****
Esri的ArcGIS Living Atlas团队最近发布了一系列用于遥感影像探索的开源Web应用软件。这套应用软件的核心组件包括Landsat Explorer、Sentinel-1 Explorer、Sentinel-2 Land Cover Explorer以及最新发布的Sentinel-2 Explorer。

每个应用软件都针对特定的卫星数据源进行了优化,为用户提供了直观的界面来访问和分析卫星数据。软件功能包括动态模式下的最佳场景自动选择、场景查找器、图像对比分析、时序动画生成等功能。特别值得一提的是其变化检测能力,用户可以通过光谱指数(如NDVI)来分析植被、水体等地表要素的变化。例如,在监测科罗拉多火灾影响时,应用程序可以清晰地展示火灾前后的植被损失情况。
技术实现方面,这些应用程序基于ArcGIS Maps SDK for JavaScript开发,构建和部署采用Node.js环境,使用npm进行包管理和构建流程控制。这些应用程序的源代码已发布在github网站上。
开源代码访问地址:https://github.com/Esri/imagery-explorer-apps

Landsat Explorer
Landsat Explorer让用户能够通过友好的界面轻松探索和挖掘Landsat卫星影像所蕴含的丰富信息。核心功能包括:
- 动态全球镶嵌:用户可以直接浏览由最佳可用Landsat场景组成的动态全球镶嵌影像,实现无缝、高效的全球数据访问。
- 实时波段组合与指数计算:支持用户根据需求实时生成多光谱波段组合和各种常用指数(如植被指数、水体指数),用于数据可视化和分析。
- 交互式场景检索:用户可以根据地理位置、传感器、时间范围和云量等条件,快速、精确地查找所需的Landsat场景,大大提升数据检索的效率。
- 时空变化分析:提供强大的时空变化分析功能,用户可以通过滑动(Swipe)和动画(Animation)模式比较不同时间或不同渲染的影像,直观地观察和理解地表变化。
- 专业分析工具:集成阈值掩膜和时序剖面等专业分析工具,可用于植被、水体、地表温度等专题信息的提取和分析。

要运行 Landsat Explorer,需要在 .env 配置文件中配置 LANDSAT_SERVICE_PROXY_URL_DEV 和 LANDSAT_SERVICE_PROXY_URL_PROD 两个环境变量,分别指向 Landsat Level-2 数据的开发环境和生产环境的服务代理 URL。
Service proxy URL for Landsat-Level-2 in development environment
LANDSAT_SERVICE_PROXY_URL_DEV = https://dev.landsat.service.proxy.url
Service proxy URL for Landsat-Level-2 in production environment
LANDSAT_SERVICE_PROXY_URL_PROD = https://prod.landsat.service.proxy.url
Specifies the service tier for the application, either development or production
This is used to determine which service proxy URL to use
SERVICE_TIER = development
访问地址:https://livingatlas.arcgis.com/landcoverexplorer/
Sentinel-2 Land Cover Explorer:土地覆盖浏览器
土地利用/土地覆盖(LULC)数据对于许多行业和国家的决策者而言至关重要。这些数据有助于更好地理解和量化地球过程和人类活动的影响,为政策制定和土地管理提供科学依据。
Sentinel-2土地覆盖浏览器利用 Sentinel-2 卫星 10 米分辨率的LULC数据,提供动态的可视化和统计分析功能,帮助用户探索和分析土地覆盖随时间的变化。其主要功能包括:
- 可视化变化检测:支持步进模式(Step Mode)和滑动模式(Swipe Mode),用户可以直观地比较不同时期的土地覆被情况。
- 动态统计分析:可以基于年份、地图范围和土地覆被类别进行动态的统计分析,定量评估土地覆被变化。
- 类型筛选与区域统计:用户可以按土地覆被类型进行筛选,并按行政边界汇总区域统计信息,方便进行特定类型或区域的分析。
- 影像模式与动态渲染:提供多种影像模式供用户选择,并支持动态调整影像渲染,以优化可视化效果。
- 数据下载:支持数据下载功能,方便用户离线使用。

运行Sentinel-2****Land Cover Explorer,需使用 bash npm run start:landcover命令启动。构建应用则使用bash npm run build:landcover命令,并将构建文件部署到 /dist/landcoverexplorer 目录。
Sentinel-1 Explorer:利用SAR影像追踪地表变化
Sentinel-1 合成孔径雷达(SAR)影像在监测与气候变化、城市化、干旱、野火、森林砍伐等相关的土地利用和土地覆被变化方面具有独特优势。
Sentinel-1 Explorer 应用软件帮助用户探索和利用 Sentinel-1 SAR 数据。其主要功能包括:
- 动态全球镶嵌:浏览由最佳可用Sentinel-1影像组成的动态全球镶嵌影像。
- 实时波段组合与指数计算:支持用户实时生成多光谱波段组合和指数,用于 SAR 数据的可视化和分析。
- 交互式场景检索:根据位置、传感器、时间和云量查找所需的 Sentinel-1 场景。
- 时空变化分析:通过滑动和动画模式,比较不同时间或渲染的影像,观察地表变化。
- 高级分析工具:阈值掩膜和时序剖面分析工具可用于植被、水体、地表温度等专题信息的提取。

