مقدمه
در حمایت از تلاشهای دولت برزیل برای اجرای قانون جنگلهای برزیل و حفاظت از جنگلها در زمینهای خصوصی، گوگل دو نقشه پایه مشتق شده از مشاهدات ماهواره SPOT تولید کرده است: یک نقشه پایه بصری و یک نقشه پایه تحلیلی (G-BFID نسخه ۱.۰).
این محصولات تصویری موزاییکی، مبنایی برای ۲۲ ژوئیه ۲۰۰۸ ایجاد میکنند، تاریخی حیاتی تحت قانون جنگلهای برزیل برای شناسایی «مناطق تثبیتشده» - مناطقی با سکونت انسانی یا کاربری کشاورزی از پیش موجود - . این مجموعه دادههای موزاییکی که از بایگانی ماهواره SPOT استخراج شدهاند، جایگزینی با وضوح بالاتر برای دادههای ۳۰ متری لندست که به طور سنتی برای تعیین این مبنا استفاده میشوند، ارائه میدهند.
برای ترکیب هزاران تصویر SPOT و تبدیل آنها به نقشههای پایه یکپارچه، تصاویر تحت یک روال پردازشی شامل موارد زیر قرار گرفتند:
- اصلاح لبهها برای حذف مصنوعات فشردهسازی.
- نرمالسازی رادیومتری در برابر خط مبنای لندست.
- پوشش ابر (محافظهکارانه، دستی).
- اصلاح ثبت نادرست (ثبت مشترک با یک تصویر ترکیبی لندست).
برای ترکیب نهایی، به جای کاهش آماری، از یک روش موزاییک قطعی استفاده شد. پیکسلها بر اساس وضوح مکانی و گاهشماری ماموریت ماهواره، با اولویت دادن به مشاهدات ماهوارههای جدیدتر، لایهبندی شدند. این سلسله مراتب لایهبندی با نمونهبرداری مجدد از نزدیکترین همسایه ترکیب شد تا منشأ دقیق دادهها مشخص شود. در نتیجه، هر پیکسل در نقشه پایه نهایی، منشأ گسسته خود را حفظ کرد و مستقیماً به یک مشاهده منبع خاص و فرادادههای آن قابل ردیابی باقی ماند.
دادههای منبع
مشخصات ماهواره و حسگر
نقشههای پایه G-BFID نسخه ۱.۰ از دادههای تصویری SPOT (ماهوارهای برای مشاهده زمین) گرفته شدهاند. ماموریتهای SPOT که توسط CNES اداره و توسط ایرباس توزیع میشوند، تصاویر نوری با وضوح بالا با نوار ۶۰ کیلومتری ارائه میدهند. این پروژه از بایگانی تصاویر سه ماهواره خاص برای تعیین خط مبنای ۲۰۰۸ استفاده میکند:
- SPOT 2 و 4: مجهز به حسگرهای HRV/HRVIR، که دادههای چندطیفی با وضوح 20 متر و دادههای پانکروماتیک با وضوح 10 متر را ارائه میدهند.
- SPOT 5: مجهز به سنجنده HRG، که وضوح مکانی به طور قابل توجهی بهبود یافتهای را با دادههای چندطیفی با وضوح 10 متر و دادههای پانکروماتیک با وضوح 5 متر ارائه میدهد.
| نقطه ۲ | نقطه ۴ | نقطه ۵ | |
|---|---|---|---|
| چند طیفی | ۲۰ متر | ۲۰ متر | ۱۰ متر |
| پانکروماتیک | ۱۰ متر | ۱۰ متر | ۵ متر |
| باندهای طیفی | سبز، قرمز، نزدیک مادون قرمز | سبز، قرمز، NIR، SWIR | سبز، قرمز، NIR، SWIR |
جدول ۱. مشخصات فنی ماموریتهای SPOT 2، 4 و 5.
توجه: ایرباس یک محصول پانکروماتیک "سوپرمد" تولید میکند که میتواند برای وضوح بخشیدن به تصاویر SPOT 5 تا وضوح ۲.۵ متر استفاده شود. دسترسی به این دادهها برای مشخصات این پروژه بسیار محدود است و در این پروژه گنجانده نشده است.
