Результаты широкомасштабной оценки привязки продуктов VIIRS (SNPP) на основе спутниковых данных MSI (Sentinel-2)

Временные серии спутниковых измерений широко используются во множестве задач дистанционного изучения растительного покрова, включая распознавание типов растительности, оценку состояния, измерение биофизических характеристик, оценку изменений и поиск трендов (Плотников и др. 2018, Денисов и др. 2021, Шабанов и др. 2018). В частности, временные серии спутниковых данных востребованы для оперативного распознавания и оценки состояния культур и групп культур на больших территориях (Плотников и др. 2017, Плотников и др. 2020). Для попиксельного анализа динамики мультиспектральных дистанционных измерений путём построения временных серий требуется субпиксельная географическая привязка спутниковых снимков.
В настоящей работе исследовалась точность привязки стандартных продуктов, получаемых по данным прибора VIIRS, установленного на аппарате Suomi NPP, для неоднородной территории континентального охвата за полный сезон 2020 года. Оценивалась привязка как непосредственно продуктов VNP09GA, распространяемых в синусоидальной проекции с пространственным разрешением 500 метров, так и производных продуктов, полученных после восстановления серий измерений коэффициентов спектральной яркости (КСЯ) высокого временного разрешения на базе мультиспектральных данных VNP09GA. В настоящем исследовании оценивались данные VIIRS в красном и ближнем ИК каналах с пространственным разрешением 500 метров, а в качестве эталонных данных с высоким разрешением использовались данные приборов MSI (аппараты Sentinel-2A/B) в соответствующих спектральных каналах с разрешением 10 метров. Данные VIIRS и MSI покрывали территорию России квазирегулярной сеткой, в основе которой лежит тайловая сетка MSI (Sentinel-2) за 2020 год.
Исходные продукты VNP09GA были получены из центров распространения данных LP DAAC (https://lpdaac.usgs.gov). Восстановленные мультиспектральные безоблачные эталонные изображения VIIRS создаются в потоковом режиме для территории России с ежедневной временной детализацией путем применения универсального алгоритма весовой скользящей интерполяции LOWESS к сезонной временной серии сеансных изображений продукта VNP09GA (Plotnikov et al., 2022) на основе ресурсов ЦКП «ИКИ-Мониторинг» (Лупян и др., 2015) и доступны пользователям систем семейства Вега (http://sozvezdie-vega.ru/) в качестве стандартных продуктов. На этапе подготовки восстановленные изображения ежедневных измерений КСЯ проецировались из исходной синусоидальной проекции в широтно-долготную проекцию с ожидаемой максимальной ошибкой проецирования не более 12 метров с учетом выбранного метода геометрического преобразования.
Для оценки привязки использовался ранее разработанный метод (Плотников и др., 2022), который позволяет в автоматическом режиме оценивать точность привязки спутниковых изображений, используя, в том числе, данные более низкого пространственного разрешения. Преимущества разработанного метода заключаются в следующем: 1) физические значения и единицы измерений источника и эталона могут отличаться, что необходимо учитывать при сравнении данных различных спутниковых систем и разных уровней их обработки; 2) используемое при оценке привязки эталонное изображение должно обладать высокой точностью привязки, однако может иметь более низкое пространственное разрешение; 3) метод не накладывает дополнительные требования к тематическому сопровождению оцениваемого изображения, которое может не иметь маски облачности и теней, поскольку зашумленные участки автоматически исключаются из анализа на основе значений корреляции с эталоном.
В этом эксперименте оценка точности привязки осуществлялась на основе множества распределенных по территории России участков размером 6 на 6 км. В процессе оценки происходил перебор и загрубление путём осреднения групп пикселей блоков изображения MSI размером 50 на 50 пикселей для формирования сопоставляемого с эталоном VIIRS изображения MSI низкого пространственного разрешения. При этом положение сдвигаемого с шагом 10 метров изображения MSI фиксировалось с вычислением метрики корреляции Пирсона и вектора сдвига. Соответствующий максимуму корреляции сдвиг характеризует отклонение положения фрагмента изображения VIIRS от исходного положения изображения MSI, что позволяет в конечном итоге оценить локальную недопривязанность данных.
В результате эксперимента было установлено, что исходные продукты VNP09GA в красном и ближнем ИК каналах имеют среднее значение модуля ошибки привязки 166.6 и 167.4 метров (дисперсия оценок – 210.6 и 208.5 метров) соответственно с использованием информации по 1739 и 1623 участкам размером 6 на 6 км. При этом средние значения модуля ошибки привязки для интерполированных ежедневных изображений VIIRS в красном и ближнем ИК каналах составили 88.6 и 85.0 метров (дисперсия – 104.5 и 100.0 метров) и получены по 4946 и 5155 участкам. Заметная разница в количестве использованных участков возникает из-за наличия мешающих факторов в исходных данных VNP09GA, которые приводили к исключению участков из анализа, в то время как интерполированные изображения свободны от влияния мешающих факторов. Несмотря на то, что средние значения ошибки привязки не превышают размера пикселя VNP09GA, наблюдаемые максимальные значения отклонений составили около 700 метров для продукта VNP09GA и около 300 метров для интерполированных изображений. Кроме этого, подтвержден ранее полученный вывод о том, что весовая интерполяция временной серии исходных изображений в среднем кратно (в данном случае, вдвое) уменьшает ошибки привязки.
Исследование выполнено в рамках темы «Мониторинг» (госрегистрация № 122042500031-8) с использованием ресурсов Центра коллективного пользования «ИКИ-Мониторинг» (Лупян и др., 2015).