baja resolución José A. Sobrino Imaging Processing Laboratory (IPL) Universidad de Valencia Madrid, 12 marzo 2008

Transcripción

1 Plan Nacional de Teledetección. Reunión de Seguimiento: Planificación de coberturas 2008 Aplicación n de las imágenes de media y baja resolución José A. Sobrino Imaging Processing Laboratory (IPL) Universidad de Valencia Madrid, 12 marzo 2008

2 OBJETIVOS Laboratorio de Procesamiento de Imágenes (IPL) Tratamientos básicos de las imágenes Estimación de parámetros básicos Aplicaciones 2

3 IPL-UNIVERSITAT DE VALÈNCIA 2007: 42 Investigadores (4 grupos de investigación GACE, UCG, LEO, GPDS) Más de 20 años de Experiencia procesamiento imágenes de satélite 1000 metros cuadrados instalaciones (Parque científico UVEG) Antenas NOAA-AHVRR TERRA/AQUA-MODIS MSG-SEVIRI

4 Sensor AVHRR, a bordo de NOAA Imágenes del NOAA 17 con cobertura completa de la península: 10:00-11:40 20:45-22:40 Aprox. 1 imagen diaria en cada intervalo Imágenes del NOAA 18 con cobertura completa de la península: 12:30 14:10 01:15-03:00 Aprox. 1 imagen diaria en cada intervalo Imágenes del NOAA 15 con cobertura completa de la península: 16:00-17:50 05:00-06:50 Aprox. 1 imagen diaria en cada intervalo

5 Sensor MODIS, a bordo de AQUA 01:35 04:20 Imágenes con cobertura completa de la península: Días (febrero/marzo) 27, 28, 29, 1, 2, 3, 4, 5, 6, 7, 8, 02:40 03:40 13:05 15:26 Imágenes con cobertura completa de la península: Días (febrero/marzo): 27, 28, 29, 1, 2, 3, 4, 5, 6, 7, 8, 13:40 14:40

6 Sensor MODIS, a bordo de TERRA 10:30 12:50 Imágenes con cobertura completa de la península: Días (febrero/marzo) 27, 28, 29, 1, 2, 3, 4, 5, 6, 7, 8, 11:36 12:37 21:36 00:21 Imágenes con cobertura completa de la península: Días (febrero/marzo): 27, 28, 29, 1, 2, 3, 4, 5, 6, 7, 8, 22:40 23:40

7 Sensor SEVIRI, a bordo de METEOSAT - MSG Geoestacionario, cobertura total de la península. Se almacenan imágenes cada 15 minutos. 96 imágenes diarias.

8 Imágenes de la Península Ibérica almacenadas en el IPL SENSOR Intervalo Imágenes mensuales: Datos/ mes: MODIS / AQUA diurnas 21 (5 / semana) nocturnas 21 (5 / semana) 50 GB MODIS / TERRA diurnas 21 (5 / semana) nocturnas 21 (5 / semana) 10h 14h 60 (2 diarias) AVHRR / NOAA 16h 18h / 21h 23h 60 (2 diarias) 150 GB 1h 3h / 5h 7h 60 (2 diarias) SEVIRI / MSG Cada 15 min 2880 (96 diarias) 950 GB

9 SUPERORDENADOR TIRANT UVEG: integrado Red Española de Supercomputación (RES) Número 413 de la lista TOP500 de los más potentes del mundo en noviembre de procesadores PowerPC 970FX+ a 2,2 GHz y 1 Terabyte de memoria. Equipos interconectados mediante red myrinet permite comunicar datos entre 2 equipos a velocidad 4 Gbits/s. 5 servidores pseries de IBM que gestionan 9.2 Terabytes de disco duro. Potencia total de 4.5 Teraflops (equivalentes a gigaflops). Capaz de realizar 4,5 billones de cálculos por segundo. Sistema operativo Linux, tal y como César y Multivac, los otros grandes sistemas de cálculo que gestiona el Servicio de Informática de la Universitat de València. Se integra en el anillo de 30 kilómetros de fibra óptica de la intranet de la Universitat de València, que recorre sus 3 campus y que permite acceder al supercomputador a velocidades de 10 Gigabytes.