مجموعههای موتور زمین ورودی
سه محصول داده SPOT مجزا برای تولید نقشههای پایه نهایی دریافت و پردازش شدند. این مجموعهها دوره زمانی از 9 ژانویه 2007 تا 26 نوامبر 2009 را در بر میگیرند و عمق زمانی لازم را برای غلبه بر محدودیتهای پوشش ابر و در عین حال حفظ یک خط پایه با وضوح بالا فراهم میکنند.
انتخاب صحنه
برای حمایت از تلاشهای حفاظت از جنگلها در زمینهای خصوصی ثبتشده در فهرست محیطزیست روستایی (CAR)، پوشش جغرافیایی برای زیستبوم آمازون و پنج ایالت «قوس جنگلزدایی» در اولویت قرار گرفت: مارانهائو، ماتو گروسو، پارا، روندونیا و توکانتینس.
برای همسویی با الزامات قانون جنگلهای برزیل، یک بازه زمانی اواسط سال ۲۰۰۸ هدف قرار گرفت. بر اساس این معیارهای زمانی و پوشش ابر (<50%)، در مجموع ۱۰،۰۷۲ تصویر از SPOT 2، ۴ و ۵ شناسایی و برای پردازش به کاتالوگ دادههای موتور زمین وارد شدند.
نکتهای در مورد ترکیب طیفی: حسگرهای SPOT 2، 4 و 5 به طور طبیعی باند طیفی آبی را ثبت نمیکنند. برای محصولات با رنگ طبیعی، یک باند آبی سنتز شده - که از باندهای طیفی موجود برای تقریب به نمایش رنگ واقعی مشتق شده است - توسط توزیعکننده داده ارائه میشود.
۱. رنگ طبیعی چندطیفیِ پانشارپِنشده
- دارایی موتور زمینی:
AIRBUS/SPOT_2_4_5/BRAZIL/2007_2009/PMS_NC/V1 - تعداد تصاویر: ۲۹۷۷
- بازه زمانی: ۱ مارس ۲۰۰۷ – ۲۶ نوامبر ۲۰۰۹
- شرح: این محصول، باند پانکروماتیک با وضوح بالاتر را با باندهای چندطیفی ادغام میکند تا یک تصویر RGB سه باندی واضح تولید کند. این منبع ترجیحی برای نقشه پایه بصری است.
۲. رنگ طبیعی چندطیفی
- دارایی موتور زمینی:
AIRBUS/SPOT_2_4_5/BRAZIL/2007_2009/MS_NC/V1 - تعداد تصاویر: ۳۵۳۶
- بازه زمانی: ۹ ژانویه ۲۰۰۷ تا ۲۶ نوامبر ۲۰۰۹
- شرح: یک محصول رنگی شبه طبیعی سه باندی (RGB شبیهسازی شده) با وضوح چندطیفی اصلی. این مجموعه در نقشه پایه بصری به عنوان منبع ثانویه در جایی که دادههای پانشارپ شده ممکن است در دسترس نباشند، استفاده میشود.
۳. چندطیفی
- دارایی موتور زمینی:
AIRBUS/SPOT_2_4_5/BRAZIL/2007_2009/MS/V1 - تعداد تصاویر: ۳۵۵۹
- بازه زمانی: ۹ ژانویه ۲۰۰۷ تا ۲۶ نوامبر ۲۰۰۹
- شرح: منبع نقشه پایه تحلیلی . این مجموعه شامل باندهای طیفی اصلی (از جمله مادون قرمز نزدیک و مادون قرمز موج کوتاه در صورت وجود) لازم برای محاسبه شاخصهای پوشش گیاهی (مانند NDVI) و انجام طبقهبندی پوشش گیاهی است.
پوشش جغرافیایی و شکافها
هدف اصلی نقشههای پایه G-BFID نسخه ۱.۰، ایجاد یک مبنای با وضوح بالا و نزدیک به سال ۲۰۰۸ برای قلمرو اداری برزیل است. با این حال، حفظ یک بازه زمانی دقیق (۲۰۰۷-۲۰۰۹) در حین فیلتر کردن تصاویر با کیفیت بالا و کم ابر، منجر به شکافهای مکانی، به ویژه در مناطقی با پوشش ابری مداوم، شده است.
