Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Восемнадцатая Всероссийская Открытая конференция «СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов)»

XVIII.A.255

Набор открытых python-библиотек для продвинутой автоматической подготовки данных Landsat

Казаков Э.Э. (1), Борисова Ю.И. (1,2)
(1) Государственный гидрологический институт, Санкт-Петербург, Российская Федерация
(2) Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики (ИТМО), Санкт-Петербург, Российская Федерация
Среди пользователей данных спутникового дистанционного зондирования наиболее востребованными являются публичные материалы, распространяемые на безвозмездной основе через интернет, что связано с экономическими причинами (доступность) и удобством (развитые системы дистрибуции). Среди открытых программ дистанционного зондирования особое место занимает Landsat - космическая миссия геологической службы США, действующая с 1972 года и насчитывающая 7 космических аппаратов, два из которых активны по сей день, а данные других доступны в открытом архиве. Космические аппараты программы Landsat оснащены мультиспектральными сенсорами и, с 1982 года осуществляют также тепловую съёмку, поэтому получаемые ими материалы широко используются в самых различных областях, от геологии и гидрометеорологии до экологии и урбанистики.
При всей своей популярности, для полноценного использования данные Landsat требуют внимательной предварительной подготовки, а именно радиометрической и атмосферной коррекции для оптических данных, а также пересчёта радиояркостных температур в физические. Процедуры атмосферной коррекции и расчёта физических температур обычно осуществляются с помощью нетривиальных алгоритмов, требующих дополнительных данных (о составе атмосферы, о свойствах подстилающей поверхности и подобных). Для многих непрофессиональных пользователей, а также для систем автоматизированного мониторинга окружающей среды, в рамках которых может быть затруднено получение внешних данных, необходимость такой предварительной подготовки данных часто становится заметной проблемой.
Предлагается авторский набор программных библиотек на языке Python, осуществляющих автоматизированную предобработку данных Landsat, включая базовые инструменты для чтения метаданных и осуществления радиометрической калибровки, современный алгоритм автоматизированной атмосферной коррекции и алгоритм расчёта физических температур на основе метода расщёпленного окна прозрачности. Все библиотеки распространяются по открытой лицензии GNU GPL v.3 и доступны в репозиториях на GitHub. Все библиотеки сопровождаются документацией и примерами.
Базовая библиотека LandsatBasicUtils доступна по адресу https://github.com/eduard-kazakov/LandsatBasicUtils и предлагает разработчикам инструменты для удобного обращения с метаданными и радиометрической калибровки по стандартным формулам. Библиотека SREMPy-landsat предлагает реализацию современного алгоритма атмосферной коррекции SREM (Bilal et al., 2019), который не требует дополнительных данных и обеспечивает приемлемую точность восстановления спектрального альбедо в видимом и ближнем инфракрасном диапазонах длин волн (Казаков и Борисова, 2019), она доступна по адресу https://github.com/eduard-kazakov/SREMPy-landsat. Библиотека Landsat8_LST_PSWA реализует автономный алгоритм восстановления физических температур на основе метода расщёпленного окна прозрачности с использованием ковариационно-вариационного подхода для моделирования содержания водяного пара в атмосфере (Du et al., 2015), что обеспечивает среднюю точность восстановления около 1 градуса Цельсия, и доступна по адресу https://github.com/eduard-kazakov/Landsat8_LST_PSWA.

Ключевые слова: landsat, srem, атмосферная коррекция, температура поверхности, программная библиотека
Литература:
  1. Казаков Э.Э., Борисова Ю.И. Оценка применимости алгоритма атмосферной коррекции SREM для анализа временных рядов на примере данных Landsat и его открытая программная реализация // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 2. С. 30–39.
  2. Bilal M., Nazeer M., Nichol J. E., Bleiweiss M. P., Qiu Z., Jäkel E., Campbell J.R., Atique L., Huang X., Lolli S. A Simplified and Robust Surface Reflectance Estimation Method (SREM) for Use over Diverse Land Surfaces Using Multi-Sensor Data // Remote Sensing. 2019. V. 11. No. 11, P. 1344
  3. Du C., Ren H., Qin Q., Meng J., Zhao S. A Practical Split-Window Algorithm for Estimating Land Surface Temperature from Landsat 8 Data // Remote Sensing. 2015. V. 7. No. 1. P. 647-665.

Презентация доклада

Методы и алгоритмы обработки спутниковых данных

23