آموزش جامع حذف ابر از تصاویر ماهواره ای ، آموزشی دیگر از مدرسه سنجش از دور و جی ای اس، شاید برای بسیاری از  کاربران محترم پیش آمده باشد که در بعضی از تصاویر تصاویر ابر وجود دارد. در این آموزش نحوه ماسک کردن ابر در تصاویر لندست اموزش داده شده است.

ویژگی محصول آموزش جامع حذف ابر از تصاویر ماهواره ای

• کاملا رایگان
• نرم افزار مورد استفاده ENVI 5.3.1
• الگوریتم مورد استفاده FMASK
• آموزش ماسک کردن ابر در تصاویر لندست
• آموزش نحوه انجام دادن ماسک
• آموزش نحوه محاسبه دمای درخشندگی
• آموزش محاسبه بازتاب TOA

چه زمانی نیاز به ماسک کردن ابر از تصاویر ماهواره ای است؟

به طور کلی تصاویری که بالای 45 درصد ابر دارند معمولا در پروژه ها مورد استفاده قرار نمیگیرند. اما بعضی وقت ها با توجه به شرایط و ویژگی های آب و هوایی منطقه نیاز است که از تصاویر با ابر استفاده کرد.

در حالت کلی تصاویری که زیر 15 درصد ابر دارند نیاز به ماسک (حذف) ابر ندارند. اما تصاویری که بالای 15 درصد یا در حالت خوش‌بینانه 20 درصد دارند. باید از تصاویر ابر ماسک شود. ما در مدرسه سنجش از دور و جی ای اس به شما کاربران محترم نحوه ماسک کردن ابر از تصاویر لندست را آموزش داده‌ایم.

آیا با تصحیحات اتمسفری ابر حذف میشوند؟

در پاسخ به این سوال باید گفت خیر! با انجام تصحیحات اتمسفری اثرات ابر حذف نمیشود. البته میتواند در مواردی اثرات آن را کم کند. برای مثال در ابر‌های سیروس میتواند اثرات آن را کم کند.

آیا میتوان با ماسک کردن ابر اطلاعات تصویر را بازسازی کرد؟

یک باور اشتباهی که وجود دارد این است که با ماسک کردن ابر اطلاعات آن با سازی میشود. در نظر داشته باشید ابر موجب از دست رفتن اطلاعات سطح زمین میشود. یعنی امواج خورشید به سطح زمین نمیرسند. در نتیجه امواجی سطحی نداریم و انرژی به سنجنده نمی رسد.

با ماسک کردن ابر ارزش و مقادیر DN که ابر دارند از تصویر حذف و در محاسبات و تحلیل آماری مورد استفاده قرار نمیگیرند. توجه داشته باشید اگه هدف شما استفاده از اطلاعات آماری است باید ارزش‌های پیکسل که ابر دارد به No Data تبدیل شود.

چرا باید ابر از تصاویر حذف کنیم؟

شاید سوالی که برای کاربران محترم پیش میاد این است چرا ما اصلا بیایم و ابر را از تصاویر ماسک کنیم!.

در حالت کلی وجود ابر در تصاویر باعث میشود مقادیر بازتاب سطحی شما بالاتر از عدد یک باشد و در تحلیل آماری شما خطا ایجاد می کند. دلیل دیگر آن ایجاد اختلال در جداسازی عوارض در فرایند طبقه بندی است.

ورودی های الگوریتم FMASK

• دمای درخشندگی باند حرارتی
• بازتاب بالای اتمسفر باند های مالتی اسپکترال
• بازتاب سطحی بالای اتمسفر باند سیروس

منابع بیشتر برای مطالعه

Zhu, Z., S. Wang, and C. E. Woodcock. "Improvement and Expansion of the Fmask Algorithm: Cloud, Cloud Shadow, and Snow Detection for Landsats 4-7, 8, and Sentinel 2 Images." Remote Sensing of Environment 159 (2015): 269-277, doi:10.1016/j.rse.2014.12.014 (paper for Fmask version 3.2).

Zhu, Z., and C. E. Woodcock. "Object-Based Cloud and Cloud Shadow Detection in Landsat Imagery." Remote Sensing of Environment 118 (2012): 83-94, doi:10.1016/j.rse.2011.10.028 (paper for Fmask version 1.6).