New Approaches in Airborne Thermal Image Processing for Landscape Assessment
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
P
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstract
Letecká termální hyperspektrální data přinášejí řadu informací o teplotě a emisivitě zemského povrchu. Při odhadování těchto parametrů z dálkového snímání tepelného záření je třeba řešit nedourčený systém rovnic. Bylo navrhnuto několik přístupů jak tento problém vyřešit, přičemž nejrozšířenější je algoritmus označovaný jako Temperature and Emissivity Separation (TES). Tato práce má dva hlavní cíle: 1) zlepšení algoritmu TES a 2) jeho implementaci do procesingového řetězce pro zpracování obrazových dat získaných senzorem TASI. Zlepšení algoritmu TES je možné dosáhnout nahrazením používaného modulu normalizování emisivity (tzv. Normalized Emissivity Module) částí, která je založena na vyhlazení spektrálních charakteristik nasnímané radiance. Nový modul je pak označen jako Optimized Smoothing for Temperature Emissivity Separation (OSTES). Algoritmus OSTES je připojen k procesingovému řetězci pro zpracování obrazových dat ze senzoru TASI. Testování na simulovaných datech ukázalo, že použití algoritmu OSTES vede k přesnějším odhadům teploty a emisivity. OSTES byl dále testován na datech získaných ze senzorů ASTER a TASI. V těchto případech však není možné pozorovat výrazné zlepšení z důvodu nedokonalých atmosférických korekcí. Nicméně hodnoty emisivity získané algoritmem OSTES vykazují více homogenní vlastnosti než hodnoty ze standardního produktu senzoru ASTER.
Airborne thermal hyperspectral data delivers valuable information about the temperature and emissivity of the Earth's surface. However, attempting to derive temperature and emissivity from remotely sensed thermal radiation results in an underdetermined system of equations. Several approaches have been suggested to overcome this problem, but the most widespread one is called the Temperature and Emissivity Separation (TES) algorithm. This work focuses on two major topics: 1) improving the TES algorithm and 2) implementing it in a processing chain of image data acquired from the TASI sensor. The improvement of the TES algorithm is achieved by replacing the Normalized Emissivity Module with a new module, which is based on smoothing of spectral radiance signatures. The improved TES algorithm is called Optimized Smoothing for Temperature Emissivity Separation (OSTES). The OSTES algorithm is appended to a pre-processing chain of image data acquired from the TASI sensor. The testing of OSTES with simulated data shows that OSTES produces more accurate and precise temperature and emissivity retrievals. OSTES was further applied on ASTER standard products and on TASI image data. In both cases is not possible to observe significant improvement of the OSTES algorithm due to imperfect atmospheric corrections. However, the OSTES emissivitites are smoother than emissivities delivered as ASTER standard product over homogeneous surfaces.
Airborne thermal hyperspectral data delivers valuable information about the temperature and emissivity of the Earth's surface. However, attempting to derive temperature and emissivity from remotely sensed thermal radiation results in an underdetermined system of equations. Several approaches have been suggested to overcome this problem, but the most widespread one is called the Temperature and Emissivity Separation (TES) algorithm. This work focuses on two major topics: 1) improving the TES algorithm and 2) implementing it in a processing chain of image data acquired from the TASI sensor. The improvement of the TES algorithm is achieved by replacing the Normalized Emissivity Module with a new module, which is based on smoothing of spectral radiance signatures. The improved TES algorithm is called Optimized Smoothing for Temperature Emissivity Separation (OSTES). The OSTES algorithm is appended to a pre-processing chain of image data acquired from the TASI sensor. The testing of OSTES with simulated data shows that OSTES produces more accurate and precise temperature and emissivity retrievals. OSTES was further applied on ASTER standard products and on TASI image data. In both cases is not possible to observe significant improvement of the OSTES algorithm due to imperfect atmospheric corrections. However, the OSTES emissivitites are smoother than emissivities delivered as ASTER standard product over homogeneous surfaces.
Description
Citation
PIVOVARNÍK, M. New Approaches in Airborne Thermal Image Processing for Landscape Assessment [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2017.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
Aplikovaná matematika
Comittee
prof. RNDr. Miloslav Druckmüller, CSc. (předseda)
doc. RNDr. Jan Pokorný, CSc. (člen)
doc. Ing. Pavel Štarha, Ph.D. (člen)
prof. RNDr. Ivana Horová, CSc. (člen)
prof. RNDr. Jana Albrechtová, Ph.D. (člen)
prof. RNDr. Radim Chmelík, Ph.D. (člen)
Date of acceptance
2017-04-28
Defence
Předložená práce obsahuje původní výsledky, odkazuje se na autorovy publikace z recenzovaných časopisů. Řeší teroretický problém s přímým aplikačním využitím.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení