簡介
為配合巴西政府實施《巴西森林法》和保護私人土地森林的措施，Google 運用 SPOT 衛星觀測資料製作了兩張基本地圖：影像基本地圖和分析基本地圖 (G-BFID v1.0)。
這些鑲嵌影像產品以 2008 年 7 月 22 日為基準，這是《巴西森林法》中用來識別「整合區域」的重要日期，也就是先前有人類居住或用於農業的區域。這些鑲嵌資料集衍生自 SPOT 衛星封存資料，可提供比傳統上用於建立基準的 30 公尺 Landsat 資料更高的解析度。
為將數千張 SPOT 圖像合成統一的基本地圖，這些圖像經過下列處理程序：
- 邊緣修正：移除壓縮失真。
- 以 Landsat 基準線進行放射正規化。
- 雲遮罩 (保守、手動)。
- 誤登記修正 (與 Landsat 複合影像共同登記)。
最後的合成作業採用確定性鑲嵌法，而非統計縮減法。像素是根據空間解析度和衛星任務時間順序分層，較新衛星的觀測結果優先。這個分層階層與最鄰近鄰居重取樣結合，可建立嚴格的資料出處。因此，最終基本地圖中的每個像素都保留了個別來源，且仍可直接追溯至特定來源觀測資料及其元資料。
來源資料
衛星和感應器規格
G-BFID v1.0 基本地圖是根據 SPOT (Satellite pour l’Observation de la Terre) 圖像資料製作而成。SPOT 任務由 CNES 負責營運，Airbus 負責發布，提供 60 公里寬幅的高解析度光學圖像。這項專案使用三顆特定衛星的圖像封存檔，建立 2008 年的基準：
- SPOT 2 和 4：搭載 HRV/HRVIR 感應器，提供 20 公尺解析度的多光譜資料，以及 10 公尺解析度的全色資料。
- SPOT 5：搭載 HRG 感應器，可提供顯著提升的空間解析度，多光譜資料的解析度為 10 公尺，全色資料的解析度為 5 公尺。
| SPOT 2 | SPOT 4 | SPOT 5 | |
|---|---|---|---|
| 多光譜 | 20 公尺 | 20 公尺 | 10 分鐘 |
| 全色 | 10 分鐘 | 10 分鐘 | 5 公尺 |
| 光譜帶 | 綠色、紅色、近紅外線 | 綠色、紅色、近紅外線、短波紅外線 | 綠色、紅色、近紅外線、短波紅外線 |
表 1. SPOT 2、4 和 5 任務的技術規格。
注意：Airbus 會製作「超模式」全色產品，可用於將 SPOT 5 影像銳利化至 2.5 公尺解析度。這些資料的可用性非常有限，不符合本專案的規格，因此未納入。
輸入 Earth Engine 集合
我們擷取並處理了三種不同的 SPOT 資料產品，以生成最終底圖。這些影像集涵蓋 2007 年 1 月 9 日至 2009 年 11 月 26 日的期間，提供必要的時間深度，克服雲層覆蓋限制，同時維持高解析度基準。
場景選擇
為支援在農村環境登記 (CAR) 中註冊的私人土地上進行森林保護工作，我們優先涵蓋亞馬遜生物群系和五個「森林砍伐弧」州：馬拉尼昂州、馬托格羅索州、帕拉州、朗多尼亞州和托坎廷斯州。
為符合巴西森林法規的要求，我們以 2008 年中為時間範圍目標。根據這些時間和雲量標準 (低於 50%)，我們從 SPOT 2、4 和 5 識別出 10,072 張圖片，並擷取到 Earth Engine Data Catalog 中進行處理。
光譜組成注意事項： SPOT 2、4 和 5 感應器無法原生擷取藍色光譜帶。對於自然色產品，資料發布者會提供合成藍色波段，該波段是從現有光譜波段衍生而來，可近似於真彩色表示法。
1. 經銳利化的多光譜自然色
- Earth Engine 資產：
AIRBUS/SPOT_2_4_5/BRAZIL/2007_2009/PMS_NC/V1 - 圖片數量：2977 張
- 日期範圍：2007 年 3 月 1 日至 2009 年 11 月 26 日
- 說明：這項產品會合併高解析度的全色帶與多光譜帶，產生銳利的 3 帶 RGB 影像。這是視覺化基本地圖的首選來源。
2. 多光譜自然色
- Earth Engine 資產：