انتخاب صحنه و فیلتر کیفیت
برای اطمینان از یکپارچگی دادهها، یک مجموعه کاندید از سالهای ۲۰۰۷ تا ۲۰۰۹ با پوشش ابری اولیه کمتر از ۵۰٪ شناسایی شد. از این تعداد، در مجموع کمی بیش از ۱۰،۰۰۰ تصویر دریافت و فیلتر شدند تا تصاویر با مشکلات کیفی قابل توجه حذف شوند:
- بررسی ناپیوستگی : تصاویری که به صورت دستی از نظر فاصله سنجی یا مصنوعات هندسی شناسایی شده بودند، از جمله صحنههای ناپیوسته که توسط ارائه دهنده داده در کنار هم قرار گرفته بودند، حذف شدند.
- تضمین کیفیت فضای ابری : صحنههایی که توسط تحلیلگران حرفهای تصویر به دلیل پوشش کامل ابر یا دلایل دیگر رد شدهاند.
- تراکم دادهها : فقط تصاویری با بیش از ۱۰٪ پیکسلهای معتبر (نقشه پایه بصری) که پس از پوشش ابری باقی مانده بودند، حفظ شدند (بیش از ۵٪ برای نقشه پایه تحلیلی).
توزیع فضایی
همانطور که در شکل ۵ نشان داده شده است، موزاییکها در "قوس جنگلزدایی" و مناطق شمال/مرکز-غرب به بالاترین تراکم میرسند. مناطق شفاف نشاندهنده مناطقی هستند که هیچ تصویر SPOT 2، 4 یا 5 در بازه زمانی هدف از فیلترهای کیفی ذکر شده در بالا عبور نکرده یا تحت پوشش ابر قرار نگرفته است.
پوشش بر اساس ایالت
شکل 6 تفکیک ایالت به ایالت از پوشش پیکسلی معتبر را نشان میدهد. پوشش برای ایالتهایی مانند روندونیا و ماتو گروسو تقریباً کامل (بیش از 95٪) است، در حالی که ایالتهای جنوب و بخشهایی از شمال شرقی به دلیل محدودیتهای بایگانی و پوشش ابری، تراکم کمتری را نشان میدهند.
این نمودار همچنین نشان میدهد که نقشه پایه بصری تقریباً در همه ایالتها، پوشش پیکسلی معتبر کمی بالاتری نسبت به نقشه پایه تحلیلی ارائه میدهد. این تفاوت به این دلیل وجود دارد که محصول بصری میتواند از هر دو مجموعه رنگ طبیعی چندطیفی و چندطیفی استفاده کند، در حالی که محصول تحلیلی صرفاً از مجموعه چندطیفی مشتق شده است.
روش پردازش
روش پردازش برای نقشههای پایه G-BFID نسخه ۱.۰، منشأ دادهها و یکپارچگی رادیومتری را برای پشتیبانی از ارزیابیهای انطباق با قانون جنگل در اولویت قرار میدهد. این بخش ابتدا معماری موزاییکی کلی و منطق لایهبندی مورد استفاده برای حفظ این یکپارچگی را تعریف میکند و پس از آن مراحل پیشپردازش و نرمالسازی زمانی اعمال شده بر روی تصاویر منبع منفرد قبل از مونتاژ نهایی ارائه میشود.
روش موزاییک
نقشههای پایه نهایی با استفاده از روش موزاییکی به جای کاهندههای آماری (مانند ترکیبات میانگین یا میانه) ایجاد شدند. این رویکرد تضمین میکند که محصولات نهایی، مقادیر طیفی اصلی و بافتهای مکانی تصاویر منبع را حفظ میکنند. با اجتناب از میانگینگیری از مشاهدات متعدد، موزاییک، منشأ گسسته هر پیکسل را حفظ میکند.
منطق لایهبندی
تصاویر ورودی با استفاده از سلسله مراتبی که وضوح مکانی بالاتر و ماموریتهای ماهوارهای بعدی را ترجیح میدهد، لایهبندی شدند:
- نقشه پایه بصری: تصاویر بر اساس اندازه پیکسل (اولویتبندی با بالاترین وضوح دادههای موجود) و سپس بر اساس ماموریت ماهواره (اولویتبندی دادههای ماهوارههای جدیدتر SPOT) مرتب شدهاند.
- نقشه پایه تحلیلی: تصاویر بر اساس ماموریت ماهوارهای لایهبندی شدند و مشاهدات ماموریتهای بعدی SPOT اولویتبندی شدند تا بهترین دادههای موجود هدف قرار گیرند.
