Landsat 8 OLI/TIRS

معرفی

Landsat 8 در فوریه ۲۰۱۳ پرتاب شد و تصاویر ماهواره‌ای با کیفیت بالا از سطح زمین ارائه می‌دهد. این ماهواره برای مطالعات تغییرات ارضی، کشاورزی و محیط زیست بسیار محبوب است.

ویژگی‌ها

باندها

نصب پیش‌نیازها

pip install pystac-client planetary-computer

دسترسی مستقیم با پایتون

جستجوی تصاویر

from pystac_client import Client
import planetary_computer

# اتصال به Planetary Computer STAC
catalog = Client.open(
    "https://planetarycomputer.microsoft.com/api/stac/v1",
    modifier=planetary_computer.sign_inplace,
)

# تعریف محدوده جغرافیایی (مثلاً تهران)
bbox = [51.0, 35.5, 51.8, 36.0]

# جستجوی تصاویر Landsat 8
search = catalog.search(
    collections=["landsat-c2-l2"],
    bbox=bbox,
    datetime="2023-01-01/2023-12-31",
    query={"platform": {"eq": "landsat-8"}},
    max_items=10,
)

# نتایج
for item in search.items():
    print(f"تاریخ: {item.properties['datetime']}")
    print(f"ابرپوشانی: {item.properties.get('eo:cloud_cover', 'نامشخص')}%")
    print(f"شناسه: {item.id}")
    print("---")

دانلود تصویر با فیلتر ابر

from pystac_client import Client
import planetary_computer

catalog = Client.open(
    "https://planetarycomputer.microsoft.com/api/stac/v1",
    modifier=planetary_computer.sign_inplace,
)

search = catalog.search(
    collections=["landsat-c2-l2"],
    bbox=[51.0, 35.5, 51.8, 36.0],
    datetime="2023-06-01/2023-06-30",
    query={
        "platform": {"eq": "landsat-8"},
        "eo:cloud_cover": {"lt": 20},  # کمتر از ۲۰٪ ابر
    },
    max_items=5,
)

for item in search.items():
    cloud = item.properties.get("eo:cloud_cover", "نامشخص")
    print(f"تاریخ: {item.properties['datetime']}, ابر: {cloud}%")

دانلود و خواندن باند حرارتی

import rasterio
import planetary_computer

items = list(search.items())
if items:
    item = items[0]

    # باند حرارتی
    thermal = item.assets["lwir11"]
    signed_url = planetary_computer.sign(thermal.href)

    with rasterio.open(signed_url) as src:
        data = src.read(1)
        # تبدیل به دمای کلوین (برای Landsat 8)
        import numpy as np
        kelvin = data * 0.00341802 + 149.0
        celsius = kelvin - 273.15
        print(f"دمای میانگین: {np.mean(celsius):.1f} درجه سانتیگراد")

لینک‌های مفید

• Planetary Computer
• بازنمایی Landsat 8