10 OBJETIVOS Laboratorio de Procesamiento de Imágenes (IPL) Tratamientos básicos de las imágenes Estimación de parámetros básicos Aplicaciones 10

11 TRATAMIENTOS BÁSICOS B DE LAS IMÁGENES 1) Calibrado de sensores 2) Correcciones geométricas 3) Detección de nubes 4) Corrección efectos atmosféricos 11

12 Método de detección de nubes The obtained clusters are labeled into geo-physical classes, taking into account the spectral signature and location of the cluster centers Cloud abundance product

13 Estudios multitemporales Serie temporal de MERIS FR LIb sobre Holanda en 2003 Posibilidades: Detección de nubes Evolución de nubes Combinar imágenes para evitar nubes Estudios fenológicos Subpixel land cover

14 ECUACIÓN DE TRANSFERENCIA RADIATIVA (espectro Solar) Superficie Lambertiana Uniforme L λ TOA = L λ SOL τ λ ρ λ sup + L λ camino τ [ρ sup (τ L SOL )] L TOA : Radiancia medida por el sensor en el techo de la atmósfera (TOA, Top Of Atmosphere). L SOL : Irradiancia solar extraterrestre corregida según la excentricidad y el coseno del ángulo cenital. L SOL L camino τ: Transmisividad atmosférica total, obtenido como el producto de la trasmisividad desde el techo de la atmósfera hasta el suelo para el rayo solar (τ ), y la transmisividad desde el suelo hasta el techo de la atmósfera para el ángulo de observación del satélite (τ ) τ= τ τ. ρ sup : reflectividad de la superficie. τ L SOL Ρ sup (τ L SOL ) superficie atmósfera L camino : radiancia de camino que representa la propia contribución de la atmósfera.

15 FORMULACIÓN ECUACIÓN DE TRANSFERENCIA RADIATIVA TÉRMICO sen ε ( ) (1 ε ) atm τ atm i, θ i, θ i s i, θ i i, θ i, θ L = B T + L + L Ti Tg NOMENCLATURA Térmico: 8-14 micrómetros τ: transmisividad de la atmósfera L atm : radiancia atmosférica ascendente L atm : radiancia atmosférica descendente θ: Ángulo de observación B L B : Función de Planck ε: Emisividad de la superficie T s : Temperatura de la superficie λ i : canal (valores efectivos o integrados) L sen : Radiancia a nivel del sensor L sen B(T i ) T i : Temperatura radiométrica a nivel del sensor (TEMPERATURA APARENTE > TS) L sup εb(t s )+(1-ε)L atm :radiancia a nivel de superficie L sup B(T gi ) T gi : temperatura radiométrica a nivel de la superficie

16 OBJETIVOS Laboratorio de Procesamiento de Imágenes (IPL) Tratamientos básicos de las imágenes Estimación parámetros básicos NDVI, BRDF, ST, SE Aplicaciones 16

17

18 EMISIVIDAD (23/7/95 y 30/5/96) 18

19 Atmospheric total Water vapour content map

20 MODIS/TERRA- TEMPERATURA SUPERFICIE TERRESTRE 20

21 DIFERENCIA TEMPERATURA DIA-NOCHE

22 OBJETIVOS Laboratorio de Procesamiento de Imágenes (IPL) Tratamientos básicos de las imágenes Estimación de parámetros básicos Aplicaciones 22

23 Colaboración con el Instituto Cartográfico Valenciano (ICV) Actualización del Sistema de Información Geo-gráfica (SIG) citrícola de la Comunidad Valenciana Análisis de cultivo por parcela catastral partiendo de ortoimágenes del ICV (50cm resolución), el SIG citrícola anterior y la información catastral. Detección de nuevas plantaciones Clasificación automática del 90% de las parcelas con un acierto del 94% (el 10% restante es fotointerpretado). Detección de cambios de uso a diferentes escalas Grandes transformaciones del territorio (nuevos polígonos industriales, urbanizaciones, vías de comunicación, etc.) Pequeños cambios (edificaciones, piscinas, balsas de riego, etc.) Tipologías de municipios de la Comunidad Valenciana Parcelas citrícolas Detección de plantones

24 Clasificación multiespectral RGB composite of the red, green and blue channels from 128-bands HyMAP image (Barrax, Spain) Map of the whole image classified with the labels of the classes of interest

25 Detección de zona urbana no urbana. Area de Nápoles LANDSAT- Clasificación ERS2-SAR Images

26 Heladas Naranja: -2.3 ºC Daño o por congelación se crean cristales y rupturas

27 Valencia Análisis espacio-temporal del efecto de isla térmica urbana

28 Incendios Study Area (L Alcalaten, Castellón, Spain) N, 0.16 W, 500m land-use: shrubs, fruit-tree pine and deciduous tree forest (small part) FIRE EVENT: started the 28th August 2007 ended the 31st August 2007 official burned area: 5,400 ha

