J2-9251: M3Sat – Metodologija analize časovnih vrst satelitskih posnetkov različnih senzorjev
Osnovni podatki
Naslov v izvirniku: | M3Sat – Metodologija analize časovnih vrst satelitskih posnetkov različnih senzorjev |
Sodelavci: | Krištof Oštir, Anka Lisec, Jernej Tekavec, Tatjana Veljanovski, Aleš Marsetič, Maja Somrak |
Trajanje: | 48 mesecev
1. julij 2018 – 30. junij 2022 |
Šifra: | J2-9251 |
Vodilni partner: | UL FGG |
Vodja projekta: | Krištof Oštir (UL FGG) |
Partnerji: | Znanstvenoraziskovalni center SAZU![]() |
Finančni vir: | Javna agencija za raziskovalno dejavnost RS![]() |
Ključne besede: | daljinsko zaznavanje, satelitski posnetki, harmonizacija posnetkov, časovne vrste, analiza časovnih vrst |
Opis
Za ustrezno analizo pojavov na Zemljinem površju je treba zagotoviti umerjene in konsistentne satelitske podatke. Cilj projekta je bil oceniti obstoječe postopke za analizo časovnih vrst, vključno z vplivom značilnosti podatkov časovnih vrst (radiometrične značilnosti in gostota) na analizo in uporabo časovnih vrst. V projektu smo se osredotočili na med-senzorsko usklajevanje, oblikovanje časovnih vrst ter oceno najbolj kritičnih točk pri prostorsko-časovnih analizah. Pomembni rezultati projekta so naslednji.
- Najobsežnejša knjižnica satelitskih posnetkov Sentinel-1, Sentinel-2, Landsat in PlanetScope za Slovenijo.
- Postopki za pripravo in različne časovne vrste satelitskih podatkov, eno-senzorske, več-senzorske, kombinirane.
- Knjižnica satimagets – razvili smo metodo in programsko kodo za splošni postopek združevanja in kalibracijo optičnih podatkov.
- Izdelane časovne vrste in algoritme za obdelavo časovnih vrst smo implementirali in vrednotili na sedmih študijskih primerih.
V projektu smo izvedli mnogo preizkusov in z njimi pridobili dragocen vpogled za razvoj novih pristopov, v zmogljivosti harmonizacije satelitskih podatkov, v uporabnost časovnih vrst kot tudi v izzive in smeri razvoja analize časovnih vrst, ki ostajajo za nadaljnje raziskave.
![m3sat](https://www.fgg.uni-lj.si/wp-content/uploads/2022/11/m3sat.jpg)
Potek priprave in harmonizacije satelitskih podatkov.
![m3sat_corr](https://www.fgg.uni-lj.si/wp-content/uploads/2022/11/m3sat_corr.jpg)
Spreminjanje korelacijskega koeficienta po kanalih skozi čas.
Ključni cilji
Za doseganje glavnega cilja smo v projektu opredelili pet ciljev:
- razvoj generičnih metod za med-senzorsko usklajevanje podatkov,
- harmonizacija podatkov različnih senzorjev v enotno, dolgo in gosto časovno vrsto,
- prehod na množično obdelavo podatkov v oblaku,
- sistematično vrednotenje najnovejših algoritmov analize časovnih vrst ter
- opazovanje izbranih dogodkov in pojavov v Sloveniji.
Delovni sklopi projekta
Delovni sveženj 1 (DS1): Zbiranje podatkov in analiza postopkov več-senzorskega združevanja in kalibracije;
Delovni sveženj 2 (DS2): Izdelava dolgih in gostih časovnih vrst;
Delovni sveženj 3 (DS3): Analiza časovnih vrst;
Delovni sveženj 4 (DS4): Vrednotenje metodologije obdelave časovnih vrst za izbrane aplikacije;
Delovni sveženj 5 (DS5): Vodenje projekta
Rezultati
- Pehani, P., Veljanovski T., Kokalj, Ž., Oštir, K. 2022. Šest let arhiva podatkov Sentinel-2 za Slovenijo. | Six years of Sentinel-2 archive of Slovenia. Geodetski vestnik, 66 (2). COBISS.SI-ID 115534595
- Veljanovski, T., Čotar, K., Marsetič, A., 2019. Large scale mosaicing and compositing of PROBA-V satellite images. Geodetski glasnik 50. SI-ID 45702189
- Fetai B., Račič M., Lisec A., 2021. Deep Learning for Detection of Visible Land Boundaries from UAV Imagery. Remote Sensing. COBISS.SI-ID 64902403
- Kanjir, U., Đurić, N., Veljanovski, T., 2018. Sentinel-2 based temporal detection of agricultural land use anomalies in support of common agricultural policy monitoring. ISPRS international journal of geo-information.SI-ID 43706157
- Račič, M., Oštir, K., Peressutti, D., Zupanc, A., Čehovin Zajc, L., 2020. Application of temporal convolutional neural network for the classification of crops on Sentinel-2 time series. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. SI-ID 95106563
- Potočnik Buhvald, A,. Račič, M., Immitzer, M., Oštir, K., Veljanovski, T., 2022. Grassland Use Intensity Classification Using Intra-Annual Sentinel-1 and -2 Time Series and Environmental Variables. Remote sensing. COBISS.SI-ID 115487491
- Marsetič, A., Kanjir, U., 2022. Klasifikacija pokrovnosti z uporabo globokega učenja na časovnih vrstah podatkov PlanetScope. Geografski informacijski sistemi v Sloveniji: Preteklost in prihodnost. DOI: https://doi.org/10.3986/9789610506683
Poročila
- Čož, N., Veljanovski, T., Kokalj, Ž. 2020. Testing of the compositing algorithm for Sentinel-2 products. Tehnično poročilo. COBISS.SI-ID 14932483
- Pehani, P., Čož, N., Veljanovski, T., Kokalj, Ž., Lisec, A., Oštir, K. 2020. Automatic processing of Sentinel-1 sigma and coherence. Tehnično poročilo. COBISS.SI-ID 88491523
- Veljanovski, T., Potočnik Buhvald, A., Račič, M., Pehani, P., Oštir, K., 2020. Testiranje možnosti in izvedba kartiranja traviščnih habitatnih tipov z daljinskim zaznavanjem s poudarkom na ločevanju intenzivnih in ekstenzivnih travnikov. Končno poročilo. SI-ID 116965123
- Pehani, P., Čož, N., Veljanovski, T., Kokalj, Ž., Lisec, A., Oštir, K. 2021. Automatic processing of Sentinel-1 sigma and coherence including special cases and anomalies: technical report, version 2. Tehnično poročilo. COBISS.SI-ID 88491523
GitHub repozitorij
- Oštir, K., Račič, M., Fetai, B., Veljanovski, T., 2021. Satellite image time series. [S. l.: s. n.], cop. 2021. https://github.com/EarthObservation/satimagets. COBISS.SI-ID 116535811