Professeur Kaiyu Guan, la gauche, l'étudiant diplômé Yunan Luo et le professeur Jian Peng ont développé un nouvel algorithme qui résout un dilemme séculaire qui afflige l'imagerie satellitaire - s'il faut sacrifier la haute résolution spatiale dans l'intérêt de générer des images plus fréquemment, ou vice versa. Leur algorithme permet de générer quotidiennement des images continues remontant à l'an 2000. Crédit :L. Brian Stauffer.
En utilisant un nouvel algorithme, Des chercheurs de l'Université de l'Illinois ont peut-être trouvé la solution à un dilemme séculaire qui afflige l'imagerie satellite :sacrifier la haute résolution spatiale au profit de la génération d'images plus fréquemment, ou vice versa. Le nouvel outil de l'équipe élimine ce compromis en fusionnant les données satellitaires haute résolution et haute fréquence en un seul produit intégré, et peut générer des images continues quotidiennes de 30 mètres remontant à l'an 2000.
Suivi de l'agriculture, développement urbain, la qualité de l'environnement et le développement économique ne sont que quelques-unes des façons dont les gens utilisent les données satellitaires. Le nouvel algorithme est suffisamment générique pour être utilisé dans pratiquement toutes les applications.
Dans les applications agricoles, l'imagerie à une résolution de 10 à 30 mètres est essentielle pour que les agriculteurs puissent voir les changements rapides et subtils au niveau du champ dans les conditions de culture qui affectent le rendement, tels que le stress et les perturbations des cultures après des événements météorologiques extrêmes. Les données existantes ont soit une résolution spatiale insuffisante, soit une faible fréquence, les chercheurs ont dit. Les agriculteurs ont généralement besoin d'informations à la fois en haute résolution et en temps quasi réel.
"Nous avons eu du mal à trouver des données satellitaires publiques ayant à la fois une résolution spatiale élevée et une fréquence élevée dans nos propres recherches - elles n'existaient tout simplement pas, ", a déclaré Kaiyu Guan, professeur de ressources naturelles et de sciences de l'environnement et co-auteur de l'étude. "Nous avons donc pris l'initiative de le produire nous-mêmes."
Guan, un professeur Blue Waters au National Center for Supercomputing Applications de l'Illinois, s'est associé au professeur Jian Peng et à l'étudiant diplômé Yunan Luo en informatique pour développer un algorithme qui fusionne les images satellites de plusieurs sources en continu, images haute résolution quotidiennes. Les chercheurs décrivent leur méthodologie et leurs découvertes dans la revue Remote Sensing of Environment.
"Nous avons d'abord ingéré tous les ensembles de données satellitaires disponibles dans Blue Waters, le superordinateur de classe de leadership de la National Science Foundation. Avec un clic sur un bouton pour exécuter notre algorithme, ce qui sort automatiquement, ce sont des images haute résolution quotidiennes disponibles pour toutes sortes d'applications scientifiques, " a déclaré Guan.
Des chercheurs précédents ont développé des méthodes pour fusionner des données spatiales et temporelles à haute résolution, mais ceux-ci sont venus avec des limitations. Presque tous les algorithmes manquaient d'automatisation et ne pouvaient pas traiter simultanément les pixels manquants et la fusion temporelle. Ces inconvénients ont conduit à des applications à court terme et localisées.
Pour surmonter les limitations des méthodes précédentes, l'équipe a conçu l'algorithme pour intégrer automatiquement les informations des données existantes. Cela compense les informations manquantes résultant de la couverture cloud ou des lacunes dans les données. Le nouvel algorithme peut créer des images sans aucun pixel manquant, pour tout site ou région, en exploitant les informations de séries temporelles et les relations avec les pixels voisins.
En plus de la collecte quotidienne de données haute résolution en temps quasi réel, l'équipe envisage de construire sur le long terme au quotidien, images à l'échelle continentale pour diverses applications. « Le type de données satellitaires de haute qualité nécessaires pour exécuter cet algorithme a été collecté depuis 2000, ce qui signifie que nous pouvons générer des images de résolution quotidienne de 30 mètres pour n'importe quel endroit sur cette planète en remontant dans le temps, " a déclaré Guan.
« Cela peut être utilisé pour étudier les changements dans la productivité agricole, l'écosystème et la dynamique des glaces polaires depuis 2000 avec beaucoup plus de détails qu'auparavant, " Peng a déclaré. "Notre approche peut révolutionner l'utilisation des données satellitaires."
Les chercheurs ont déjà fusionné avec succès les données de réflectance de surface dans le comté de Champaign, Je vais., et généré des séries chronologiques quotidiennes pour la saison de croissance de 2017 à une résolution de 30 mètres.
Une vidéo de ces données de réflectance de surface :
"Même si d'autres ont investi dans une technologie similaire, ils ne pouvaient pas remonter le temps comme nous le pouvons, ", a déclaré Guan. "Les sources de données de nos algorithmes utilisent les données les plus rigoureuses de la NASA ou de l'Agence spatiale européenne et produisent des données de fusion quotidiennes prêtes pour la recherche et les applications pratiques", a déclaré Guan.
"Générer ce type de données nécessite des ressources informatiques importantes, rendre l'accessibilité difficile, " Peng a déclaré. "Nous voulons partager les résultats avec la communauté scientifique au sens large et nous travaillons pour trouver un moyen de rendre cela possible."