خلاصه

داده های بازتاب سطحی به دست آمده توسط تصحیح جوی مطلق تصاویر ماهواره ای برای کاربردهای کاربری زمین مفید هستند. برای تصاویر Landsat و Sentinel-2، بسیاری از روش های پردازش رادیومتری وجود دارد و تصاویر توسط اکثر انواع نرم افزارهای تجاری و منبع باز پشتیبانی می شوند. با این حال، تصاویر چند طیفی KOMPSAT-3A با وضوح 2.2 متر در حال حاضر فاقد ابزار یا منابع منبع باز برای به دست آوردن داده های بازتابی بالای تاج (TOC) هستند. در این مطالعه، یک ماژول تصحیح جوی برای تصاویر KOMPSAT-3A به تازگی در الگوریتم کالیبراسیون نوری در جعبه ابزار Orfeo (OTB)، با یک مدل حسگر و داده‌های پاسخ طیفی برای KOMPSAT-3A پیاده‌سازی شد. با استفاده از این ماژول، به نام پسوند OTB برای KOMPSAT-3A، آزمایش‌ها بر روی شاخص گیاهی تفاوت نرمال شده (NDVI) بر اساس داده‌های بازتاب TOC با یا بدون خواص آئروسل از AERONET انجام شد. نتایج NDVI برای این داده‌های جوی تصحیح‌شده با نتایج طرح تفریق اجسام تاریک (DOS)، یک روش تصحیح جوی نسبی مقایسه شد. نتایج NDVI به‌دست‌آمده با استفاده از بازتاب TOC با یا بدون داده‌های AERONET به طور قابل‌توجهی با نتایج به‌دست‌آمده از طرح DOS و بازتاب سطح Landsat-8 موتور Google Earth (GEE) متفاوت بود. مشخص شد که استفاده از پارامتر آئروسل داده‌های AERONET بر نتایج NDVI برای تصاویر KOMPSAT-3A تأثیر می‌گذارد. بازتاب TOC تصاویر ماهواره ای با وضوح بالا، تجزیه و تحلیل دقیق بیشتر و تفسیر دقیق جنگل های شهری یا ویژگی های پوشش گیاهی پیچیده را تضمین می کند.

کلید واژه ها:

