Mascaramento De Nuvem: O Que Faz A Diferença Para Dados

Por Que O Mascaramento De Nuvem É Necessário?

O mascaramento de nuvem em sensoriamento remoto prepara imagens para processamento e melhora a geração de produtos.

No pré-processamento do mascaramento de nuvem, a cobertura de nuvem não é o único problema. A visibilidade também é reduzida pelas sombras que eles projetam e, assim, diminuem a capacidade de refletância dos objetos alvo. As nuvens (e, correspondentemente, suas sombras) diferem em forma, tamanho, altitude que dependem da posição geográfica e peculiaridades climáticas da região estudada.

As informações sobre nuvens estão disponíveis em várias fontes, ao contrário das informações sobre suas sombras, o que definitivamente importa quando se trata de precisão de imagem. Outra coisa é a escalabilidade do mascaramento de nuvem. Deve haver resolução de imagem suficiente para ampliar não apenas em todo o campo, mas também em suas zonas separadas. A falta de detalhes leva a erros.

Onde As Imagens De Satélite Sem Nuvens São Usadas?

Como nuvens não identificadas causam erros analíticos, o problema requer controle adequado. A vantagem do mascaramento de nuvem é essencial para muitas esferas que dependem de sensoriamento remoto e rastreamento de alterações, tanto para necessidades governamentais quanto comerciais. O raster do mascaramento de nuvem da série de imagens melhora a análise para agricultura, silvicultura, petróleo e gás, mineração, construção, transporte, comunicações, proteção ambiental, aplicação militar e policial, resposta a emergências e desastres, etc. Em particular, o big data é usado para gerar camadas adicionais que fornecem insights extras para pesquisadores e empresas.

Por exemplo, tais camadas são incorporadas em softwares agrícolas. Eles fornecem aos produtores as informações mais recentes e confiáveis para tomar decisões ponderadas em relação a

• Tarifas e tempo para semeadura
• colheita
• irrigação de precisão
• fecundação
• controlo de pragas
• manejo de plantas daninhas, etc.

Há muitos cenários para aplicar a técnica de mascaramento, dependendo dos propósitos e da pilha de tarefas. Irrelevante quando ocorre a análise de séries de imagens, e para obter resultados mais precisos, é necessário:

• estudar o fragmento de imagem sem nuvens, ou
• substituir os fragmentos pouco claros por fragmentos claros sempre que possível.

Em qualquer caso, a questão tem um impacto negativo na análise de dados úteis. É por isso que é necessário removê-los do processo de análise para reduzir a possibilidade de erro nos resultados estimados.

Como O Mascaramento De Nuvem Da EOSDA

A tecnologia da EOSDA ajuda a identificar e diferenciar a cobertura de nuvens densas, a neblina atmosférica e as sombras. Cobertura do solo aberta e N/A (ou seja, o território “invisível” em uma imagem de satélite comum) constituem categorias de classificação adicionais.

Os especialistas da EOSDA empregam a rede neural convolucional (CNN) para detecção. A arquitetura CNN é escolhida com relação ao tempo de operação e qualidade. A rede é do tipo codificador-decodificador, que se mostra eficiente e normalmente é usada para segmentação de nuvem.

Faz Sentido Separar Nuvens De Névoa?

A diferença essencial é que o EOSDA não usa mais a classificação na saída. A classificação padrão distingue nuvens e neblinas como categorias separadas, mas não é bem justificada. São objetos semelhantes, que diferem pela umidade relativa do ar atmosférico. A concentração de vapor d’água é maior nas nuvens e menor na neblina. Por essa razão, pode ser difícil separar um do outro – suas fronteiras podem ser obscuras. Levando isso em consideração, a equipe científica do EOSDA elaborou sua própria abordagem para a função de ativação de redes neurais que permite uma diferenciação mais precisa.

O treinamento estabelecido pelos especialistas em marcação permitiu que os experimentos descobrissem o papel de diferentes bandas na identificação. Então, o comprimento de onda de sensoriamento remoto para mascaramento de nuvens realmente importa. Como o EOSDA usa as imagens recuperadas pelo Sentinel-2, os cientistas basearam seu trabalho nas diretrizes teóricas da documentação do satélite. Eles empregaram as faixas de mascaramento de nuvem recomendadas do Sentinel-2 no início. Os experimentos mudaram um pouco a escolha dos canais de detecção. Para ser preciso, não há nenhuma névoa na classificação. Em vez disso, existem nuvens que podem ser categorizadas dependendo da densidade da concentração de vapor atmosférico.

