В том то и дело что пробовал так, но при добавлении csv как векторный слой, qgis ругается что слой не является векторным

ссылка такого вида: file:///C:/Users/*******/Downloads/test2.csv?type=csv&delimiter=%5Ct&maxFields=10000&detectTypes=yes&xField=X&yField=Y&crs=EPSG:4326&spatialIndex=no&subsetIndex=no&watchFile=no

Я открыть пытался как векторный слой в qgis2

разделитель табуляция

понимаю, тоже пытался, не вышло

Всех приветствую. Есть необходимость посчитать NVDI индекс для территории площадью ~100000 km2. Данные планируется брать со спутника Landsat-8 (разрешение 15m на пиксель). Как результат требуется получить .shp файл.
Вопрос: есть ли у кого-то опыт в выполнении похожих проектов? В первую очередь, хотелось бы понимать насколько сложно/затратны будут все этапы: скачивание данных, обработка, вычисление индекса, создание векторного .shp файла. Наверняка есть какие-то подводные камни. Буду благодарен ссылкам на подобного рода проекты, буду также рад пообщаться (надеюсь, минут 20 хватит, чтобы прояснить все вопросы). Основные вопросы:
1. Как автоматизировать получение данных? Насколько мне известно, существуют несколько ресурсов для скачивания. Хотелось бы узнать какой быстрый/медленный, какой позволяет автоматизировать скачивание и т.д.
2. Нужна ли какая-то предобработка и т.д.?
3. Сам расчёт индекса выглядит достаточно просто. Наверняка, я что-то упускаю и есть какие-то нюансы.
4. Как лучше привязать результаты к карте, чтобы создать выходной .shp файл.
Заранее благодарю

А готовые сервисы чем не устраивают?

Есть подозрение, что задача будет повторяться в будущем, поэтому думали сделать свой пайплайн.
Если вы подскажите неплохие готовые сервисы, которые мы можем интегрировать, то с может быть это будет неплохим вариантом.

Тут есть разные варианты. Если вам под с/х, то можно смотреть в сторону сервисов под с/х. Если просто нужен поток ндви, то можно OWM, up42, Вегу, ODB смотреть. Среди российских сервисов автомат по ндви много у кого есть.

Может быть даже у nextgis toolbox посмотрите. Может там тоже есть

Здравствуйте. 100000 км2 это три снимка примерно, в общем совсем немного, тут большой алхимии и инфарструктурных проблем не предвидится. В самостоятельных расчетах самым нетривиальным будет атмосферная коррекция, если ответственно подойти. Остальное автоматизируется довольно просто.
А shp на выходе с чем, зоны по какому-то порогу значений?

На выходе планируются просто значения от -1 до 1.
По поводу атмосферной коррекции: есть ли сервисы, которые это делают?

С учетом того,  что у l8 периодичность две недели,  такой пайплайн для такой территории можно спокойно крутить на обычном бытовом компьютере: 2-3 гб загрузки, распаковка, не самые тяжелые расчеты

Тогда непонятно откуда shp) будет у вас привязанный геотиф.

Зависит от выбранного метода. Кое что можно без проблем считать у себя. Более продвинутые методы потребуют данных об атмосфере - придется искать api для получения подходящих. А некоторые считаются на стороне сервисов, например usgs предлагает заказывать у них обработанные данные по качественному алгоритму lasrc, но это занимает время и не на все сцены у них получается посчитать, данных не хватает иногда

Вот они подводные камни :). Спасибо, это ценная информация

Для автоматизации независимой атмосферной коррекции Landsat под NDVI и некоторые другие задачи я стал использовать алгоритм SREM, в общем неплохо себя показывает.
Вот оригинальная работа про него: https://www.mdpi.com/2072-4292/11/11/1344/htm
Вот наши небольшие проверки его пригодности: http://jr.rse.cosmos.ru/article.aspx?id=2149
И вот python-реализация: https://github.com/eduard-kazakov/SREMPy-landsat
Может кому пригодится тоже.

Растительность начинается от 0,2. Далее Надобно определить интервал значений. Я пользуюсь  такой градацией  0.2–0.3 – слаборазвитая; 0.3–0.6 – развитая; 0.6–0.8 – хорошо развитая; >0.8 – сильно развитая растительность. Так же посмотрите индекс устойчивости к видимой атмосфере (VARI) - разработан для в ослабления влияния разницы освещения и атмосферных явлений.
После того как определилсь с инексом и посчитали, можно провести реклассификацию изображения и уже от них строить шейпы. Хотя зачем их векторизовать?

Можно через Virtual layer добавлять, вот так например. В источнике полную ссылку и пишете, с указанием разделителя, где какое поле и т.д.