/
biomass_area_estimated.py
626 lines (388 loc) · 16 KB
/
biomass_area_estimated.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
#
#//Main code body written by: Pedro Rodriguez-Veiga (1)
#//(1) National Centre for Earth Observation - University of Leiceicester (UK)
#//(2) IDEAM - Institute of Hydrology, Meteorology and Environmental Studies (Colombia)
#//Purpose: Development Colombia's aboveground biomass map algorithm
#//Current version: 5.1
#Adapted code algorithm by Yilsey Benavides in Datacube Colombia IDEAM
#//Improvements current version:
#// - AGB estimated using Chave et al. and Alvarez et al. type I allometries
#// - New dataset: ALOS-2 PALSAR-2 composite co-registered to Sentinel-1 (SAR-to-SAR)
#// - The k-fold cross-validation was converted to loop functions
#// - The PPM validation is now completely independent (the corresponding conglomerados within the the same location are not used for kfold cal/val)
#// - Error propagation on the uncertainty layer (RMSE or Rel_RMSE)
#// - New values for the propagation error parameters (Ea, Es, etc)
#// - Use "reduceRegions" instead of "sampleRegions" to extract signatures/AGB for cal/val
#// - Improvements in the loop to optimize the processing
#// - Some unused code was removed
#!/usr/bin/env python
# coding: utf-8
#
# ### Parámetros
# In[1]:
execID=1
algorithm = "RandomForestReg"
version= "1.0"
# In[2]:
products = ['LS8_OLI_LASRC'] #Productos sobre los que se hará la consulta (unidades de almacenamiento)
bands=["red","nir", "swir1","swir2"] #arreglo de bandas #"blue","green",
time_ranges = [("2016-01-01", "2016-02-25")] #Una lista de tuplas, cada tupla representa un periodo
#área sobre la cual se hará la consulta:
min_long = -73
min_lat = 11
max_long = -72
max_lat = 12
# In[3]:
normalized=True
minValid=1;
nodata=-9999
# ### Librerías
# In[4]:
import datacube
from datacube.storage import netcdf_writer
from datacube.model import Variable, CRS
import os
import re
import xarray as xr
import numpy as np
import gdal
from sklearn.ensemble import RandomForestRegressor
from sklearn.datasets import make_regression
from sklearn import metrics
from sklearn.metrics import cohen_kappa_score
# In[6]:
from sklearn.ensemble import RandomForestRegressor
from sklearn.externals import joblib
from sklearn.utils.multiclass import unique_labels
import datetime
import matplotlib.pyplot as plt
# ### Funciones
# In[7]:
##ULTIMA FUNCION DEFINIDA
def rasterizar_entrenamiento(file_Shape, pValFilter, pAttrFil, pAttrAGB,rows, cols, geo_transform, projection):
labeled_pixels = np.zeros((rows, cols)) # imagen base de zeros donde empieza a llenar
dataSource = gdal.OpenEx(file_Shape, gdal.OF_VECTOR)
#layer = dataSource.GetLayer(0)
layer.SetAttributeFilter(pAttrFil + " <> " + "'" + str(pValFilter) + "'")
print(layer.GetFeatureCount())
pClasesAGB = []
#lee todos los poligonos para extraer el numero de clases en el arreglo
for feature in layer:
pClasesAGB.append(feature.GetField(pAttrAGB))
pClasesAGB = list(dict.fromkeys(pClasesAGB)) # remueve Duplicados
print(pClasesAGB)
pClase = 0
for val in pClasesAGB:
layer.SetAttributeFilter(pAttrAGB + " = " + "'" + str(val))
print("AGB:", val , "nroPol:", layer.GetFeatureCount())
driver = gdal.GetDriverByName('MEM')
target_ds = driver.Create('', cols, rows, 1, gdal.GDT_UInt16)
target_ds.SetGeoTransform(geo_transform)
target_ds.SetProjection(projection)
gdal.RasterizeLayer(target_ds, [1], layer, burn_values=[val]) ## Asigna el valor de label al poligono
band = target_ds.GetRasterBand(1)
labeled_pixels += band.ReadAsArray()
return labeled_pixels
# In[8]:
def ValidarClass(plyr, pValFilter, pAttrFil, pAttrAGB, geo_transform, projection, kFoldImg):
rows, cols = kFoldImg.shape
labeled_pixels = np.zeros((rows, cols)) # imagen base de zeros donde empieza a llenar
layer.SetAttributeFilter(pAttrFil + " = " + "'" + str(pValFilter) + "'") #### Con este filtra
print("Nro Poligonos para el Kfold", str(pValFilter), " = ", layer.GetFeatureCount())
pClasesAGB = []
for feature in layer:
