Algorithm overcomes compromise in acquisition of satellite imagery. Algoritmo supera il compromesso nell'acquisizione di immagini satellitari.
The acquisition of satellite imagery can come with a trade-off between sacrificing high spatial resolution in the interest of generating images more frequently, or vice versa.
Now, researchers at the University of Illinois have developed a new algorithm that is said to eliminate this compromise by fusing high-resolution and high-frequency satellite data into one integrated product, and can generate 30m daily continuous images going back to the year 2000.
Monitoring of agriculture, urban development, environmental quality and economic development are just a few ways people make use of satellite data. The new algorithm is claimed to be generic enough for use in virtually any application.
In agricultural applications, imaging at 10- to 30m resolution is critical for farmers to see field-level rapid and subtle changes in crop conditions that affect yield, such as crop stress and disturbance after extreme weather events. Existing data have either insufficient spatial resolution or low frequency, the researchers said. Farmers usually require information with both high-resolution and near real-time occurrence.
“We struggled to find public satellite data that has both high spatial resolution and high frequency in our own research – it simply did not exist,” said natural resources and environmental sciences professor and study co-author Kaiyu Guan. “So we took the initiative to produce it ourselves.”
Guan, a Blue Waters professor at the National Center for Supercomputing Applications at Illinois, teamed up with professor Jian Peng and graduate student Yunan Luo of computer science to develop an algorithm that fuses satellite images from multiple sources into continuous, daily high-resolution images. The researchers describe their methodology and findings in Remote Sensing of Environment.
“We first ingested all of the available satellite data sets into Blue Waters, the National Science Foundation’s leadership class supercomputer. With a click of a button to run our algorithm, what automatically comes out are daily high-resolution images available for all sorts of scientific applications,” Guan said.
Previously, researchers have developed methods for fusing high-resolution spatial and temporal data, but these came with limitations. Almost all of the algorithms lacked automation and could not simultaneously deal with missing pixels and temporal fusion. These drawbacks led to short-term and localised applications.
To overcome the limitations of previous methods, the team designed the algorithm to automatically integrate information from existing data. This compensates for missing information resulting from cloud coverage or data gaps. The new algorithm can create images without any missing pixels, for any site or region, by leveraging time-series information and relations with neighbouring pixels.
In addition to near-real-time daily high-resolution data collection, the team envisions building long-term daily, continental-scale images for various applications. “The type of high-quality satellite data required to run this algorithm has been collected since 2000, meaning we can generate daily 30m resolution images for any location on this planet going back in time,” Guan said.
“This can be used to study changes in agricultural productivity, ecosystem and polar ice dynamics since 2000 in much higher detail than previously possible,” Peng said. “Our approach may revolutionise the use of satellite data.”
The researchers have already successfully fused surface reflectance data in Champaign County, Illinois, and generated daily time series for the growing season of 2017 at 30m resolution.
“Even though others have invested in similar technology, they could not go back in time like we can,” Guan said. “The data sources for our algorithms use the most rigorous data from NASA or the European Space Agency and produce daily fusion data that is ready for research and practical applications.” Guan said.
“Generating this sort of data requires significant computing resources, making accessibility difficult,” Peng said. “We want to share the output with the broader scientific community and we are working to find a way to make that possible.”
ITALIANO
L'acquisizione di immagini satellitari può comportare un compromesso tra il sacrificio di una risoluzione spaziale elevata nell'interesse di generare immagini più frequentemente o viceversa.
Ora, i ricercatori dell'Università dell'Illinois hanno sviluppato un nuovo algoritmo che si dice elimini questo compromesso fondendo dati satellitari ad alta risoluzione e alta frequenza in un unico prodotto integrato, e può generare immagini continue giornaliere di 30 milioni che risalgono all'anno 2000.
Il monitoraggio dell'agricoltura, dello sviluppo urbano, della qualità ambientale e dello sviluppo economico sono solo alcuni dei modi in cui le persone utilizzano i dati satellitari. Si afferma che il nuovo algoritmo sia abbastanza generico da poter essere utilizzato praticamente in qualsiasi applicazione.
