DHOB (IU5SGN)

venerdì 28 giugno 2024

Tour de France Firenze Gran Depart

Poagcar

Wout Van Aert


Vingegaard

Van Der Poel

giovedì 27 giugno 2024

Led e sensori AS7265x

Illuminando lo spectralon con tutti i led accesi di AS7265 la risposta in radianza e' la seguente. Come si vede il massimo di illuminazione e' intorno ai 400 nm e deriva da contributo del led UV e del led White

Il picco a 870 nm deriva dal centro di emissione del led IR

Non riesco a giustificare il picco a circa 600 nm

Spettro di emissione dei led da datasheet

White Led (Visibile)


IR Led

UV Led

questo e' il grafico di risposta spettrale dei 18 canali dei sensori

mercoledì 26 giugno 2024

Primo spettro di riflettanza con SparkFun Triad Spectroscopy Sensor - AS7265x

Lo spettro di riflettanza e' stato ottenuto dividendo il valore calibrato della foglia per il valore calibrato nel corrispondente canale dello spectralon

	spettro	spectralon	foglia
410	0.104046939572376	7631.94	794.08
435	0.100663330010594	1916.09	192.88
460	0.0941060471276098	5496.99	517.3
485	0.0846332588803228	2220.64	187.94
510	0.127077186925102	2647.21	336.4
535	0.209306506039295	3170.9	663.69
560	0.204982889816192	1385.14	283.93
585	0.171727663387711	1473.03	252.96
610	0.0880803424432005	4555.5	401.25
645	0.121946929339632	795.92	97.06
680	0.123669783940664	1054.34	130.39
705	0.278338126099833	232.99	64.85
730	0.766924924721724	295.57	226.68
760	0.718044428259286	219.68	157.74
810	0.575862515972518	539.99	310.96
860	1.02470169644788	2543.55	2606.38
900	0.777308820373417	139.79	108.66
940	0.344453330286759	87.53	30.15

Primi passi con SparkFun Triad Spectroscopy Sensor - AS7265x

Primi approcci per vedere se il sensore multispettrale e' affidabile per l'uso multispettrale

In questo prova e' stata verificata la ripetibilita' nel tempo delle misure ponendo il sensore su uno spectralon ed effettuando 350 misure di bianco (il supporto del sensore e' stato ripreso da qui https://github.com/Scottapotamas/AS7265x-triad-ui/tree/master/mechanical)

Lo script per la misura ha previsto il massimo tempo di integrazione (con valori bassi in IR praticamente non c'era segnale)

sensor.setGain(AS7265X_GAIN_16X);
sensor.setMeasurementMode(AS7265X_MEASUREMENT_MODE_6CHAN_ONE_SHOT);

sensor.setIntegrationCycles(255);

L'errore per ogni canale e' stato stimato prendendo la standard deviation e dividendo per la media

A	0.44%
B	0.49%
C	0.25%
D	0.34%
E	0.05%
F	0.05%
G	0.07%
H	0.07%
R	0.10%
I	0.07%
S	0.09%
J	0.08%
T	0.13%
U	0.00%
V	0.37%
W	0.74%
K	1.55%
L	0.56%

Come si deve l'errore e' piuttosto vario tra i vari canali

Plottando la misura di ogni canale nel tempo si osserva una chiara deriva per ogni canale con in alcuni casi l'accenno di un valore asintotivo mentre in altri no

La Dark Current e' stabile (prova su 450 misure)

	A	B	C	D	E	F	G	H	R	I	S	J	T	U	V	W	K	L
St Dev	0.00	0.00	0.00	0.00	0.00	0.00	0.03	0.00	0.00	0.00	0.46	0.00	0.40	0.40	0.27	0.00	0.00	0.00
Media	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.41	1.02	0.00	0.80	0.83	0.84	1.08	0.64	0.00

giovedì 20 giugno 2024

Geologi

E so anche espatriare senza praticamente toccare strada asfaltata

sabato 1 giugno 2024

Campagna verita' a terra Fieldspec

Un ricordo dal passato (2010)

venerdì 31 maggio 2024

Download and process Sentinel 5P data

Per scaricare in automatico i dati Sentinel ho utilizzato il progeto CDSETool

ho creato un file shape in coordinate WGS86 4236 nel folder dello script

from cdsetool.query import query_features, shape_to_wkt
from cdsetool.credentials import Credentials
from cdsetool.download import download_features
from cdsetool.monitor import StatusMonitor
from datetime import date

#chiavi di ricerca per Sentinel 5
# dict_keys(['maxRecords', 'index', 'page', 'identifier', 'geometry', 'box', 'lon', 'lat', 'radius', 'startDate', 'completionDate', 
# 'productIdentifier', 'productType', 'processingLevel', 'platform', 'instrument', 'orbitNumber', 'sensorMode', 
# 'updated', 'publishedAfter', 'publishedBefore', 'sortParam', 'sortOrder', 'status', 'exactCount', 'processingBaseline'])