pClasesAGB.append(feature.GetField(pAttrAGB))
pClasesAGB = list(dict.fromkeys(pClasesAGB)) # remueve Duplicados si hay dos o mas poligonos con el mismo AGB
for val in pClasesAGB:
layer.SetAttributeFilter(pAttrAGB + " = " + str(val)) #### Con este filtra
print("AGB:", val , "nroPol:", layer.GetFeatureCount())
driver = gdal.GetDriverByName('MEM')
target_ds = driver.Create('', cols, rows, 1, gdal.GDT_UInt16)
target_ds.SetGeoTransform(geo_transform)
target_ds.SetProjection(projection)
gdal.RasterizeLayer(target_ds, [1], layer, burn_values=[val]) ## Asigna el valor de label al poligono
band = target_ds.GetRasterBand(1)
### Valida el poligono contra los datos del shape
pImgPol = np.array(band.ReadAsArray())
pClassImaKfold = np.array(kFoldImg)
n_samples = rows*cols
imagRes = np.where(pImgPol.reshape((n_samples, 1)) > 0, pClassImaKfold.reshape((n_samples, 1)), 0)
print("AGB en Shp: ", str(val),"Media Calculada:", np.mean(imagRes[imagRes != 0]))
labeled_pixels += imagRes.reshape((rows, cols))
return labeled_pixels
# In[ ]:
# In[9]:
def exportar(fname, data, geo_transform, projection):
driver = gdal.GetDriverByName('GTiff')
rows, cols = data.shape
dataset = driver.Create(fname, cols, rows, 1, gdal.GDT_Byte)
dataset.SetGeoTransform(geo_transform)
dataset.SetProjection(projection)
band = dataset.GetRasterBand(1)
band.WriteArray(data)
dataset = None
# In[12]:
dc = datacube.Datacube(app="{}_{}_{}".format(algorithm,version,execID))
# ### Datos de entrenamiento
# In[13]:
train_data_path = '/home/cubo/jupyter/Biomasa/ipcc'
# ## Consulta base de datos CDCol -IDEAM
# ### Máscara de nubes
#
# Con el nuevo formato, los valores de `pixel_qa` dependen del producto. Para crear la máscara de nubes, se determinan los valores válidos para el producto actual y se usa la banda `pixel_qa` para generar un arreglo de datos booleanos: Para cada posición, si el valor de pixel_qa está en la lista de valores válidos será `True`, en caso contrario será `False`.
# In[14]:
kwargs={}
dc = datacube.Datacube(app="{}_{}_{}".format(algorithm,version,execID))
for product in products:
i=0
validValues=set()
if product=="LS7_ETM_LEDAPS":
validValues=[66,68,130,132]
elif product == "LS8_OLI_LASRC":
validValues=[322, 386, 834, 898, 1346, 324, 388, 836, 900, 1348]
for tr in time_ranges:
_data = dc.load(product=product, longitude=(min_long, max_long), latitude=(min_lat, max_lat), time=tr)
if len(_data.data_vars)==0:
break
cloud_mask=np.isin(_data["pixel_qa"].values, validValues)
for band in bands:
_data[band].values=np.where(np.logical_and(_data.data_vars[band]!=nodata,cloud_mask),_data.data_vars[band], np.nan)
_undesired=list(set(_data.keys())-set(bands+['latitude','longitude','time']))
_data=_data.drop(_undesired)
if "xarr"+str(i) in kwargs:
kwargs["xarr"+str(i)]=xr.concat([kwargs["xarr"+str(i)],_data.copy(deep=True)], 'time')
else:
kwargs["xarr"+str(i)]=_data
i+=1
del _data
# In[15]:
#El algoritmo recibe los productos como xarrays en variablles llamadas xarr0, xarr1, xarr2...
xarr0=kwargs["xarr0"]
del kwargs
# ### Consulta RADAR ALOS
# In[16]:
_data3 = dc.load(product="ALOS2_PALSAR_MOSAIC", longitude=(min_long, max_long), latitude=(min_lat, max_lat), time=("2016-01-01", "2016-12-31"))
# In[17]:
xarr0['hh']=_data3['hh']
xarr0['hv']=_data3['hv']
# ### Cálculo Índices Radar
# In[18]:
banda1=_data3['hh']
banda2=_data3['hv']
# #### Cálculo índice 1 RDFI
# In[19]:
RDFI =(banda1-banda2)/(banda1+banda2)
# In[20]:
#LPR
s1 = (banda1+banda2)
s2 =(banda1-banda2)
s3 = 2 * (banda1 **(1/2))*(banda2 **(1/2)) * np.cos(banda1-banda2)
s4 =2 * (banda1 **(1/2))*(banda2 **(1/2)) * np.sin(banda1-banda2)
LPR =(s1+s2)/(s1-s2)
# #### Cálculo índice 2 CPR
# In[21]:
SC = 0.5*s1 - 0.5 * s4
OC = 0.5*s1 + 0.5 * s4
CPR =(SC/OC)
m = (((s2**2)+(s3**2)+(s4**2))**(1/2))/s1
# ## Compuesto temporal de medianas libre de nubes
# In[22]:
medians={}
for band in bands:
datos=xarr0[band].values
allNan=~np.isnan(datos) #Una mascara que indica qué datos son o no nan.
if normalized: #Normalizar, si es necesario.