یکپارچگی و قابلیت ردیابی
نمونهبرداری مجدد: تمام بازنماییهای داخلی از نمونهبرداری مجدد نزدیکترین همسایه استفاده کردند. این امر از اثرات هموارسازی درونیابی سایر روشها جلوگیری میکند و تضمین میکند که ویژگیهای رادیومتری و مکانی اصلی پیکسلهای منبع تحت تأثیر همسایگانشان قرار نمیگیرند.
قابلیت ردیابی دادهها: یک باند فراداده
dateبه ازای هر پیکسل در هر دو محصول گنجانده شده است. این به کاربران امکان میدهد تاریخ دقیق مشاهده را برای هر مکان مشخص شناسایی کنند و شفافیت کامل را برای ارزیابیهای انطباق با قانون جنگل تضمین کنند.
اصلاح لبه تصویر
برای اطمینان از مرزهای تمیز بین صحنههای همپوشانی، یک فرآیند اصلاح لبه برای حذف مصنوعات موجود در تصویر منبع اعمال شد. این مصنوعات، که به صورت پیکسلهای لکهدار یا "پر سر و صدا" در امتداد مرزهای تصویر ظاهر میشوند، مشخصه فشردهسازی پراتلاف در دادههای ارائه شده توسط ارائه دهنده بودند. برای رفع این مشکل، یک فرسایش حداقل کانونی 2.5 پیکسلی بر روی ماسکهای تصویر اعمال شد و مصنوعات لبهای با کیفیت پایین را حذف کرد و اطمینان حاصل کرد که فقط دادههای معتبر در موزاییکهای نهایی استفاده میشوند (شکل 7).
پوشش ابری
برای اطمینان از بالاترین یکپارچگی دادههای ممکن برای G-BFID نسخه ۱.۰، یک روش ماسکگذاری دستی در سراسر آرشیو تصاویر پیادهسازی شد. این رویکرد به جای روشهای خودکار انتخاب شد تا امکان حذف محتاطانهتر پیکسلهای تحت تأثیر ابرها یا سایر تداخلهای جوی فراهم شود.
روش ماسک کردن
تحلیلگران آموزشدیده مناطقی را که حاوی ابرها و مصنوعات جوی مرتبط بودند، شناسایی کردند. برای اطمینان از اینکه این پیکسلهای مشکلساز به طور کامل ثبت شدهاند، از یک استراتژی پوشش محافظهکارانه با استفاده از هندسههای ساده و درشت استفاده شد. به جای ردیابی دقیق محیطهای ابری منفرد، مناطق مستطیلی بزرگتر پوشش داده شدند تا اطمینان حاصل شود که موزاییک حاصل تا حد امکان واضح باقی میماند.
اگرچه این رویکرد عمداً تهاجمی است - که اغلب پیکسلهای معتبر مجاور ابرها را حذف میکند - اما برای ارائه محصولی با یکپارچگی بالا برای پایه سال ۲۰۰۸ ضروری تلقی میشد.
سیاست پنهانسازی و ادغام
ماسکهای دستی منحصراً برای مجموعه تصاویر چندطیفی و رنگ طبیعی پانشارپِنشده تولید شدند. از آنجا که محصول رنگ طبیعی چندطیفی از دادههای چندطیفی مشتق میشود، این ماسکها سپس در طول پردازش به تصاویر چندطیفی منطبق منتقل شدند.
هر تصویر چندطیفی که فاقد همتای رنگ طبیعیِ منطبق و ماسکشده دستی بود، از موزاییک نهایی حذف شد. این امر تضمین میکند که ابرهای هر پیکسل موجود در مجموعه G-BFID v1.0 - صرف نظر از نوع محصول - حذف شده باشند.
تفسیر شکافهای دادهها
شکافهای شفاف در موزاییکهای نهایی، مناطقی را نشان میدهند که در آنها هیچ داده معتبر و با کیفیتی در بازه زمانی ۲۰۰۷-۲۰۰۹ در دسترس نیست. این شکافها ناشی از ترکیبی از پوشش دستی محافظهکارانه که در بالا توضیح داده شد، رد اولیه صحنههایی با پوشش ابر زیاد (>۵۰٪) یا عدم وجود کامل تصاویر منبع موجود از ارائهدهنده برای یک منطقه خاص است. در حالی که شکافهای منطقهای بزرگتر معمولاً نشاندهنده کمبود تصاویر موجود مربوط به دوره ۲۰۰۸ هستند، الگوهای "قطعهای" مشخص نشان داده شده در شکل ۹ نتیجه پوشش ابر هستند.
