Метод восстановления сезонных временных серий мультиспектральных спутниковых индикаторов на основе LOWESS и кросс-канальной оптимизации для оценки сельскохозяйственной растительности

При дистанционной оценке актуальных характеристик сельскохозяйственной растительности на основе мультиспектральных данных необходимо использование временных серий относительно частых наблюдений земной поверхности, что может быть обеспечено действующими спутниковыми системами Terra\Aqua(MODIS), Proba-V (Vegetation) или Sentinel-2A\B (MSI). Однако препятствием для этого является наличие мешающих факторов, таких как облачность и снежный покров.
Имеющиеся подходы к построению безоблачных временных серий предполагают предварительное построение композитных изображений за фиксированные интервалы времени, что требует использования масок облачности для каждого сеанса наблюдений. Методы построения масок облачности опираются на проведение ряда основанных на значениях мультиспектральных индексов тестов, использование «тепловых» каналов, а также последующее использование статистической опоры для исключения выбросных измерений, в качестве которой обычно выступает локальный временной интервал измерений (Барталев и др., 2016, Колбудаев и др., 2017, Егоров и др., 2018, Плотников и др., 2018). Анализ распределения значений внутри такого интервала позволяет находить нетипичные для чистой поверхности измерения, уточняя границы облачности. Использование композитных изображений повышает неопределенность датировки наблюдения, а также наследует возможные ошибки, имеющиеся в тематических масках мешающих факторов.
В настоящей работе на примере данных приборов MODIS (Terra, Aqua) и MSI (Sentinel-2A, B) показаны возможности метода локальной взвешенной регрессии полиномами LOWESS для восстановления временных серий безоблачных измерений без использования масок облачности. Для работы метод использует сезонную временную серию всех имеющихся значений целевого индикатора (вегетационного индекса или измерений в отдельном канале), а в качестве метрики весов используются преобразованные значения нормализованного разностного индекса снега NDSI, который чувствителен к наличию мешающих факторов, в том числе, облачности. В результате безоблачные сезонные временные серии ежедневных значений NDVI по данным прибора MSI были построены на территорию тестового региона в Индии и были использованы, в частности, для распознавания плантаций сахарного тростника и оценки фенологических характеристик региональных культур. Аналогичные результаты были получены для территории Крыма по данным MODIS при решении задачи мониторинга состояния озимых.
Для дистанционной оценки состояния растений и диагностирования водного или азотного стресса необходимо использование соответствующих мультиспектральных вегетационных индексов, однако восстановление временных серий для каждой метрики независимо является 1) времязатратным и 2) может привести к рассогласованию оценок на основе этих метрик. В ряде случаев более эффективным представляется восстановление временных серий исходных данных, на основе которых можно впоследствии рассчитать эти и другие производные от них индексы. Однако необходимо отметить, что в зависимости от устойчивости конкретного индекса к влиянию мешающих факторов, последовательность восстановления может меняться. В случае если более устойчивой является производная метрика, то необходимо решить задачу оптимизации исходных метрик таким образом, чтобы их комбинация позволяла в точности получить значения ранее восстановленной производной метрики. В настоящей работе предлагается вариант оптимизации исходных канальных измерений при восстановлении временной серии NDVI.
Исследование выполнено при финансовой поддержке РФФИ и Министерства образования, науки и молодежи Республики Крым в рамках научного проекта № 19-416-910006-р-а с использованием ресурсов Центра коллективного пользования «ИКИ-Мониторинг» (Лупян и др., 2015).