Nitidezza termica delle immagini Sentinel-3: da 1 Km a 10 m utilizzando Python in Google Colab
4 ore fa
- 🌅 introduzione
- ðŸ'¾ Download di immagini Sentinel-3 (1000 m) e Sentinel-2 (10 m)
- âš™ï¸ Elaborazione delle immagini Sentinel-3
- ðŸŒ¡ï¸ Temperatura-Spazio NDVI
- 📠Nitidezza dell'immagine termica (da 1.000 m a 10 m)
- 🗺ï¸Visualizzazione dell'immagine termica nitida
- 📄 Conclusione
- 📚 Riferimenti
🌅introduzione
Il ridimensionamento delle immagini termiche catturate dai satelliti è stato ampiamente studiato a causa del compromesso tra la risoluzione spaziale e temporale dei satelliti che forniscono immagini termiche. Ad esempio, il ciclo di rivisitazione di Landsat-8 è di 16 giorni, con una risoluzione termica originale di 100 metri. Al contrario, Sentinel-3 può fornire immagini termiche giornaliere, ma con una risoluzione spaziale di 1000 metri.
Un approccio per affrontare la risoluzione grossolana delle immagini termiche potrebbe essere il lancio di più satelliti dotati di sensori termici, come il Landsat-9 della NASA, lanciato nel settembre 2021. In questo caso, la risoluzione temporale sia per Landsat-8 che per Landsat- 9 sono 8 giorni (invece di 16 giorni con un satellite), presupponendo cielo sereno.
Tuttavia, come puoi immaginare, questo approccio richiede un investimento multimilionario e diversi anni di impegno. I ricercatori si sono invece concentrati su metodi statistici, correlando le bande del visibile/vicino infrarosso (VNIR) dei satelliti con una risoluzione spaziale più elevata (ma una risoluzione temporale più bassa) alle immagini termiche dei satelliti con una risoluzione spaziale più bassa (ma una risoluzione temporale più alta). Ad esempio, gli studi hanno dimostrato che l'indice NDVI (Normalized Difference Vegetation Index) calcolato dalle bande VNIR di Sentinel-2 (10 m, ogni 5 giorni) può essere inversamente correlato con le immagini termiche di Sentinel-3 (1000 m, ogni giorno).
Ma come possiamo usarlo…
Fonte: towardsdatascience.com