اصلاح ثبت نام اشتباه
یک گردش کار خودکار ثبت همزمان تصاویر (Coregistration) برای کاهش خطاهای قابل توجه ثبت در تصاویر منبع SPOT نسبت به خط مبنای جغرافیایی مشتق شده از دادههای مجموعه لندست ۲ پیادهسازی شد.
خط مبنای مرجع
یک تصویر مرجع موزاییکی بدون ابر از مجموعه لندست ۲ به عنوان تصویر مرجع ثبت مشترک ایجاد شد. این تصویر مرجع با استفاده از یک کاهنده میانه بر روی تصاویر لندست ۷ و ۸ که برزیل را برای دوره ۲۰۰۶ تا ۲۰۱۰ قطع میکردند، ساخته شد. باند قرمز لندست به عنوان هدف ثبت اولیه برای مطابقت با باند قرمز SPOT انتخاب شد.
تخمین جابجایی
الگوریتم ee.Image.displacement برای محاسبهی انحراف در سطح پیکسل بین دادههای منبع SPOT و مرجع Landsat استفاده شد.
- پارامترهای جستجو: حداکثر جابجایی ۵۰۰ متر و پارامتر سختی ۵ به مدل جابجایی اعمال شد.
- تجمیع آماری: دلتا x ($dx$) و دلتا y ($dy$) و مقادیر اطمینان در کل ناحیه تصویر با استفاده از یک کاهنده میانگین تجمیع شدند.
- محاسبهی بزرگی: از این آمار تجمیعشده، یک تخمین جابجایی کلی بزرگی $M = \sqrt{dx^2 + dy^2}$ برای نشان دادن میانگین جابجایی صحنه محاسبه شد.
سیاست اصلاحی
صحنهها بر اساس آمار جابجایی محاسبهشده طبقهبندی و اصلاح شدند تا ضمن جلوگیری از معرفی مصنوعات جدید، بهبودهای قابل توجه در اولویت قرار گیرند:
- تصحیح خودکار : تصاویری که بزرگی جابجایی $M > 30$ m با نمره اطمینان $C > 0.3$ را نشان میدهند، به طور خودکار با استفاده از مقادیر تخمینی $dx$ و $dy$ جابجا شدند.
- ارزیابی دستی : برای صحنههایی با جابجایی تخمینی بسیار بالا ($M > 100$ m) اما اطمینان پایین ($C \le 0.3$)، بررسی دستی انجام شد. اصلاحات فقط در صورتی پذیرفته میشدند که ثبت همروند حاصل، بهبود قطعی نسبت به محل قرارگیری اولیه را نشان دهد.
- حذف : صحنههایی که پس از تلاش برای اصلاح، همچنان به طور قابل توجهی ثبت نادرستی داشتند، یا صحنههایی که ویژگیهای کافی برای تطبیق قابل اعتماد نداشتند، از موزاییک حذف شدند.
پیادهسازی و کنترل کیفیت
تصاویر اصلاحشده با استفاده از نمونهبرداری مجدد نزدیکترین همسایه، برای حفظ مقادیر رادیومتری اصلی و جلوگیری از اثرات هموارسازی درونیابی دوخطی یا مکعبی، دوباره تصویر شدند.
برای اطمینان از قابلیت ردیابی مکانی، یک باند coregistered بولی به هر تصویر اضافه شد و در موزاییک نهایی حفظ شد. این فراداده به کاربران اجازه میدهد تا بین پیکسلهایی که تحت تنظیمات مکانی قرار گرفتهاند و آنهایی که در موقعیت تحویل اولیه خود باقی ماندهاند، تمایز قائل شوند.
نرمالسازی رادیومتری
برای در نظر گرفتن شرایط جوی متغیر و تفاوتهای حسگرها در مجموعههای منبع SPOT، نرمالسازی رادیومتری بر روی تصاویر شامل محصولات موزاییکی اعمال شد. هر دو نقشه پایه بصری و تحلیلی از تطبیق هیستوگرام با یک خط پایه هدف ثابت لندست ۲۰۰۸ استفاده میکنند.