AIRBUS/SPOT_2_4_5/BRAZIL/2007_2009/MS_NC/V1 - 圖片數量：3536
- 日期範圍：2007 年 1 月 9 日至 2009 年 11 月 26 日
- 說明：以原生多光譜解析度呈現的 3 波段偽自然色產品 (模擬 RGB)。如果無法取得銳化資料，視覺化底圖就會使用這個集合做為次要來源。
3. 多光譜
- Earth Engine 資產：
AIRBUS/SPOT_2_4_5/BRAZIL/2007_2009/MS/V1 - 圖片數量：3559
- 日期範圍：2007 年 1 月 9 日至 2009 年 11 月 26 日
- 說明：分析基本地圖的來源。這個集合包含計算植被指數 (例如 NDVI) 和執行地表覆蓋分類所需的原始光譜波段 (包括近紅外線和短波紅外線，如有)。
地理涵蓋範圍和缺口
G-BFID v1.0 基本地圖的主要目標，是為巴西行政區域建立 2008 年前後的高解析度基準。不過，在篩選出高品質、低雲量圖片的同時，維持嚴格的時間範圍 (2007 年至 2009 年) 會導致空間間隙，尤其是在雲層持續覆蓋的區域。
場景選擇和品質篩選
為確保資料完整性，我們從 2007 年至 2009 年間，找出初始雲量 <50% 的候選集。因此，我們總共擷取了 10,000 多張圖片，並進一步篩選，排除品質有重大問題的圖片：
- 不連續性檢查：排除含有手動識別的遙測或幾何誤差假影的圖像，包括資料供應商綁在一起的不連續場景。
- 雲端 QA：專業圖像分析師因場景完全被雲層遮蓋或其他原因而拒絕。
- 資料密度：只有雲層遮罩處理後，仍有超過 10% 有效像素 (視覺化底圖) 的圖片會保留下來 (分析底圖則為超過 5%)。
空間分布
如圖 5 所示，在「森林砍伐弧」和中西部/北部地區，馬賽克圖像的密度最高。透明區域代表在目標時間範圍內，沒有任何 SPOT 2、4 或 5 圖像通過上述品質篩選器，或是圖像遭到雲層遮蓋。
各州涵蓋範圍
圖 6 顯示各州/省的有效像素涵蓋率。朗多尼亞州和馬托格羅索州等地區的涵蓋率接近完整 (超過 95%)，但由於封存和雲層遮蓋的限制，巴西南部和東北部部分地區的密度較低。
圖表也顯示，在幾乎所有州別中，視覺底圖提供的有效像素涵蓋範圍都略高於分析底圖。這是因為 Visual 產品可同時使用銳化全色和多光譜自然色集合，而 Analytic 產品僅衍生自多光譜集合。
處理方法
G-BFID v1.0 底圖的處理方法會優先考量資料出處和輻射完整性，以支援森林法規遵循評估。本節首先會定義用於維護完整性的整體馬賽克架構和分層邏輯，然後依時間順序說明套用至個別來源圖片的預先處理和標準化步驟，最後再進行組裝。
馬賽克方法
最終底圖是使用鑲嵌法建立，而非統計縮減器 (例如平均值或中位數合成)。這樣可確保最終產品保留原始光譜值和來源影像的空間紋理。由於避免對多項觀測結果取平均值，因此每個像素的離散出處都會保留在影像中。
分層邏輯
輸入的圖像會根據階層分層，優先顯示空間解析度較高和較新的衛星任務：
- 影像基本地圖：影像會依像素大小排序 (優先採用最高解析度的可用資料)，然後依衛星任務排序 (優先採用較新的 SPOT 衛星資料)。
- 分析基本地圖：衛星任務會分層顯示圖像，優先顯示較晚 SPOT 任務的觀測結果，以取得最佳可用資料。
完整性和可追溯性
重新取樣：所有內部重新投影都使用最鄰近重新取樣。 這樣可避免其他方法產生的插補平滑化效果，確保來源像素的原始放射和空間屬性不會受到鄰近像素影響。
資料追溯：這兩項產品都包含每個像素的
date中繼資料頻帶。使用者可藉此找出任何特定地點的確切觀測日期，確保森林法規遵循評估作業完全透明。
修正圖片邊緣
為確保重疊場景之間的界線清楚，我們採用了邊緣細化程序，移除來源圖像中的成品。這些影像在圖片邊框會顯示為斑點或「雜訊」像素，是供應商提供的資料經過有損壓縮的特徵。為解決這個問題，我們對圖片遮罩套用了 2.5 像素的焦點最小侵蝕，移除低品質的邊緣構件，確保最終的鑲嵌影像只使用有效資料 (圖 7)。
雲朵遮罩