29 ESTIMATIONS OF BURNED AREA... (Low resolution data NOAA-AVHRR) 7260 ha 9-Sept-07 RGB (1,2,4) RGB-Dec.St. (1,2,4)

30 Estimación evapotranspiración NECESIDADES HÍDRICAS DE LOS CULTIVOS Estimación a partir de la ecuación de balance energético (se necesitan sensores con bandas térmicas): Radiación neta albedo, transmisividad atmosférica Flujo geotérmico índices de vegetación (MSAVI) Calor sensible y latente Método gráfico con albedo y LST Datos auxiliares: radiancias atmosféricas (onda corta, onda larga)

31 Ejemplo: NOAA-AVHRR Seguimiento de la evapotranspiración a nivel global: NOAA-AVHRR, MSG-SEVIRI

32 NORMALIZED DIFFERENCE WATER INDEX (NDWI) NDWI = ρ ρ NIR NIR ρ + ρ SWIR SWIR (Necesita bandas SWIR: Landsat, SPOT, MODIS) (Ejemplo: Landsat B y B ) APLICACIONES: Contenido en agua de la vegetación Humedad del suelo Sequía Riesgo de incendios Identificación de zonas de agua

33 NORMALIZED DIFFERENCE BARENESS INDEX (NDBaI) NDBaI = ρ ρ SWIR SWIR ρ + ρ TIR TIR (Necesita bandas SWIR y térmicas: Landsat, MODIS) (Ejemplo: Landsat B5 y B6) Identificación de zonas sin vegetación NORMALIZED DIFFERENCE BUILT-UP INDEX (NDBI) NDBI = ρ ρ SWIR SWIR ρ + ρ NIR NIR (Necesita bandas SWIR: Landsat, SPOT,MODIS) (Ejemplo: Landsat B5 y B4) Junto con el NDVI, permite clasificación de zonas urbanas (a veces también referenciado como Normalized Difference Soil Index NDSI)

34 NORMALIZED DIFFERENCE SNOW INDEX (NDSI) (Necesita banda térmica: Landsat, MODIS) (Ejemplo: Landsat B4 y B6) NDSI = ρ ρ NIR NIR ρ + ρ TIR TIR Estimaciones de cobertura de nieve

35 Cobertura vegetal a partir de análisis multitemporal del NDVI (SPOT-VEGETATION) (Aplicable también a AVHRR, MODIS, SEVIRI, etc.) Cobertura vegetal (FVC)

36 ANALISIS MULTITEMPORAL IMÁGENES DE SATÉLITE AVHRR, AATSR MODIS, SEVIRI SIMULACIONES MODTRAN sondeos espectros emisividad Filtros W, NDVI, ε, T Algoritmos SOFTWARE INSTRUMENTACIÓN radiómetros Raytek (1 banda) CIMEL (4/6 bandas) Fuente Calibrado Caja Validation MEDIDAS IN SITU Emisividad Temperatura (Transectos) CAMPAÑAS DAISEX (1998, 1999, 2000) WATERMED (2003) SPARC (2003, 2004) SEN2FLEX (2005) EAGLE, AGRISAR (2006) Algoritmos AVHRR PAL GIMMS Dinámica SOFTWARE VDCT HANTS 36

37 ANALISIS MULTITEMPORAL NDVI 20 años Gradiente Norte-Sur Δ NDVI =0.5 Ts 20 años Gradiente Sur-Norte Δ Ts =35 K 37

38 ANALISIS MULTITEMPORAL Método VLCD Vector Land Cover Dynamic 38

39 ANALISIS MULTITEMPORAL Análisis series temporales NDVI y LST identificar cambios vegetación en Europa / Rosa: zonas áridas del Sur en proceso de desertización (aumento 2.5 LST, disminución 0.02 NDVI) Verde oscuro: zonas centro Europa mejora su vegetación (disminución 1.5 LST, aumento 0.1 NDVI) desertisation longer growing season LST (x0.1 K) shorter growing season NDVI (x0.01) plant regrowth Cambios en la vegetación europea entre 1982/1986 y 1995/1999. Remote sensing of Environment

40 Thermo-NDVI classification Clasificación de la vegetación de América del Sur en función de la climatología (análisis multitemporal de datos de NDVI y precipitación durante el periodo ) sea

41 Cambio en longitud estación crecimiento a escala global ( ) día/año