GENERACIÓN AUTOMÁTICA DE MAPAS DE EMISIVIDAD PARA EL SENSOR AATSR (Automatic generation of emissivity maps for AATSR sensor)

E. Caselles

Description

RESUMEN
La medida a distancia de la temperatura de la superficie terrestre desde satélites ofrece una visión global de esta magnitud de forma continua y periódica. El estudio de su evolución en el tiempo y el espacio es determinante en la predicción meteorológica, la detección de incendios forestales, el cambio climático, etc. El problema fundamental de realizar esta medida a partir de datos de satélite es la necesidad de corregir los efectos producidos por la atmósfera y la emisividad de la superficie. En este trabajo, estas correcciones se han realizado empleando un algoritmo de tipo split-window. El objetivo principal fue definir un método de cálculo de cobertura vegetal e implementar un sistema que lo aplicase para calcular y generar automáticamente mapas de emisividad terrestre a partir de las imágenes del sensor AATSR a bordo del satélite Envisat. La validación de estos mapas se realizó comparando los resultados de la aplicación con medidas de anteriores campañas experimentales, llevadas a cabo en la zona de arrozales de Valencia. La importancia de este trabajo radica en que, hasta ahora, no existían mapas específicos para este sensor.
ABSTRACT
The remote sensing measurement of the land surface temperature from satellites provides an overview of this magnitude on a continuous and regular basis. The study of its evolution in time and space is a critical factor in many scientific fields such as weather forecasting, detection of forest fires, climate change, and so on. The main problem of making this measurement from satellite data is the need to correct the effects of the atmosphere and the surface emissivity. In this work, these corrections have been made using a split-window algorithm. The aim was to define an enhanced vegetation cover method and develop a system that used it, in order to automatically calculate and generate maps of land surface emissivity from images of the AATSR onboard the Envisat satellite. Its validation was made by comparing the obtained results and the values measured in previous field campaigns carried out in the area of rice fields of Valencia, Spain. The importance of this work is that no maps for this specific sensor were available until now.

Sujets

• LST
• AATSR
• GLOBCOVER

Informations

• Publié par: erevistas
• Publié le: 01 janvier 2009
• Nombre de lectures: 17
• Langue: Español
• Poids de l'ouvrage: 3 Mo

