)
cmd = ["gdaltindex", shape, raster]
proc = subprocess.Popen(cmd,stdout=subprocess.PIPE,stderr=subprocess.PIPE)
stdout,stderr=proc.communicate()
exit_code=proc.wait()
if exit_code:
raise RuntimeError(stderr)
else:
print stdout
print 'marco generado'
#ya tenemos el dtm recortado guardado en data/temp, ahora vamos a generar el hillshade.
#Para ello primero hay que recortar el dtm con el shape recien obtenido con la extension de la escena
#vamos a usar la variable 'zone' para usar el dtm reproyectado al huso 30 o 29
dtm_escena = os.path.join(temp, 'dtm_escena.img')
if self.zone == 29:
for i in os.listdir(self.data):
if i.endswith('29c.img'):
dtm = os.path.join(self.data, i)
print dtm
else:
for i in os.listdir(self.data):
if i.endswith('30c.img'):
dtm = os.path.join(self.data, i)
print dtm
cmd = ["gdalwarp", "-dstnodata" , "0" , "-cutline", "-crop_to_cutline", "-of", "ENVI"]
#cmd = ["gdalwarp", "-cutline", "-crop_to_cutline", "-of", "ENVI"] #PROBAR A DEJAR EL DTM ORIGINAL -9999 A VER SI SALE MEJOR
cmd.append(dtm)
cmd.append(dtm_escena)
cmd.insert(4, shape) #seria el 4/2 con/sin el dst nodata
proc = subprocess.Popen(cmd,stdout=subprocess.PIPE,stderr=subprocess.PIPE)
stdout,stderr=proc.communicate()
exit_code=proc.wait()
if exit_code:
raise RuntimeError(stderr)
else:
print stdout
print 'dtm_escena generado'
#Ahora ya tenemos el dtm de la escena, a continuacion vamos a obtener el hillshade
#primero debemos tomar los parametros solares del MTL
for i in os.listdir(ruta):
if i.endswith('MTL.txt'):
mtl = os.path.join(ruta,i)
arc = open(mtl,'r')
for i in arc:
if 'SUN_AZIMUTH' in i:
azimuth = float(i.split("=")[1])
elif 'SUN_ELEVATION' in i:
elevation = float(i.split("=")[1])
#Una vez tenemos estos parametros generamos el hillshade
salida = os.path.join(temp, 'hillshade.img')
cmd = ["gdaldem", "hillshade", "-az", "-alt", "-of", "ENVI"]
cmd.append(dtm_escena)
cmd.append(salida)
cmd.insert(3, str(azimuth))
cmd.insert(5, str(elevation))
proc = subprocess.Popen(cmd,stdout=subprocess.PIPE,stderr=subprocess.PIPE)
stdout,stderr=proc.communicate()
exit_code=proc.wait()
if exit_code:
raise RuntimeError(stderr)
else:
print stdout
print 'Hillshade generado'
#Ya esta el hillshade en data/temp. Tambien tenemos ya la Fmask generada en ori,
#asi que ya podemos operar con los arrays
for i in os.listdir(ruta):
if i.endswith('MTLFmask.img') | i.endswith('_Fmask.TIF'):
rs = os.path.join(ruta, i)
fmask = gdal.Open(rs)
Fmask = fmask.ReadAsArray()
print 'min, max: ', Fmask.min(), Fmask.max()
for i in os.listdir(temp):
if i.endswith('shade.img'):
rst = os.path.join(temp, i)
print rst
hillshade = gdal.Open(rst)
Hillshade = hillshade.ReadAsArray()
#Queremos los pixeles de cada banda que esten dentro del valor agua (1) y sin nada definido ((0)
#para las sombras) de la Fmask (con lo cual tambien excluimos las nubes y sombras de nubes).
