ОБРАБОТКА СПУТНИКОВЫХ СНИМКОВ LANDSAT 8

ВВЕДЕНИЕ

Программа Landsat — наиболее продолжительный проект по получению спутниковых фотоснимков планеты Земля. Данные, получаемые при помощи Landsat, используются при решении большого числа тематических задач, включая, например, измерение протяженности и классификация растительного покрова, определение состояния сельскохозяйственных культур, геологическое картирование, контроль эрозии почв в береговой зоне и т.д. Наиболее актуальные спутниковые данные получают со спутника Landsat 8, американского спутника дистанционного зондирования Земли, восьмого в рамках программы Landsat.

Задачи оперативного спутникового контроля природных ресурсов, исследования динамики протекания природных процессов и явлений, анализа причин, прогнозирования возможных последствий и выбора способов предупреждения чрезвычайных ситуаций являются на современном этапе неотъемлемым атрибутом методологии сбора информации о состоянии интересующей территории (страны, края, города), необходимой для принятия правильных и своевременных управленческих решений.

СНИМКИ LANDSAT 8

Landsat 8 получает изображения в видимом диапазоне волн, в ближнем ИК и в дальнем ИК, с разрешением снимков от 15 до 100 метров на точку (пиксел). Производится съемка суши и полярных регионов. В сутки снимается порядка 400 сцен (у предыдущего Landsat-7 было всего 250 сцен в день). Периодичность наблюдения одной и той же территории составляет 16 дней. Снимки Landsat 8 находятся в открытом доступе на сайте NASA earthexplorer.usgs.gov.

Параметры продукции Landsat 8:

• Уровень обработки: 1Т (коррекция рельефа);
• Формат изображений: GeoTIFF;
• Размер пикселя: 15 метров/30 метров/100 метров (панхроматический канал/мультиспектральный канал/ дальний ИК);
• Проекция: UTM, также полярная стереографическая для Антарктиды;
• Система координат: WGS 84.

Широко распространенные пакеты ГИС приложений нуждаются в стандартизации форматов спутниковых данных, с которыми они работают. Стандарт GeoTIFF (Geographic Tagged Image File Format) является попыткой решения этой проблемы. Спецификация GeoTIFF определяет множество тегов, необходимых для описания картографической информации TIFF формата, в котором изначально представлена информация со спутниковых систем как географического анализа.

Географические данные, хранящиеся в GeoTIFF файле могут быть использованы для того, чтобы позиционировать изображение в правильном расположении и геометрии на экране дисплея географической информации. Главным преимуществом данного формата является его совместимость с широким кругом приложений и его независимость от архитектуры компьютера, операционной системы и графического аппаратного обеспечения.

ИНДЕКСЫ И ИНДЕКСНЫЕ ИЗОБРАЖЕНИЯ

Для работы со спектральной информацией часто прибегают к созданию так называемых «индексных» изображений. На основе комбинации значений яркости в определенных каналах, информативных для выделения исследуемого объекта, и расчета по этим значениям «спектрального индекса» объекта строится изображение, соответствующее значению индекса в каждом пикселе, что и позволяет выделить исследуемый объект или оценить его состояние. Спектральные индексы, используемые для изучения и оценки состояния растительности, получили общепринятое название вегетационных индексов.

Одним из самых распространенных и используемых индексов для решения задач, использующих количественные оценки растительного покрова, является NDVI (Normalized Difference Vegetation Index - нормализованный относительный индекс растительности) – простой количественный показатель количества фотосинтетически активной биомассы. Вычисляется по формуле:

где NIR – отражение в ближней инфракрасной области спектра, а RED – отражение в красной области спектра.

Согласно этой формуле, плотность растительности (NDVI) в определенной точке изображения равна разнице интенсивностей отраженного света в красном и инфракрасном диапазоне, деленной на сумму их интенсивностей. Используя формулу, вычисляется значение NDVI для каждого пиксела и строится изображение в соответствие с дискретной шкалой NDVI на рисунке 1.

На рисунке 2 представлен фрагмент изображения – визуализации NDVI снимка Томской области (на фрагменте виден город Томск) в июле 2013 года.