تصحیح جوی مطلق ; KOMPSAT-3A ; NDVI ; جعبه ابزار Orfeo ; بازتاب TOC

1. معرفی

علاقه فزاینده ای به استفاده از تکنیک های پیشرفته پردازش اطلاعات مانند داده های بزرگ و یادگیری عمیق در وظایف سطح کاری مربوط به داده های ماهواره ای وجود دارد، و کاربردهای غیرنظامی و علمی تصاویر ماهواره ای با وضوح بالا به تجزیه و تحلیل دقیق داده ها گسترش می یابد. بینش هایی فراتر از تفسیر بصری بر اساس پیکسل ها. برای تصاویر نوری به دست آمده از ماهواره‌های رصد زمین (EO)، تجزیه و تحلیل دقیق نیاز به پردازش برای تبدیل تشعشع حسگر به داده‌های علمی مانند بازتاب اتمسفر، بازتاب سطح یا دمای سطح دارد. در میان روش های پیش پردازش مورد استفاده برای تصاویر EO، تصحیح اتمسفر یک مرحله اصلی در تولید داده های بازتاب سطحی است. تصاویر ماهواره ای برای کاربرد این رویکردها باید با داده های علمی ارائه شود،
تصاویر تصحیح شده جوی برای بسیاری از کاربردهای کاربری زمین، مانند تخمین متریک کمی پوشش گیاهی، استفاده می شوند. توسعه طرح‌های تصحیح جو و مدل‌های کاربردی آن‌ها هنوز ادامه دارد. هوریون و همکاران [ 1 ] مقادیر شاخص گیاهی تفاوت نرمال شده (NDVI) را تخمین زد و روندهای بلندمدت در داده های NDVI حاصل از حسگرهای ماهواره ای از جمله SPOT-VEGETATION، طیف رادیومتر تصویربرداری با وضوح متوسط ​​(MODIS) و رادیومتر با وضوح بسیار بالا پیشرفته (AVHRR) را تجزیه و تحلیل کرد. فن و همکاران [ 2] معادلات تصحیح متغیر زمانی را برای تولید مجموعه داده های NDVI طولانی مدت و سازگار از حسگرهای با وضوح متوسط، مانند AVHRR، MODIS، و مجموعه رادیومتر تصویربرداری مادون قرمز مرئی (VIIRS) پیشنهاد کرد. مقادیر NDVI محاسبه‌شده سفید از تصاویر ماهواره‌ای QuickBird و WorldView-2 که همزمان با پوشش گیاهی زمینی و اندازه‌گیری‌های تخلیه چشمه گرفته شده‌اند، به دست آمدند [ 3 ]. روابط خطی قابل توجهی بین مقادیر NDVI تصویر و پوشش گیاهی زمینی ایجاد شد. گاسکون و همکاران [ 4] پردازنده Sen2Cor را برای محصول Level-2A از تصاویر Sentinel-2 معرفی کرد. با استفاده از عمق نوری آئروسل (AOD)، محتوای بخار آب، تصحیح ابر سیروس، تصحیح زمین و تجربی، بازتاب بالای اتمسفر (از این پس به عنوان بازتاب TOA نامیده می شود) را به همتای خود در پایین جو (BOA) تبدیل می کند. اصلاحات تابع توزیع بازتاب دو طرفه (BRDF). سولورزانو و همکاران [ 5 ] از یک تصویر چند طیفی از GeoEye-1 برای استخراج معیارهای تصویر برای مدل‌سازی یک جنگل استوایی و خشک بر اساس داده‌های بازتاب نسبی استفاده کرد که با استفاده از الگوریتم تصحیح جوی سریع (QuAC) در نرم‌افزار Harris Geospatial ENVI تصحیح شدند. میورا و همکاران [ 6] سازگاری متقابل سنسورهای شاخص‌های پوشش گیاهی طیفی بین VIIRS و MODIS را با محاسبه شاخص‌های پوشش گیاهی، از جمله NDVI، توسط بازتاب TOA و TOC بررسی کرد. در مورد Sentinel-2، پروژه ای برای توزیع عمومی محصولات اصلاح شده جوی با استفاده از مفهوم پلت فرم خدمات [ 7 ] در حال انجام است.
کوهن و همکاران [ 8 ] محصولات بازتابی سطح زمین استاندارد سازمان زمین شناسی ایالات متحده (USGS) را با محصولات انعکاسی سنجش از دور آبی Landsat-8 و Sentinel-2 در چندین منطقه رودخانه مقایسه کرد تا با استفاده از یک تکنیک تصحیح با داده های درجا، تفاوت ها را برجسته کند. داده‌های بازتاب سطح پشتیبانی شده توسط Google Earth Engine (GEE) محصولات بازتابی TOA را از سیستم پردازش تطبیقی ​​اختلال اکوسیستم Landsat (LEDAPS) برای بازتاب سطح Landsat 4-5 TM/Landsat 7 ETM+ و کد بازتاب سطح زمین (LaSRC) برای Landsat 8 ( https://developers.google.com/earthengine/datasets/catalog/LANDSAT_LC08_C01_T1_SR). با این حال، محصولات بازتاب سطح تصحیح دقیق/زمین سطح 1 برای تصاویر Landsat 7/8 تولید شده توسط طرح اصلاح مطلق جوی، به دلیل شرایط محدود برای تولید محصول، ناقص هستند. محصولات بازتاب سطح Sentinel-2 Level-2A از سال 2019 در کاتالوگ داده های Earth Engine در دسترس هستند ( https://philippgaertner.github.io/2019/04/gee-s2-level-2a-ingestion/ ).
برای بررسی تصحیحات جوی تصویر WorldView-2 به دست آمده از ماهواره‌های تجاری رصد زمین متعلق به DigitalGlobe، سه روش رگرسیون خطی ساده، تحلیل سریع اتمسفر خط دید ابرمکعب‌های طیفی (FLAASH) و مدل‌های تصحیح جوی (ATCOR) – بر اساس داده های بازتابی در محل برای اهداف خاص [ 9 ] ارزیابی شدند. نقشه برداری از انواع عملکردی پوشش گیاهی در مناطق شهری با تصاویر WorldView-2 [ 10 ] مورد مطالعه قرار گرفت و شاخص تفاوت عادی آب (NDWI) و مقادیر NDVI تصاویر WorldView-2 برای استخراج خط ساحلی استفاده شد [ 11 ].]. مجموعه تصاویر ماهواره ای WorldView-3 در پایگاه ملی پوشش زمین (NLCD) برای نقشه برداری از سطح غیرقابل نفوذ برای مناطق شهری [ 12 ] گنجانده شده است. برای کشاورزی دقیق، بازتاب سطحی WorldView-3 توسط Solano [ 13 ] در فرآیند طبقه‌بندی تصویر مبتنی بر شیء جغرافیایی برای تشخیص تاج درخت مورد مطالعه قرار گرفت. برای ارزیابی اطلاعات در مورد سلامت درختان در جنگل‌های شهری غنی از گونه‌ها، پتانسیل محصولات جبران اتمسفر بدون ابر (ACOMP) WorldView-3 برای کاهش اثرات پراکندگی جو و ارائه مقادیر بازتاب سطح نرمال بررسی شد [ 14 ].
لی و لی [ 15 ] مقایسه محصولات را با اعمال چندین روش تصحیح جوی شناخته شده با مجموعه های تصویر طیفی متعدد از KOMPSAT-2 انجام دادند. KOPMSAT مخفف کره چند منظوره ماهواره است. نتایج مشکلاتی را در تولید محصولات ثابت نشان داد، زیرا اصلاحات جوی تحت تأثیر چندین متغیر قرار می گیرند. در مورد تصاویر KOMPSAT-3/3A با وضوح بسیار بالا (VHR)، کیم و همکاران. [ 16 ] ویژگی های تشعشعی تصاویر KOMPSAT-3 را تجزیه و تحلیل کرد و برای تأیید کیفیت تصویر با تصاویر Landsat-8 در همان منطقه آزمایش کرد. متغیرهای حسگر برای بازتاب TOA (از این پس به عنوان بازتاب TOA نامیده می شود) نیز ارائه شد. شین و همکاران [ 17] یک مطالعه مقایسه ای با هر دو نتیجه محاسبه بازتاب TOA با استفاده از تصاویر KOMPSAT-3A و Landsat 8 OLI در منطقه آزمایش انجام داد و گزارش داد که کیفیت تصاویر KOMPSAT-3A به طور مداوم حفظ می شود. در یک مطالعه مقدماتی بر روی کالیبراسیون تصاویر KOMPSAT-3/3A، Yeom و همکاران. [ 18 ] محاسبات بازتاب TOA را با استفاده از شبیه‌سازی دوم سیگنال ماهواره‌ای در الگوریتم طیف خورشیدی (6S)، یک مدل مهم انتقال تابشی انجام داد و ویژگی‌های رادیومتری مطلق KOMPSAT-3/3A را تحلیل کرد. آن و همکاران [ 19 ] تصاویر تصحیح شده جوی از تصاویر Landsat یا Sentinel-2 را تولید کرد و از آنها برای پیشنهاد یک ضریب تنظیم برای KOMPSAT-3 برای بازتاب TOA استفاده کرد.
اکثر ابزارهای تجاری سازی شده از برنامه های افزودنی یا پلاگین برای تصحیح جو پشتیبانی می کنند. با این حال، اکثر الگوریتم‌ها و روش‌ها عمدتاً برای تصاویر MODIS، سری Landsat و Sentinel-2 توسعه داده شدند. بنابراین، از دسامبر 2019، ابزارهای کمی روش‌های تصحیح جوی را ارائه می‌کنند که از مدل حسگر KOMPSAT-3/3A پشتیبانی می‌کنند. بنابراین، توسعه ابزارهای پردازش تصحیح جوی برای این تصاویر ماهواره ای برای گسترش کاربردهای علمی تصاویر KOMPSAT-3/3A و سایر تصاویر VHR ضروری است. لی و کیم یک نسخه آزمایشی را برای تولید بازتاب سطحی برای KOMPSAT-3A بر اساس محیط Orfeo ToolBox (OTB) با منبع باز اجرا کردند و یک مطالعه موردی با تصاویر KOMPSAT-3A در منطقه رودخانه مکونگ [ 20 ] انجام دادند.
بر اساس این نسخه آزمایشی، این مطالعه پسوند OTB را برای تصاویر KOMPSAT-3A برای یک روش پردازش تصحیح جوی مطلق مبتنی بر ابزارهای منبع باز به عنوان اولین گام به سمت ایجاد پایگاه داده آماده تجزیه و تحلیل (ARD) تصاویر KOMPSAT و پیاده سازی ماژول پردازش واقعی در محیط OTB. با استفاده از این ماژول، آزمایش‌هایی برای تولید انعکاس سطحی با سه تصویر KOMPSAT 3A برای مقایسه نتایج بازتاب TOA و TOC با و بدون فایل AERONET، که اندازه‌گیری‌های AOD طیفی را ارائه می‌دهد، انجام شد. AERONET یک شبکه آئروسل جهانی است که توسط سازمان ملی هوانوردی و فضایی (NASA) و سایر ماموریت های ماهواره ای بین المللی اداره می شود که ویژگی های مختلف آئروسل را در اختیار عموم قرار می دهد [ 21 ]]. علاوه بر این، تصاویر تصحیح جوی مبتنی بر تفریق جسم تاریک (DOS) تهیه و با تصاویر تصحیح جوی مطلق مقایسه شدند.
در مورد کاربردهای NDVI برای اهداف پایش کشاورزی، اثرات جو باید در نظر گرفته شود زیرا نتایج معنی‌داری نشان می‌دهد که تفاوت میانگین 18 درصدی بین مقادیر اصلاح‌شده جوی و غیر اتمسفری [ 22 ]. اندازه‌گیری‌های زمینی AERONET، از جمله پارامترهای آئروسل و بخار آب، به عنوان تابعی از دقت ورودی‌های الگوریتم تصحیح اتمسفر برای ارزیابی شاخص‌های پوشش گیاهی با بازتاب TOA یا TOC استفاده می‌شوند [ 23 ].]. در همین حال، پلتفرم ابری GEE از یک کاتالوگ داده آماده تجزیه و تحلیل چند پتابایتی تشکیل شده است که با یک سرویس محاسباتی با کارایی بالا و ذاتاً موازی قرار گرفته است. از طریق یک رابط برنامه نویسی کاربردی قابل دسترسی به اینترنت (API) و یک محیط توسعه تعاملی مبتنی بر وب (IDE) که نمونه سازی سریع و تجسم نتایج را امکان پذیر می کند، قابل دسترسی و کنترل است [ 24 ]. GEE فرصت های قابل توجهی را برای رصد زمین و کاربردهای زمین فضایی فراهم می کند و به طور بالقوه برخی از موانع را به ویژه در کشورهای در حال توسعه از بین می برد [ 25 ]. نوری [ 26] رابطه بین تبخیر و تعرق پوشش گیاهی شهری (ET) و شاخص‌های پوشش گیاهی به دست آمده از تصاویر WorldView-2 با وضوح فضایی بالا به تازگی توسعه‌یافته را بررسی کرد که نشان می‌دهد مقادیر NDVI برای هر دسته از پوشش‌های منظر، یعنی درختان، درختچه‌ها، چمن‌های چمن، غیرقابل نفوذ به دست آمده است. پیاده روها، و بدنه های آبی.
بر اساس پیشینه و انگیزه ذکر شده در بالا، هدف اول از این مطالعه پرداختن به گسترش OTB تصاویر KOMPSAT-3A برای تولید بازتاب TOA و TOC با تصحیح جوی مطلق است. دوم ارائه تفاوت بین تصحیح اتمسفر نسبی طرح DOS و تصحیح جوی مطلق برای تصاویر KOMPSAT-3A از طریق نتایج NDVI. سومین مورد مقایسه داده‌های NDVI از تصاویر KOMPSAT-3A با داده‌های به‌دست‌آمده با استفاده از تصاویر Landsat-8 در GEE است که کاربرد داده‌های بازتاب سطحی تولید شده از تصاویر چند طیفی با وضوح بالا را برای کاربردهای آینده نشان می‌دهد.

