Спутниковые данные прибора МСУ (КМСС) с пространственным разрешением 60-100 метров представляют интерес при решении задач дистанционной оценки характеристик земной поверхности и могут быть использованы для оперативного мониторинга и оценки растительного покрова. Однако задача автоматического выявления мешающих факторов на изображениях МСУ представляется нетривиальной и не может быть решена классическими методами, обычно используемыми применительно к другим приборам ДЗЗ.
Характерные особенности прибора МСУ, затрудняющие классическое детектирование облачности, включают значительные различия в геометрии наблюдений между зеленым, красным и БИК каналами (параллакс около 9°) и возникающую в результате разницу во времени наблюдения одного и того же объекта (около 20 секунд между соседними каналами). После этапов орторектификации и пространственного сведения разноспектральных изображений на уровне земной поверхности, образы объектов облачного покрова в различных каналах оказываются разнесенными на некоторое расстояние ввиду вышеуказанных эффектов. В результате использование классических мультиспектральных индексов-тестов для выделения облачности оказывается чрезвычайно затруднено и дополнительно усугубляется отсутствием канала коротковолнового диапазона.
В настоящей работе для географической допривязки данных и детектирования облачности на данных МСУ в качестве эталона использовались полученные по данным MODIS безоблачные изображения, а для её уточнения – результаты анализа границ объектов, полученных путём сегментации разновременных изображений Landsat (Плотников и др.,, 2018), очищенных от влияния облачности и теней с помощью модифицированного метода Fmask (опорные границы) (Колбудаев и др.,, 2017). Картографическая проекция и пространственное разрешение данных Landsat приводились в соответствие с аналогичными характеристиками изображений МСУ. Использование предварительно обработанных изображений MODIS за соответствующую дату съёмки позволяет обеспечить предварительную привязку изображений МСУ путём поиска оптимального локального смещения и максимизации значения пространственной корреляции между двумя наборами данных. При этом наблюдается взаимосвязь между наличием облачности и величиной максимального значения корреляции для каждой локальной области, что позволяет построить грубую маску облачности для текущего изображения КМСС. Уточнение географической привязки изображений КМСС на пиксельном уровне осуществляется через выполнение локализованного анализа соответствия границ объектов полученному по данным Landsat эталону этих границ с расчетом метрики, характеризующей совпадение.
На основе грубой маски облачности осуществляется локализованный анализ гистограмм потенциально облачных и безоблачных участков и рассчитывается адаптивный локальный порог на выделение облачности в рассматриваемом канале КМСС.
Работа выполнена в рамках темы «Мониторинг» (госрегистрация №01.20.0.2.00164), c использованием ресурсов ЦКП «ИКИ-Мониторинг» (Лупян и др., 2015, 2019).