ОБЪЕКТНАЯ ДЕКОМПОЗИЦИЯ ЗАДАЧИ

Предметом обработки, или входными данными выступают спутниковые снимки Landsat 8, поступающие в открытый доступ с периодичностью в 16 суток и файл метаданных снимка. Далее они поступают в блок предварительной обработки данных, в котором происходит загрузка изображений канала в память, извлечение численных значений отражения каждого пиксела в том или ином диапазоне (в зависимости от спектрального канала). Далее данные переходят в блоки: построитель вегетационных индексов (NDVI), построитель масок (маска облачности, снега/льда), блок выделения части снимка и привязка к координатам. Далее, данные из предыдущих трех блоков поступают в блок тематической обработки, где производятся вычисления, связанные с задачей, которую поставил заказчик. В блок тематической обработки так же должны поступать априорные данные (данные обработки снимков за предыдущий период времени, для сравнительного анализа).

Блок визуализации позволяет сгенерировать изображение на основе числовых данных (рисунок 3. Блок генератора отчетов предоставляет сводный отчет о проведенной тематической обработке.

ОБОСНОВАНИЕ РАЗРАБОТКИ

Программные средства для дистанционного зондирования земли – это большие пакеты для обработки и анализа данных. Эти программы создавались долгие годы большим количеством сотрудников. Использование этих пакетов позволяет решать множество задач исследования подстилающей поверхности Земли и облаков. Однако для конкретной реализации поставленной задачи необходимо доскональное знание возможностей пакетов и способов работы с ними. Кроме того, универсальность этих программ обуславливает сложность реализации многих часто используемых операций. Так же, говоря об этих пакетах, нельзя не отметить их высокую стоимость (до нескольких тысяч долларов).

Учитывая все вышесказанное, было решено начать работу над своим программным продуктом, реализовать в нем анализ спутниковых изображений, ориентируясь на практические задачи дистанционного зондирования Земли.

ВЫДЕЛЕНИЕ ОБЛАЧНОЙ МАСКИ

Облачность детектируется с помощью алгоритма ACCA (automatic cloud cover assessment). Точность алгоритма составляет порядка 98%. Используя значения битов (14-15) в файле BQA, была построена маска облачности для снимка части Томской области (июль 2014 года). В зависимости от значения двойных битов, вероятность облачности для текущего пикселя распределяется следующим образом: 00 - «Не определено» (Алгоритм не подтверждает существование облачности), 01 - «Нет» (Вероятность облачности очень мала: 0-33%), 10 - «Возможно» (Вероятность облачности 33-66%), 11 - «Да» (Высокая вероятность нахождения облачности (67-100%). (Рисунки 4, 5, 6)

В итоге, разработана объектная декомпозиция задачи и на ее основе программное обеспечение, позволяющее учитывать космические снимки, запоминать их и проводить обработку: вычислять вегетационный индекс, маску облачности, выделение фрагментов. Дальнейшее развитие проекта связано с накоплением вегетационного индекса NDVI и анализ пространственно-временных данных.

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

1. Кашкин В.Б., Сухинин А.И. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений: Учебное пособие. М.: Логос, 2001. – 264 с.
2. Гарбук С.В., Гершензон В.Е. Космические системы дистанционного зондирования Земли. М.: Издательство А и Б, 1997. — 296 с.
3. Географические информационные системы и дистанционное зондирование http://gis-lab.info/
4. Pat S. Chavez, Jr. Radiometric calibration of Landsat Thematic Mapper Multispectral Images, Photogrammetric engineering and remote sensing vol. 55, №9, September 1989.
5. Н.А. Куртушин, С.Ю. Чупин. Обработка спутниковых данных Landsat8. Детектирование облачного покрова. Научная сессия ТУСУР-2015. В-Спектр, 2015: в 5 частях. – Ч. 2. – 360 с.
6. Н.А. Куртушин, С.Ю. Чупин. Применение спутниковых данных Landsat в задачах дистанционного зондирования Земли.
7. Шлее М. Qt 4.8. Профессиональное программирование на C++. – СПб.:БХВ-Петербург, 2012. – 912 с.: ил. – (В подлиннике).