2. تصحیح جوی مطلق برای تصاویر ماهواره ای نوری و محدوده کاری

تابش خورشیدی منعکس شده از سطح توسط سنسورهای ماهواره ای از طریق جو شناسایی می شود. انرژی تشعشعی شناسایی شده توسط یک سنسور ماهواره ای با توجه به ویژگی های سنسور به مقادیر پیکسل تبدیل می شود و به صورت تصویر ارائه می شود. کمیت انرژی تابشی از مکان به زمان بسیار متفاوت است، و استخراج اندازه‌گیری‌های دقیق از تصاویر ماهواره‌ای، صرف نظر از مکان یا زمان، مهم است. مقادیر پیکسل ثبت شده در تصویر در سراسر محدوده طیفی یکنواخت نیستند، زیرا به فصل، شرایط نور و جو، موقعیت خورشید و متغیرهای حسگر داخلی بستگی دارند. از این رو،
علاوه بر این، برنامه های کاربردی برای پایش محصول یا تجزیه و تحلیل سری های زمانی مربوط به بلایای طبیعی معمولاً شامل مقایسه تصاویر به دست آمده از انواع حسگرها یا در زمان ها و فصول مختلف است. برای این کار، متغیرهای فیزیکی که شرایط جوی را در زمان دریافت تصویر نشان می‌دهند همراه با یک ضریب تصحیح برای سنسور استفاده می‌شود تا میزان انرژی فیزیکی ثبت شده در هر سنسور را نشان دهد. تشعشعات خورشیدی توسط اجسام و ساختارهای مختلف روی سطح منعکس می‌شود و توسط حسگرهای ماهواره‌های نوری شناسایی می‌شود و پس از آن در معرض تضعیف جوی قرار می‌گیرد که توسط جو زمین جذب و پراکنده می‌شود. این فرآیند بر مقادیر پیکسل تصویر تأثیر می گذارد. از این رو، مدل انتقال تابشی برای محاسبه کمی مقدار انرژی تابشی موجود استفاده می شود. این مدل به چندین مقدار فیزیکی شامل موقعیت ماهواره در زمان گرفتن تصویر و همچنین ویژگی های بازتابی هدف واقع در سطح و وضعیت جو در آن زمان نیاز دارد. سپس با استفاده از این متغیرها، یک مدل انتقال تشعشع مانند MODTRAN (Transmission اتمسفری با وضوح متوسط) یا مدل 6S برای تصحیح اتمسفری تصاویر نوری استفاده می شود.27 ].
انجام اصلاحات مطلق جوی برای محاسبه بازتاب TOC به چهار نوع داده نیاز دارد. اولین مورد، داده های جمع آوری شده روی زمین در هنگام عبور ماهواره است. دومی شامل منحنی های تابع پاسخ طیفی نسبی است که مقادیر پیکسلی تصاویر گرفته شده توسط ماهواره، سطح پاسخ سنسورها و افزایش و افست حسگر را نشان می دهد. سوم، مقادیر انرژی تابش است که بر اساس شرایط جوی و موقعیت های هندسی خورشید و حسگرهای مورد نیاز برای مدل انتقال تابش انتخاب شده محاسبه می شود. چهارمین داده‌های اندازه‌گیری است که شرایط جوی را توصیف می‌کند، مانند AOD، فشار اتمسفر، حجم بخار آب، حجم ازن، و ترکیب و کمیت گازهای آئروسل.
تصحیح جو برای همه کاربردهای زمینی تصاویر ماهواره ای ضروری نیست. با این حال، این یک فرآیند مهم برای تجزیه و تحلیل فیزیکی خواص زمین یا تجزیه و تحلیل تصاویر سری زمانی، مانند تشخیص تغییر در محیط است. چندین الگوریتم بر اساس MODTRAN و مدل 6S برای این اصلاح وجود دارد: ACORN (Atmospheric Correction Now)، FLAASH، ATREM (ATmospheric REMoval) و ATCOR. علاوه بر ابزارهای تجاری، Bunting [ 28 ] ابزار تصحیح جوی و رادیومتری تصاویر ماهواره ای (ARCSI) را با استفاده از مدل 6S توسعه داد. این مدل از Landsat، SPOT، Sentinel-2، Rapideye، WorldView و Pleiades پشتیبانی می کند. فرانتس و همکاران [ 29] ابزاری به نام چارچوب برای تصحیح رادیومتری عملیاتی برای پایش محیطی (FORCE) ایجاد کرد که می تواند Landsat ARD را با اعمال مجموعه داده بخار آب با استفاده از تصویر MODIS تولید کند. Leutner [ 30 ] RSToolbox را توسعه داد، یک بسته منبع باز برای ارائه پردازش تصحیح جوی نسبی طبق الگوریتم DOS برای تصاویر Landsat در محیط R. در جعبه ابزار SNAP، یک روش پلاگین ابزار تصحیح جوی iCOR [ 31 ] عمدتاً برای تصاویر Sentinel 2 و Landsat 8 استفاده می شود. ابزار بازتاب TOA در SAGA [ 32 ] از یک ماژول با استفاده از طرح DOS به نام i.landsat.toar در کتابخانه GRASS فقط برای تصاویر Landsat استفاده می کند.
شکل 1انواع تصاویر ماهواره ای نوری و وضوح فضایی باندهای چند طیفی، عرض نوار در نادر و اصلاحات جوی برای تولید بازتاب سطحی را نشان می دهد. مشخصات باند طیفی KOMPSAT-3A به شرح زیر است: 450-900 میکرومتر برای نوار پانکروماتیک، 450-520 میکرومتر برای MS1 (آبی)، 520-600 میکرومتر برای MS2 (سبز)، 630-690 میکرومتر برای MS3 (قرمز) و 760-900 میکرومتر برای MS4 (نزدیک مادون قرمز: NIR). فاصله نمونه زمین (GSD) در نادر 0.55 متر برای یک تصویر پانکروماتیک، 2.2 متر برای باندهای چند طیفی، و 5.5 متر برای داده های مادون قرمز نزدیک است. وضوح رادیومتری کوانتیزاسیون داده ها 14 بیت است. عرض نوار KOMPSAT 3A 12 کیلومتر است و 15.4 برابر باریکتر از Landsat-8 OLI است. در همین حال، KOMPSAT-3 دارای مشخصات باند طیفی مشابه با KOMPSAT 3A است. اما GSD برای یک تصویر پانکروماتیک و باندهای چند طیفی در عرض نوار 15 کیلومتری در نادر به ترتیب 0.7 متر و 2.8 متر است. در مورد چهار باند چند طیفی DigitalGlobe WorldView-4 با وضوح سنسور 1.24 متر و عرض نوار 13.2 کیلومتر در نادر، عرض طول موج برای باند آبی، نوار سبز، نوار قرمز و باند مادون قرمز نزدیک است. 450-510، 510-580، 655-690، و 780-920 میکرومتر، به ترتیب. نوار پانکروماتیک با وضوح فضایی 0.31 متر در نادر دارای طول موج 450-800 میکرومتر است. به ترتیب 655-690 و 780-920 میکرومتر. نوار پانکروماتیک با وضوح فضایی 0.31 متر در نادر دارای طول موج 450-800 میکرومتر است. به ترتیب 655-690 و 780-920 میکرومتر. نوار پانکروماتیک با وضوح فضایی 0.31 متر در نادر دارای طول موج 450-800 میکرومتر است.https://www.satimagingcorp.com/satellite-sensors/geoeye-2/ ). DigitalGlobe محصولات تصویر تجاری شده توسط ACamp را ارائه می دهد که از سه روش تصحیح رادیومتری پشتیبانی می کند: بازتاب TOA، بازتاب فقط ریلی و بازتاب سطح [ 33 ]. در میان آن‌ها، بازتاب سطحی پدیده‌های جذب و پراکندگی اتمسفر را جبران می‌کند و آنچه را که توسط یک حسگر درست بالای سطح و بدون هیچ تغییری از جو اندازه‌گیری می‌شود، تقریبی می‌کند. از این سه محصول بازتابی، بازتاب سطحی را می توان برای انواع مختلفی از کاربردها مانند تحلیل کاربری و پوشش، ارزیابی سری های زمانی، استخراج ویژگی، تطابق طیفی، تعادل تون و ارزیابی دقت طیفی استفاده کرد.
شکل 2 گردش کار این مطالعه را خلاصه می کند. ابزار OTB مورد استفاده در این مطالعه، پسوند OTB تعبیه شده در مدل حسگر، تابش خورشیدی، و تابع پاسخ طیفی نسبی مورد نیاز برای کالیبراسیون جوی KOMPSAT-3A بود. برنامه افزودنی در یک نرم افزار نوعی برنامه کامپیوتری است که به منظور گسترش یا افزودن به آنچه برنامه پایه قادر به انجام آن است می باشد. ابزار پیاده‌سازی شده در این مطالعه پسوند OTB برای KOMPSAT-3A نامیده می‌شود و در محیط OTB بازسازی شد، نه اینکه یک پلاگین در آن قرار داده شود. این ابزار به طور خودکار متغیرهای ورودی را برای کالیبراسیون اتمسفر از تصاویر می خواند و از آنها برای تولید بازتاب TOA و TOC استفاده می کند. بنابراین، کل منبع باید دوباره ساخته شود، نه اینکه صرفاً درج شود.

