Построение ежемесячных и сезонных продуктов по данным спутников серии Sentinel-2

В 2024 г. была существенно модифицирована технология получения безоблачных композитных изображений по данным прибора MSI спутников серии Sentinel-2, что позволило получить более качественные изображения по большим территориям. Был также реализован новый тип информационных продуктов, характеризующих частоту детектирования различных типов земной поверхности для каждой точки.

В соответствии с ранее разработанной технологией создания безоблачных композитных изображений используются данные уровня обработки L2A, после проведения процедуры атмосферной коррекции. Но в случае отсутствия этих данных возможно использование данных уровня обработки L1C. В основе технологии лежит маскирование данных спектральных каналов на основе доработанного продукта классификации сцены алгоритмом Sen2Cor. Результирующее значение пикселя получается путем расчета медианы по всем чистым измерениям за анализируемый период. За отчетный период с помощью этой технологии был создан полный набор ежемесячных и сезонных продуктов в шести спектральных каналах на обширную территорию интереса в Северной Евразии общей площадью более 18 млн кв. км, включая всю территорию России. Все продукты созданы с 2019 г. по настоящее время непрерывно на все периоды за следующие моменты времени: месяц, сезон вегетации, 90 дней на каждый бесснежный период (лето, весна, осень), снежный период года (два продукта с разным временем начала). Полный список полученных и опубликованных продуктов приведен в таблице 1. На рисунке 1 приведены примеры созданных безоблачных композитных изображений и продуктов, полученных на их основе.

Рисунок 1 — Примеры созданных безоблачных композитных изображений и продуктов на их основе. A — снежное композитное изображение за зиму 2023–2024 гг., продукт синтеза каналов red, nir, green; B — композитное изображение за летний период 2023 г., продукт индекс NDVI; C — продукт разновременная средневзвешенная категория состояния (СКС) за два года на основе месячных композитных изображений за июль 2024 и 2023 гг.; D — продукт разновременной синтез за три года на основе композитных изображений за сезон вегетации 2023, 2022 и 2021 гг.

В 2024 г. была разработана технология для построения продуктов, отражающих частоту детектирования типов поверхности за любой период времени. Эта технология также основана на результатах классификации каждой сцены с помощью алгоритма Sen2Cor. Для бесснежного периода учитываются классы «растительность», «не растительность», «вода», «темные объекты» и «не классифицировано», а для снежного периода добавляется класс «снег». Остальные классы рассматриваются как маска. Для каждого чистого класса независимо для каждого пикселя вычисляется абсолютное число отнесений к этому классу за период времени и процент таких отнесений от всех чистых измерений. В результате получается 12 основных продуктов, описывающих абсолютное и относительное отнесение пикселя к каждому из 6 чистых классов. Дополнительно рассчитывается наиболее часто встречающееся значение и общее число чистых измерений за период.

Отметим, что временные затраты на создание этих продуктов аналогичны тем, которые были ранее получены для создания безоблачных композитных изображений. Особенность применяемого подхода заключается в отсутствии дополнительных операций преобразования исходных данных и минимальном использовании дисковых операций. Поскольку исходные данные хранятся в тайлах размером около 100 км на 100 км в проекции UTM/WGS84, вся обработка ведется в этой тайловой сетке в исходной проекции каждого тайла. Результирующий продукт создается для каждого тайла независимо. При создании продуктов данные за отобранные даты внутри периода выгружаются с сервера хранения непосредственно в оперативную память сервера, выполняющего обработку. Этот подход позволяет избежать дополнительных временных затрат на копирование данных. В результате среднее время на создание 10 описываемых продуктов на территорию интереса в Северной Евразии за период с 1 мая по 30 сентября одного года составило 7,2 часа. Эта оценка была получена при расчете в 16 потоков с использованием одного сервера из состава ЦКП «ИКИ-Мониторинг» (CPU: AMD EPYC 7413, VMware 16 core, 2645MHz; Memory: 128GiB). Расчет проводился за период времени с 1 мая по 30 сентября независимо для каждого года, с 2019 по 2024 гг. Всего в обработке участвовало 2439 тайлов общей площадью более 18 млн кв. км, в сумме более 73*10^9 пикселей.