要运行 Sentinel-1 Explorer,需要在 .env 文件中配置 SENTINEL1_SERVICE_PROXY_URL_DEV 和 SENTINEL1_SERVICE_PROXY_URL_PROD,分别指向 Sentinel-1 RTC 数据的开发和生产环境的服务代理 URL。
Service proxy URL for Sentinel-1 in development environment
SENTINEL1_SERVICE_PROXY_URL_DEV = https://dev.sentinel1.service.proxy.url
Service proxy URL for Sentinel-1 in production environment
SENTINEL1_SERVICE_PROXY_URL_PROD = https://prod.sentinel1.service.proxy.url
Specifies the service tier for the application, either development or production
This is used to determine which service proxy URL to use
SERVICE_TIER = development
访问地址:https://livingatlas.arcgis.com/sentinel1explorer/
Sentinel-2 Explorer:新一代 Sentinel-2 数据探索平台
Sentinel-2多光谱影像广泛应用于土地利用和土地覆被变化监测,以及与气候变化、城市化、灾害等相关的研究。
Sentinel-2 Explorer是新一代的Sentinel-2数据探索平台,它基于Sentinel-2 Level-2A多光谱影像,并利用ArcGIS Maps SDK for JavaScript开发,提供更便捷、更强大的数据访问和分析能力。

该应用的主要功能包括:
- 动态模式: 默认模式下,自动优先选择最新的、云量最少的Sentinel-2卫星影像,并将其动态融合成单一的镶嵌图层。当用户进行地图平移和缩放时,系统会持续获取和渲染最佳可用场景。用户可以选择不同的光谱渲染方式,突出显示不同类型的地表信息。

- 场景查找: 支持按年、月、日选择单个Sentinel-2场景。日历默认显示过去12个月的可用场景,并可根据云量进行筛选。符合云量阈值的场景会以实心填充方式高亮显示。用户可以将鼠标悬停在方格上查看信息提示,点击后即可在地图视图中加载该场景。场景信息面板会提供详细的元数据信息。

- 卷帘对比(Swipe): 允许用户选择两个场景进行直观的差异对比。除了比较不同日期的场景,用户还可以对比同一日期的不同渲染效果。以2020年科罗拉多Cameron Peak火灾为例,通过短波红外光谱渲染,可以清晰地看到火灾前后的差异:右侧图像中紫红色区域显示了燃烧痕迹,橙色斑点则表示活跃的火点。

- 动画模式(Animate): 支持创建时序动画。用户可以通过”添加场景”功能选择多个时间点的影像,设置帧率后即可播放动画,还可以将动画导出为MP4格式。例如,通过这个功能可以展示沙特阿拉伯Tubarjal地区沙漠中心轴灌溉农田随季节变化的情况。

- 指数掩膜: 利用波段运算得到的光谱指数来衡量水分、植被等要素的相对丰度。用户可以通过滑块动态调整阈值,系统会实时显示满足条件的区域。例如,可以仅显示NDVI值大于0.6的密集植被区域。

- 时序剖面: 用于检测类别随时间的变化趋势。用户可以选择”年度”模式查看长期变化模式,或选择”月度”模式分析一年内的季节性波动。通过点击感兴趣区域,可以查看该点的植被指数(NDVI)等参数的时间序列变化。

- 光谱剖面(Spectral Profile):展示多光谱遥感的核心优势。通过采集地表材料的光谱响应样本,系统可以建立材料的光谱特征库。用户点击地图上任意位置,系统会生成该点的光谱曲线,并尝试与预定义的光谱特征进行匹配。

- 变化检测: 计算两个时期影像之间的差异。用户可以基于植被、水分等指数创建变化掩膜,进而进行更深入的分析。例如,在评估野火影响时,可以快速计算并可视化植被损失的范围和面积。

Sentinel-2 Explorer访问地址:
References
本公众号相关内容推荐
- 迄今最大规模基于Sentinel的AI-Ready数据集:Major TOM
- 20个用于卫星观测数据可视化的Python库
- Google发布AI天气预报系统实时与历史预报数据
- OceanSpy:一个提供海洋数值模式数据分析和可视化的Python包
- Segment-geospatial: 地理空间图像分割开源Python工具包
- DeepSeek AI创新:颠覆传统,重新定义大模型开发范式
- 大语言模型在科学研究中的应用
- 6个用于清洗地理空间数据的Python工具库
- AllClear:用于卫星影像云去除的综合数据集
- 深度学习技术在地理空间人工智能(GeoAI)中的应用
- xgcm-通用环流模式后处理Python工具包
- GeoAI:地理信息与人工智能的交叉融合
- 深度学习提升全球海洋涡旋动力学卫星观测能力
- 基于xarray扩展的开源地图可视化Python库
- NOAA 发布世界磁场模型 WMM2025
- 推荐10个用于处理GIS和遥感数据的Python库
- ECMWF的AI天气预报系统AIFS开放模型权重参数
- The Well:可用于机器学习研究的15TB 物理模拟数据集
- 推荐6个美化Matplotlib可视化样式的python库
- AI天气模型的现状与未来
- 流式传输和渲染可视化三维地理空间数据
- GIS领域常用的24种数据格式
- 一种基于图神经网络的三维建筑模型重建方法
- WebGIS技术栈推荐
- 使用Python工具可视化大型图网络
- 使用NetworkX提取图网络特征
- Argo海洋观测数据处理分析python库:ArgoPy
- 在Jupyter环境中创建交互式可视化地图
- 处理和可视化地理空间数据的Python库:EarthPy
- 地理空间深度学习python库:TorchGeo
- 遥感数据分析python库scikit-eo
- 图网络的应用场景及图分析python库
- 使用Python和NetworkX创建并可视化图网络(Graph Network)
- OpenResearcher:一个开源科学研究AI助理
- NeuralGCM: 一种融合机器学习与物理原理来模拟地球大气的新方法
- Transformer Explainer:文本生成模型交互式可视化工具
- 用于探索性数据分析(EDA)的开源python库
- 分享一个构建交互式D3js可视化的Python库
- 推荐15个图网络可视化python软件包
- 9个提升科研效率的软件工具
- 生成式人工智能模型颠覆传统天气预报
- 分享5个python可视化图表工具