Αυτοματοποιημένη διαχείριση νεφοσκεπών περιοχών

Από RemoteSensing Wiki

Αναθεώρηση της 14:56, 18 Ιανουαρίου 2011

Αυτόματη αξιολόγηση κάλυψης συννέφου.
Πρωτότυπος τίτλος :Landsat 7 Automatic Cloud Cover Assessment Πηγή : Richard R. Irish, Science Systems and Applications, Inc. [1]

Περίληψη

Αρχικός στόχος της αποστολής του Landsat 7 ήταν να παρασχεθεί ένα εποχιακό σφαιρικό αρχείο χαρτογράφησης των ελεύθερων συννέφων πέρα από τις μάζες του γήινου εδάφους. Για να επιτευχθεί αυτός ο στόχος, αποκτήθηκαν 250 φωτογραφίες με Landsat 7 ΕΤΜ+ ο οποίες αρχειοθετούνται. Η επιτυχία αποστολής καθορίζεται από τη φύση των ελέυθερων συννέφων από κάθε εικόνα που αποκτήθηκε. Ένας αυτόματος αλγόριθμος αξιολόγησης κάλυψης συννέφων (ACCA) επεκτάθηκε για τον υπολογισμό του τμήματος σύννεφων κάθε ETM+ εικόνας πριν απόαρχειοθέτηση. Τα αποτελέσματα της κάλυψης συννέφων που προέκυψαν χρησιμοποιούνται στη συνέχεια από τους αρμόδιους για το σχεδιασμό αποστολής για να ξαναπρογραμματίσουν τις αποτυχημένες αποκτήσεις, και από τους χρήστες για να φιλτραρουν τις νεφελώδεις σκηνές από τις ερωτήσεις βάσεων δεδομένων. O διαχωρισμός των συννέφων από αυτά που βρίσκονται κάτω από την έκταση φαίνεται διαισθητικά απλή. Τα σύννεφα είναι άσπρα και πιο κρύα από την επιφάνεια του εδάφους και αυτές οι ιδιότητες ταιριάζουν καλά με τα πολυφασματικά χαρακτηριστικά του ETM+. Εντούτοις, τα σύννεφα και η μεταβλητότητα επιφάνειας εδάφους, δημιουργούν προβλήματα. Τα ευρέα σχεδιαγράμματα συντελεστή ανάκλασης και θερμοκρασίας για τα σύννεφα εμφανίζονται ανάμεσα στις σκηνές. Μια υπογραφή σύννεφων που λειτουργεί καλά για μια σκηνή μπορεί να είναι μη-αποτελεσματική για κάποια άλλη. Η ακρίβεια προσδιορισμού του συννέφου επηρεάζονται επίσης από τα χαρακτηριστικά της επιφάνειας (χιόνι, άσπρη άμμος κτλ.) που έχουν τις υπογραφές συντελεστή ανάκλασης που είναι παρόμοιες και σε μερικές περιπτώσεις ίδιες με τα σύννεφα στα ETM+ κανάλια. Μια εξαρτώμενη προσέγγιση σκηνής για τον προσδιορισμό των σύννεφων αναπτύχθηκε για Landsat 7 για να ελαχιστοποιήσει τα αποτελέσματα της μεταβλητότητας σύννεφων. Ο αλγόριθμος χειρίζεται τον πληθυσμό σύννεφων σε κάθε σκηνή μεμονωμένα για να εξετάσει τα στοιχεία εικόνας δύο φορές. Το πρώτο πέρασμα μέσω των δεδομένων σχεδιάζεται για να συλλάβει τα σύννεφα και μόνο τα σύννεφα. Οκτώ διαφορετικά φίλτρα χρησιμοποιούνται για να απομονώσουν τα σύννεφα και για να εξαλείψουν τις μη-συννεφιασμένες περιοχές και τα χαρακτηριστικά επιφάνειας εδάφους που προκαλούν προβλήματα όπως το χιόνι και η άμμος.