Nelle applicazioni agricole, la formazione di immagini a una risoluzione compresa tra 10 e 30 m è fondamentale per gli agricoltori per osservare cambiamenti rapidi e sottili a livello di campo nelle condizioni del raccolto che influiscono sulla resa, come lo stress del raccolto e il disturbo dopo eventi meteorologici estremi. I dati esistenti hanno una risoluzione spaziale insufficiente o una bassa frequenza, hanno detto i ricercatori. Gli agricoltori di solito richiedono informazioni sia con eventi ad alta risoluzione che quasi in tempo reale.
"Abbiamo faticato a trovare dati satellitari pubblici che abbiano sia un'elevata risoluzione spaziale sia un'alta frequenza nelle nostre ricerche - semplicemente non esisteva", ha detto il professor Kaiyu Guan, professore di risorse naturali e scienze ambientali e coautore dello studio. "Quindi abbiamo preso l'iniziativa di produrlo da soli."
Guan, un professore di Blue Waters al National Center for Supercomputing Applications dell'Illinois, ha collaborato con il professor Jian Peng e il dottorando Yunan Luo dell'informatica per sviluppare un algoritmo che fonde le immagini satellitari da più fonti in immagini continue e giornaliere ad alta risoluzione. I ricercatori descrivono la loro metodologia e le loro scoperte nel Remote Sensing of Environment.
"Abbiamo utilizzato per la prima volta tutti i set di dati satellitari disponibili in Blue Waters, il supercomputer della classe dirigente della National Science Foundation. Con un clic di un pulsante per eseguire il nostro algoritmo, ciò che viene fuori automaticamente sono immagini giornaliere ad alta risoluzione disponibili per ogni tipo di applicazione scientifica ", ha detto Guan.
In precedenza, i ricercatori hanno sviluppato metodi per la fusione di dati spaziali e temporali ad alta risoluzione, ma questi contenevano limitazioni. Quasi tutti gli algoritmi mancavano di automazione e non potevano gestire simultaneamente i pixel mancanti e la fusione temporale. Questi inconvenienti hanno portato a applicazioni a breve termine e localizzate.
Per superare i limiti dei metodi precedenti, il team ha progettato l'algoritmo per integrare automaticamente le informazioni dai dati esistenti. Questo compensa le informazioni mancanti risultanti dalla copertura del cloud o dalle lacune nei dati. Il nuovo algoritmo può creare immagini senza pixel mancanti, per qualsiasi sito o regione, sfruttando le informazioni sulla serie temporale e le relazioni con i pixel vicini.
Oltre alla raccolta di dati ad alta risoluzione quotidiana quasi in tempo reale, il gruppo prevede di creare immagini a scala continentale giornaliere a lungo termine per varie applicazioni. "Il tipo di dati satellitari di alta qualità richiesti per eseguire questo algoritmo è stato raccolto dal 2000, il che significa che possiamo generare immagini di risoluzione 30m ogni giorno su questo pianeta", ha detto Guan.
"Questo può essere usato per studiare i cambiamenti della produttività agricola, dell'ecosistema e delle dinamiche del ghiaccio polare dal 2000 in modo molto più dettagliato di quanto fosse possibile in precedenza", ha detto Peng. "Il nostro approccio potrebbe rivoluzionare l'uso dei dati satellitari."
I ricercatori hanno già fuso con successo i dati sulla riflettanza di superficie nella contea di Champaign, nell'Illinois, e hanno generato serie temporali giornaliere per la stagione in crescita del 2017 con una risoluzione di 30 metri.
"Anche se altri hanno investito in tecnologie simili, non potevano tornare indietro nel tempo come possiamo", ha detto Guan. "Le fonti di dati per i nostri algoritmi utilizzano i dati più rigorosi della NASA o dell'Agenzia spaziale europea e producono dati di fusione giornalieri pronti per la ricerca e le applicazioni pratiche", ha affermato Guan.
"Generare questo tipo di dati richiede risorse di calcolo significative, rendendo difficile l'accessibilità", ha affermato Peng. "Vogliamo condividere l'output con la più ampia comunità scientifica e stiamo lavorando per trovare il modo di renderlo possibile."
Da:
https://www.theengineer.co.uk/algorithm-satellite-imagery/?cmpid=tenews_5365688&utm_medium=email&utm_source=newsletter&utm_campaign=tenews&adg=B69ABBDE-DA23-4BA2-B8C3-86E1E1A9FA79
Commenti
Posta un commento