Utilizzando un nuovo algoritmo, I ricercatori dell'Università dell'Illinois potrebbero aver trovato la soluzione a un dilemma secolare che affligge le immagini satellitari:sacrificare un'elevata risoluzione spaziale nell'interesse di generare immagini più frequentemente, o vice versa. Il nuovo strumento del team elimina questo compromesso fondendo i dati satellitari ad alta risoluzione e ad alta frequenza in un unico prodotto integrato, e può generare immagini continue giornaliere di 30 metri che risalgono all'anno 2000.

Monitoraggio dell'agricoltura, sviluppo urbano, la qualità ambientale e lo sviluppo economico sono solo alcuni dei modi in cui le persone utilizzano i dati satellitari. Il nuovo algoritmo è abbastanza generico da poter essere utilizzato praticamente in qualsiasi applicazione.

Nelle applicazioni agricole, l'imaging con una risoluzione da 10 a 30 metri è fondamentale per gli agricoltori per vedere cambiamenti rapidi e sottili a livello di campo nelle condizioni del raccolto che influiscono sulla resa, come stress delle colture e disturbo dopo eventi meteorologici estremi. I dati esistenti hanno una risoluzione spaziale insufficiente o una bassa frequenza, hanno detto i ricercatori. Gli agricoltori di solito richiedono informazioni ad alta risoluzione e quasi in tempo reale.

"Abbiamo faticato a trovare dati satellitari pubblici che abbiano sia un'elevata risoluzione spaziale che un'alta frequenza nella nostra ricerca:semplicemente non esistevano, " ha detto il professore di risorse naturali e scienze ambientali e coautore dello studio Kaiyu Guan. "Quindi abbiamo preso l'iniziativa di produrlo da soli".

Guan, un professore di Blue Waters presso il National Center for Supercomputing Applications dell'Illinois, ha collaborato con il professor Jian Peng e lo studente laureato Yunan Luo di informatica per sviluppare un algoritmo che fonde le immagini satellitari da più fonti in continue, immagini quotidiane ad alta risoluzione. I ricercatori descrivono la loro metodologia e i risultati nella rivista Remote Sensing of Environment.

"Per prima cosa abbiamo ingerito tutti i set di dati satellitari disponibili in Blue Waters, supercomputer della classe dirigente della National Science Foundation. Con un clic di un pulsante per eseguire il nostro algoritmo, ciò che esce automaticamente sono immagini giornaliere ad alta risoluzione disponibili per tutti i tipi di applicazioni scientifiche, " disse Guan.

Ricercatori precedenti hanno sviluppato metodi per fondere dati spaziali e temporali ad alta risoluzione, ma questi sono venuti con limitazioni. Quasi tutti gli algoritmi mancavano di automazione e non potevano gestire contemporaneamente i pixel mancanti e la fusione temporale. Questi inconvenienti hanno portato ad applicazioni a breve termine e localizzate.

Per superare i limiti dei metodi precedenti, il team ha progettato l'algoritmo per integrare automaticamente le informazioni dai dati esistenti. Ciò compensa le informazioni mancanti derivanti dalla copertura cloud o dalle lacune nei dati. Il nuovo algoritmo può creare immagini senza pixel mancanti, per qualsiasi sito o regione, sfruttando le informazioni delle serie temporali e le relazioni con i pixel vicini.

Oltre alla raccolta di dati giornalieri ad alta risoluzione quasi in tempo reale, il team prevede di costruire quotidianamente a lungo termine, immagini su scala continentale per varie applicazioni. "Il tipo di dati satellitari di alta qualità necessari per eseguire questo algoritmo è stato raccolto dal 2000, il che significa che possiamo generare immagini giornaliere con una risoluzione di 30 metri per qualsiasi luogo su questo pianeta andando indietro nel tempo, " disse Guan.

"Questo può essere usato per studiare i cambiamenti nella produttività agricola, ecosistema e dinamica dei ghiacci polari dal 2000 in modo molto più dettagliato di quanto fosse possibile in precedenza, " Peng ha detto. "Il nostro approccio potrebbe rivoluzionare l'uso dei dati satellitari".

I ricercatori hanno già fuso con successo i dati sulla riflettanza superficiale nella contea di Champaign, Malato., e ha generato serie temporali giornaliere per la stagione di crescita del 2017 con una risoluzione di 30 metri.

Un video di questi dati di riflettanza superficiale:

"Anche se altri hanno investito in tecnologie simili, non potevano tornare indietro nel tempo come possiamo noi, " Ha detto Guan. "Le fonti di dati per i nostri algoritmi utilizzano i dati più rigorosi della NASA o dell'Agenzia spaziale europea e producono dati di fusione giornalieri pronti per la ricerca e le applicazioni pratiche", ha affermato Guan.

"La generazione di questo tipo di dati richiede notevoli risorse di elaborazione, rendere difficile l'accessibilità, Peng ha detto. "Vogliamo condividere i risultati con la più ampia comunità scientifica e stiamo lavorando per trovare un modo per renderlo possibile".