Μεθοδολογία

Το αρχικό πέρασμα μέσω των ραδιομετρικά διορθωμένων στοιχείων εικόνας σχεδιάζεται για να απομονώσει τα σύννεφα ενώ σχεδιάστηκαν οκτώ διαφορετικά φίλτρα για το λόγο αυτό και τα λάθη παράλειψης είναι αναμενόμενα. Το στάδιο του πρώτου στόχου είναι να αναπτυχθεί μια αξιόπιστη υπογραφή σύννεφων για τη χρήση στο στάδιο δύο όπου προσδιορίζονται τα υπόλοιπα σύννεφα. Τα σφάλματα επιφόρτισης πρέπει να ελαχιστοποιηθούν δεδομένου ότι αλλοιώνουν την υπογραφή του συννέφου και διαστρεβλώνει το τελικό αποτέλεσμα της κάλυψης των σύννεφων. Προκύπτου τρείς κατηγορίες από το πρώτο στάδιο επεξεργασίας, εντοπισμός συννέφων, μη εντοπισμός συννέφων και μια διφορούμενη ομάδα που ξαναμελετάται στο στάδιο δύο. Πρίν την αξιολόγηση των 60 μέτρων του καναλιού 6 της εικόνας είναι εικονοκύτταρα των καναλιών 30 μέτρων (??????). Αυτό επιτυγχάνεται μέσω της replication εικονοκυττάρου. Κάθε κανάλι 6 pixel γίνεται 2 και κάθε επεκταθείσα εικόνα του καναλιού 6 επαναλαμβάνεται. Το αρχικό δείγμα 3300 από 3000 γραμμές στο κανάλι 6 της εικόνας τώρα ταιριάζει χωρικά με τα κανάλια 30 μέτρων (6600 δείγματα από 6000 γραμμές). Το τελικό βήμα της προ-επεξεργασίας είναι να δημιουργηθεί μια ενιαία μάσκα σύννεφων που διαστασιολογικά ταιριάζει με μια εικόνα εισαγωγής μεγέθους 30 μέτρων. Η μάσκα σύννεφων χρησιμοποιείται για να αποθηκεύσει τα αποτελέσματα στα στάδια ένα και δύο. Όλα τα εικονοκύτταρα σε μια ETM+ απεικόνιση υποβάλλονται διαδοχικά σε επεξεργασία. Το φιλτράρισμα εκτελείται σε κάθε εικονοκύτταρο έως ότου απορριφθεί ή ταξινομηθεί ως σύννεφο. Στη συνέχεια παρουσιάζουμε την περιγραφή του κάθε φιλτρου που εφαρμόζεται.

Όριο φωτενότητας (Brightness Threshold). Κάθε κανάλι τριών pixel αρχικά συγκρίνεται με ένα όριο φωτεινότητας. Τα εικονοκύτταρα που είναι κάτω αυτού του ορίου προσδιορίζονται σαν μη-εντοπισμό συννέφων και σημειώνονται στη μάσκα συννέφων. Τα pixels που υπερβαίνουν το όριο του καναλιού 3 που τίθεται στη τιμή των 0,8 μεταβαίνουν στο φίλτρο 2.

Ομαλοποιημένος δέικτης διαφοράς χιονιού (Normalized Snow Difference Index). Οι τιμές των pixel από τα κανάλια 2 και 5 ρησιμοποιούνται για να διατυπώσουν τον ομαλοποιημένο δείκτη χιονιού διαφοράς (NDSI). Το NDSI φίλτρο εκφράζεται ως εξής: NDSI = (κανάλι 2 – κανάλι 5) / (κανάλι 2 + κανάλι 5). Αυτό το φίλτρο είναι ιδιαίτερα χρήσιμο για την αφαίρεση του χιονιού. Ο συντελεστής ανάκλασης των σύννεφων και του χιονιού είναι παρόμοιος στο κανάλι 2. Εντούτοις, στο κανάλι 5, ο συντελεστής ανάκλασης για τα σύννεφα είναι πολύ υψηλός ενώ για το χιόνι είναι χαμηλός. Ο Hall ανακάλυψε ότι η NSDI τιμή μεγαλύτερη από 0.4 αντιπροσωπεύει την κάλυψη χιονιού αρκετά καλά. Αυτή η τιμή δοκιμάστηκε αρχικά για την ACCA για να αποβάλει το χιόνι αλλά αποβλήθηκαν επίσης τα σύννεφα που αποτελούνται από τα κρύσταλλα πάγου (π.χ. cirrostratus).Το κατώτατο όριο αυξήθηκε σε 0.7 για να συλλάβει τα σύννεφα αυτού του τύπου. Οι τιμές NDVI πάνω από αυτό το κατώτατο όριο είναι κατάλληλες ως χιόνι και καταγράφονται ως μη-εντοπισμός συννέφου στη μάσκα σύννεφων. Εικονοκύτταρα χιονιού που παραμένουν μη φιλτραρισμένα είναι συνήθως τίθενται σε ένα επόμενο φίλτρο. Η γνώση ύπαρξης χιονιού σε μια σκηνή είναι σημαντικό για το δεύτερο στάδιο επεξεργασίας κι έτσι διατηρείται ο έλεγχος των pixel χιονιού.Τα εικονοκύτταρα που μειώνονται κάτω από το όριο NDSI περνούν στο φίλτρο 3.