Conceito Proprietário Para Identificação De Sombra Flexível

As sombras são detectadas com a mesma rede neural, e o princípio do trabalho é o mesmo. No entanto, EOSDA usa uma função de ativação ligeiramente diferente na saída da rede neural e, correspondentemente, uma função de erro ligeiramente diferente. Enquanto os demais aplicam a classificação padrão e o softmaxloss, os especialistas da empresa empregam uma regressão sofisticada que é mais lógica para o conceito. Tal abordagem permite ser flexível quando se trata de névoa, nuvens e suas sombras. Dessa forma, a equipe de ciência do EOSDA obtém resultados de redes neurais e máscara objetos alvo com diferentes limites, dependendo das especificidades da tarefa.

Por exemplo, a névoa semitransparente pode ser aceitável para uma tarefa e completamente inaceitável para outra. Refere-se também às sombras. A equipe distingue sombras profundas de nuvens densas e sombras claras de neblina.

Assim, o mascaramento de nuvem no EOSDA vai muito além da classificação softmaxloss. O conceito proprietário da empresa proporciona resultados mais flexíveis e precisos.

O mascaramento de nuvem EOSDA pode ser usada através de API. Por favor, entre em contato com o departamento de vendas para obter detalhes em sales@eosda.com.

Mascaramento De Nuvem EOSDA vs. Mascaramento De Nuvem Sentinel-2

O mascaramento de nuvem no Sentinel-2 é bastante convencional e aproximado. É mais adequado para filtragem áspera na busca preliminar de imagens necessárias para análise posterior, portanto, mais precisão exige processamento adicional. O mascaramento de nuvem obtido com os algoritmos EOSDA são mais precisas e dão uma imagem mais realista.

As telas abaixo comparam o mascaramento de nuvem EOSDA vs. Sentinel-2.

O departamento de vendas da EOSDA terá prazer em fornecer mais informações sobre o uso do mascaramento de nuvem por meio da API. Por favor, solicite detalhes em sales@eosda.com.

Implementação De Mascaramento De Nuvem No EOSDA Crop Monitoring

Na ferramenta EOSDA Crop Monitoring, o mascaramento de nuvem permite remover dados inúteis que poderiam afetar negativamente os resultados da análise.

No entanto, seria errado considerar que a detecção de nuvens é o mesmo que mascaramento de nuvem. São dois processos diferentes. A detecção visa identificar nuvens na imagem e obter um mascaramento de nuvem. O mascaramento é o próximo passo. Ele usa o mascaramento de nuvem recebido para “esconder” dados inúteis, por exemplo, ao gerar índices no produto.

Em particular, um mascaramento de nuvem de 60m é usado no EOSDA Crop Monitoring. Ainda assim, a precisão de 20m de resolução espacial é fornecida mediante solicitação. Esses dados também estão disponíveis em formato vetorial.

Com um mascaramento de nuvem preciso, o EOSDA permite que seus clientes analisem imagens de satélite com mais precisão, graças à exclusão de imagens com 60% de nebulosidade e mais, pois uma cobertura muito densa na imagem pode diminuir a qualidade dos resultados obtidos.

Além disso, há um NDVI sem nuvem no EOSDA Crop Monitoring que usa dados de satélite de radar.

Aproveite A Diferença

Os cientistas da EOSDA calculam vários índices, e imagens nubladas são indesejáveis para todos eles. Assim, a melhor opção é remover imagens inadequadas da análise para maior precisão.

Como parece, também é importante diferenciar entre sombras profundas e nuvens densas, bem como sombras claras e neblina. Além disso, é possível ignorar a neblina para algumas tarefas, mas ela não funcionará para outras.

A questão é ser flexível e ajustar os resultados às necessidades do cliente, e a EOSDA faz isso. Use o mascaramento de nuvem EOSDA – desfrute de precisão extra com a abordagem inovadora e mantenha-se à frente do jogo.