3. طرح و داده های کاربردی

3.1. ماژول تصحیح جوی در جعبه ابزار Orfeo (OTB): افزونه OTB برای KOMPSAT-3A

در این مطالعه، تابع پردازش تصحیح جوی مطلق برای KOMPSAT-3A با استفاده از پسوند OTB برای KOMPSAT-3A، به عنوان یک ماژول جدید اجرا شده در محیط OTB، همانطور که در شکل 3 نشان داده شده است، انجام شد .
OTB یک محصول منبع باز برای سنجش از راه دور است که شامل یک نمایشگر سریع تصویر، برنامه های قابل فراخوانی از زبان های برنامه نویسی مختلف یا پلت فرم های خارجی مانند Python یا QGIS، و یک رابط برنامه نویسی برنامه C++ (API) است [ 34 ].]. از سال 2015، این محصول توسط بنیاد ژئوفضایی منبع باز (OSGeo)، یک سازمان غیرانتفاعی و غیردولتی مدیریت و توسعه یافته است. ماژول های اعمال شده برای KOMPSAT-3A را می توان برای KOMPSAT-3 نیز اعمال کرد زیرا هر دو مدل حسگر دارای مشخصات یکسانی هستند، از جمله محدوده طول موج و پاسخ طیفی برای هر باند. علاوه بر این، داده‌های شرایط جوی برای محاسبه بازتاب TOC در پایگاه داده AERONET موجود است. AERONET یک شبکه جهانی آئروسل است که توسط ناسا و سایر ماموریت های ماهواره ای بین المللی اداره می شود که ویژگی های مختلف آئروسل را در اختیار عموم قرار می دهد. این شامل AOD است، که نشان دهنده شفافیت جو است که با استفاده از مشاهدات نورسنجی خورشیدی و تصاویر ماهواره ای در 1038 ایستگاه اندازه گیری در سراسر جهان اندازه گیری شده است.https://aeronet.gsfc.nasa.gov/ ). داده های AERONET مورد استفاده در این مطالعه داده های ماهانه برای دوره اکتساب تصاویر هستند. هنگامی که داده های AERONET از OTB خوانده می شود، اولین گام جستجو در ستون تاریخ و بازیابی تاریخ، ماه و سال دریافت تصویر است. سپس، مقادیر با تمام داده‌ها ظرف یک ساعت پس از تاریخ از پیش تعریف‌شده ذخیره می‌شوند و محدوده‌های خطا به‌عنوان مقادیر میانگین برای به‌روزرسانی پارامترها، مانند مقدار بخار آب و مقادیر ویژگی‌های آئروسل، که برای محاسبه بازتاب TOC مورد نیاز است، محاسبه می‌شوند.
تحت مجوز Apache 2.0، OTB از بسیاری از سیستم‌های منبع باز خارجی مانند Insight Toolkit (ITK)، کتابخانه انتزاع داده‌های مکانی (GDAL)، OSSIM، libSVM، OpenCV و Shark با یک روال 6SV استفاده می‌کند [ 35 ]. مدل 6S [ 36]. مدل 6S یک مدل انتقال تشعشع است که برای شبیه سازی انعکاس تابش خورشید توسط سیستم های سطح اتمسفر ترکیب شده در طیف گسترده ای از شرایط جوی، طیفی و هندسی با ورودی های ارتفاع، فشار اتمسفر، دما، چگالی رطوبت، ازن طراحی شده است. چگالی، محتوای آب و غلظت ازن. OTB از ماژول پردازش کالیبراسیون اتمسفر با استفاده از مدل 6S برای سنسورهای محدود مانند QuickBird، IKONOS، WorldView-2، FORMOSAT، Pleiades و SPOT پشتیبانی می کند و از تصاویر KOMPSAT-3A پشتیبانی نمی کند. بنابراین، برای تولید انعکاس TOA و TOC برای KOMPSAT-3A، کد منبع یا اسکریپت های جداگانه باید پیاده سازی شود تا متغیرهای مدل سنسور یا مقادیر فیزیکی مورد استفاده برای تصحیح جوی مورد استفاده قرار گیرد و آنها باید با موتور OTB کامپایل شوند.

فرمولی زیر برای تعیین بازتاب TOA و TOC با توجه به تصحیح اتمسفر برای تصویر KOMPSAT-3A استفاده می‌شود:

��=جیآمن�×(�ن)+���سهتی

که در آن L λ تابش طیفی طول موج است، Gain و Offset مشخصه های سنسور هستند و DN عدد دیجیتال است. تابش حسگر طول موج باند KOMPSAT 3A از داده های داده شده در تبدیل بازتاب تابشی TOA استفاده می کند [ 37 ].

��،تی�آ=���د2(�اس�ن�)cos�س

جایی که ρ λ بازتاب TOA را در طول موج باند تصویر ماهواره‌ای نشان می‌دهد، d فاصله زمین تا خورشید، ESUN λ تابش اتمسفری خورشیدی است، و θs زاویه اوج خورشیدی است [ 38 ] .

�تی�سی=�تی�آ-�آتیمترتی(�س)تی(��)تی�1+اس�تی�آ-�آتیمترتی(�س)تی(��)تی�
در اینجا ρ TOC ، ρ TOA و ρ atm به ترتیب بازتاب TOC، TOA و بازتاب ذاتی اتمسفر را نشان می‌دهند. S یک ثابت تصحیح است و T ( μs )، T ( μ ν ) و tg به ترتیب نشان دهنده عبور رو به پایین، عبور به سمت بالا و آلبدوی جو است [ 39 ] .
بازتاب TOA با در نظر گرفتن افزایش و افست حسگر، تابش خورشیدی و سطوح پاسخ طیفی به دست می آید. علاوه بر اطلاعات مورد استفاده برای محاسبه بازتاب TOA، محاسبه بازتاب TOC همچنین به اطلاعاتی در مورد ضخامت نوری جو، فشار اتمسفر، حجم بخار آب، حجم ازن، و ترکیب و کمیت گازهای آئروسل نیاز دارد.
اطلاعات حسگر ثبت شده در محیط OTB برای پردازش کالیبراسیون از طریق تجزیه خودکار مقادیر فاکتور مورد نیاز، مانند روز، بایاس، بهره، آزیموت و سایر اطلاعات با خواندن نام فایل GEOM یکسان برای هر باند استفاده می شود. برای ورودی خودکار این مقادیر، فقط سنسورهای ثبت شده در OTB مجاز هستند. فایل GEOM شکلی از فرمت ذخیره سازی فراداده تصویر است که توسط کتابخانه سنجش از راه دور OSSIM ( https://sourceforge.net/projects/ossim/ ) استفاده می شود که در داخل OTB استفاده می شود. در این مطالعه، ابرداده هسته OTB برای تصاویر KOMPSAT-3A اضافه شد و یک اسکریپت برای تولید فایل‌های GEOM ایجاد شد تا مقادیر ورودی بلافاصله در طول پردازش کالیبراسیون OTB اعمال شوند.
شکل 4 تابش خورشیدی را در محدوده مورد استفاده در تصحیح جوی KOMPSAT-3A و همچنین داده های پاسخ طیفی نسبی برای باند KOMPSAT-3A نشان می دهد. تابش طیفی خورشیدی بر اساس داده‌های G-173 انجمن آمریکایی آزمایش و مواد (ASTM) [ 40 ] بود. علاوه بر این، داده‌های شرایط جوی برای محاسبه بازتاب TOC در پایگاه داده AERONET موجود است ( https://aeronet.gsfc.nasa.gov/cgi-bin/type_piece_of_map_cloud). AERONET یک شبکه آئروسل جهانی است که توسط ناسا و سایر ماموریت های ماهواره ای بین المللی اداره می شود که ویژگی های آئروسل مختلفی مانند AOD را برای عموم فراهم می کند که نشان دهنده شفافیت جو اندازه گیری شده با استفاده از مشاهدات فتومتریک خورشیدی و تصاویر ماهواره ای در ایستگاه های زمینی واقع در سراسر جهان است. فایل AERONET بسته به سطح پردازش داده ها سه سطح داده را ارائه می دهد. سطح 1 حاوی داده های خام، سطح 1.5 حاوی داده هایی است که در آن اثرات ابرها حذف می شود و سطح 2 حاوی دقیق ترین داده ها است که کیفیت آنها از طریق یک فرآیند کالیبراسیون تضمین می شود. دو کمیت فیزیکی ارائه شده در شکل 4 در مجموعه OTB برای اجرای جدید برای استخراج بازتاب TOC KOMPSAT-3A گنجانده شده است.