#Junto con estos valores, queremos tambien los valores que caen en sombra (se ha decidido que
#el valor de corte mas adecuado es el percentil 20)
#Arriba estamos diciendo que queremos el minimo del agua o de la escena completa sin nubes ni
#sombras ni agua pero en sombra orografica
#Ahora vamos a aplicar la mascara y hacer los histogramas
# if self.sat == 'L8': En principio solo seran Landsat 8
bandas = ['B1', 'B2', 'B3', 'B4','B5', 'B6', 'B6', 'B7', 'B9']
lista_kl = []
for i in os.listdir(ruta):
banda = i[-6:-4]
if banda in bandas:
raster = os.path.join(ruta, i)
bandraster = gdal.Open(raster)
data = bandraster.ReadAsArray()
#anadimos la distincion entre Fmask y BQA
if self.cloud_mask == 'Fmask' or self.cloud_mask == 'Fmask NoTIRS':
print 'usando Fmask'
data2 = data[((Fmask==1) | (((Fmask==0)) & (Hillshade<(np.percentile(Hillshade, 20)))))]
else:
print 'usando BQA\ngenerando water mask'
for i in os.listdir(ruta):
if i.endswith('BQA.TIF'):
masker = landsatmasker(os.path.join(ruta, i))
maskwater = masker.getwatermask(confidence.medium) #cogemos la confianza media, a veces no hay nada en la alta
#print 'watermin, watermax: ', maskwater.min(), maskwater.max()
data2 = data[((data != 0) & ((maskwater==1) | (((Fmask==0)) & (Hillshade<(np.percentile(Hillshade, 20))))))]
print 'data2: ', data2.min(), data2.max(), data2.size
lista_kl.append(data2.min())#anadimos el valor minimo (podria ser perceniles) a la lista de kl
lista = sorted(data2.tolist())
print 'lista: ', lista[:10]
#nmask = (data2<lista[1000])#probar a coger los x valores mas bajos, a ver hasta cual aguanta bien
data3 = data2[data2<lista[self.hist]]
print 'data3: ', data3.min(), data3.max()
df = pandas.DataFrame(data3)
#plt.figure(); df.hist(figsize=(10,8), bins = 100)#incluir titulo y rotulos de ejes
plt.figure(); df.hist(figsize=(10,8), bins = 50, cumulative=False, color="Red");
plt.title(self.escena + '_gr_' + banda, fontsize = 18)
plt.xlabel("Pixel Value", fontsize=16)
plt.ylabel("Count", fontsize=16)
path_rad = os.path.join(self.rad, self.escena)
if not os.path.exists(path_rad):
os.makedirs(path_rad)
name = os.path.join(path_rad, self.escena + '_r_'+ banda.lower() + '.png')
plt.savefig(name)
plt.close('all')
print 'Histogramas generados'
#Hasta aqui tenemos los histogramas generados y los valores minimos guardados en lista_kl, ahora
#debemos escribir los valores minimos de cada banda en el archivo kl.rad
for i in os.listdir(self.rad):
if i.endswith('l8.rad'):
archivo = os.path.join(self.rad, i)
dictio = {6: lista_kl[0], 7: lista_kl[1], 8: lista_kl[2], 9: lista_kl[3],\
10: lista_kl[4], 11: lista_kl[5], 12: lista_kl[6], 14: lista_kl[7]}
rad = open(archivo, 'r')
rad.seek(0)
lineas = rad.readlines()
for l in range(len(lineas)):
if l in dictio.keys():
lineas[l] = lineas[l].rstrip()[:-4] + str(dictio[l]) + '\n'
else: continue
rad.close()
f = open(archivo, 'w')
for linea in lineas:
f.write(linea)
f.close()
src = os.path.join(self.rad, i)
dst = os.path.join(path_rad, self.escena + '_kl.rad')
shutil.copy(src, dst)
print 'modificados los metadatos del archivo kl.rad\nProceso finalizado en ' + str(time.time()-t) + ' segundos'
print lista_kl
#Metemos los valores del objeto oscuro en la Base de Datos
conn = sqlite3.connect(r'C:\Embalses\data\Embalses.db')
cur = conn.cursor()
print "Opened database successfully"
try:
cur.execute('''INSERT OR REPLACE INTO Kl (id_escena, B1, B2, B3, B4, B5, B6, B7, B9)
VALUES ( ?, ?, ?, ?, ?, ?, ?, ?, ? )''', (self.escena, int(lista_kl[0]), int(lista_kl[1]), int(lista_kl[2]), int(lista_kl[3]), int(lista_kl[4]), \
int(lista_kl[5]), int(lista_kl[6]), int(lista_kl[7]) ));