لندست به عنوان مرجع نسبت به گزینههای درشتتر مانند MODIS انتخاب شد، زیرا وضوح 30 متری آن با دادههای 5 تا 20 متری SPOT هماهنگی بیشتری دارد. این شباهت تضمین میکند که هیستوگرامهای طیفی به طور مساوی نماینده باشند و امکان انتقال رادیومتری دقیقتری را در طول فرآیند تطبیق فراهم کنند. روش خاص برای این هماهنگسازی بسته به اینکه مورد استفاده نهایی بصری یا تحلیلی باشد، کمی متفاوت است.
نقشه پایه بصری
برای به حداقل رساندن ناپیوستگیهای رادیومتریکی بین تصاویر مجاور و اطمینان از ظاهری تقریباً یکپارچه، یک گردش کار متعادلسازی رنگ با استفاده از تطبیق هیستوگرام پیادهسازی شد. مقادیر پیکسلها برای مطابقت با یک خط مبنای هدف موزاییک لندست ۲۰۰۸ تنظیم شدند.
این فرآیند مراحل زیر را دنبال میکند:
- پوشش تحلیل : برای اطمینان از پایداری آمار در طول تطبیق هیستوگرام، یک پوشش تحلیل موقت ایجاد میشود تا نواحی که میتوانند دادهها را منحرف کنند، حذف شوند. این پوشش دو ویژگی اصلی را هدف قرار میدهد:
- مناطق با تغییرات زیاد : پیکسلهایی که از ۹۵ درصد اختلاف مطلق بین تصویر SPOT و موزاییک مرجع لندست تجاوز میکنند، حذف میشوند.
- پهنههای آبی : با استفاده از مجموعه دادههای تاریخچه طبقهبندی سالانه آب JRC، تغییرات زیاد بازتاب روی آب حذف شده است. این مجموعه دادهها تا سال ۲۰۰۸ فیلتر شده و یک ماسک معکوس اعمال شده است تا اطمینان حاصل شود که فقط طبقات غیرآبی برای تجزیه و تحلیل آماری حفظ میشوند.
- تولید جدول جستجو (LUT) : با استفاده از دادههای ماسکشده، هیستوگرامهای تجمعی برای هر دو باند SPOT منبع و باندهای لندست هدف محاسبه میشوند.
- درونیابی : مقادیر پیکسلهای منبع با استفاده از LUT تولید شده به مقادیر هدف نگاشت میشوند و نمایه رادیومتری دادههای SPOT با مرجع لندست ۲۰۰۸ همتراز میشود.
نقشه پایه تحلیلی
پردازش نقشه پایه تحلیلی، نقشه پایه بصری را منعکس میکند، اما شامل تبدیل مقادیر DN به بازتاب بالای جو نیز میشود:
۱. تبدیل بازتاب بالای جو (TOA)
اعداد دیجیتال خام SPOT (DN) به بازتاب TOA تبدیل میشوند تا خواص فیزیکی حسگر و هندسه خورشیدی در نظر گرفته شوند:
- محاسبهی رادیانس : استفاده از فرادادههای بهره و بایاس فیزیکی مختص باند ارائهدهنده.
- نرمالسازی بازتاب : درخشندگی با تابش خورشیدی، کسینوس زاویه اوج خورشید و فاصله زمین تا خورشید برای روز خاص اخذ تصویر، نرمالسازی میشود.
۲. تطبیق هیستوگرام
برای به حداقل رساندن بیشتر اختلافات رادیومتریکی بین تصاویر SPOT متفاوت، یک گردش کار تطبیق هیستوگرام اعمال میشود:
پوشش تحلیل : این مرحله دقیقاً از همان پوشش تحلیل شرح داده شده در بخش نقشه پایه بصری در بالا استفاده میکند: حذف پیکسلهای با تغییر بیش از صدک ۹۵ و فیلتر کردن پیکسلهای آب از طریق ماسک طبقهبندی JRC معکوس ۲۰۰۸.
هماهنگسازی : مشابه نقشه پایه بصری، مقادیر پیکسلها از طریق یک جدول جستجو برای تراز کردن نمایه رادیومتریکی با مرجع TOA لندست، مجدداً نگاشت میشوند. این امر، سازگاری رادیومتریکی در سطح موزاییک را برای آموزش مدلهای یادگیری ماشین در مقیاس وسیع و اجرای استنتاجهای قابل اعتماد ایجاد میکند.