3.2. داده های KOMPSAT-3A و Landsat برای محاسبه NDVI

در این مطالعه، ما از تصاویر KOMPSAT-3A از کانبرا، استرالیا، همانطور که در شکل 4 نشان داده شده است ، استفاده کردیم و برخی آزمایشات مربوط به محاسبات NDVI را انجام دادیم.
این مطالعه شامل یک آزمایش آزمایشی با داده های یک تصویر واحد بود. اگرچه استفاده از تعداد زیادی مجموعه داده تصویر برای محیط‌های آب و هوایی مختلف یا پرداختن به یک تصویر موزاییک‌شده از تصاویر متعدد در یک منطقه بسیار ضروری است، این مطالعه بر تفسیر دقیق یک منطقه خاص یا تجزیه و تحلیل عملکرد یک منطقه متمرکز نبود. ابزار توسعه در این مرحله در نظر داریم در مرحله بعد از نظر کاربرد جنگل شهری به این مناطق بپردازیم.
در میان الگوریتم ها و طرح های مورد استفاده برای تصحیح جو برای استخراج بازتاب سطح، روش DOS که در نرم افزار ENVI پیاده سازی شده است، ساده و موثر است. DOS یک طرح تصحیح جوی نسبی است که با کم کردن یک مقدار پیکسلی که حداقل باند را به عنوان میانگین بر اساس منطقه مورد علاقه (ROI) مشخص شده توسط کاربران، از هر باند کم می کند، اثرات عوامل جوی را از تصویر هدف حذف می کند. NDVI مبتنی بر DOS برای مقایسه با یک طرح مبتنی بر TOC انتخاب شد. دلیل اتخاذ این روش به عنوان طرح مقایسه، عدم وجود ابزار اختصاصی یا نرم افزار منبع باز برای تولید بازتاب TOC با استفاده از خواص فیزیکی مدل حسگر KOMPSAT-3A بود. این به این دلیل است که شامل از بین بردن اثرات مه بدون استفاده است. اکثر طرح هایی که برای بدست آوردن داده های بازتاب سطحی با استفاده از پارامترهای فیزیکی طراحی شده اند، برای تصاویر Landsat یا Sentinel-2 مناسب هستند. برای پردازش DOS، کاربران بدون در نظر گرفتن پارامترهای جوی مانند AOD، بخار آب یا فشار اتمسفر ارائه شده توسط داده های AERONET، اشیای تاریک را برای هر تصویر با یک معیار ذهنی نسبتاً اکتشافی انتخاب می کنند.
شکل 5پوشش داده های منطقه مورد مطالعه در منطقه کانبرا، استرالیا، با ایستگاه اندازه گیری AERONET که در مرکز تصویر قرار دارد را نشان می دهد. ماژول جدید پیاده‌سازی شده برای تولید داده‌های بازتاب TOC برای تصویر اعمال شد. در این ماژول، پارامترهای ورودی برای تولید بازتاب TOC، مانند فاصله خورشیدی، زاویه زاویه خورشیدی، زاویه ارتفاع خورشیدی و زاویه دید، به طور خودکار با تاریخ و زمان جمع‌آوری تصویر و همچنین فراداده کمکی خوانده و پردازش می‌شوند. فایل در مجموعه داده های بسته نرم افزاری KOMPSAT-3A. داده‌های مدل حسگر KOMPSAT-3A، از جمله بهره و بایاس، داده‌های پاسخ طیفی نسبی هر باند، و داده‌های تابش طیفی نیز گنجانده شده‌اند. OTB امکان انتخاب اقلام را برای مدل های غیر آئروسل و قاره ای، دریایی، شهری، یا داده های بیابانی برای مدل آئروسل که برای مدل انتقال تابشی 6S، با توجه به انواع منطقه اعمال شده انتخاب می شود. علاوه بر این، پارامترهای فیزیکی زیادی برای پردازش TOC مورد نیاز است، از جمله سطح ازن، مقدار بخار آب، فشار اتمسفر و AOD.
انواع مختلفی از تابع استخراج شاخص های رادیومتری در ویژگی استخراج ویژگی OTB وجود دارد، از جمله NDVI، RVI (شاخص نسبت گیاهی) و IPVI (شاخص درصد گیاهی مادون قرمز). در این مطالعه، پردازش NDVI نتایج TOC و DOS برای تصویر KOMPSAT-3A با استفاده از تابع OTB NDVI انجام شد.
برای مقایسه با بازتاب سطح Landsat-8 که همان ناحیه را پوشش می‌دهد، GEE NDVI API [ 41 ] نیز برای پردازش محاسباتی NDVI استفاده شد.
پورتال GEE فرصت های بیشتری را برای انجام مطالعات رصد زمین فراهم می کند. پلتفرم ابری که در اواخر سال 2010 تأسیس شد، دسترسی به بیش از 500 نوع ماهواره و سایر داده های جانبی را فراهم می کند و شامل الگوریتم هایی است که می توانند حجم زیادی از داده ها را با سهولت نسبی پردازش کنند. به طور کلی، GEE یک پارادایم کلان داده جدید را برای ذخیره سازی و تجزیه و تحلیل داده های سنجش از راه دور در مقیاسی معرفی کرده است که با استفاده از ماشین های پردازش دسکتاپ امکان پذیر نیست. GEE یک مجموعه داده لایه 1 بازتابی سطح Landsat-8 [ 42 ] را طبق دستورالعمل های Landsat ARD [ 43 ] ارائه می کند.]. GEE یک سرویس ابری از نوع PaaS است که پردازش تصویر ساده را با اسکریپت نویسی بلادرنگ امکان پذیر می کند. PaaS مخفف platform-as-a-service، نوعی سرویس ابری است. بخشی از کد اسکریپت برای محاسبه NDVI در شکل 6 نشان داده شده است . تابع ImageCollection در GEE به کاربران این امکان را می دهد که داده های ارائه شده در تاریخ مورد نظر را جستجو کرده و مستقیماً از طریق تابع تفاضلی نرمال شده در میان الگوریتم های پردازش تصویر پردازش کنند. دو تصویر Landsat-8 با استفاده از روش filterDate در GEE جستجو شد که در 6 فوریه 2016 و 13 فوریه 2016 گرفته شد. برای مقایسه با تصویر KOMPSAT-3A، تصویر گرفته شده در 6 فوریه 2016 که با روش اول انتخاب شد. مورد استفاده قرار گرفت.

4. نتایج و بحث

تصحیح جوی مطلق برای تصاویر ماهواره ای با وضوح بالا موضوع بسیار مهمی از نظر استفاده ارزش افزوده از تصاویر مانند سری تجاری WorldView علاوه بر KOMPSAT-3A است و همچنین از نظر کنترل کیفیت ماهواره نیز حائز اهمیت است. تصاویر مربوط به کالیبراسیون و اعتبارسنجی تقاضای آن به دلیل ظهور تصاویر جدید با وضوح بالا چند طیفی از بخش خصوصی و دولتی همچنان در حال رشد است. تصاویر بازتابی TOA و TOC محصولات مهمی هستند که از تصحیح جوی مطلق تصاویر ماهواره ای به دست می آیند. با این حال، اکثر نرم افزارهای اختصاصی یک ماژول تصحیح جوی مطلق برای انواع تصاویر با وضوح بالا ارائه نمی کنند.
اگرچه NDVI، که در این مطالعه به کار گرفته شد، یک روش محاسباتی ساده است، نتایج بسته به داده های مورد استفاده بسیار متفاوت است. تصحیح اتمسفر مطلق یک نتیجه ثابت ایجاد می کند، در حالی که اصلاحات جوی نسبی می تواند ناسازگار باشد زیرا مقادیر ورودی ممکن است متفاوت باشد. علاوه بر این، تصحیح جوی مطلق می تواند رویه های پردازش را استاندارد کند، اما با اصلاحات جوی نسبی، نتایج می تواند تحت تأثیر تجربه و سطح درک کاربر از نظر باندهای چند طیفی قرار گیرد.
شکل 7 چهار مورد از محاسبات NDVI را نشان می دهد: تفاوت بین بازتاب سطحی Landsat-8 در ردیف 1 در GEE، بازتاب مبتنی بر DOS تولید شده با ROI تعیین شده به عنوان “a” در تصویر در شکل 5 ، و دو نتیجه بازتاب TOC به دست آمده است. با استفاده از پسوند OTB برای KOMPSAT-3A.
شکل 7 A تصویر حاصل از GEE را نشان می دهد. این نتیجه Landsat-8 OLI کاملاً متفاوت از سایر موارد KOMPSAT-3A است. سطح انعکاس سطح Landsat-8 ردیف 1 GEE از LaSRC توسط USGS تولید شد، در حالی که بازتاب TOC KOMPSAT-3A از پسوند OTB گرفته شد. روش DOS اغلب ROI را با استفاده از تجربه ذهنی تنظیم می کند، بنابراین نتایج ممکن است بسته به منطقه انتخاب شده، که یک تصحیح نسبی جوی است، متفاوت باشد. NDVI با استفاده از داده‌های بازتابی مبتنی بر DOS و TOC انجام شد، همانطور که در شکل 7 B نشان داده شده است. از آنجا که وضوح سنسور بین Landsat و KOMPSAT-3A متفاوت است، تعداد پیکسل‌ها یکسان نیست. تعداد پیکسل های شکل 7 الف 465 × 379 و سایر نتایج نشان داده شده در شکل 7 است.B–D 6351 × 5171 است.
برای بازتاب TOC، دو مجموعه داده نشان داده شده در شکل 7 C,D برای محاسبه NDVI اعمال شدند. شکل 7 C نتایج به دست آمده را با استفاده از باندهای قرمز و مادون قرمز نزدیک بازتاب TOC بدون داده های AERONET نشان می دهد، در حالی که شکل 7D بازتاب TOC را با داده های AERONET نشان می دهد. این آزمایش به این دلیل انجام شد که ایستگاه های رصد AERONET همیشه در محدوده پوشش تصویر قرار ندارند. در ماژول اجرا شده برای تولید بازتاب TOC، یک مجموعه داده ورودی اجباری نیست. ویژگی های متمایز در بین سه محصول با تفسیر بصری در محدوده [-1،1] آشکار شد. مقادیر منفی نزدیک به -1.0 در NDVI مربوط به آب است، در حالی که مقادیر از -0.1 تا 0.1 (نزدیک به صفر) به طور کلی به عنوان مناطق بایر تفسیر می شود.
مقادیر مثبت پایین نشان دهنده بوته ها و مناطق علفزار است، در حالی که مقادیر مثبت بالای نزدیک به 1.0 منعکس کننده جنگل های معتدل و گرمسیری است. برای نشان دادن این ویژگی‌ها به صورت تحلیلی، نتایج به سه محدوده تقسیم شدند، یعنی -1.0 تا 0.1، 0.1 تا 0.6، و 0.6 تا 1.0، همانطور که در شکل 7 نشان داده شده است. برش چگالی یک طرح طبقه‌بندی مجدد است که در آن یک تصویر شطرنجی با مقادیر پیوسته به یک سری بازه‌ها، برش‌ها یا کلاس‌ها تبدیل می‌شود و رنگ‌های مختلف به هر برش یا کلاس به عنوان تغییرات گروهی با افسانه آنها اختصاص می‌یابد.
نتایج مقایسه NDVI چهار کلاس با برش چگالی با درصدی از تعداد پیکسل ها در هر کلاس نشان داده می شود. شکل 8 A نتیجه بازتاب سطح لندست-8 ردیف 1 در GEE است. شکل 8 B-D به ترتیب بازتاب مبتنی بر DOS، بازتاب TOC بدون داده‌های AERONET و بازتاب TOC با داده‌های AERONET را نشان می‌دهد. این نتایج در مقایسه با نتایج نشان داده شده در شکل 7 به وضوح نشان دهنده تفاوت ها هستند . به طور خاص، تفسیر بصری نشان می دهد که توزیع شکل 8A که در طبقه متوسط ​​در محدوده 0.1 تا 0.6 متمرکز است، با سه مورد دیگر متفاوت است که نشان دهنده روند بالای پوشش گیاهی بیش از 0.6 است. در جزئیات، نتایج اصلاحات مبتنی بر DOS با نتایج طرح مبتنی بر TOC متفاوت است. علاوه بر این، نتایج پردازش بازتاب TOC با یا بدون داده‌های AERONET متفاوت است، که همان نسبت را در کلاس پایین -1.0 تا 0.1 نشان می‌دهد، اما تفاوت تقریباً 4.5± درصد در دو کلاس بالا را نشان می‌دهد. این برنامه افزودنی استفاده از داده های AERONET را اختیاری تلقی می کند. در برخی موارد، این داده‌ها ممکن است قابل اجرا نباشند و زمانی که از داده‌های سایت اندازه‌گیری AERONET که دور است استفاده می‌شود، تحت تأثیر قرار نگیرند. این مطالعه موردی نشان داد که کاربرد این داده ها بر نتایج تأثیر می گذارد.
GEE یک ابزار آسان برای به دست آوردن NDVI با منطقه وسیع است، اما برای تجزیه و تحلیل های دقیق، مانند تجزیه و تحلیل جنگل های شهری، مناسب نیست، زیرا داده های استفاده شده با وضوح متوسط ​​هستند. تا به امروز هیچ نمونه ای از ساختمان ARD از تصاویر با وضوح بالا مانند سری WorldView وجود نداشته است. کمیته ماهواره‌های رصد زمین (CEOS) مفهوم داده‌های آماده تجزیه و تحلیل CEOS برای زمین (CARD4L) و چارچوب آنها را ایجاد کرد تا از تقاضای عملی برای چنین داده‌های ماهواره‌ای راضی باشد [ 44 ]. با این حال، هنوز دستورالعمل‌های ARD را برای تولیدکنندگان و کاربران تصاویر EO با وضوح بالا ارائه نمی‌کند. USGS یک پایگاه داده Landsat ARD حاوی داده های سطوح مختلف در Earth Explorer ایجاد کرد [ 45] امکان استفاده از تصاویر ماهواره ای برای نظارت یا تجزیه و تحلیل منظر سری زمانی را بدون نیاز به انجام کالیبراسیون یا پیش پردازش فراهم می کند. این پایگاه داده Landsat ARD قلمرو یک کشور را به یک ساختار شبکه ثابت مرتبط با یک سیستم مختصات طرح ریزی تقسیم می کند و تصاویر بازتاب سطحی را با استفاده از تصحیح اتمسفر ارائه می دهد. محصولات ARD پشته های سری زمانی از تصاویر EO هستند که برای کاربر آماده شده است تا بدون پیش پردازش داده های تصویر، آنها را اعمال کند. بنابراین، برای نتایج NDVI در مقیاس منطقه‌ای، می‌توان پیش‌پردازش را روی یک تصویر جداگانه انجام داد و سپس داده‌ها را در یک تصویر موزاییکی که آن منطقه را پوشش می‌دهد جمع‌آوری کرد. لازم است سایر شاخص های پوشش گیاهی و همچنین NDVI محاسبه و نتایج تخمین زده شود، زیرا این اولین نتیجه NDVI با استفاده از بازتاب TOC یک تصویر KOMPSAT-3A است.
استفاده از داده های AERONET به عنوان داده های ورودی برای محاسبه بازتاب TOC برای نتایج مهم بود. این مطالعه این اثر را از طریق محاسبات NDVI نشان می دهد. NDVI یک شاخص کمی با مقدار استفاده واقعی بالا است، اگرچه با یک فرمول ساده با استفاده از باندهای قرمز و نزدیک مادون قرمز محاسبه می شود. نیاز به تجزیه و تحلیل تفاوت بین نوارهای آبی و سبز دارد. برای اعمال تصاویر ماهواره ای با وضوح بالا برای داده های بزرگ یا یادگیری عمیق، پردازش با کارایی بالا برای حجم عظیم مجموعه داده موضوع اصلی است، اما همچنین مهم است که کاربرد و مناسب بودن داده های از پیش پردازش شده جداگانه را تجزیه و تحلیل کنیم. مرحله بعدی این کار محاسبه شاخص گیاهی مقاوم در برابر جو (ARVI) است [ 46 ]] با استفاده از سه باند قرمز، مادون قرمز نزدیک و آبی برای کشف سایر جنبه‌ها و اثرات باندهای چندطیفی با وضوح بالا برای اصلاحات جوی مطلق.