except Exception as e:
print e
conn.commit()
conn.close()
def move_hdr(self):
'''-----\n
Este metodo mueve los hdr generados anteriormente a la carpeta de la escena en rad, que es donde seran necesarios para
trabajar con GDAL'''
path_escena_rad = os.path.join(self.rad, self.escena)
for i in os.listdir(self.ruta_escena):
if i.endswith('.hdr') and not 'Fmask' in i:
#bandar = i.replace('_b', '_r_b') Ya tiene la nomenclatura correcta, borrar linea
hdr = os.path.join(self.ruta_escena, i)
dst = os.path.join(path_escena_rad, i)
os.rename(hdr, dst)
print hdr, 'movido a rad'
def modify_rel_I(self):
'''-----\n
Este metodo escinde las bandas no usadas en la Correccion Radiometrica del rel de la escena importada'''
for i in os.listdir(self.mimport):
if i.endswith('.rel'):
relf = os.path.join(self.mimport, i)
bat = r'C:\Embalses\data\temp\canvi.bat'
open(bat, 'a').close()
claves = ['8-PAN', '10-LWIR1', '11-LWIR2', 'QA']
rel = open(relf, 'r')
s = 'C:\MiraMon\canvirel 1 ' + relf + ' ATTRIBUTE_DATA IndexsNomsCamps 1-CA,2-B,3-G,4-R,5-NIR,6-SWIR1,7-SWIR2,9-CI\n'
b8 = 'C:\MiraMon\canvirel 2 ' + relf + ' ATTRIBUTE_DATA NomCamp_8-PAN\n'
b10 = 'C:\MiraMon\canvirel 2 ' + relf + ' ATTRIBUTE_DATA NomCamp_10-LWIR1\n'
b11 = 'C:\MiraMon\canvirel 2 ' + relf + ' ATTRIBUTE_DATA NomCamp_11-LWIR2\n'
b12 = 'C:\MiraMon\canvirel 2 ' + relf + ' ATTRIBUTE_DATA NomCamp_12\n'
b13 = 'C:\MiraMon\canvirel 2 ' + relf + ' ATTRIBUTE_DATA NomCamp_13\n'
b14 = 'C:\MiraMon\canvirel 2 ' + relf + ' ATTRIBUTE_DATA NomCamp_14\n'
b15 = 'C:\MiraMon\canvirel 2 ' + relf + ' ATTRIBUTE_DATA NomCamp_15\n'
b16 = 'C:\MiraMon\canvirel 2 ' + relf + ' ATTRIBUTE_DATA NomCamp_16\n'
b17 = 'C:\MiraMon\canvirel 2 ' + relf + ' ATTRIBUTE_DATA NomCamp_17\n'
lbat = [s, b8, b10, b11, b12, b13, b14, b15, b16, b17]
lrel = rel.readlines()
for i in lrel:
for c in claves:
if i.startswith('[') and c in i:
lbat.append(os.path.join('C:\MiraMon\canvirel 3 ' + relf + ' ' + i[1:-2] +'\n'))
rel.close()
f = open(bat, 'w')
for linea in lbat:
f.write(linea)
f.close()
a = os.system(bat)
a
if a == 0:
print 'modificados los metadatos del bat'
else:
print 'canvirel didn\'t work'
def get_Nodtm(self):
'''-----\n
Este metodo genera un dtm con valor 0 con la extension de la escena que estemos tratando'''
shape = r'C:\Embalses\data\temp\poly_escena.shp'
nodtm = r'C:\Embalses\data\temp\Nodtm.img'
cmd = ["gdal_rasterize -tr 30 30 -ot Byte -of ENVI -burn 0 -l poly_escena", shape, nodtm]
s = (" ").join(cmd)
a = os.system(s)
a
if a == 0:
print 'Nodtm generado'
else:
print 'Something went wrong with Nodtm'
#Ahora vamos a generar el .doc para el Nodtm
for i in os.listdir(self.mimport):
if i.endswith('B1-CA_00.doc'):
b1 = os.path.join(self.mimport, i)
dst = nodtm[:-4] + '.doc'
shutil.copy(b1, dst)
#Ahora vamos a modificar el doc para que tenga los valores adecuados
archivo = r'C:\Embalses\data\temp\Nodtm.doc'
doc = open(archivo, 'r')
doc.seek(0)
lineas = doc.readlines()
for l in range(len(lineas)):
if lineas[l].startswith('file title'):
lineas[l] = 'file title : \n'
elif lineas[l].startswith('data type'):
lineas[l] = 'data type : byte\n'
elif lineas[l].startswith('value units'):
lineas[l] = 'value units : m\n'
elif lineas[l].startswith('min. value :'):
lineas[l] = 'min. value : 0\n'
elif lineas[l].startswith('max. value :'):
lineas[l] = 'max. value : 0\n'
elif lineas[l].startswith('flag value'):
lineas[l] = 'flag value : none\n'
elif lineas[l].startswith('flag def'):
lineas[l] = 'flag def\'n : none\n'
else: continue
doc.close()
f = open(archivo, 'w')
for linea in lineas:
f.write(linea)
f.close()
print 'modificados los metadatos de ', i
def get_dtm(self):
'''------\n