#Para cada momento en el tiempo obtener el promedio y la desviación estándar de los valores de reflectancia
m=np.nanmean(datos.reshape((datos.shape[0],-1)), axis=1)
st=np.nanstd(datos.reshape((datos.shape[0],-1)), axis=1)
# usar ((x-x̄)/st) para llevar la distribución a media 0 y desviación estándar 1,
# y luego hacer un cambio de espacio para la nueva desviación y media.
datos=np.true_divide((datos-m[:,np.newaxis,np.newaxis]), st[:,np.newaxis,np.newaxis])*np.nanmean(st)+np.nanmean(m)
#Calcular la mediana en la dimensión de tiempo
medians[band]=np.nanmedian(datos,0)
#Eliminar los valores que no cumplen con el número mínimo de pixeles válidos dado.
medians[band][np.sum(allNan,0)<minValid]=np.nan
del datos
# In[23]:
rows, cols = medians[bands[0]].shape
# ## Cálculo de Índices datos ópticos CDCol - IDEAM
# In[24]:
medians["ndvi"]=(medians["nir"]-medians["red"])/(medians["nir"]+medians["red"])
# In[26]:
medians["ndmi"]=(medians["nir"]-medians["swir1"])/(medians["nir"]+medians["swir1"])
# In[27]:
medians["nbr"]=(medians["nir"]-medians["swir2"])/(medians["nir"]+medians["swir2"])
# In[42]:
medians["nbr2"]=(medians["swir1"]-medians["swir2"])/(medians["swir1"]+medians["swir2"])
# In[28]:
medians["savi"]=(medians["nir"]-medians["red"])/(medians["nir"]+medians["red"]+1)*2
# In[29]:
medians['rdfi']=RDFI[0].values
# In[30]:
medians['cpR']=CPR[0].values
# In[31]:
medians['hh']=banda1[0].values
# In[32]:
medians['hv']=banda2[0].values
# In[33]:
bands=list(medians.keys())
bands
# In[43]:
_coords=xarr0.coords
_crs=xarr0.crs
# In[44]:
rows, cols = medians[bands[0]].shape
# In[45]:
rows, cols
# In[46]:
#rows, cols = medians[bands[0]].shape
#(originX, pixelWidth, 0, originY, 0, pixelHeight)
geo_transform=(_coords["longitude"].values[0], 0.000269995,0, _coords["latitude"].values[0],0,-0.000271302)
proj=_crs.wkt
#proj='GEOGCS["WGS 84",DATUM["WGS_1984",SPHEROID["WGS 84",6378137,298.257223563,AUTHORITY["EPSG","7030"]],TOWGS84[0,0,0,0,0,0,0],AUTHORITY["EPSG","6326"]],PRIMEM["Greenwich",0,AUTHORITY["EPSG","8901"]],UNIT["degree",0.0174532925199433,AUTHORITY["EPSG","9122"]],AUTHORITY["EPSG","4326"]]'
# ### Clasificacion y regresion de Random Forest
# #### Preparación de insumos vector
# In[47]:
files = [f for f in os.listdir(train_data_path) if f.endswith('.shp')]
classes = [f.split('.')[0] for f in files]
shapefiles = [os.path.join(train_data_path, f) for f in files if f.endswith('.shp')]
# In[48]:
pValFilter= 1
pAttributo = 'k10'
pAttrAGB = 'cha_HD'
labeled_pixels = np.zeros((rows, cols)) # imagen base de zeros donde empieza a llenar
dataSource = gdal.OpenEx(shapefiles[0], gdal.OF_VECTOR)
layer = dataSource.GetLayer(0)
# In[49]:
pClasesName = []
for feature in layer:
pClasesName.append(feature.GetField(pAttributo))
pClasesName = list(dict.fromkeys(pClasesName)) # remueve Duplicados
print(pClasesName)
# In[50]:
ImagesTrain = []
for K in pClasesName: # Recorre los ipcc o Kfold
pima = rasterizar_entrenamiento(shapefiles[0], K, pAttributo, pAttrAGB, rows, cols, geo_transform, proj) #rasteriza todos menos el kfold
ImagesTrain.append(pima)
##############con la imagen rasterizada se realiza clasificacion en esta parte del codigo para cada uno de los K-fold ##################
# #### Iniciando clasificación Random Forest regressor
# In[51]:
start = datetime.datetime.now()
print ('Comenzando Clasificacion: %s\n' % (start) )
kClasificaciones = []
# Parametros de la clasificacion
maxDepth=2
RandState=0
NroEstimator=10
# #### Clasificación y mapa de salida para cada kfold
# In[52]:
for i in range(0,len(ImagesTrain)):
print("Clasificando K-fold", i+1)
