Методы и информационные технологии географической привязки и калибровки спутниковых данных

На сегодняшний день данные дистанционного зондирования Земли (ДЗЗ) из космоса активно применяются для решения важных задач в сельском хозяйстве, при мониторинге окружающей среды и чрезвычайных ситуаций и т.д. Качество решения этих прикладных задач существенно зависит от качества предоставляемых спутниковых данных. Например, точность классификации земной поверхности по разновременным спутниковым изображениям зависит как от качества географической привязки данных, так и от калибровки и нормализации данных. Поэтому проблема разработки методов и информационных технологий географической привязки и калибровки спутниковых данных является чрезвычайно актуальной как в Украине, так и во всем мире.
Для решения задачи географической привязки существуют методы автоматического поиска опорных точек путем сопоставления частей снимка и базового изображения, но эти методы не реализованы для украинского спутника «Сич-2». В работе проанализированы свойства преобразования координат снимков, в том числе выявлены свойства нелинейности. Для учета нелинейностей авторы предлагают использовать нелинейные регрессионные модели на основе полиномиальной аппроксимации и нейронной сети радиальных базисных функций. Предложенный метод тестировался на 73 снимках спутника «Сич-2» для территории Украины. Тестирование на множестве опорных точек показало, что по критерию среднего абсолютного отклонения погрешность аппроксимации преобразования координат нейронной сетью меньше, чем погрешность полиномиальной модели на 26%, а по критерию среднеквадратического отклонения - на 32%. Экспериментальное сравнение результатов выполнения привязки нейронной сетью и линейной моделью показало, что нейронная сеть уменьшила отклонения от базового снимка в среднем с 617 м до 14.5 м, в то время как линейная модель обеспечивает отклонение около 60,5 м. Также нейронная сеть обеспечивает хорошую (с точностью 22.5 м) привязку 27 снимков, которые не могли быть обработаны линейной моделью.
Для калибровки спутниковых данных предлагается регрессионный подход на основе кросскалибровки. В частности, регрессионный подход применяется для кросскалибровки данных космической системы «Сич-2» и данных Landsat7 ETM+ SLC-off. Для эталонных данных Landsat-7 была выполнена атмосферная коррекция. Данные «Сич-2» были корегистрированы с целью уменьшения ошибки геопривязки [1]. Также со снимков были удалены территории, поддавшиеся влиянию атмосферы (облачность, тени облаков и т.д.). Для построения регрессионных моделей реализован метод поиска псевдоинвариантных целей между входными данными «Сич-2» и базовыми Landsat-7 [2]. Предложенный метод апробирован на архивных снимках спутника «Сич-2», полученных для территории Украины за период 2011-2012 гг. В качестве эталонных данных были использованы изображения Landsat-7, съемка которых проводилась с максимальной разницей в 3 дня относительно данных «Сич-2». Коэффициенты детерминации построенных регрессионных моделей варьируется в диапазонах 0,82-0,98 для «зеленого» спектрального диапазона; 0,94-0,99 - для «красного», и 0,94-0,99 - для «ближнего инфракрасного». Среднеквадратическая ошибка между откалиброванными данными «Сич-2» и базовыми Landsat-7 составила меньше 1%. Трудности возникли в поиске псевдоинвариантных целей и построении регрессионных моделей для данных «Сич-2», которые сильно поддавались влиянию атмосферы, или же для которых был сильно завышен коэффициент усиления сигнала в момент съемки.
Полученные результаты свидетельствуют о том, что использование предложенных методов и информационных технологий позволит уменьшить объемы времени обработки снимков и улучшить точность геопривязки и калиьбровки, что может быть использовано при создании наземного комплекса следующих поколений систем ДЗЗ и решении тематических задач [3-5].

Литература
1. О.П. Федоров, Н.М. Куссуль, О.М. Кравченко, С.Л. Янчевський, Р.М. Басараб, В.М. Кригін, М.С. Лавренюк. Інформаційна технологія географічної прив’язки даних космічної системи ДЗЗ «Січ-2» для території України. // Космічна наука і технологія – 2013р. — №1.
2. Todd A. Schroeder, Warren B. Cohen, Conghe Song, Morton J. Canty, Zhiqiang Yang. Radiometric correction of multi-temporal Landsat data for characterization of early successional forest patterns in western Oregon // Remote Sensing of Environment 103 (2006) 16–26.
3. Kussul N., Mandl D., Moe K., Mund J.P., Post J., Shelestov A., Skakun S., Szarzynski J., Van Langenhove G., Handy M. Interoperable Infrastructure for Flood Monitoring: SensorWeb, Grid and Cloud // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2012 vol. 5, no. 6, pp. 1740-1745.
4. Shelestov A.Yu., Kravchenko A.N., Skakun S.V., Voloshin S.V., Kussul N.N. Geospatial information system for agricultural monitoring // Cybernetics and Systems Analysis, 2013, Volume 49, Issue 1, pp 124-132.
5. Kussul N., Shelestov A., Skakun S. Grid Technologies for Satellite Data Processing and Management Within International Disaster Monitoring Projects // In Fiore, S.; Aloisio, G. (Eds.). —Springer. Grid and Cloud Database Management, 2011. - P. 279-306.