為確保 G-BFID 1.0 版的資料完整性達到最高水準，我們在圖像封存程序中導入了手動遮蓋程序。我們選擇採用這種方法，而非自動化方法，是為了更保守地排除受雲層或其他大氣干擾影響的像素。
遮蓋程序
受過訓練的分析師會找出含有雲朵和相關大氣構件的區域，為確保完整擷取這些有問題的像素，我們採用保守的遮罩策略，並使用簡化的粗略幾何圖形。我們並未精確追蹤個別雲朵的邊界，而是遮蓋較大的矩形區域，確保產生的影像拼接盡可能清晰。
雖然這種做法刻意採取積極策略，經常會移除雲朵附近的有效像素，但我們認為這是必要措施，才能為 2008 年的基準提供高完整性的產品。
遮蓋政策和整合
手動遮罩僅適用於多光譜和全色銳化自然色影像集。由於多光譜自然色產品是衍生自多光譜資料，因此在處理期間，這些遮罩會傳播至相應的多光譜影像。
如果多光譜影像沒有相符的手動遮罩自然色對應影像，就會從最終的鑲嵌影像中排除。這樣可確保 G-BFID 1.0 版套件中的每個像素 (無論產品類型為何) 都已移除雲朵。
解讀資料缺口
最終影像的透明間隙代表 2007 年至 2009 年時間範圍內沒有可用的有效高品質資料。這些缺口是上述保守的手動遮罩、最初拒絕雲量過高 (>50%) 的場景，或是特定區域完全沒有可用的來源影像所致。較大的區域間隙通常反映出 2008 年代影像的不足，但圖 9 顯示的明顯「方塊」模式是雲層遮罩的結果。
誤登記修正
我們導入了自動共同註冊工作流程，以減輕 SPOT 來源影像相對於地理基準的重大誤註冊問題，而地理基準是從 Landsat Collection 2 資料衍生而來。
參考基準
系統產生了無雲的 Landsat Collection 2 參考影像鑲嵌，做為共同註冊參考圖像。這張參考圖像使用 Landsat 7 和 8 影像的巴西交集部分，在 2006 年至 2010 年期間，透過中位數縮減器建構而成。選取 Landsat 紅色波段做為主要註冊目標，以比對 SPOT 紅色波段。
預估位移
ee.Image.displacement 演算法用於計算 SPOT 來源資料和 Landsat 參考資料之間的像素層級偏移。
- 搜尋參數：位移模型套用的最大偏移值為 500 公尺，剛度參數為 5。
- 統計匯總：使用平均值縮減器，匯總整個圖像區域的 Delta x ($dx$) 和 Delta y ($dy$)，以及信賴度值。
- 幅度計算：根據這些匯總統計資料，計算出總幅度偏移估計值 $M = \sqrt{dx^2 + dy^2}$，代表場景的平均位移。
修正政策
系統會根據計算出的位移統計資料，對場景進行分類和修正，優先進行重大改善，同時避免引入新的瑕疵：
- 自動修正：如果圖片的位移量級 $M > 30$ 公尺，且信賴分數 $C > 0.3$，系統就會使用估算的 $dx$ 和 $dy$ 值自動位移圖片。
- 手動評估：如果場景的估計位移量非常高 ($M > 100$ 公尺)，但信賴度很低 ($C \le 0.3$)，則會進行手動審查。只有在修正後，共同註冊的成效明顯優於原始刊登位置時，我們才會接受修正。
- 排除：如果場景在嘗試修正後仍嚴重誤註冊，或特徵不足以進行可靠的配對，就會從影像拼接中排除。
導入與品質控管
使用最鄰近元素重取樣重新投影修正後的影像，以保留原始輻射值，並避免雙線性或立方內插的平滑效果。
為確保空間可追溯性，系統會將布林值 coregistered 頻帶附加至每張圖片，並保留在最終的影像拼接中。這類中繼資料可讓使用者區分經過空間調整的像素，以及保留在原始傳送位置的像素。
放射正規化
為因應 SPOT 來源集合之間的大氣條件和感應器差異，我們對構成影像拼接產品的圖片套用了輻射正規化。視覺和分析底圖都會使用直方圖，與 2008 年 Landsat 目標基準進行比對。
我們選擇 Landsat 做為參考資料，而非 MODIS 等解析度較低的替代方案，是因為 Landsat 的 30 公尺解析度與 SPOT 的 5 到 20 公尺資料更接近。這項相似性可確保光譜直方圖更平均地呈現，進而在比對程序中實現更準確的輻射度轉換。具體方法會因最終用途是視覺化或分析而略有不同。
視覺化基本地圖