labeled_pixels=ImagesTrain[i]
is_train = np.nonzero(labeled_pixels)
training_labels = labeled_pixels[is_train]
###
#datosBandas = src_ds.ReadAsArray()
####
#bands_data = np.dstack(datosBandas)
bands_data=[]
for band in bands:
bands_data.append(medians[band])
bands_data = np.dstack(bands_data)
training_samples = bands_data[is_train]
np.isfinite(training_samples)
_msk=np.sum(np.isfinite(training_samples),1)>1
training_samples= training_samples[_msk,:]
training_labels=training_labels[_msk]
#mascara valores nan por valor no data
mask_nan=np.isnan(training_samples)
training_samples[mask_nan]=-9999
##Clasificación RF por regresión
classifier = RandomForestRegressor(max_depth= maxDepth, random_state=RandState, n_estimators=NroEstimator)
classifier.fit(training_samples, training_labels)
rows, cols, n_bands = bands_data.shape
n_samples = rows*cols
flat_pixels = bands_data.reshape((n_samples, n_bands))
#mascara valores nan por valor no data
mask_nan=np.isnan(flat_pixels)
flat_pixels[mask_nan]=-9999
flat_pixels = bands_data.reshape((n_samples, n_bands))
result = classifier.predict(flat_pixels)
classification = result.reshape((rows, cols))
kClasificaciones.append(classification)
# In[ ]:
fig, axs = plt.subplots(1, 3, figsize=(20,10))
pCont = 0
for ax, pIma in zip(axs, kClasificaciones):
ax.set_title('Class Kfold ' + str(pCont))
ax.imshow(pIma)
pCont += 1
# In[76]:
import matplotlib.pyplot as plt
plt.imshow(ImagesVal[0])
# #### Validación de los kfold con valores de AGB del poligono
# In[53]:
#valid = ValidarClass(lyr, K, pAttributo, pAttrAGB, gt, proj, kClasificaciones[0])
ImagesVal1 = []
k=10
pContKfold = 0
for K in pClasesName: # Recorre los ipcc o Kfold
valid = ValidarClass(shapefiles[0], K, pAttributo, pAttrAGB, geo_transform, proj, kClasificaciones[pContKfold]) #rasteriza todos menos el kfold
ImagesVal1.append(valid)
k=k+1
pContKfold += 1
print(k)
# ### Algoritmo validado y estructurado hasta aquí , las siguientes lineas se encuentran en desarrollo
# #### Medianas de salida
# In[165]:
ImagesVal1[0].mean()
# In[ ]:
fig, axs = plt.subplots(1,3, figsize=(20,10))
pCont = 0
for ax, pIma in zip(axs, kClasificaciones):
ax.set_title('Class Kfold ' + str(pCont))
ax.imshow(pIma)
pCont += 1
# In[ ]:
import matplotlib.pyplot as plt
plt.imshow(labeled_pixels)
# In[ ]:
labeled_pixels.min()
# In[ ]:
is_train = np.nonzero(labeled_pixels)
training_labels = labeled_pixels[is_train]
training_labels
# ##Listado dimensiones de insumos
# for i in range(13):
# medians[bands[i]].shape
# print(medians[bands[i]].shape)
# In[ ]:
exportar("salida-class-rfr.tiff", classification, geo_transform, proj)
### percent 5 , 95 del arreglo de clasificaciones
percentClasificaciones=[]
for i in range(0,len(kClasificaciones)):
percent=np.percentile(kClasificaciones[i],q=[5,95])
percentClasificaciones.append(percent)
print(percentClasificaciones)
# ## Preparar la salida
# La salida de los algoritmos puede expresarse como:
# - un xarray llamado output (que debe incluir entre sus atributos el crs del sistema de coordenadas)
# - un diccionario con varios xarray llamado `outputs`
# - Texto, en una variable llamada `outputtxt`
# In[ ]:
import xarray as xr
ncoords=[]
xdims =[]
xcords={}
for x in _coords:
if(x!='time'):
ncoords.append( ( x, _coords[x]) )
xdims.append(x)
xcords[x]=_coords[x]
variables={}
#variables ={k: xr.DataArray(v, dims=xdims,coords=ncoords)
# for k, v in medians.items()}
variables["classification"]=xr.DataArray(kClasificaciones,dims=xdims,coords=ncoords)
output=xr.Dataset(variables, attrs={'crs':_crs})
for x in output.coords:
_coords[x].attrs["units"]=_coords[x].units