Extrait

Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 14-24
Generación automática de mapas de emisividad
para el sensor AATSR
Automatic generation of emissivity maps for
AATSR sensor
1 1 2 2 2E. Caselles , F. Abad , E. Valor , J.M. Galve y V. Caselles
[e-mail]
1Departamento de Sistemas Informáticos y Computación, Universidad Politécnica de Valencia.
Camino de Vera s/n. 46022 Valencia.
2Departamento de Física de la Tierra y Termodinámica, Universidad de Valencia.
C/ Dr. Moliner, 50. 46100 Burjassot, Valencia.
Recibido el 06 de abril de 2009, aceptado el 08 de septiembre de 2009
ABSTRACTRESUMEN
The remote sensing measurement of the landLa medida a distancia de la temperatura de la
surface temperature from satellites provides ansuperficie terrestre desde satélites ofrece una vi-
overview of this magnitude on a continuous andsión global de esta magnitud de forma continua
regular basis. The study of its evolution in timey periódica. El estudio de su evolución en el
and space is a critical factor in many scientifictiempo y el espacio es determinante en la pre-
fields such as weather forecasting, detection ofdicción meteorológica, la detección de incendios
forest fires, climate change, and so on. The mainforestales, el cambio climático, etc. El problema
problem of making this measurement from sate-fundamental de realizar esta medida a partir de
llite data is the need to correct the effects of thedatos de satélite es la necesidad de corregir los
atmosphere and the surface emissivity. In thisefectos producidos por la atmósfera y la emisi-
work, these corrections have been made using avidad de la superficie. En este trabajo, estas co-
split-window algorithm. The aim was to definerrecciones se han realizado empleando un
an enhanced vegetation cover method and deve-algoritmo de tipo split-window. El objetivo
lop a system that used it, in order to automati-principal fue definir un método de cálculo de co-
cally calculate and generate maps of land surfacebertura vegetal e implementar un sistema que lo
emissivity from images of the AATSR onboardaplicase para calcular y generar automática-
the Envisat satellite. Its validation was made bymente mapas de emisividad terrestre a partir de
comparing the obtained results and the valueslas imágenes del sensor AATSR a bordo del sa-
measured in previous field campaigns carried outtélite Envisat. La validación de estos mapas se
in the area of rice fields of Valencia, Spain. Therealizó comparando los resultados de la aplica-
importance of this work is that no maps for thisción con medidas de anteriores campañas expe-
specific sensor were available until now.rimentales, llevadas a cabo en la zona de
arrozales de Valencia. La importancia de este
trabajo radica en que, hasta ahora, no existían
mapas específicos para este sensor.
KEYWORDS: LST, surface emissivity maps,PALABRAS CLAVE: LST, mapas de emisivi-
vegetation cover, AATSR, GlobCover. dad, cobertura vegetal, AATSR, GlobCover.
Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 14-2414Generación automática de mapas de emisividad para el sensor AATSR
ando grandes cálculos computacionales; (ii) su error,INTRODUCCIÓN
puesto que en los algoritmos complejos se da una
mayor propagación de errores; y (iii) sus errores sis-La medida a distancia de la temperatura de la su-
temáticos, que pueden ser introducidos si las apro-perficie terrestre, desde satélites artificiales, ofrece la
ximaciones del modelo no se cumplen exactamente.posibilidad de obtener una visión global de esta
Por ello, en este trabajo se ha empleado el uso demagnitud de forma continua y periódica. Permi-
un método operativo mejorado, matemáticamentetiendo el estudio de su evolución en el tiempo y el
simple y sin errores sistemáticos importantes, paraespacio, factor determinante con importantes apli-
estimar la emisividad a partir de imágenes de saté-caciones en diversos campos científicos como la pre-
lite, inspirado en los resultados de Valor y Casellesdicción meteorológica, la detección de incendios
(1996), quienes obtuvieron una relación entre laforestales, el cambio climático, etc.
emisividad térmica y el Índice de Vegetación de Di-El problema fundamental de realizar esta medida a
ferencia Normalizada (NDVI). En el presente tra-partir de datos de satélite es la necesidad de corregir
bajo presentamos el nuevo algoritmo y lo aplicamosen los mismos, los efectos debidos a la absorción de
a diferentes tipos de vegetación, realizando todos losla atmósfera y a la emisividad de la superficie me-
cálculos de forma automática, mediante el sistemadida. Estas correcciones se realizarán empleando un
informático implementado.algoritmo de tipo split-window, que tiene una de-
pendencia explícita con la emisividad.
Cálculo de la emisividadPor lo tanto, el principal objetivo del trabajo con-
sistía en definir un método de cálculo de cobertura
Como ya hemos dicho, para la producción de losvegetal mejorado que permitiese implementar un sis-
mapas de emisividad, partimos del modelo presen-tema para calcular y generar, de la forma más auto-
tado en Valor y Caselles (1996), del que obtenemosmática posible, mapas de emisividad, a partir de las
la siguiente ecuación, que nos permite calcular laimágenes medidas por el sensor AATSR (Advanced
emisividad efectiva en una superficie heterogénea,Along Track Scanning Radiometer) del satélite En-
a partir de los usos de suelo en dicha superficie y elvisat.
porcentaje de cobertura vegetal que contiene.La importancia de este trabajo radica en que hasta
ahora, no existían mapas específicos para este sen-
sor. Por lo que este artículo se ha centrado en reali-
zarlos para el territorio europeo, con vistas a poder
obtenerlos a nivel mundial en el futuro. (1)
El procedimiento actualmente existente (global,
operativo y respaldado por la ESA) para obtener la
emisividad de cada pixel AATSR provoca errores donde ε y ε son las emisividades de la vegetaciónv s
sistemáticos para la determinación de la temperatura y del suelo, respectivamente, <dε> es el término de
de 2 a 5K (Coll et al. 2009), mostrando que la clasi- cavidad efectivo y P es el porcentaje de coberturav
ficación y los mapas de proporción de vegetación vegetal.
hechos con una resolución de 0’5º x 0’5º podrían Por tanto, necesitamos conocer la emisividad de las
mejorarse y proporcionarse a la misma resolución superficies puras (ε y ε ), es decir, de la vegetaciónv s
espacial de las imágenes AATSR (1km x 1km). Éste y del suelo existente bajo ella, así como el factor de
es el motivo del presente artículo. cavidad (<dε>). Puesto que no se dispone de medi-
das de campo de todo el planeta y nuestro sistema
está orientado a ser aplicado a nivel internacional,METODOLOGÍA
lo único que podíamos hacer era basarnos en valores
medios obtenidos teniendo en cuenta cuáles son losHasta el momento, se han propuesto numerosos
intervalos de variación, experimentalmente obser-métodos para estimar la emisividad de la superficie
vados. Para ello, elaboramos la tabla de datos deterrestre basados en ideas diferentes. Los principa-
usos de suelo, como se describe más adelante.les inconvenientes que presenta la mayoría de ellos,
Para la estimación de la proporción de coberturasi tenemos como objetivo final el cálculo automá-
vegetal (P ), incluida en una superficie determinada,tico de esta magnitud, son: (i) su complejidad, ya v
necesitamos los valores de reflectividad tomados enque son difíciles de aplicar operativamente, acarre-
Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 14-24 15E. Caselles et al.
los canales del rojo y del infrarrojo medio. De esta tura típica. Para cada clase correspondiente a zonas
forma, podemos usar la siguiente relación para cal- con vegetación se han calculado valores medios de
cularla: los coeficientes ε y ε en cada banda espectral (11 yv s
donde i es el NDVI (Normalized Difference Vegeta- 12 μm) a partir de los espectros de emisividad para
suelos y vegetación proporcionados en la versión 2
de la librería espectral de ASTER (Baldridge et al.,
2009).
Junto a estos coeficientes se ha calculado un valor(2)
medio del término de cavidad (<dε>), teniendo en
cuenta la estructura de cada tipo de vegetación según
su descripción en la clasificación GlobCover (Bi-
cheron et al., 2008), siguiendo el procedimiento de-tion Index) de la superficie considerada, i e i sonv s
finido en Valor y Caselles (2005). Para el caso de laslos valores del NDVI obtenidos son una superficie
superficies de agua, nieve y hielo, o suelo sin vege-vegetada y otra desprovista de vegetación, respecti-
tación, se han asignado directamente los valores devamente, y K viene dado por:
emisividad a partir de las muestras correspondien-siendo ρ y ρ las reflectividades medidas sobre2v