Wykorzystanie satelitarnych danych teledetekcyjnych do odróżniania pokrywy śnieżnej od zachmurzenia

• Autorzy: Wolszczak A.

Warianty tytułu

EN

Utilization of satellite remote sensing data to detection of snow cover and clouds

• Języki publikacji: PL

Abstrakty

PL

Celem przeprowadzonych badań jest opracowanie skutecznej metody odróżniania pokrywy śnieżnej od zachmurzenia na zdjęciach satelitarnych. Pokrywa śnieżna i zachmurzenie to obiekty, których prawidłowe rozpoznanie na zdjęciach za pomocą metod wizualnych jest bardzo trudne lub nawet niemożliwe. Artykuł prezentuje metodę detekcji zachmurzenia i pokrywy śnieżnej dla danych satelitarnych Meteosat 9. Przedstawiona procedura bazuje na wielospektralnej technice progowej. Dla każdego piksela obliczono wartość temperatury jasnościowej, współczynnik odbicia oraz wskaźnik Normalised Differential Snow Index (NDSI). Następnie dla obliczonych wartości ustalono optymalne progi, na podstawie których dokonano klasyfikacji pikseli. Otrzymane wyniki pokazują, że opracowany algorytm działa prawidłowo dla zdjęć, na których został opracowany, a także dla tych, które zostały wykonane w zbliżonych warunkach (godzina wykonania zdjęcia, pora roku). Na pozostałych zdjęciach, dla których przeprowadzono badanie, można stwierdzić występowanie pikseli błędnie zaklasyfikowanych. Związane jest to m.in. ze zmianą ilości docierającego do powierzchni Ziemi promieniowania w zależności od pory roku i innym kątem padania promieni słonecznych. W badaniach wykorzystano zdjęcia cyfrowe pozyskane za pośrednictwem serwisu Europejskiej Organizacji Eksploatacji Satelitow Meteorologicznych.

EN

This paper presents the method of detection of clouds and snow cover for Meteosat 9 satellite data. The aim of this research is to develop an effective method to distinguish snow cover from cloud on satellite photographs. Snow cover and clouds are objects whose proper recognition in photos using visual methods is very difficult or even impossible. The following procedure is based on multispectral threshold technique. For each pixel, the brightness temperature, reflectance, and the rate of the Normalised Differential Snow Index (NDSI) were calculated. Then, for the calculated values, the optimal thresholds were determined on the basis of which the pixels were classified. The results show that the developed algorithm works fine for images on which it was developed, as well as those that have been made in similar conditions (time of recording, the time of year). On the other examined images, the presence of misclassified pixels can be determined. It is associated with changes in the amount of radiation that reaches the Earth’s surface, depending on the season and a different angle of sunlight incidence. The study was conducted on digital images obtained through the website European Organisation for the Exploitation of Meteorological Satellites. The test procedure is illustrated by exemplary images.

Słowa kluczowe

PL

teledetekcja; detekcja zachmurzenia; detekcja pokrywy śnieżnej; współczynnik odbicia; temperatura jasnościowa; wskaźnik NDSI

EN

remote sensing; detection of clouds and snow cover; reflectance; brightness temperature; NDSI

• Wydawca: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Biuletyn Wojskowej Akademii Technicznej
• Rocznik: 2013
• Tom: Vol. 62, nr 3
• Strony: 37--56
• Opis fizyczny: Bibliogr. 17 poz., wykr., il.

Twórcy

autor

Wolszczak A.

• Wojskowa Akademia Techniczna, Wydział Inżynierii Lądowej i Geodezji

Bibliografia

• [1] Y. M. Govaerts, M. Clerici, Operation Vicarious calibration of the MSG/SEVIRI Solar Channels.
• [2] EUM/MSG/ICD/105, MSG Level 1.5 Image Data Format Descriptio, Darmstadt, 2010.
• [3] European Space Agency, Meteosat Second Generation The Satellite Developmpent, ESA, 1999, 8-9.
• [4] P. D. Watts, C. T. Mutlow, A. J. Baran, A. M. Zavody, Study on Cloud Properties derived from Meteosat Second Generation Observations: EUMETSAT ITT no. 97/181 Final Report, 1998, 15‑18.
• [5] J. Sanecki, Teledetekcja pozyskiwanie danych, praca zbiorowa, Wydawnictwa Naukowo-Techniczne, Warszawa, 2006.
• [6] EUM/MET/TEN/12/0332, Conversion from radiances to reflectances for SEVIRI warm channels, Darmstadt, 2012.
• [7] K. N. Liou, An Introduction to Atmospheric Radiation, wyd. 2, Academic Press, USA, 2002.
• [8] I. Reda, A. Andreas, Solar Position Algorithm for Solar Radiation Applications, Technical Report, Midwest Research Institute, 2008.
• [9] H. A. Barbosa i in., The cloud-top SEVIRI data for monitoring convective storms, Brasil, 2011.
• [10] K. Bedka, J. Brunner, R. Dworak, W. Feltz, J. Otkin, T. Greenwald, Objective Satellite-Based Detection of Overshooting Tops Using Infrared Window Channel Brightness Temperature Gradients, Journal of Applied Meteorology and Climatology, 2010.
• [11] EUM/MET/REP/07/0132, Cloud Detection for MSG - Algorithm Theoretical Basis Document, Darmstadt, 2007.
• [12] EUM/MET/TEN/11/0569, The conversion from Effective Radiances to Equivalent Brightness Temperatures, Darmstadt, 2012.
• [13] M. de Router de Wildt, G. Seiz, A. Grun, Snow mapping using multi-temporal Meteosat-8 data, 2006.
• [14] G. Jedlovec, Automated Detection of Clouds in Satellite Imagery, Advances in Geoscience and Remote Sensing, Gary Jedlovec (ed.), 2009.
• [15] V. V. Salomonson, I. Appel, Estimating fractional snow cover from MODIS using the normalized difference snow index, Remote Sensing of Environment, 2004.
• [16] K. Krawczyk, I. Winnicki, Kompozycje barwne w interpretacji zachmurzenia, Biul. WAT, 61, 1, 2012.
• [17] P. Romanov, D. Terpley, G. Gutman, T. Carrol, Mapping and monitoring of the snow cover fraction over North America, Journal of Geophysical Research, 2003.