PASSWORD_SENTINEL_ESA = "xxxxxxxx" 
USER_SENTINEL_ESA = "l.innocenti@xxxxxx"
PATH_WHERE_TO_SAVE = "/home/luca/netcdf/"
geometry = shape_to_wkt("toscana.shp")
print(geometry)
features = query_features(
    "Sentinel5P",
    {
        "startDate": "2024-05-30",
        "completionDate": date(2024, 5, 31),
    "maxRecords": 5,
    #"processingLevel": "S5PL2",
    "productType": "L2__O3____",
    # title_ids : ["32TPP"], solo per Sentinel 2
        "geometry": geometry
    },
)

list(
    download_features(
        features,
        PATH_WHERE_TO_SAVE,
        {
            "concurrency": 4,
            "monitor": StatusMonitor(),
            "credentials": Credentials(USER_SENTINEL_ESA, PASSWORD_SENTINEL_ESA),
        },
    )
)

ATTENZIONE: i files scaricati nonostante riportino una estensione nc in realta' sono zippati. Si devono quindi prima decomprimere e poi trattare come NetCDF.nc)

Per visualizzare in modo speditivo i dati si puo' usare Panoply. Alrimenti si puo' usare anche SNAP (per vedere i dati georiferiti https://www.youtube.com/watch?v=G8tVNbdu8-A)

il file nc puo' essere letto tramite xarray

in sintesi ci sono diversi array, uno contiene le misure, uno la longitudine del pixel ed uno la latitudine del pixel

La cosa piu' comoda per l'analisi e' salvare i dati in un database postgis. Attenzione che devono essere gestiti i valori nan che possono essere presenti

#!/usr/bin/env python
# coding: utf-8
import xarray as xr
import math

import psycopg
from shapely.geometry import LineString
from shapely import wkb

conn = psycopg.connect("dbname=postgis_db user=postgres password=Tvlgal55 host=localhost")
curs = conn.cursor()
#CREATE TABLE ozono(geom geometry, valore FLOAT not NULL, data TIMESTAMP without time zone not NULL)'


#data5p = xr.open_dataset('./S5P_NRTI_L2__O3_____20240529T122201_20240529T122701_34335_03_020601_20240529T130706/S5P_NRTI_L2__O3_____20240529T122201_20240529T122701_34335_03_020601_20240529T130706.nc', group='PRODUCT')
data5p = xr.open_dataset('./S5P_NRTI_L2__O3_____20240530T120201_20240530T120701_34349_03_020601_20240530T124545/S5P_NRTI_L2__O3_____20240530T120201_20240530T120701_34349_03_020601_20240530T124545.nc', group='PRODUCT')

#print(data5p)
#print(data5p.dims)
dimx= data5p.dims['scanline']
dimy=data5p.dims['ground_pixel']
tempo = data5p['ozone_total_vertical_column']['time']
data= "2024-05-30 12:02:01"
#print(dimx)
#print(dimy)
#print(tempo)
for x in range(0,dimx):
    for y in range(0,dimy):
        lon = str(data5p.longitude.values[0,x,y])
        lat = str(data5p.latitude.values[0,x,y])
        valore = data5p.ozone_total_vertical_column.values[0,x,y]
        #print(str(data5p.longitude.values[0, x,y])+";"+str(data5p.latitude.values[0, x,y])+";"+str(data5p.ozone_total_vertical_column.values[0, x,y]))
        if not(math.isnan(valore)):
            curs.execute("INSERT INTO ozono (geom, valore,data) VALUES (ST_SetSRID(ST_MakePoint("+lon+","+lat+"), 4326),"+str(valore)+",'"+data+"')");

conn.commit()  

Per effettuare una query geografica si puo' usare il motore di postgis indicando il punto geografico desiderato ed un buffer..con questa query i dati dello stesso giorno vengono mediati

SELECT avg(valore) as median FROM ozono  WHERE ST_DistanceSphere(geom, ST_MakePoint(11.1,43.1)) <= 10000 GROUP BY data

Si puo' usare QGis per vestire i dati con un stile ed esportando il file .SLD

La vestizione puo' essere importata in Geoserver

Il prodotto finale puo' essere distribuito con Openlayers su web

per indicizzare un campo spaziale in postgis si puo' usare la sintassi

CREATE INDEX idx_ozono ON ozono USING gist (geom);

i dati in geoserver possono essere filtrati tramite il campo CQL basandosi su un box oppure tramite un buffer attorno ad un punto

BBOX(geom, 10, 42.5, 12, 44.5)

DWithin(geom,POINT(11.38 43.3),140000,meters)