Este metodo genera el doc necesario para poder usar el dtm de la escena en el corrad'''
#primero vamos a leer el dtm de la escena para obtener su minimo y maximo
with rasterio.open(os.path.join(self.data, os.path.join('temp', 'dtm_escena.img'))) as src:
dtm = src.read()
minimo = dtm.min()
maximo = dtm.max()
#Ahora copiamos un doc de ori
for i in os.listdir(self.mimport):
if i.endswith('B1-CA_00.doc'):
src = os.path.join(self.mimport, i)
dst = os.path.join(self.data, os.path.join('temp', 'dtm_escena.doc'))
shutil.copy(src, dst)
#Ahora editamos el doc para que tenga los valores correctos
archivo = r'C:\Embalses\data\temp\dtm_escena.doc'
doc = open(archivo, 'r')
doc.seek(0)
lineas = doc.readlines()
for l, e in enumerate(lineas):
if e.startswith('file title'):
lineas[l] = 'file title : \n'
elif e.startswith('data type'):
lineas[l] = 'data type : integer\n'
elif e.startswith('value units'):
lineas[l] = 'value units : m\n'
elif e.startswith('min. value :'):
lineas[l] = 'min. value : {}\n'.format(minimo)
elif e.startswith('max. value :'):
lineas[l] = 'max. value : {}\n'.format(maximo)
else: continue
doc.close()
f = open(archivo, 'w')
for linea in lineas:
f.write(linea)
f.close()
print 'modificados los metadatos de ', i
def createR_bat(self):
'''-----\n
Este metodo crea el bat para realizar la correcion radiometrica'''
#Incluimos reflectividades por arriba y por debajo de 100 y 0
path_escena_rad = os.path.join(self.rad, self.escena)
corrad = 'C:\MiraMon\CORRAD'
num1 = '1'
#dtm = os.path.join(self.rad, 'sindato.img')
kl = os.path.join(self.rad, 'kl_l8.rad')
#REF_SUP y REF_INF es xa el ajuste o no a 0-100, mirar si se quiere o no
string = '/MULTIBANDA /CONSERVAR_MDT /LIMIT_LAMBERT=73.000000 /REF_SUP_100 /REF_INF_0 /DT=c:\MiraMon'
for i in os.listdir(self.mimport):
if i.endswith('B1-CA_00.img'):
banda1 = os.path.join(self.mimport, i)
else: continue
#dtm_ = r'C:\Embalses\data\temp\dtm_escena.img'
print 'el dtm usado es ', self.dtm
lista = [corrad, num1, banda1, path_escena_rad, self.dtm, kl, string]
print lista
batline = (" ").join(lista)
pr = open(self.bat2, 'w')
pr.write(batline)
pr.close()
def callR_bat(self):
'''-----\n
Este metodo ejecuta el bat que realiza la correcion radiometrica'''
ti = time.time()
print 'Llamando a Miramon... Miramon!!!!!!'
a = os.system(self.bat2)
a
if a == 0:
print "Escena corregida con exito en " + str(time.time()-ti) + " segundos"
else:
print "No se pudo realizar la correccion de la escena"
#borramos el archivo bat creado para la importacion de la escena, una vez se ha importado esta
os.remove(self.bat2)
def rename_rad(self):
'''-----\n
Este metodo hace el rename de las imagenes corregidas radiometricamente a la nomenclatura "yyyymmddsatpath_row_banda"'''
drad = {'B1': '_r_b1', 'B2': '_r_b2', 'B3': '_r_b3', 'B4': '_r_b4', 'B5': '_r_b5', 'B6': '_r_b6', 'B7': '_r_b7', 'B9': '_r_b9'}
path_escena_rad = os.path.join(self.rad, self.escena)
for i in os.listdir(path_escena_rad):
if i.endswith('.doc') or i.endswith('.img'):
print i
if len(i) == 33:
banda = i[-11:-9]
elif len(i) == 34:
banda = i[-12:-10]
elif len(i) == 35:
banda = i[-13:-11]
else:
banda = i[-15:-13]
if banda in drad.keys():
print banda
#print 'diccionario: ', i
in_rs = os.path.join(path_escena_rad, i)
out_rs = os.path.join(path_escena_rad, self.escena + drad[banda] + i[-4:])
os.rename(in_rs, out_rs)
elif i.endswith('.rel'):
rel = os.path.join(path_escena_rad, i)
dst = os.path.join(path_escena_rad, self.escena + '_BI.rel')
os.rename(rel, dst)
def modify_hdr_rad(self):
'''-----\n
Este metodo edita los hdr para que tengan el valor correcto (FLOAT) para poder ser entendidos por GDAL.