С помощью описанной технологии был создан набор данных о частоте детектирования типов поверхности на территорию интереса в Северной Евразии общей площадью более 18 млн. кв. км., включая всю территорию России. Все продукты созданы с 2019 г. по настоящее время за снежный период, сезон вегетации и наименее маловодный период с 15 июля по 15 сентября. Список основных продуктов приведен в таблице 1. На рисунке 2 приведены примеры созданных продуктов.

Таблица 1 — Полный список полученных и опубликованных ежемесячных и сезонных продуктов по данным спутников серии Sentinel-2

Название	Периоды	Годы	Продукты
Композитные изображения по данным с атмосферной коррекцией
Ежегодный за сезон вегетации	С 1 мая по 30 сентября	2019-2024	Blue, Green, Red, Nir (10м)  SWIR1, SWIR2 (20м)
Ежемесячный	Каждый месяц с марта по ноябрь с первого до последнего числа месяца	2019-2024	Blue, Green, Red, Nir (10м)  SWIR1, SWIR2 (20м)
Ежесезонный	Весенний (с 1 марта по 31 мая) Летний (с 1 июня по 31 августа) Осенний (с 1 сентября по 30 ноября)	2019-2024	Blue, Green, Red, Nir (10м)  SWIR1, SWIR2 (20м)
Снежный (зимний)	С 1 января по 31 марта С 1 декабря по 31 декабря	2019-2024	Blue, Green, Red, Nir (10м)  SWIR1, SWIR2 (20м)
Композитные изображения по данным без атмосферной коррекции
Ежегодный за сезон вегетации	За период с 1 мая по 30 сентября	2016-2018	Blue, Green, Red, Nir (10м)  SWIR1, SWIR2 (20м)
Ежемесячный	Каждый месяц с мая по сентябрь с первого до последнего числа месяца	2016-2018	Blue, Green, Red, Nir (10м)  SWIR1, SWIR2 (20м)
Данные о частоте детектирования
Ежегодный за сезон вегетации	С 1 мая по 30 сентября	2019-2024	Число и процент измерений классов «водные объекты», «темные объекты», «растительность», «не растительность», «не классифицировано», число чистых измерений, мода по SCL (все 20м)
Снежный (зимний)	С 1 января по 31 марта	2019-2024	Число снежных измерений, процент снежных измерений, число чистых измерений, мода по SCL зимняя (все 20м)
60 дней	15 июля – 15 сентября	2019-2024	Число водных измерений, процент водных измерений, число чистых измерений (все 20м)

Говоря о точности полученных продуктов, стоит отметить, что представленный набор данных не является традиционной ландшафтной картой. Поэтому его точность не может быть оценена простым подходом с помощью валидационной выборки. Кроме того, представительных валидационных выборок на территорию интереса не существует и создание таковых является отдельной задачей. Поскольку в основе всех описываемых продуктов лежит результат классификации каждой сцены алгоритмом Sen2Cor, то можно оценить снизу точность описываемых продуктов на основе точности самого этого алгоритма. Точность результатов классификации сцены алгоритмом Sen2Cor анализировалась в ряде работ и составляет около (74 ± 11)%, а при разделении между классами «чистая поверхность и вода» и «неиспользуемые пиксели» уже (92 ± 4)%. Точность сильно зависит от состояния атмосферы, процента облачности, времени года, территории и других факторов.

Набор данных уже нашел применение в задачах изучения изменений Земной поверхности, мониторинга состояния растительности и водных ресурсов. Все полученные и описанные в данном разделе данные опубликованы на ресурсах Центра коллективного пользования «ИКИ-Мониторинг» и доступны для решения различных научных задач. В дальнейшем аналогичные продукты за новые периоды будут создаваться и пополнять архивы в автоматическом режиме. Доступ к опубликованным продуктам возможен с использованием системы «ВЕГА-Science» (http://sci-vega.ru/).

Рисунок 2 — Примеры продуктов на основе частоты наблюдения типа земной поверхности за период с 1 мая по 30 сентября 2023 г.
А — наиболее часто встречающееся значение. B — процент измерений воды от всех чистых наблюдений