ndvi.py - develop - Seler1ty/DataSet_Pipeline

ndvi.py
125 строк4 KB
Seler1ty
-m update main.py; create ndvi.py, route_osm.py
11 дек 2025, 17:04
11 дек 2025, 17:04ea55bc9
import ee
import pandas as pd
import ast

# Инициализация Google Earth Engine
try:
    ee.Authenticate()
    ee.Initialize(project='golden-joy-474910-c0')
    print("✓ Google Earth Engine инициализирован")
except Exception as e:
    print(f"✗ Ошибка инициализации Google Earth Engine: {e}")

def mask_sentinel_clouds(image):
    """Маска облаков для Sentinel-2"""
    qa = image.select('QA60')
    cloud_bit_mask = 1 << 10
    cirrus_bit_mask = 1 << 11
    mask = qa.bitwiseAnd(cloud_bit_mask).eq(0) and qa.bitwiseAnd(cirrus_bit_mask).eq(0)
    return image.updateMask(mask)

def calculate_ndvi_for_polygon(coordinates):
    """Вычисляет среднее значение NDVI для полигона"""
    try:
        # Преобразуем координаты в формат (lon, lat) для Earth Engine
        points = []
        for coord in coordinates:
            # coord в формате (lat, lon) из CSV
            lat, lon = coord
            points.append([lon, lat])  # Earth Engine использует (lon, lat)

        if len(points) < 3:
            return 0.0

        # Создаем полигон
        aoi = ee.Geometry.Polygon(points)

        # Фильтруем коллекцию Sentinel-2
        sentinel_collection = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED') \
            .filterBounds(aoi) \
            .filterDate('2023-05-01', '2023-09-30') \
            .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20)) \
            .map(mask_sentinel_clouds)

        # Проверяем количество изображений
        collection_size = sentinel_collection.size().getInfo()
        if collection_size == 0:
            return 0.0

        # Создаем медианный композит
        composite = sentinel_collection.median()

        # Вычисляем NDVI: (NIR - Red) / (NIR + Red)
        # Для Sentinel-2: B8 - NIR, B4 - Red
        ndvi = composite.normalizedDifference(['B8', 'B4']).rename('NDVI')

        # Вычисляем среднее значение NDVI для полигона
        ndvi_value = ndvi.reduceRegion(
            reducer=ee.Reducer.mean(),
            geometry=aoi,
            scale=10  # Разрешение 10 метров
        ).get('NDVI')

        result = ndvi_value.getInfo()
        return float(result) if result is not None else 0.0

    except Exception as e:
        print(f"  Ошибка расчета NDVI: {e}")
        return 0.0

def add_ndvi_to_csv(input_csv, output_csv):
    """Добавляет колонку NDVI к паркам"""
    print(f"Добавление NDVI в {input_csv}...")

    try:
        # Читаем CSV
        df = pd.read_csv(input_csv)

        # Проверяем наличие колонки coordinates
        if 'coordinates' not in df.columns:
            print("✗ В файле нет колонки 'coordinates'")
            return False

        # Вычисляем NDVI для каждой строки
        ndvi_values = []
        total_rows = len(df)

        for i, row in df.iterrows():
            try:
                # Преобразуем строку с координатами в список
                coords = ast.literal_eval(row['coordinates'])

                # Вычисляем NDVI
                ndvi = calculate_ndvi_for_polygon(coords)
                ndvi_values.append(ndvi)

                # Прогресс
                if (i + 1) % 10 == 0:
                    print(f"  Обработано {i + 1}/{total_rows} строк")

                # Задержка для избежания лимитов API
                if (i + 1) % 50 == 0:
                    import time
                    time.sleep(2)

            except Exception as e:
                print(f"  Ошибка в строке {i}: {e}")
                ndvi_values.append(0.0)

        # Добавляем колонку NDVI
        df['ndvi'] = ndvi_values

        # Удаляем строки с нулевым NDVI
        original_count = len(df)
        df = df[df['ndvi'] > 0]
        removed_count = original_count - len(df)

        # Сохраняем результат
        df.to_csv(output_csv, index=False)

        print(f"✓ {input_csv}: добавлено {len(df)} строк, удалено {removed_count}")
        return True

    except Exception as e:
        print(f"✗ Ошибка при обработке {input_csv}: {e}")
        return False