Hay que ver si hay que establecer primero el valor como No Data'''
path_escena_rad = os.path.join(self.rad, self.escena)
for i in os.listdir(path_escena_rad):
if i.endswith('.hdr'):
archivo = os.path.join(path_escena_rad, i)
hdr = open(archivo, 'r')
hdr.seek(0)
lineas = hdr.readlines()
for l in range(len(lineas)):
if l == 8:
lineas[l] = 'data type = 4\n'
lineas.append('data ignore value = -3.40282347e+38')
hdr.close()
f = open(archivo, 'w')
for linea in lineas:
f.write(linea)
f.close()
print 'modificados los metadatos de ', i
def correct_sup_inf(self):
'''-----\n
Este metodo soluciona el problema de los pixeles con alta y baja reflectividad, llevando los bajos a valor 0
y los altos a 100. La salida sigue siendo en float32 (reales entre 0.0 y 100.0)'''
path_escena_rad = os.path.join(self.rad, self.escena)
for i in os.listdir(path_escena_rad):
if i.endswith('.img'):
banda = os.path.join(path_escena_rad, i)
outfile = os.path.join(path_escena_rad, 'crt_' + i)
with rasterio.drivers():
with rasterio.open(banda) as src:
rs = src.read()
rs = rs/100
rs = np.where(((rs>rs.min()) & (rs<=0)), 0.0001, rs)
rs = np.where(rs>1, 1, rs)
rs = np.where(rs==rs.min(), 0, rs)
profile = src.meta
profile.update(dtype=rasterio.float32)
with rasterio.open(outfile, 'w', **profile) as dst:
dst.write(rs.astype(rasterio.float32))
def modify_rel_R(self):
'''-----\n
Este metodo modifica el rel de rad para que tenga los nombres de las bandas con la nueva nomenclatura. Tambien pasa el NoData a 0 y los
valores minimos y maximos de cada banda a 0 y 1'''
path_rad = os.path.join(self.rad, self.escena)
equiv = {'b1': '1-CA', 'b2': '2-B', 'b3': '3-G', 'b4': '4-R', 'b5': '5-NIR', 'b6': '6-SWIR1', 'b7': '7-SWIR2', 'b9': '9-CI'}
drad = {}
drad_min = {}
drad_max = {}
l = []
for i in os.listdir(path_rad):
if i.endswith('.rel'):
rel = os.path.join(path_rad, i)
elif i.endswith('.img') and not i.startswith('crt_'):
banda = str(i[-6:-4])
print banda, equiv[banda]
drad[banda] = 'C:\Miramon\canvirel 1 ' + rel + ' ATTRIBUTE_DATA:' + equiv[banda] + ' NomFitxer ' + i
drad_min[banda] = 'C:\Miramon\canvirel 1 ' + rel + ' ATTRIBUTE_DATA:' + equiv[banda] + ' min ' + '0.0001'
drad_max[banda] = 'C:\Miramon\canvirel 1 ' + rel + ' ATTRIBUTE_DATA:' + equiv[banda] + ' max ' + '1'
for i in sorted(drad.values()):
l.append(i + '\n')
for i in sorted(drad_min.values()):
l.append(i + '\n')
for i in sorted(drad_max.values()):
l.append(i + '\n')
l.append('C:\Miramon\canvirel 1 ' + rel + ' ATTRIBUTE_DATA NODATA 0\n')
l.append('C:\Miramon\canvirel 1 ' + rel + ' ATTRIBUTE_DATA unitats Refls')
bat = open(r'C:\Embalses\data\temp\rename_rad.bat', 'w')
bat.seek(0)
for i in l:
#print i
bat.write(i)
bat.close()
os.system(r'C:\Embalses\data\temp\rename_rad.bat')
def clean_rad(self):
'''-----\n
Este metodo borra los archivos originales saldos del corrad y renombra el resultado de pasarlo a valores entre 0 y 1'''
path_rad = os.path.join(self.rad, self.escena)
for i in os.listdir(path_rad):
if re.search('^[0-9].*img$', i) or re.search('^[0-9].*hdr$', i) or re.search('^[0-9].*doc$', i):
arc = os.path.join(path_rad, i)
os.remove(arc)
elif re.search('^crt_', i):
arc = os.path.join(path_rad, i)
dst = os.path.join(path_rad, i[4:])
os.rename(arc, dst)
def sr_sac(self):
pass
def run(self):
self.fmask()
self.fmask_legend()
self.get_hdr()
self.clean_ori()
self.createI_bat()
self.callI_bat()
self.get_kl_csw()
self.get_Nodtm()
self.get_dtm()
self.modify_rel_I()
self.createR_bat()
self.callR_bat()
self.rename_rad()
self.move_hdr()
self.modify_hdr_rad()
self.correct_sup_inf()
self.modify_rel_R()
self.clean_rad()