A szkript szabadon elérhető és szabadon módosítható.
További információk a letöltési oldalon.
Hőortofotók lépésről lépésre történő elemzése
A városi hőszigetek feltérképezésének egyik leghatékonyabb módja a felülről készített hőképek elemzése. Az alábbiakban bemutatunk egy Python szkriptet, amely automatikusan értékeli, csoportosítja és vizualizálja a tetők, utcák és egyéb felületek hőmérsékletét.
Miért hasznos ez a szkript?
- Egyetlen futtatás során összehasonlítja a vizuális ortofotót a hőképekkel.
- Kiszűri az árnyékokat, hogy azok ne torzítsák a statisztikákat.
- Csoportosítja a tetőket és utcákat szín és anyag szerint.
- Részletes statisztikákat készít (minimális, maximális, átlagos, medián, szórás).
- Végül PNG grafikonokat generál, hogy az eredmények azonnal bemutathatók legyenek.
A feldolgozás menete 9 lépésben
1. Bevitel ellenőrzése
Betölti az ortofotót, a hőképet, a struktúra maszkot és a színpalettát; ellenőrzi a paramétereket. cv2, argparse
2. Előfeldolgozás
Képátméretezés, fényerő normalizálás, tető és út maszkolás kivágása. cv2, numpy
3. Árnyék azonosítás
(opcionális) A tető árnyék pixelek egy fényerő küszöbérték alapján kiszűrésre kerülnek. numpy
4. Hőmérséklet → °C átváltás
A paletta alapján minden hőpixelhez hozzárendel egy hőmérsékletet; az eredményt a gyorsítótárba menti. numpy
5. Színcsoportosítás
A K-Means algoritmust használja a tetők és utcák színeinek/anyagainak n klaszterekbe történő felosztására. sklearn.cluster.KMeans
6. Hőstatisztika
Kiszámítja az egyes klaszterek min-max-átlag-medián-szórás értékeit, és megnevezi a színcsoportot (pl. „Friss aszfalt”). custom dep.
7. Lefedettség mérése
Megmondja, hogy a teljes maszk hány százaléka tető vagy utca. numpy
8. Grafikonok létrehozása
Hőmérsékleteloszlás (hibahatárokkal)• Fedettség + átlagos hőmérséklet matplotlib
9. Naplózás és mentés
Konzolnapló, PNG grafikonok, opcionális hibakeresési képek, gyorsítótárban tárolt .npy hőtérkép. logging, os