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.

Potek priprave in harmonizacije satelitskih podatkov.

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