5. نتیجه گیری ها

اگرچه تصحیح اتمسفر یک موضوع کلاسیک تحقیق در سنجش از دور ماهواره ای است، اما به دلیل اهمیت عملی آن در افزایش ارزش داده ها، هنوز در حال تحقیق و توسعه است. نتیجه بازتاب سطح محصول مهمی است که از تصحیح جوی مطلق تصاویر ماهواره ای به دست می آید. این داده ها برای ایجاد پایگاه داده ARD مهم هستند. با این حال، ابزارهای استخراج داده های بازتاب TOC از تصاویر KOMPSAT-3A در دسترس نیستند. برای این توابع، ابزارهای منبع باز هنوز توسعه یا منتشر نشده اند. در این مطالعه، یک ماژول پسوند تصحیح جوی در نرم افزار منبع باز OTB پیاده سازی شد. درمان یک تابع مهم پیش پردازش، تصحیح جوی مطلق، به عنوان منبع باز یک مزیت اقتصادی بزرگ از نظر حجم زیاد پردازش تصویر ماهواره ای با وضوح بالا فراهم می کند، زیرا یک نرم افزار موتور پایه را می توان به روشی که توسعه دهندگان و اپراتورها می خواهند سفارشی کرد. برای سایر مدل های سنسور ماهواره ای با وضوح بالا، پسوند OTB نیز امکان پذیر است.
نتایج NDVI این مطالعه اولین مثال محاسبه شده با استفاده از بازتاب سطحی به دست آمده از تصحیح جوی مطلق یک تصویر KOMPSAT-3A است. بنابراین، مطالعات کمی و مقایسه ای با سنسورها یا شرایط مختلف مورد نیاز است. این مطالعه در میان بسیاری از موارد، بر نتایج استفاده از داده‌های AERONET متمرکز بود. نتایج NDVI با استفاده از بازتاب TOC با یا بدون داده‌های AERONET به طور قابل‌توجهی با نتایج به‌دست‌آمده با طرح DOS، نوعی تصحیح جوی نسبی و بازتاب سطح Landsat-8 از GEE متفاوت بود. نتیجه GEE NDVI در وضوح‌های مختلف و با الگوریتم‌های کاربردی متفاوت در مقایسه با KOMPSAT-3A تولید شد. اگر داده‌های AERONET برای ناحیه مورد نظر در دسترس باشد، فایل داده‌های آئروسل مستقیماً در ماژول جدید اجرا شده خوانده می‌شود. اگرچه نشان داده شد که داده‌های AERONET برای ارزیابی NDVI اختیاری هستند، نتایج تحت تأثیر گنجاندن داده‌ها قرار گرفتند. نتایج بازتاب TOC با داده‌های AERONET حاوی متغیرهای فیزیکی اتمسفر به عنوان تخمین‌های عملی‌تر در مقایسه با روش‌های نسبی یا کسانی که فاقد متغیرهای فیزیکی هستند در نظر گرفته می‌شوند. آزمایش‌های بیشتر بر روی شاخص‌های کمی پوشش گیاهی مانند ARVI با استفاده از بازتاب TOC در مطالعات آینده انجام خواهد شد. انتظار می رود که نیاز به طرح های کامپیوتری برای استخراج داده های بازتاب سطحی به دلیل تقاضای عملی برای تجزیه و تحلیل دقیق با استفاده از تصاویر چند طیفی با وضوح بالا افزایش یابد. نتایج بازتاب TOC با داده‌های AERONET حاوی متغیرهای فیزیکی اتمسفر به عنوان تخمین‌های عملی‌تر در مقایسه با روش‌های نسبی یا کسانی که فاقد متغیرهای فیزیکی هستند در نظر گرفته می‌شوند. آزمایش‌های بیشتر بر روی شاخص‌های کمی پوشش گیاهی مانند ARVI با استفاده از بازتاب TOC در مطالعات آینده انجام خواهد شد. انتظار می رود که نیاز به طرح های کامپیوتری برای استخراج داده های بازتاب سطحی به دلیل تقاضای عملی برای تجزیه و تحلیل دقیق با استفاده از تصاویر چند طیفی با وضوح بالا افزایش یابد. نتایج بازتاب TOC با داده‌های AERONET حاوی متغیرهای فیزیکی اتمسفر به عنوان تخمین‌های عملی‌تر در مقایسه با روش‌های نسبی یا کسانی که فاقد متغیرهای فیزیکی هستند در نظر گرفته می‌شوند. آزمایش‌های بیشتر بر روی شاخص‌های کمی پوشش گیاهی مانند ARVI با استفاده از بازتاب TOC در مطالعات آینده انجام خواهد شد. انتظار می رود که نیاز به طرح های کامپیوتری برای استخراج داده های بازتاب سطحی به دلیل تقاضای عملی برای تجزیه و تحلیل دقیق با استفاده از تصاویر چند طیفی با وضوح بالا افزایش یابد. آزمایش‌های بیشتر بر روی شاخص‌های کمی پوشش گیاهی مانند ARVI با استفاده از بازتاب TOC در مطالعات آینده انجام خواهد شد. انتظار می رود که نیاز به طرح های کامپیوتری برای استخراج داده های بازتاب سطحی به دلیل تقاضای عملی برای تجزیه و تحلیل دقیق با استفاده از تصاویر چند طیفی با وضوح بالا افزایش یابد. آزمایش‌های بیشتر بر روی شاخص‌های کمی پوشش گیاهی مانند ARVI با استفاده از بازتاب TOC در مطالعات آینده انجام خواهد شد. انتظار می رود که نیاز به طرح های کامپیوتری برای استخراج داده های بازتاب سطحی به دلیل تقاضای عملی برای تجزیه و تحلیل دقیق با استفاده از تصاویر چند طیفی با وضوح بالا افزایش یابد.

