Новая стратегия композитинга решает проблему облачного покрытия, сообщают исследователи

Исследователи, использующие снимки Landsat для изучения покрытия континентальной части США, могут получить неоднозначные результаты из-за облачности. Национальная база данных о земном покрове (NLCD) — важный инструмент для учёных, отслеживающих изменения в древесном покрове, городских территориях и дорогах. Однако облака на спутниковых снимках могут быть ошибочно интерпретированы как значительное изменение наземного покрытия.

Решение этой проблемы лежит в создании композитных изображений. Специалисты из Геологической службы США (USGS) и Университета Коннектикута разработали новую стратегию для получения чистых снимков, о чём сообщили в Journal of Remote Sensing.

«Нашей целью было создание чистых снимков Landsat — спутниковой программы, отслеживающей изменения земной поверхности — без облаков и теней от них, — заявил ведущий автор Суминг Джин, физик из Центра EROS USGS. — Нам нужны последовательные и чистые изображения Landsat без пробелов для подготовки крупных оперативных приложений, таких как картирование земного покрова или обнаружение изменений».

Несмотря на усилия команды NLCD получить для целевого года снимки с облачностью менее 20%, в среднем 70% отдельных изображений Landsat были сделаны в семь целевых лет, 25% — с отклонением в один год, а 5% — с отклонением более чем на год. Для заполнения пробелов использовались снимки других лет, но покрытие земли может значительно измениться за год или более.

Исследователи разработали алгоритм, который выбирает пиксель изображения с определённой даты (например, 5 июня) за заданный период, максимально близкий к виртуальной точке медианного значения. Также был создан метод обнаружения и замены пикселей облаков и теней на композитных изображениях. Этот подход показал лучшие результаты среди 10 алгоритмов композитинга в спектральной и прикладной оценках.

Новая стратегия была применена к данным NLCD 2019, и итоговые чистые изображения были выпущены в июле 2021 года. Она не только решает проблему остаточных облаков, теней и пропущенных значений, но и повышает эффективность, сокращая области перекрытия между картографическими единицами.