Wyniki wyszukiwania - BazTech

1

AVHRR LAC satellite cloud climatology over Central Europe derived by the Vectorized Earth Observation Retrieval (VEOR) method and PyLAC software

Musiał J. P., Bojanowski J. S.

Geoinformation Issues

|

2017

|

Vol. 9, no. 1(9)

39--51

EN

The study presents the first edition of cloud coverage and cloud physical properties climate data records (CDRs) over Central Europe compiled from 1 × 1 km resolution AVHRR imagery. The CDRs cover a climatological period of 30 years from 1986 to 2016. The dataset was generated using a novel Vectorized Earth Observation Retrieval (VEOR) algorithm that is an extension of the fast look-up table approach implemented in the Probabilistic Cloud Mask (PCM) method. AVHRR local area coverage (LAC) L1b data were pre-processed to reflectances and brightness temperatures using the PyLAC software, which is a modification of the PyGAC package used to generate CM SAF CLARA-A2 dataset from AVHRR global area coverage (GAC) imagery. The main motivation for the study was the analysis of small scale changes in cloudiness and its physical properties induced by local factors that are not apparent at coarse GAC resolution. A secondary goal was to create a framework for VEOR training against MODIS imagery and MODIS-derived cloud products, and then applying it to data originating from other sensors such as AVHRR.

PL

Opracowanie prezentuje pierwszą wersję klimatycznego zestawu danych (ang. CDR) opisującego zachmurzenie i jego właściwości fizyczne nad Centralną Europą stworzonego na podstawie danych AVHRR local area coverage (LAC) o rozdzielczości przestrzennej 1 km × 1 km. Zakres opisywanego zestawu danych obejmuje przedział czasowy od 1986 do 2016 roku. Został on wygenerowany przy użyciu nowatorskiego algorytmu Vectorized Earth Observation Retrieval (VEOR), który jest modyfikacją istniejącej Probabilistic Cloud Mask (PCM). Zobrazowania AVHRR w formacie L1b zostały wstępnie przetworzone do reflektancji i temperatur radiacyjnych za pomocą autorskiego oprogramowania PyLAC, które jest modyfikacją oprogramowania PyGAC, dostarczonego w ramach projektu CLARA-A2 przez EUMETSAT CM SAF. Głównym celem opracowania była analiza małoobszarowych zmian zachmurzenia i jego właściwości fizycznych, które nie są widoczne na niskorozdzielczych obrazach AVHRR global area coverage (GAC). Drugorzędnym celem było opracowanie metodologii opartej na algorytmie VEOR, która pozwalała by na powielanie produktów satelitarnych MODIS na innych sensorach takich jak AVHRR.

2

Characterizing surface and air temperature in the Baltic Sea coastal area using remote sensing techniques and GIS

Chybicki A., Kulawiak M., Łubniewski Z.

Polish Maritime Research

|

2016

|

nr 1

3--11

EN

Estimation of surface temperature using multispectral imagery retrieved from satellite sensors constitutes several problems in terms of accuracy, accessibility, quality and evaluation. In order to obtain accurate results, currently utilized methods rely on removing atmospheric fluctuations in separate spectral windows, applying atmospheric corrections or utilizing additional information related to atmosphere or surface characteristics like atmospheric water vapour content, surface effective emissivity correction or transmittance correction. Obtaining accurate results of estimation is particularly critical for regions with fairly non-uniform distribution of surface effective emissivity and surface characteristics such as coastal zone areas. The paper presents the relationship between retrieved land surface temperature, air temperature, sea surface temperature and vegetation indices (VI) calculated based on remote observations in the coastal zone area. An indirect comparison method between remotely estimated surface temperature and air temperature using LST/VI feature space characteristics in an operational Geographic Information System is also presented.

3

Noise reduction of NDVI time-series: a robust method based on Savitzky-Golay filter

Bojanowski J., Kowalik W., Bochenek Z.

Roczniki Geomatyki

|

2009

|

T. 7, z. 2

13-21

EN

In this paper we briefly present a whole processing chain for the preparation of NDVI 10- day composites derived from NOAA/AVHRR in 1 km2 spatial resolution and then we put strong emphasis on final noise reduction of the NDVI time series. The method of noise reduction is based on the Savitzky-Golay filter, which was introduced by Chen (2004). It increases NDVI values contaminated by unmasked clouds and atmospheric variability. Then, we test the results of noise reduction in NDVI time-series and its influence on Vegetation Condition Index (VCI).