منابع

  1. هوریون، اس. فنشولت، آر. تاجسون، تی. Ehammer، A. استفاده از روندهای NDVI فصل خشک مبتنی بر مشاهده زمین برای ارزیابی تغییرات پوشش درخت در ساحل. بین المللی J. Remote Sens. 2014 ، 35 ، 2493-2515. [ Google Scholar ] [ CrossRef ]
  2. فن، X. لیو، ی. مطالعه جهانی تفاوت NDVI در بین سنسورهای ماهواره ای با وضوح متوسط. ISPRS J. Photogramm. 2016 ، 121 ، 177-191. [ Google Scholar ] [ CrossRef ]
  3. سفید، DC; لوئیس، MM; گرین، جی. Gotch، TB یک شاخص ترسیم تالاب مبتنی بر NDVI قابل تعمیم برای نظارت از راه دور جریان آب زیرزمینی در حوضه بزرگ آرتزین استرالیا. Ecol. اندیک. 2016 ، 60 ، 1309-1320. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  4. گاسکون، اف. بوزیناک، سی. Thépaut، O. یونگ، ام. فرانچسکونی، بی. لوئیس، جی. لونجو، وی. لافرانس، بی. ماسرا، اس. Gaudel-Vacaresse، A. و همکاران وضعیت کالیبراسیون و اعتبارسنجی محصولات Copernicus Sentinel-2A. Remote Sens. 2017 , 9 , 584. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  5. سولورزانو، JV; میو، جی. گالاردو-کروز، جی. گونزالس، ای جی. هرناندز- استفانونی، JL پیش‌بینی ویژگی‌های جنگل‌های استوایی با رشد قدیمی از معیارهای سطحی مشتق از وضوح بسیار بالا (VHR). بین المللی J. Remote Sens. 2017 ، 38 ، 492-513. [ Google Scholar ] [ CrossRef ]
  6. میورا، تی. موراتسوچی، جی. Vargas, M. ارزیابی سازگاری شاخص گیاهی با سنسور متقابل بین VIIRS و MODIS با استفاده از مشاهدات تقریباً تصادفی. J. Appl. Remote Sens. 2018 , 12 , 045004. [ Google Scholar ] [ CrossRef ]
  7. وولو، اف. زولتاک، م. پیپیتون، سی. زاپا، ال. ونگ، اچ. ایمیتزر، ام. ویس، م. بارت، اف. آتزبرگر، سی. پلتفرم خدمات داده برای بازتاب سطحی Sentinel-2 و محصولات ارزش افزوده: استفاده از سیستم و مثال‌ها. Remote Sens. 2016 , 8 , 938. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  8. کوهن، سی. د ماتوس والریو، آ. وارد، ن. لوکن، ال. ساواکوچی، هو. کمپل، م. ریچی، جی. استدلر، پی. کرافورد، جی. استریگل، آر. و همکاران عملکرد محصولات بازتابی سطح Landsat-8 و Sentinel-2 برای بازیابی کلروفیل-a و کدورت از راه دور رودخانه. سنسور از راه دور محیط. 2019 ، 224 ، 104-118. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  9. ماناکوس، آی. مانفسکی، ک. کالایتزیدیس، سی. ادلر، دی. مقایسه بین ماژول‌های تصحیح جوی بر اساس تصویربرداری جهان‌بینی-2 و اندازه‌گیری‌های طیف رادیومتری درجا. در مجموعه مقالات هفتمین کارگاه طیف‌سنجی تصویربرداری EARSeL SIG، ادینبورگ، بریتانیا، 11 تا 13 آوریل 2011. [ Google Scholar ]
  10. مگلیون، پی. پارنت، سی. Vallario، A. استخراج خط ساحلی با استفاده از تصاویر ماهواره‌ای با وضوح بالا WorldView-2. یورو J. Remote Sens. 2014 ، 47 ، 685-699. [ Google Scholar ] [ CrossRef ]
  11. یان، جی. ژو، دبلیو. هان، ال. Yuguo Qian، Y. نقشه برداری از انواع عملکردی پوشش گیاهی در مناطق شهری با تصاویر WorldView-2: ادغام طبقه بندی مبتنی بر شی با فنولوژی. شهری برای. درجه شهری. 2018 ، 31 ، 230-240. [ Google Scholar ] [ CrossRef ]
  12. شیان، جی. شی، اچ. دیویتز، جی. Wu، Z. عملکرد داده های WorldView 3، Sentinel 2 و Landsat 8 در نقشه برداری از سطح غیرقابل نفوذ. Remote Sens. Appl. Soc. محیط زیست 2019 ، 15 ، 100246. [ Google Scholar ] [ CrossRef ]
  13. سولانو، اف. Fazio، SD; Modica، G. روشی مبتنی بر تصاویر GEOBIA و WorldView-3 برای استخراج شاخص‌های پوشش گیاهی در جزئیات تاج درخت در باغ‌های زیتون. بین المللی J. Appl. زمین Obs. 2019 ، 83 ، 101912. [ Google Scholar ] [ CrossRef ]
  14. نیش، اف. مک نیل، بی. وارنر، تی. داهل، جی. اوتسلر، ای. سلامت درخت خیابان از فضا؟ ارزیابی با استفاده از داده های WorldView-3 و پایگاه داده فضایی درخت خیابان واشنگتن دی سی. شهری برای. درجه شهری. 2020 , 49 , 126634. [ Google Scholar ] [ CrossRef ]
  15. لی، اچ.-اس. تره فرنگی. مشکلات تصحیح جوی با تصاویر چند زمانی با وضوح فضایی بالا از سنسورهای مختلف ماهواره. Korean J. Remote Sens. 2015 ، 31 ، 321-330، (به زبان کره ای با چکیده انگلیسی). [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  16. کیم، جی. جین، سی. چوی، سی. Ahn, H. مشخصه و اعتبارسنجی رادیومتری برای حسگر KOMPSAT-3. سنسور از راه دور Lett. 2015 ، 6 ، 529-538. [ Google Scholar ] [ CrossRef ]
  17. شین، دی. Ahn، HY; لی، اس جی; چوی، CU; کالیبراسیون متقاطع رادیومتری Kim، JS KOMPSAT-3A با Landsat-8. در مجموعه مقالات آرشیو بین المللی فتوگرامتری، سنجش از دور و علوم اطلاعات فضایی، جلد XLI-B1، 2016، XXIII کنگره ISPRS، پراگ، جمهوری چک، 12 تا 19 ژوئیه 2016. [ Google Scholar ]
  18. Yeom، JM; کو، جی. هوانگ، جی. لی، CS; چوی، CU; جئونگ، اس. به‌روزرسانی ویژگی‌های رادیومتری مطلق برای سنسورهای تصویربرداری چندطیفی KOMPSAT-3 و KOMPSAT-3A با استفاده از برزنت‌های شبه ثابت با مشخصه خوب و میکرو تاپس II. Remote Sens. 2018 , 10 , 697. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  19. Ahn، HY; کیم، کی. لی، KD; پارک، سی دبلیو; بنابراین، KH; Na، SI امکان سنجی ضریب تنظیم باند طیفی KOMPSAT-3 برای سنجش از دور کشاورزی. Korean J. Remote Sens. 2018 ، 34 ، 1369–1382، (به زبان کره ای با چکیده انگلیسی). [ Google Scholar ] [ CrossRef ]
  20. تره فرنگی.؛ Kim, K. آزمایشی برای تولید تصویر بازتابی سطحی داده های تصویری KOMPSAT 3A توسط پیاده سازی منبع باز. Korean J. Remote Sens. 2019 ، 35 ، 1327–1339، (به زبان کره ای با چکیده انگلیسی). [ Google Scholar ] [ CrossRef ]
  21. AERONET، شبکه رباتیک آئروسل. در دسترس آنلاین: https://aeronet.gsfc.nasa.gov/ (دسترسی در 10 ژانویه 2020).
  22. Hadjimitsis، DG; پاپاداوید، گ. آگاپیو، ا. Themistocleous، K. Hadjimitsis، MG; رتالیس، ا. مایکلیدس، اس. کریسولاکیس، ن. تولیوس، ال. Clayton، CRI تصحیح جوی برای داده های سنجش از راه دور ماهواره ای در نظر گرفته شده برای کاربردهای کشاورزی: ​​تاثیر بر شاخص های پوشش گیاهی. نات. سیستم خطرات زمین. علمی 2010 ، 10 ، 89-95. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  23. شعبانوف، ن. وارگاس، ام. میورا، تی. سی، ع. Danial، A. ارزیابی عملکرد Suomi NPP VIIRS بالای شاخص‌های پوشش گیاهی تاج بر روی سایت‌های AERONET. سنسور از راه دور محیط. 2015 ، 162 ، 29-44. [ Google Scholar ] [ CrossRef ]
