Материалы 17-й Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса», Москва, ИКИ РАН, 2019 год

(http://conf.rse.geosmis.ru)

Методика коррекции временных рядов тепловых изображений со спутников Landsat
(на примере тундровых ландшафтов Западной Сибири)

Корниенко С.Г. (1)
(1) Институт проблем нефти и газа РАН, Москва, Россия
На примере северных районов Западной Сибири рассмотрены возможности и особенности применения временных рядов тепловых изображений для картографического моделирования трансформаций тундровых ландшафтов и прогнозирования развития опасных геокриологических процессов (ОГП) вблизи промышленных и хозяйственных объектов. Основная проблема при сопоставлении разновременных тепловых изображений заключается в изменении характера распределений теплового поля поверхности под влиянием внешних случайных факторов, в первую очередь, вариаций пропускания атмосферы и колебаний температуры воздуха. Результаты полевых наблюдений летнего периода в районе Ямбургского нефтегазоконденсатного месторождения (НГКМ, Тазовский п-ов) показали, что из-за нестабильности среднесуточной температуры воздуха разница температуры поверхности (температурный контраст, ТК) участков с отличающимися типами тундрового почвенно-растительного покрова за 2-3 дня может измениться в несколько раз. Проблема решается путем применения различных методов радиометрической коррекции тепловых изображений, наиболее распространенным из которых является регрессионный анализ с выбором одного изображения в качестве опорного (Schott, Salvaggio, Vochok, 1988; Martinez-Alonso et al, 2005; Canty, Nielsen, 2008; Shedit, Ramsey, Lancaster, 2008; Rahman et al, 2015). Цель работы – развитие, адаптация и апробация методов радиометрической коррекции тепловых изображений Landsat для количественной оценки изменений температуры поверхности с учетом особенностей тундровых ландшафтов и природно-климатических условий Крайнего Севера.
Предлагаемая методика относительной радиометрической коррекции тепловых изображений основана на определении коэффициентов линейной регрессии двух изображений по псевдо-инвариантным областям (ПИО), состоящим из пикселей со стабильными спектральными характеристиками. В отличие от известных методов (сопоставления гистограмм, обычной регрессии, ортогональной регрессии), определение ПИО базируется на сравнении результатов неконтролируемой классификации типов поверхности общей фоновой (стабильной) области двух мультиспектральных снимков с исключением из ПИО пикселей, попадающих в разные классы. Преимущество предлагаемой методики состоит в возможности минимизировать погрешность коррекции ТК путем итеративного определения оптимального количества классов и коэффициентов линейной регрессии по методу кросс-валидации (КВ). Процесс коррекции тепловых изображений проходит в полуавтоматическом режиме, только с использованием данных Landsat. Параметры задаются при выборе района, создании масок и на этапе неконтролируемой классификации.
Результаты применения методики в районах Марре-Сале (п-ов Ямал) и Уренгойского НГКМ (Тазовский п-ов) показали, что коррекция тепловых изображений со спутников Landsat летнего периода съемок позволяет в 2-5 раз снизить разницу (погрешность) ТК между опорными и корректируемыми изображениями в границах фоновых областей. В условиях проведенного эксперимента абсолютная погрешность на уровне пороговой чувствительности (0,4K) достигается для ТК не превышающих 3,0К. В данном случае, это приемлемый результат, поскольку для районов тундры высокая температурная чувствительность необходима при изучении локальных ОГП на ранних стадиях развития, характеризующихся незначительными изменениями влажности и температуры покрова. Результаты валидации методики с использованием выгоревшего «мертвого» участка в качестве эталона стабильного состояния показали практически полное соответствие относительных погрешностей значениям, полученным по методу КВ, что свидетельствует о корректности и эффективности предлагаемого подхода в целом.
На основе временного ряда скорректированных тепловых изображений и индекса NDVI участков пирогенного поражения в районе Уренгойского НГКМ показано, что процесс стабилизации состояния тундрового покрова длится 25-28 лет и характеризуется строго разнонаправленными трендами изменения температуры поверхности и NDVI. Положительная корреляция температуры и индекса NDVI характеризует иной тип трансформации ландшафта, в частности, это может быть изменение гидрологического режима или интенсивности транспирации. В целом, полученные результаты свидетельствуют о перспективности применения описанной методики, в том числе в планируемых работах по прогнозированию развития ОГП, оценке изменений теплофизических свойств тундрового покрова, геокриологических условий, пожароопасности территорий, динамики болот и эмиссии метана, а также при изучении трансформаций криогенных ландшафтов в условиях глобальных изменений климата, локальных стихийных и антропогенных воздействий.
Работа выполнена в рамках государственного задания (тема «Рациональное природопользование и эффективное освоение нефтегазовых ресурсов арктической и субарктической зон Земли», № АААА-А19-119021590079-6).

Ключевые слова: дистанционное зондирование Земли, коррекция, температурный контраст, тепловое изображение, тундра
Литература:
  1. Canty M.J., Nielsen A.A. Automatic radiometric normalization of multitemporal satellite imagery with the iteratively re-weighted MAD transformation // Remote Sensing of Environment. 2008. V.112. P. 1025–1036.
  2. Martinez-Alonso S., Jakosky B.M., Mellon M.T., Putzig N.E. A volcanic interpretation of Gusev Crater surface materials from thermophysical, spectral and morphological evidence // Journal of Geophysical Research. 2005. V.110. E01003
  3. Rahman M.M., Hay G.J., Couloigner I., Hemachandran B., Bailin J.A. A comparison of four radiometric normalization techniques for mosaicing H-res multi-temporal thermal infrared flight lines of a complex urban scene // ISPRS Journal of Photogrammetry and Remote Sensing. 2015. V. 106. P. 82–94.
  4. Scheidt S., Ramsey M., Lancaster N. Radiometric normalization and image mosaic generation of ASTER thermal infrared data: An application to extensive sand sheets and dune fields // Remote Sensing of Environment. 2008. V.112. P. 920–933.
  5. Schott J.R., Salvaggio C., Vochok W.J. Radiometric scene normalization using pseudo-invariant features // Remote Sensing of Environment. 1988. V. 26. P.1−16.

Дистанционное зондирование растительных и почвенных покровов

432