محدودیتها و مسائل شناختهشده
اگرچه G-BFID نسخه ۱.۰ یک مبنای با وضوح بالا مربوط به دوران ۲۰۰۸ ارائه میدهد، کاربران باید از چندین محدودیت ذاتی آرشیو تاریخی SPOT و روشهای پردازش به کار رفته آگاه باشند.
کامل بودن و شکافهای فضایی
نقشههای پایه پوشش جغرافیایی ۱۰۰٪ از برزیل را ارائه نمیدهند. در مناطقی که هیچ تصویری با بازه زمانی دقیق پروژه در سال ۲۰۰۸ (۲۰۰۷-۲۰۰۹)، آستانههای پوشش ابر یا استانداردهای کیفیت مطابقت ندارد، شکافهایی وجود دارد. این شکافها بیشتر در مناطقی با پوشش ابر مداوم یا فرکانس پایینتر اخذ ماهواره در گذشته دیده میشوند. برای جزئیات بیشتر به بخش پوشش جغرافیایی و شکافها مراجعه کنید.
وضوح تصویر متغیر
در حالی که محصولات نهایی با اندازه پیکسل اسمی ۵ متر (بصری) و ۱۰ متر (تحلیلی) ارائه میشوند، تصویر منبع شامل ترکیبی از پیکسلهای اصلی ۵ متر، ۱۰ متر و ۲۰ متر است. از آنجا که برای حفظ یکپارچگی طیفی از نمونهبرداری مجدد نزدیکترین همسایه استفاده شده است، مرزهای بین وضوحهای مختلف ممکن است قابل مشاهده باشند.
ثبت نادرست باقیمانده
با وجود گردش کار خودکار ثبت هممسیر، ممکن است تغییرات مکانی در برخی مناطق ادامه یابد. ثبت نادرست باقیمانده به احتمال زیاد در مناطقی با ناهمواریهای شدید زمین یا در مناطق جنگلی متراکم و همگن رخ میدهد که در آنها الگوریتم فاقد نشانههای کافی برای محاسبه بردارهای جابجایی با اطمینان بالا است.
مصنوعات جوی و ابری
فرآیند ماسک کردن دستی ابر عمداً محافظهکارانه و تهاجمی بود؛ با این حال، جامع نیست. کاربران ممکن است گهگاه با مصنوعات باقیمانده، مانند مه بسیار نازک سیروس یا سایههای کوچک ابر، مواجه شوند.
ناسازگاری رادیومتریک و عملکرد ML
در حالی که از تطبیق هیستوگرام برای به حداقل رساندن ناپیوستگیهای رادیومتری استفاده شد، تغییرات طیفی باقیمانده بین تصاویر مجاور باقی میماند. برای طبقهبندی خودکار پوشش زمین یا کاربردهای یادگیری ماشین، این تغییرپذیری، واریانس طیفی را برای یک نوع پوشش زمین مشخص در سراسر موزاییک افزایش میدهد. این محدوده وسیعتر دادهها میتواند دقت جداسازی کلاسها را در طول استنتاج کاهش دهد، که به طور بالقوه منجر به نرخهای بالاتر خطا میشود.
اشباع طیفی
در مناطقی با روشنایی شدید - مانند سطوح شهری با بازتابندگی بالا، انواع خاص خاک یا شنهای روشن - پیکسلها ممکن است به حداکثر حد قابل تشخیص حسگر برسند. این "اشباع" منجر به از دست رفتن بافت و جزئیات در آن مکانهای خاص میشود.
نسبتهای باندی تغییر یافته و شاخصهای پوشش گیاهی
برای دستیابی به یک موزاییک تقریباً یکپارچه، تطبیق هیستوگرام به صورت جداگانه برای هر باند طیفی اعمال شد که ذاتاً نسبتهای فیزیکی اصلی بین باندها را تغییر میدهد. در نتیجه، محاسبه شاخصهای رایج مانند NDVI یا سایر معیارهای نسبت باندی، مقادیری را تولید میکند که با مجموعه دادههای منبع بدون تغییر متفاوت است. در حالی که این شاخصهای مشتق شده ممکن است هنوز الگوهای مکانی نسبی را در سراسر موزاییک ثبت کنند، نباید از آنها برای اهداف مطلق، مقایسههای بین حسگرها یا تحلیلهایی که به آستانههای شاخص سفت و سخت متکی هستند، استفاده شود.