PL

Znormalizowany wskaźnik zieleni (NDVI) otrzymywany ze średnio-rozdzielczych obrazów satelitarnych, jak NOAA/AVHRR, jest od wielu lat szeroko stosowany do monitoringu środowiska. Jednym z takich zastosowań jest modelowanie kondycji i wzrostu roślin oraz prognozowanie plonów. Wykorzystywane w tym celu szeregi czasowe wskaźnika NDVI są obarczone znaczącymi błędami wynikającymi z wpływu atmosfery i geometrii układu Słońce-Ziemia-sensor. Chmury i para wodna występujące w atmosferze pochłaniają promieniowanie podczerwone, co skutkuje zaniżonymi wartościami wskaźnika NDVI. Wpływ ten można zauważyć zarówno w czasie (w szeregach czasowych NDVI), jak również w przestrzeni (na pojedynczych obrazach NDVI). Metoda redukcji szumów w szeregach czasowych NDVI bazująca na filtrze Savitzkiego i Golaya została zaprezentowana i przetestowana na dwunastoletniej bazie NDVI dla terytorium Polski. Zbadany został również wpływ redukcji szumu w NDVI na wskaźnik VCI. W wyniku zastosowanej metody znacznie poprawiła się jakość i wiarygodność szeregów czasowych NDVI i VCI, jak również otrzymano czyste obrazy przydatne przy interpretacji wizualnej.

4

System automatycznego dowiązania geograficznego i korekcji geometrycznej danych AVHRR

Kowalewski M., Krężel A.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2003

|

Vol. 13b

397--407

PL

Standardowe procedury pozwalające na dowiązanie geograficzne zdjęć z satelitów meteorologicznych z serii Tiros N/NOAA, przy użyciu modelu predykcji orbity satelitarnej, obarczone są błędami. Związane są one z niedokładnym wyznaczeniem pozycji satelity, a także z nieznajomością dokładnej jego orientacji względem Ziemi. Z tych powodów błędy dowiązania geograficznego wynoszą zwykle kilka kilometrów, a w szczególnych przypadkach nawet 20–30 km. Automatyczny System Dowiązania i Korekcji (ASDIK) danych AVHRR został opracowany w Instytucie Oceanografii Uniwersytetu Gdańskiego. Jego głównym celem jest pełna automatyzacja precyzyjnego dowiązania geograficznego oraz korekcji geometrycznej obrazów satelitarnych. ASDIK bazuje na poszukiwaniu na zdjęciu charakterystycznych obszarów o znanych współrzędnych (tzw. obszarów kontrolnych) np. wysp, jezior, półwyspów. Na tej podstawie wyznaczane są poprawki orientacji satelity względem Ziemi oraz poprawki dla jego zegara pokładowego. Dokładność precyzyjnego dowiązania wykonywanego przez system ASDIK zależy głównie od liczby prawidłowo zidentyfikowanych obszarów kontrolnych. Najlepsze rezultatu otrzymano, gdy ich liczba była większa niż 15. Weryfikacji metody dokonano na podstawie 288 zdjęć z satelity NOAA 12 i 663 zdjęć NOAA 16, zarejestrowanych w roku 2002. Porównanie błędów ustawienia obu satelitów wykazało, iż drugi z nich, nowocześniejszy, ma znacznie mniejsze błędy nachylenia wzdłużnego i zboczenia. Wstępna weryfikacja wykazała przydatność systemu ASDIK zwłaszcza w zastosowaniach operacyjnych. Średni błąd dowiązania zmniejszył się z 8,8 km do 0,9 km w przypadku satelity NOAA 12 i z 5,4 km do 1,0 km dla NOAA 16.

EN

A procedure of geographical registration of AVHRR data working on the basis of standard bulletins produces significant errors. It is due to poor knowledge of exact position of the NOAA series satellites in its orbit and lack of exact information about variations in the sensor’s attitude – roll, pitch and yaw. Because of these reasons, errors in determining of geographical coordinates of pixels are of some kilometers order and in some cases can increase up to 20–30 km. The main reason of preparing of presented in this paper automatic system of registration and geometric correction of AVHRR data (ASDIK) was to make possible to use these data in fully operational mode (without any human supervising). The system starts with searching on satellite picture characteristic areas like islands, peninsulas, lakes etc. of known co-ordinates (so called control areas). Then, the exact position of satellite on orbit is calculated with the use of orbit prediction model SGP4. Accuracy of geographical registration made by ASDIK depends on number of properly identified control areas. The best result was achieved when this number was greater then 15. The method was verified for the 288 and 663 pictures taken in 2002 by NOAA 12 and NOAA 16 respectively. It was found, that the second one, much more up-to-dates, had much lower errors of pitch and yaw. The use of ASDIK decreased mean error of non-supervised, automatic registration from 8.8 km to 0.9 km for NOAA 12 and from 5.4 km to 1.0 km for NOAA 16.