  24. گولیک، ن. هنچر، م. دیکسون، ام. ایلیوشچنکو، اس. تاو، دی. Moore, R. Google Earth Engine: تجزیه و تحلیل جغرافیایی در مقیاس سیاره ای برای همه. سنسور از راه دور محیط. 2017 ، 202 ، 18-27. [ Google Scholar ] [ CrossRef ]
  25. کومار، ال. Mutang، O. برنامه‌های موتور Google Earth از ابتدا: استفاده، روندها و پتانسیل. Remote Sens. 2018 , 10 , 1509. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  26. نوری، ح. بیچم، اس. اندرسون، اس. Nagler, P. تصاویر با وضوح فضایی بالا WorldView-2 برای نقشه برداری NDVI و رابطه آن با عوامل تبخیر و تعرق منظر شهری زمانی. Remote Sens. 2014 , 6 , 580-602. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  27. Jensen, JR Introductory Digital Image Processing A Remote Sensing Perspective , 4th ed.; پیرسون: Glenview، IL، ایالات متحده آمریکا، 2016. [ Google Scholar ]
  28. Bunting، P. تصحیح جوی و رادیومتری تصاویر ماهواره ای (ARCSI). در دسترس آنلاین: https://arcsi.remotesensing.info/ (دسترسی در 10 ژانویه 2020).
  29. فرانتز، دی.م. استلمز، ام. Hostert، P. پایگاه داده جهانی بخار آب MODIS برای تصحیح جوی عملیاتی تصاویر تاریخی و اخیر Landsat. Remote Sens. 2019 , 11 , 257. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  30. Leutner, B. Package ‘RStoolbox’. در دسترس آنلاین: https://cran.r-project.org/web/packages/RStoolbox/RStoolbox.pdf (در 10 ژانویه 2020 قابل دسترسی است).
  31. دی کوکلیر، ال. استرککس، اس. آدریانسن، اس. Knaeps، E. Reusen، I.; جیاردینو، سی. برسیانی، م. هانتر، پی. نیل، سی. ون درزنده، دی. و همکاران تصحیح جوی داده‌های Landsat-8/OLI و Sentinel-2/MSI با استفاده از الگوریتم iCOR: اعتبارسنجی برای آب‌های ساحلی و داخلی یورو J. Remote Sens. 2018 ، 5 ، 525–542. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  32. کنراد، او. بچتل، بی. بوک، ام. دیتریش، اچ. فیشر، ای. گرلیتز، ال. وهبرگ، جی. ویچمن، وی. Böhner, J. System for Automated Geoscientific Analyses (SAGA) v. 2.1.4. Geosci. مدل Dev. 2015 ، 8 ، 1991-2007. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  33. جبران اتمسفر DigitalGlobe. در دسترس آنلاین: https://digitalglobe-marketing.s3.amazonaws.com/files/documents/DataSheet_AComp_DS.pdf (در 7 ژانویه 2020 قابل دسترسی است).
  34. گریزوننت، ام. میشل، جی. پوون، وی. اینگلادا، جی. ساوینو، ام. Cresson, R. Orfeo ToolBox: پردازش منبع باز تصاویر سنجش از راه دور. Geospat را باز کنید. نرم افزار داده ایستادن. 2017 ، 2 ، 15. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  35. انعکاس سطح زمین MODIS. در دسترس آنلاین: https://6s.ltdri.org/ (دسترسی در 10 ژانویه 2020).
  36. جعبه ابزار Orfeo. پردازش متن باز برای تصاویر سنجش از راه دور. در دسترس آنلاین: https://www.orfeo-toolbox.org/ (در 10 ژانویه 2020 قابل دسترسی است).
  37. تبدیل بازتاب تابشی TOA KOMPSAT 1.5. 2018. در دسترس آنلاین: https://www.si-imaging.com/resources/?pageid=2&uid=284&mod=document (در 2 مه 2019 قابل دسترسی است).
  38. راهنمای داده های تصویری KOMPSAT-3A نسخه 1.4. 2017. در دسترس آنلاین: https://www.si-imaging.com/resources/?pageid=4&uid=234&mod=document (در 2 مه 2019 قابل دسترسی است).
  39. کتاب آشپزی OTB. در دسترس آنلاین: https://www.orfeo-toolbox.org/CookBook/CompilingOTBFromSource.html#compilingfromsource (در 30 مارس 2020 قابل دسترسی است).
  40. مرجع تابش طیفی خورشیدی: ASTM G-173. در دسترس آنلاین: https://rredc.nrel.gov/solar//spectra/am1.5/ASTMG173/ASTMG173.html (دسترسی در 10 اکتبر 2019).
  41. NDVI، نگاشت یک تابع بر روی یک مجموعه، موزاییک کیفیت. در دسترس آنلاین: https://developers.google.com/earth-engine/tutorial_api_06 (در 4 ژانویه 2020 قابل دسترسی است).
  42. USGS Landsat 8 Surface Reflectance Tier 1. در دسترس آنلاین: https://developers.google.com/earth-engine/datasets/catalog/LANDSAT_LC08_C01_T1_SR (در 10 ژانویه 2020 قابل دسترسی است).
  43. داده های آماده تجزیه و تحلیل لندست ایالات متحده: برگه اطلاعات سازمان زمین شناسی ایالات متحده 2018-3053. در دسترس آنلاین: https://pubs.er.usgs.gov/publication/fs20183053 (در 10 ژانویه 2020 قابل دسترسی است).
  44. داده های آماده تجزیه و تحلیل CEOS. در دسترس آنلاین: https://ceos.org/ard/ (در 30 مارس 2020 قابل دسترسی است).
  45. صفحه اصلی EarthExplorer. در دسترس آنلاین: https://earthexplorer.usgs.gov/ (در 30 مارس 2020 قابل دسترسی است).
  46. 6 شاخص طیفی در بالای NDVI برای تکمیل تجزیه و تحلیل پوشش گیاهی شما. در دسترس آنلاین: https://eos.com/blog/6-spectral-indexes-on-top-of-ndvi-to-make-your-vegetation-analysis-complete/ (در 30 مارس 2020 قابل دسترسی است).
Ijgi 09 00257 g001 550
شکل 1. تصاویر ماهواره ای نوری: وضوح فضایی باندهای چند طیفی، عرض نوار در نادر، و تصحیح اتمسفر برای تولید بازتاب سطح.
Ijgi 09 00257 g002 550
شکل 2. گردش کار این مطالعه و مجموعه داده های مورد استفاده. نمادهای TOA، TOC و NDVI به ترتیب به معنای بالای جو، بالای تاج پوشش و شاخص گیاهی تفاوت نرمال شده هستند.
Ijgi 09 00257 g003 550
شکل 3. فرآیند کامپایل مجدد برای Orfeo ToolBox (OTB)، کتابخانه های خارجی آن، و پسوند OTB برای KOMPSAT-3A در اوبونتو. اصلاح شده از [ 20 ].
Ijgi 09 00257 g004 550
شکل 4. ( الف ) تابش طیفی خورشیدی بر اساس ASTM G-173 [ 40 ] و ( ب ) پاسخ طیفی نسبی KOMPSAT-3A [ 16 ].
Ijgi 09 00257 g005 550
شکل 5. منطقه کانبرا، استرالیا، تحت پوشش KOMPSAT-3A (7 فوریه 2016) و یک نقطه ایستگاه اندازه گیری برای داده های AERONET.
Ijgi 09 00257 g006 550
شکل 6. اسکریپت برای پردازش NDVI در منطقه کانبرا، استرالیا، تحت پوشش Landsat-8 OLI (6 فوریه 2016) در ویرایشگر کد Google Earth Engine.
Ijgi 09 00257 g007 550
شکل 7. نتایج NDVI با استفاده از نوارهای قرمز و مادون قرمز نزدیک (NIR): ( A ) سطح بازتاب سطح Landsat-8 ردیف 1 در موتور Google Earth (465 × 379)، ( B ) بر اساس تفریق اجسام تاریک (DOS) بازتاب (6351 × 5171) KOMPSAT-3A، ( C ) بازتاب TOC بدون داده های AERONET (6351×5171) KOMPSAT-3A، و ( D ) بازتاب TOC با داده های AERONET (6351×5171) KOMPSAT 3A.
Ijgi 09 00257 g008 550
شکل 8. مقایسه نتایج NDVI از سه کلاس با برش چگالی: ( الف ) بازتاب سطح Landsat-8 ردیف 1 در موتور Google Earth، ( B ) بازتاب مبتنی بر DOS، ( C ) بازتاب TOC بدون داده‌های AERONET، و ( D ) بازتاب TOC با داده های AERONET.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید