| 1. Identity statement | ||||||||||
| Reference Type | Thesis or Dissertation (Thesis) | |||||||||
| Site | mtc-m21d.sid.inpe.br | |||||||||
| Holder Code | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||||||||
| Identifier | 8JMKD3MGP3W34T/47M46US | |||||||||
| Repository | sid.inpe.br/mtc-m21d/2022/09.23.19.25 | |||||||||
| Last Update | 2022:11.25.18.19.17 (UTC) simone | |||||||||
| Metadata Repository | sid.inpe.br/mtc-m21d/2022/09.23.19.25.23 | |||||||||
| Metadata Last Update | 2022:11.30.19.47.27 (UTC) administrator | |||||||||
| Secondary Key | INPE-18618-TDI/3254 | |||||||||
| Citation Key | Oldoni:2022:HaWFDa | |||||||||
| Title | Harmonization of WFI data from the CBERS-4, CBERS-4A and Amazonia-1 satellites for agricultural applications  | |||||||||
| Alternate Title | Harmonização de dados WFI dos satelites CBERS-4, CBERS-4A e Amazonia-1 para aplicações agrícolas | |||||||||
| Course | SER-SRE-DIPGR-INPE-MCTI-GOV-BR | |||||||||
| Year | 2022 | |||||||||
| Date | 2022-08-18 | |||||||||
| Access Date | 2024, May 05 | |||||||||
| Thesis Type | Tese (Doutorado em Sensoriamento Remoto) | |||||||||
| Secondary Type | TDI | |||||||||
| Number of Pages | 214 | |||||||||
| Number of Files | 1 | |||||||||
| Size | 9360 KiB | |||||||||
| 2. Context | ||||||||||
| Author | Oldoni, Lucas Volochen | |||||||||
| Committee | Galvao, Lenio Soares (presidente) Sanches, Ieda Del’Arco (orientador) Piccoli, Michelle Cristina Araujo (orientadora) Martins, Vitor Souza Antunes, João Francisco Gonçalves | |||||||||
| e-Mail Address | lucasoldoni@outlook.com | |||||||||
| University | Instituto Nacional de Pesquisas Espaciais (INPE) | |||||||||
| City | São José dos Campos | |||||||||
| History (UTC) | 2022-09-23 19:25:23 :: lucas.oldoni@inpe.br -> administrator :: 2022-09-27 11:24:45 :: administrator -> pubtc@inpe.br :: 2022-09-27 11:25:23 :: pubtc@inpe.br -> lucas.oldoni@inpe.br :: 2022-10-08 15:05:36 :: lucas.oldoni@inpe.br -> pubtc@inpe.br :: 2022-10-10 18:59:48 :: pubtc@inpe.br -> administrator :: 2022-11-25 17:29:48 :: administrator -> pubtc@inpe.br :: 2022-11-28 20:04:01 :: pubtc@inpe.br -> simone :: 2022-11-28 20:08:02 :: simone :: -> 2022 2022-11-28 20:08:02 :: simone -> administrator :: 2022 2022-11-30 19:47:27 :: administrator -> :: 2022 | |||||||||
| 3. Content and structure | ||||||||||
| Is the master or a copy? | is the master | |||||||||
| Content Stage | completed | |||||||||
| Transferable | 1 | |||||||||
| Keywords | wide-field imager BRDF co-registration cross-comparison crop monitoring corregistro comparação cruzada monitoramento agrícola | |||||||||
| Abstract | Brazil faces the challenge of conciliating food production with natural vegetation preservation, and the government has been investing in earth observation satellites to assist in this task. In this context, images from the Wide-Field Imager (WFI) sensor onboard the China-Brazil Earth Resources Satellite (CBERS-4), CBERS-4A, and Amazonia-1 have been used in remote sensing applications in Brazil. Combining the data from the WFI sensors onboard the three satellites will allow 1-to-3-day revisit frequency. However, the integration of three sensors ofdifferent platforms requires several considerations to derive a consistent time series of surface reflectance or derived product (e.g., vegetation indices). Thus, the main objective of this research is to integrate WFI data from CBERS-4, CBERS-4A, and Amazonia-1 into a harmonized time series for agricultural monitoring. There are five main topics in this research: (i) cloud masking evaluation, (ii) geometric accuracy assessment, (iii) bi-directional effects normalization, (iv), inter-satellite cross-sensor comparison, and (v) usage of time series in an agricultural application. Initially we analyzed two cloud mask algorithms to apply to the WFI data. This is an essential product for time series analysis. The Automatic Time- Series Analysis (ATSA) proved to be more balanced between omission and inclusion errors than the CMASK, despite the need for a time series to be applied. In a second study, we evaluated the geometric accuracy of the WFI data in three cases: band-to-band, multitemporal, and compared to Sentinel-2/MSI data. Large displacements were observed against the MSI data, reaching 1.45 pixels (93m) for CBERS-4/WFI and Amazonia-1/WFI, and 2.5 pixels (138 m) for CBERS- 4A/WFI. Thus, a framework for automatically correcting these displacements was implemented. After the co-registration procedures, the geometric accuracy of the images was improved, reaching an average root mean square error (RMSE) of spatial shifts on a tile basis less than 0.29±0.05 pixels. In the third study, we quantified the existing angular effects in the WFI data and compared six approaches to normalizing these effects. All six approaches were able to reduce directional effects, while only those using full Bidirectional Reflectance Distribution Function (BRDF) normalization were able to reduce angular effects due to illumination effects. In the fourth study, inter-satellite WFI crosscomparison was performed and transformation function between satellites were derived. The BRDF normalization and co-registration reduced the differences between the WFI data from three satellites in most cases. The WFI data from CBERS-4 and CBERS-4A were more similar to each other compared to Amazonia-1 WFI data, the formation of two distinct clusters in the blue and NIR bands. Despite that, statistical transformation functions were derived and surface reflectance of one sensor was converted to the other. In the last study, we combined our previous findings in a case study to map corn frost-damaged areas in western Paraná state by extracting phenological metrics from WFI-based Normalized Difference Vegetation Index (NDVI) time series using all three satellites. These phenological metrics allowed us to separate areas affected by two frost events from areas that had already been harvested or were in senescence or not affected. This application proves the potential of combining the WFI data from the three satellites for agricultural monitoring. RESUMO: O Brasil enfrenta o desafio de conciliar a produção de alimentos com a preservação da vegetação nativa, e o governo vem investindo em satélites de observação da Terra para auxiliar nessa tarefa. Nesse contexto, imagens do sensor Wide-Field Imager (WFI) a bordo do China-Brazil Earth Resources Satellite (CBERS-4), CBERS-4A e Amazonia-1 têm sido utilizados em aplicações de sensoriamento remoto no Brasil. A combinação dos dados dos sensores WFI a bordo dos três satélites permitirá uma frequência de revisita de 1 a 3 dias. No entanto, vários fatores relacionados ao sensor, à aquisição de dados e ao alvo precisam ser considerados para que os dados de diferentes sensores possam ser combinados em uma única série temporal consistente, ou seja, em que a refletância da superfície ou produto derivado (por exemplo, índices de vegetação) possa ser comparado ao longo do tempo e suas variações se devem apenas à mudança do alvo/cultura agrícola e não a outros fatores. Assim, o principal objetivo desta pesquisa é integrar os dados WFI do CBERS-4, CBERS- 4A e Amazônia-1 em uma única série temporal mais consistente para monitoramento agrícola. A pesquisa foi dividida em cinco partes: (i) avaliação de máscaras de nuvens, (ii) avaliação da acurácia geométrica, (iii) normalização de efeitos bidirecionais, (iv), comparação cruzada dos sensores entre satélites e (v) uso de séries temporais em uma aplicação agrícola. Inicialmente analisamos dois algoritmos de máscara de nuvem para aplicar aos dados WFI. Este é um produto essencial para a análise de séries temporais. O Automatic Time-Series Analysis (ATSA) mostrou-se mais equilibrado entre erros de omissão e inclusão do que o CMASK, apesar da necessidade da utilização de uma série temporal. Em um segundo estudo, avaliamos a acurácia geométrica dos dados WFI em três casos: banda a banda, multitemporal e usando os dados do Sentinel-2/MSI como referência. Grandes deslocamentos foram observados em relação aos dados MSI, chegando a 1,45 pixels (93m) para o CBERS-4/WFI e Amazônia- 1/WFI, e 2,5 pixels (138 m) para o CBERS-4A/WFI. Assim, foi implementado um esquema para correção automática desses deslocamentos. Após os procedimentos de corregistro, a acurácia geométrica das imagens foi melhorada, atingindo um erro quadrático médio (RMSE) médio de deslocamentos espaciais usando os tiles como referência inferior a 0,29±0,05. Em seguida, quantificamos os efeitos angulares existentes nos dados WFI e comparamos seis abordagens para normalizar esses efeitos. Todas as seis abordagens foram capazes de reduzir os efeitos direcionais, enquanto apenas aquelas que usaram a normalização Bidirectional Reflectance Distribution Function (BRDF) completa foram capazes de reduzir os efeitos angulares em função dos ângulos de iluminação. Em nosso quarto estudo, a comparação cruzada WFI entre satélites foi realizada e funções de transformação entre satélites foram derivadas. O corregistro e a normalização BRDF reduziram as diferenças entre os dados WFI dos diferentes satélites na maioria dos casos. Os dados WFI do CBERS-4 e CBERS-4A foram mais semelhantes entre si. Quando comparados com os dados do Amazonia-1/WFI, houve a formação de dois clusters distintos nas bandas azul e NIR. Apesar disso, foram derivadas funções de transformação estatística que permitem a conversão da refletância da superfície de um sensor para o equivalente ao outro. Por fim, em nosso quinto estudo, combinamos nossas descobertas anteriores em um estudo de caso para mapear áreas agrícolas afetadas por geadas no oeste do estado do Paraná extraindo métricas fenológicas da série temporal de Índice de Vegetação por Diferença Normalizada (NDVI) do sensor WFI dos três satélites. Essas métricas fenológicas permitiram separar áreas afetadas por dois eventos de geada de áreas que já haviam sido colhidas, ou estavam em senescência, ou que não foram afetadas. Essa pesquisa comprova o potencial de combinar os dados WFI dos três satélites para monitoramento agrícola. | |||||||||
| Area | SRE | |||||||||
| Arrangement 1 | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Harmonization of WFI... | |||||||||
| Arrangement 2 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Harmonization of WFI... | |||||||||
| doc Directory Content | access | |||||||||
| source Directory Content |
| |||||||||
| agreement Directory Content |
| |||||||||
| 4. Conditions of access and use | ||||||||||
| data URL | http://urlib.net/ibi/8JMKD3MGP3W34T/47M46US | |||||||||
| zipped data URL | http://urlib.net/zip/8JMKD3MGP3W34T/47M46US | |||||||||
| Language | en | |||||||||
| Target File | publicacao.pdf | |||||||||
| User Group | lucas.oldoni@inpe.br pubtc@inpe.br simone | |||||||||
| Visibility | shown | |||||||||
| Copyright License | urlib.net/www/2012/11.12.15.10 | |||||||||
| Read Permission | allow from all | |||||||||
| Update Permission | not transferred | |||||||||
| 5. Allied materials | ||||||||||
| Mirror Repository | urlib.net/www/2021/06.04.03.40.25 | |||||||||
| Next Higher Units | 8JMKD3MGPCW/3F3NU5S 8JMKD3MGPCW/46KUATE | |||||||||
| Host Collection | urlib.net/www/2021/06.04.03.40 | |||||||||
| 6. Notes | ||||||||||
| Empty Fields | academicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype | |||||||||