Развитие методов обработки данных ДЗЗ, направленных на получение устойчивых нормализованных наборов и рядов данных для оценки различных характеристик почвенно-растительного покрова

Настоящий раздел посвящён развитию методов обработки мультиспектральных изображений прибора МСУ-100/200М для формирования сезонных и многолетних наборов данных измерений коэффициентов спектральной яркости (КСЯ) на уровне земной поверхности (уровня L2A) для решения задач оценки растительного и почвенного покрова. По результатам выполненных исследований и разработок начато формирование архива атмосферно-скорректированных мультиспектральных изображений КМСС («Метеор-М» № 2) для количественной оценки характеристик земной поверхности.

Необходимо отметить, что данные прибора МСУ, снимающего в зелёном, красном и ближнем ИК диапазонах длин волн с повторяемостью наблюдений каждые 3–5 дней и имеющие пространственное разрешение 60–100 м, представляют интерес при решении задач дистанционной оценки характеристик земной поверхности, мониторинга и оценки растительного покрова. Однако исходные данные не соответствуют минимальным требованиям, налагаемым многими автоматическими алгоритмами по формированию временных серий безоблачных измерений, распознаванию и оценке растительного покрова. В частности, данные характеризуются недостаточно точной географической привязкой мультиспектральных изображений, отсутствием методов для выявления и исключения мешающих факторов на изображениях прибора, а также отсутствием рабочих решений для атмосферной коррекции измерений. Более того, задача автоматического выявления мешающих факторов на изображениях МСУ представляется нетривиальной и не может быть решена классическими методами, используемыми для других приборов ДЗЗ.

В частности, характерные особенности прибора МСУ, затрудняющие классическое детектирование облачности, приводят к наличию значительных различий в геометрии наблюдений между зелёным, красным и БИК каналами (параллакс около 9°) и одновременно возникающую в результате разницу во времени наблюдения одного и того же участка поверхности (20 с между соседними каналами). После орторектификации и гармонизации разноспектральных изображений на уровне земной поверхности образы объектов облачного покрова оказываются разнесёнными на мультиканальном изображении. В результате использование классических мультиспектральных индексов для выделения облачности по аналогии с методом Fmask оказывается затруднено и дополнительно усугубляется отсутствием коротковолнового канала.

Ранее было показано, что опорная информация о границах объектов земной поверхности полученная на основе данных более высокого пространственного разрешения (например, Landsat) может служить эффективным средством для географической привязки изображений, а использование ежедневных восстановленных временных серий MODIS в качестве эталона измерений КСЯ в красном и БИК-диапазонах длин волн на уровне земной поверхности позволяет использовать метод атмосферной коррекции на основе вычитания гистограмм. В рамках настоящих работ эти методы получили дальнейшее развитие с тем, чтобы сформировать длинные временные серии скорректированных измерений МСУ.

В частности, для локализованной уточнённой привязки исходных изображений КМСС был предложен двухэтапный метод, основанный на использовании на первом этапе спутниковых данных среднего разрешения MODIS с последующим уточнением результатов на основе границ устойчивых объектов, полученных по данным Landsat. Подход с использованием данных MODIS для первого этапа уточнённой привязки данных МСУ заключается в поиске наиболее оптимального локального смещения небольших блоков изображения КМСС на основе поиска максимального значения корреляции между данными (рисунок 2.2.1). При этом естественным образом наблюдается взаимосвязь между наличием облачности и величиной максимального значения корреляции для каждой локальной области (блока 100×100 пикселей), что впоследствии используется для создания маски облачности и теней.

   Рисунок 2.2.1 — Исходное изображение КМСС в ближнем ИК (слева) от 13.08.2018 и результат оценки максимальной локальной пространственной корреляции с соответствующим изображением MODIS блоками 100×100 пикселей (справа). Тёмные области соответствуют низкому максимальному значению пространственной корреляции из-за наличия мешающих факторов

На следующем этапе проводится выделение устойчивых границ объектов на текущем изображении МСУ и локализованный анализ их соответствия опорным границам по данным Landsat с расчётом метрики, характеризующей совпадение. Для формирования слоя устойчивых границ каждое изображение Landsat-8 (OLI) проходит через автоматическое выявление и фильтрацию облачности и теней, сегментацию, выделение границ сегментов, после чего множество результатов сегментации за один год измерений попиксельно суммируется с формированием слоя «вероятности» наблюдения границы в текущем пикселе (рисунок 2.2.2). В результате выполненных работ сформированы устойчивые границы объектов земной поверхности для всей территории России.