為盡量減少相鄰圖像間的輻射不連續性，並確保近乎無縫的外觀，我們使用直方圖比對實作了色彩平衡工作流程。Pixel 值經過調整，可與 2008 年的 Landsat 鑲嵌目標基準保持一致。
流程如下：
- 分析遮罩：為確保直方圖比對期間的統計資料穩定，系統會產生臨時分析遮罩，排除可能導致資料偏斜的區域。這項遮蓋功能主要針對兩項功能：
- 變化劇烈區域：排除 SPOT 影像與 Landsat 參考鑲嵌影像之間絕對差異超過第 95 百分位數的像素。
- 水體：使用 JRC 年度水體分類記錄資料集，排除水體的高反射率變異。資料集會篩選出 2008 年的資料，並套用反向遮罩，確保只保留非水體類別，以供統計分析。
- 產生對照表 (LUT)：使用遮蓋資料計算來源 SPOT 波段和目標 Landsat 波段的累積直方圖。
- 內插：來源像素值會使用產生的 LUT 重新對應至目標值，使 SPOT 資料的輻射度剖繪與 2008 年的 Landsat 參考資料一致。
Analytic Basemap
處理「分析基本地圖」與「視覺基本地圖」的程序相同，但會將數位號碼值轉換為大氣頂層反射率：
1. 大氣層頂端 (TOA) 反射率轉換
SPOT 原始數位號碼 (DN) 會轉換為 TOA 反射率，以考量實體感應器屬性和太陽幾何：
- 輻射度計算：套用供應商的頻帶專屬實體增益和偏差中繼資料。
- 反射率正規化：輻射率會根據太陽輻照度、太陽天頂角的餘弦值，以及特定擷取日期的地日距離進行正規化。
2. 直方圖比對
為進一步縮小不同 SPOT 影像間的輻射差異，我們採用了直方圖比對工作流程：
分析遮蓋：這個步驟會使用與上方「視覺化基本地圖」一節所述完全相同的分析遮蓋：排除第 95 百分位數以上的變化像素，並透過反向 2008 年 JRC 分類遮蓋篩選掉水像素。
協調：與視覺化底圖類似，像素值會透過對照表重新對應，以將輻射剖面與 Landsat TOA 參考資料對齊。這項程序可確保整個鑲嵌格的輻射一致性，有助於訓練大規模機器學習模型及執行可靠的推論。
限制與已知問題
雖然 G-BFID 1.0 版提供 2008 年代的高解析度基準，但使用者應注意歷史 SPOT 封存資料和所用處理方法固有的幾項限制。
空間完整性和缺口
基礎地圖無法提供巴西 100% 的地理覆蓋範圍。如果沒有任何圖像符合專案嚴格的 2008 年代時間範圍 (2007 年至 2009 年)、雲量門檻或品質標準，就會出現缺口。如果區域持續有雲層遮蔽，或衛星歷史資料的擷取頻率較低，就最常出現這些缺漏。詳情請參閱「地理涵蓋範圍和缺口」一節。
可變動的原始解析度
最終產品的像素大小名義上為 5 公尺 (視覺) 和 10 公尺 (分析)，但來源圖像是由 5 公尺、10 公尺和 20 公尺的原生像素混合而成。由於系統使用最鄰近元素重取樣來保留光譜完整性，因此不同解析度之間的界線可能會顯示出來。
剩餘誤登記
儘管有自動共同註冊工作流程，部分區域仍可能出現空間偏移。在地形起伏劇烈的區域，或是缺乏足夠地標來計算高可信度位移向量的密集同質森林區域，最有可能發生殘餘誤註冊。
大氣和雲層構件
手動雲端遮蓋程序刻意採取保守且積極的做法，但並非詳盡無遺。使用者可能會偶爾遇到殘餘的影像瑕疵，例如極薄的卷雲霧或小雲陰影。
放射不一致和機器學習效能
雖然系統會使用直方圖比對功能，盡量減少輻射不連續性， 但相鄰圖片之間仍存在殘餘光譜變異。如果是自動土地覆蓋分類或機器學習應用程式，這種變異性會增加整個鑲嵌的特定土地覆蓋類型光譜變異。這個較廣泛的資料範圍可能會降低推論期間的類別區隔精確度，進而導致錯誤率提高。
光譜飽和度
在極亮區域 (例如高反射率的都市表面、特定土壤類型或明亮的沙地)，像素可能會達到感應器的最大可偵測極限。這種「飽和度」會導致特定位置的紋理和細節遺失。
改變波段比率和植被指數
為盡可能實現無縫拼接，我們對每個光譜帶個別套用了直方圖比對，這會改變帶間的原始物理比例。因此，計算 NDVI 或其他波段比率指標等常見指數時，會產生與未變更來源資料集不同的值。雖然這些衍生指數仍可擷取整個馬賽克的相對空間模式，但不應用於絕對用途、跨感應器比較，或依賴嚴格指數門檻的分析。