Sentinel-Hub Field Delineation 项目使用教程

1. 项目的目录结构及介绍

sentinel-hub/field-delineation/
├── fd/
│   ├── __init__.py
│   ├── module1.py
│   ├── module2.py
│   └── ...
├── input-data/
│   ├── aoi.geojson
│   ├── gsaa_parcels.gpkg
│   └── ...
├── notebooks/
│   ├── End2End.ipynb
│   ├── DataDownload.ipynb
│   └── ...
├── .gitignore
├── LICENSE
├── README.md
├── requirements-dev.txt
├── requirements.txt
├── setup.py
└── ...

目录结构介绍

• fd/: 包含项目的主要模块和功能实现代码。
• input-data/: 存储项目所需的输入数据文件，如AOI几何文件和参考GSAA地块边界文件。
• notebooks/: 包含示例Jupyter Notebook文件，展示如何执行项目的端到端工作流程。
• .gitignore: Git忽略文件，指定哪些文件和目录不应被版本控制。
• LICENSE: 项目的开源许可证文件。
• README.md: 项目的介绍和使用说明。
• requirements-dev.txt: 开发环境所需的Python依赖包。
• requirements.txt: 项目运行所需的Python依赖包。
• setup.py: 项目的安装脚本。

2. 项目的启动文件介绍

项目的启动文件主要位于notebooks/目录下，特别是End2End.ipynb文件。该文件展示了如何从数据下载到最终的矢量化结果生成整个端到端的工作流程。

End2End.ipynb

• 数据下载: 使用Sentinel-Hub Batch API下载Sentinel-2影像数据。
• 数据转换: 将下载的TIFF文件转换为EOPatches，并计算云掩膜。
• 矢量到栅格转换: 将参考矢量数据添加到EOPatches中，并创建用于模型训练的参考掩膜。
• Patchlets采样: 将EOPatches采样为更小的256x256 patchlets。
• Patchlets到npz文件: 将采样的patchlets存储为多个npz文件，以便在训练期间高效访问数据。
• 创建归一化统计: 计算S2波段（如B-G-R-NIR）的归一化因子。
• Patchlets分割为k折: 将patchlets分割为K折，以便进行稳健的交叉验证。
• 从缓存的npz文件训练模型: 训练k个模型，每个模型对应一个未使用的折。
• 预测EOPatches: 使用训练好的模型预测整个数据集的田块边界概率。
• 后处理预测: 合并预测结果并生成最终的矢量化结果。

3. 项目的配置文件介绍

requirements.txt

该文件列出了项目运行所需的Python依赖包及其版本。例如：

numpy==1.19.5
pandas==1.2.4
eo-learn==0.9.0
...

setup.py

该文件用于项目的安装和配置。通过运行以下命令可以安装项目：

pip install -r requirements.txt
python setup.py install --user

.gitignore

该文件指定了哪些文件和目录不应被Git版本控制，例如：

*.pyc
__pycache__/
*.log
*.npz
...

README.md

该文件提供了项目的介绍、安装说明和使用指南。建议在开始使用项目前仔细阅读该文件。

通过以上内容，您可以快速了解并开始使用Sentinel-Hub Field Delineation项目。