Uwzględnij współrzędne 31.96212, -103.004715
Konwertery UTM podają, że są to współrzędne UTM 13/R/FR
.
Przykład konwertera znajduje się tutaj: http://www.rcn.montana.edu/resources/converter.aspx
Ale jest ich wiele i dają one podobne odpowiedzi dla tych współrzędnych.
Jednocześnie w zestawie danych Sentinel-2 tutaj http://sentinel-s2-l1c.s3-website.eu-central-1.amazonaws.com/#tiles/13/R/
Nie mogę znaleźć FR
podkatalogu.
W Google ta lokalizacja jest tutaj:
I znajdując to samo miejsce w przeglądarce obrazów Sentinel , widzę, że ten kafelek jest inny
co oznacza13/S/FR
np. to samo UTM
i kwadratowe, ale inne pasmo.
Jak to jest możliwe?
AKTUALIZACJA
KML z kafelkami Sentinel-2 zgłasza także S
kafelki w danej lokalizacji
AKTUALIZACJA 2
Według tego zdjęcia
wzięty stąd The FR
Square znajduje się w połowie S
UTM strefy, a połowa w R
strefie. Oczywiście większość automatycznych konwerterów przypisuje ten kwadrat do R
strefy, podczas gdy Sentinel-2 rozlicza go dla S
strefy.
Czy jest tu jakaś prawda?
AKTUALIZACJA 3
Prosty kod Pythona, pobrany stąd https://gis.stackexchange.com/a/224994/32207
bandVals = "CDEFGHJKLMNPQRSTUVWXX"
lon = 31.96212
lat = -103.004715
zone = int(lat + 186.0) / 6
if (lon >= 84.0):
band = 'Y' if (lat < 0.0) else 'Z'
elif (lon <= -80.0):
band = 'A' if (lat < 0.0) else 'B'
else:
band = bandVals[int(lon + 80.0) / 8]
print '{:02d}{:s}'.format(zone,band)
również powraca 13R
.
Czy ten błąd występuje w danych Sentinel-2?
źródło
S/FR
, podczas gdy konwertery UTM dająR/FR
. Jak obliczyć lokalizację, jeśli konwertery UTM działają nieprawidłowo?Odpowiedzi:
W odpowiedzi na pytanie w komentarzu „jak symulować ten algorytm”:
Jest to dość brutalne rozwiązanie, ale łatwe do wdrożenia i powinno dawać dobrą wydajność:
Następnie sprawdź, czy folder istnieje w strukturze danych Sentinel 2. Jeśli tak, to koniec.
Jeśli nie, sprawdź sąsiednie siatki UTM i sprawdź, czy istnieje w nich kafelek / folder „FR”. Biorąc pod uwagę, że wszędzie występują nakładki, należy sprawdzić wszystkie otaczające 8 siatek.
Najbardziej prawdopodobne zamówienie to 13S, 13Q, 12R, 14R, 12S, 14S, 12Q, 14Q.
Cztery ostatnie mogą być istotne, jeśli współrzędne znajdują się w rogach strefy UTM, ale są bardzo mało prawdopodobne.
Biorąc pod uwagę sposób, w jaki Sentinel2 określa płytki, tylko jeden z sąsiadów powinien mieć taki folder, gwarantujący uzyskanie poprawnego pliku.
Każde inne, bardziej „poprawne” geograficznie rozwiązanie wiązałoby się z dużo większym obciążeniem obliczeniowym, niż uważam za uzasadnione.
Zdecydowanie z pewnością zgłoś to zespołowi ESA, jak sugeruje Kersten w komentarzach. Naprawdę nie rozumiem, dlaczego wybrali tak niepotrzebnie zawiły system organizacyjny.
źródło
Powiązany post tutaj
Pracowałem dla mnie za pomocą S2 KML dostarczonego przez ESA do obliczenia wszystkich kafelków, które przecinają się z moim AOI, a następnie wyszukiwania tych kafelków w AWS.
Ten KML wydaje się działać jako definicja wszystkich możliwych identyfikatorów kafelków generowanych przez S2, eliminując wiele nakładających się opcji.
Patrząc na KML (tylko kontrola wizualna, nie w 100% pewna) wydaje mi się, że w najgorszym przypadku będziesz musiał poszukać 4 kafelków.
Byłoby miło mieć algorytm używany przez ESA do zdefiniowania KML, aby uczynić go bardziej wydajnym.
źródło