Výběr satelitních snímků podle hladiny vody

Platforma pro výběr satelitních snímků podle hladin vody na hydroměrných stanicích

Služba „Hladina-Satelit“ řeší problém výběru satelitních snímků podle hladiny vody na konkrétní hydroměrné stanici. Hydrologové se často setkávají s nesouladem: snímek je dostupný, ale hladina vody v daném okamžiku neodpovídá analyzovanému stavu. Platforma filtruje sbírky Landsat a Sentinel-2 nejen podle data a zataženosti, ale i podle hydrologických dat z AIS GMVO, čímž zajišťuje relevantní scény pro analýzu říčních koryt, niv a záplav.

Prototyp v Google Earth Engine: první omezení

Počáteční prototyp byl realizován v Google Earth Engine pro jeden povodí s daty z AIS GMVO. Filtrování snímků podle geometrie stanice odhalilo problémy: zpoždění rozhraní, pomalé zpracování sbírek a vyčerpání kvót. Přechod na předzpracování přes GEE API vytvořil tabulku shod (stanice, ID snímku, zataženost), což snížilo zátěž rozhraní.

Přístup však měl nedostatky:

• Zpracování povodí trvalo 8–10 hodin, pro 20+ povodí neudržitelné.
• Škálování vyžadovalo přepočítání při přidání dat.
• Chyby v jakémkoli kroku vedly k úplné přepracování.

Sběr dat v extrémních podmínkách

Přístup k hydrologickým datům z AIS GMVO byl ohrožen uzavřením. Parser pro hromadné stahování byl doladěn v polních podmínkách na lodi s pomocí AI. Úspěšné stažení v 17:55 před deadlinem zajistilo databázi s miliony pozorování. Data jsou nyní uložena lokálně, bez závislosti na externích zdrojích.

Přechod na STAC a Microsoft Planetary Computer

Klíčové vylepšení – využití standardu STAC pro katalogizaci satelitních scén a Microsoft Planetary Computer (MPC) pro přístup přes API. STAC sjednocuje metadata sbírek, což umožňuje hledat scény podle geometrie a času bez ohledu na poskytovatele.

Architektura se zjednodušila:

• Databáze hydroměrných stanic a pozorování.
• Filtr podle hladiny vody, období, zataženosti.
• Hledání scén v MPC podle metadat.
• Načítání obrázků na požádání.

Tím se odstranilo náročné filtrování sbírek a zajistila rychlost.

Architektura databáze

Přechod z CSV/Excel na PostgreSQL s PostGIS zpracoval 28 milionů pozorování. Centrální entita – vazba „hydropozorování → datum → satelitní scéna“. Dotazy teď běží za milisekundy: nejdřív hydrologický filtr, pak hledání scén, poté načítání.

DB je navržena s tabulkami:

• Hydroměrné stanice (souřadnice, geometrie).
• Pozorování (hladina, průtok, datum).
• Metadata scén (ID, zataženost, datová sada).

Indexy na data a geometrii urychlují JOINy.

Aktuální realizace a tech stack

Uživatel vybere stanici, rozsah hladin, období, filtry – služba vrátí scény na mapě s možností exportu. Leaflet.js zobrazuje mapu, Chart.js hydrograsy.

Technický stack:

| Vrstva | Technologie |

|--------|-------------|

| Backend | Python, Flask, Gunicorn |

| DB | PostgreSQL, PostGIS (28 milionů záznamů) |

| Satelitní data | Microsoft Planetary Computer |

| Frontend | Leaflet.js, Chart.js |

| Infra | Docker, nginx, HTTPS |

Služba na level-satellite.ru, repozitář: github.com/ruorv/level-satellite-public.

Co je důležité

• Výběr snímků je vázán na reálnou hladinu vody, vylučuje nesrovnatelná data.
• STAC/MPC zajišťují flexibilní přístup bez limitů GEE.
• PostGIS zrychluje prostorové dotazy na velkých objemech.
• Architektura je škálovatelná: přidávání stanic/dat bez kompletní přestavby.
• Otevřený kód pro úpravy komunitou.

— Editorial Team