Рисунок 2.2.2 — Пример формирования слоя устойчивых границ по данным высокого разрешения: результат выделения границ после сегментации отдельно взятого изображения Landsat-8 (OLI) в БИК (вверху) и результат нормализованного суммирования всех обнаруженных за год безоблачных наблюдений (внизу), светлые тона соответствуют более высокой вероятности наблюдения границы объектов

По завершению этапов уточнённой привязки на основе использовании данных среднего и высокого пространственного разрешения стало возможным обнаруживать и оценивать величину локальных аномалий географической привязки изображений, в том числе, горизонтальные и вертикальные смещения (рисунок 2.2.3).

   Рисунок 2.2.3 — Изображения локализованных смещений изображения КМСС (красный канал) от 13.08.2018 по горизонтальной (слева) и вертикальной (справа) координате, выявленных после комплексной допривзяки изображения; хорошо заметны линии аномалий локальной привязки, идущие поперёк направления полёта спутника

Как отмечено выше, в основе метода детектирования облачности лежит использование локальных максимальных значений корреляции между данными МСУ и MODIS (рисунок 2.2.1, справа). Изображение корреляции используется для предварительного выделения безоблачных участков исходного изображения (высокие значения максимальной корреляции) и облачных участков (низкие значения), на основе которых формируются локальные гистограммы классов облачности и чистой поверхности в каждом канале. Анализ разности гистограмм этих классов позволяет автоматически установить адаптивный порог на выделение облачности, позволяющий минимизировать ошибки избыточного выявления облачности (рисунок 2.2.4).

Рисунок 2.2.4 — Исходные изображения КМСС от 13.08.2018 в БИК (слева) и в красном (справа) диапазонах длин волн и соответствующие им (ниже) построенные в автоматическом режиме маски облачности (красный цвет) и теней (синий цвет); можно увидеть различное, ввиду параллакса, расстояние между облачностью и тенью на разноканальных изображениях

После формирования масок мешающих факторов становится возможным осуществить локализованное сравнение безоблачных участков изображения, соответствующих измерениям КМСС на верхней границе атмосферы с соответствующим участком изображения MODIS, полученного на основе восстановления ежедневных временных серий продукта MOD09 (эталоном). Эталон MODIS, ввиду восстановления, не содержит пропущенных значений в весенне-осенний период, а результат восстановления максимально возможным образом соответствуют распределению спектрально-яркостных характеристик чистой поверхности (и на уровне земной поверхности) на дату съёмки прибором КМСС. Исходя из предположения, что рассеяние Ми, связанное с наличием аэрозолей и водяного пара в атмосфере, смещает яркости объектов (в сторону увеличения), производится локализованный анализ распределения яркостей объектов до достижения максимального соответствия с эталоном в виде MODIS. В процессе анализа рассчитываются коэффициенты линейной регрессии между двумя наборами данных для пересчета яркости объектов исходного изображения внутри скользящего окна, размеры которого позволяют описать состояние атмосферы для текущего участка земной поверхности. На рисунке 2.2.5 приведены гистограммы рассеяния между КСЯ по данным MODIS и исходными (слева) и прошедшими атмосферную коррекцию (справа) изображениями КМСС для региона размером несколько сотен километров в поперечнике.

Рисунок 2.2.5 — Двумерные гистограммы КМСС-MODIS до коррекции (слева) и после коррекции (справа). По вертикальной оси отложены значения КСЯ на уровне земной поверхности по данным MODIS, по горизонтальной  исходные (слева) и преобразованные (справа) значения в изображениях КМСС

Двумерная гистограмма для исходных значений КМСС (слева) была вручную сдвинута и растянута так, чтобы линия 1:1 проходила примерно через центр облака, чтобы продемонстрировать различие динамических диапазонов значений до и после коррекции.

В результате разработанных автоматических методов стало возможным формирование архива спутниковых данных КМСС, содержащих атмосферно-скорректированные на основе эталона MODIS измерения КСЯ, позволяющие формировать сезонные и многолетние временные серии для количественной оценки объектов земной поверхности, в том числе, на основе мультиспектральных и географически привязанных измерений и автоматически формируемых масок мешающих факторов.