Dlouhá cesta družicových snímků

S družicovými snímky se obvykle setkáváme při prohlížení map na internetu a pozorní čtenáři Vesmíru již také vědí o jejich využití v geologii, ochraně přírody a jiných vědních oborech. Snímky, se kterými pracujeme, se ale značně liší od toho, co družice na oběžné dráze svými senzory zachytí. Co všechno se s družicovým snímkem musí stát, abychom jej mohli používat?

Meteorologické družice se drží na geostacionární dráze – mají stejnou úhlovou rychlost, jako je rotace planety Země, a tak se nacházejí stále nad stejným místem na Zemi. Aby se odstředivá síla dráhy družice a zemská gravitace vyrovnaly, musí geostacionární družice obíhat ve výšce zhruba 35 800 km. To je sice vhodné pro meteorologické družice, ale pokud chceme na snímku rozeznat i něco menšího než jeden kilometr, musíme sestoupit níž. Družice, jejichž snímky používáme, tedy létají na nižších drahách (zhruba 400–600 km nad Zemí) a naši planetu oblétávají v různých periodách. Proto si nelze snadno vybírat snímkování v určitém okamžiku. Znamenalo by to přeplánovat dráhu družice.

Kalibrace senzorů a identifikace chyb

Rozlišení snímku z komerční družice může být až 30 cm na jeden pixel (např. družice WorldView-3 nebo Pleiades). Již to nám může napovědět, jak kvalitní optikou a jakými snímači jsou družice vybaveny, dokážou- li na 600 km zachytit tak malé objekty. Přesto je potřeba senzory průběžně kalibrovat a kontrolovat jejich správnou činnost. Chyba některého ze snímačů se projeví zejména u mechanooptických skenerů, které využívají pohyblivé zrcátko a snímek „skenují po řádcích“. Špatně kalibrovaný či chybný snímač způsobí proužky tmavších, světlejších, nebo rovnou chybějících pixelů po celém snímku. Taková nepříjemnost se stala například u senzoru Landsat 7, kde kvůli chybě zrcátka chybí data na každém osmém řádku (obr. 1).

1. Na snímku z družice Landsat 7 je vidět černé řádky způsobené chybou skenovacího zrcátka. Snímek je transformován a pootočen, proto řádky směřují šikmo.

Data Landsat: USGS, NASA

Pokud však data na snímku nechybějí a jsou jen zachyceny špatné (vyšší nebo nižší) hodnoty, je možné je výpočtem opravit. Na velké homogenní ploše, jakou je například vodní hladina, se zjistí, o kolik jsou hodnoty posunuty, a příslušným koeficientem (který však nemusí být v ploše snímku konstantní) se data v chybných řádcích opraví.

Tato oprava spadá do kategorie nazývané radiometrické korekce. Jejich účelem je upravit zaznamenané hodnoty tak, aby co nejvíce odpovídaly skutečným odrazovým či zářivým vlastnostem zachycených objektů. Patří mezi ně již zmíněná kalibrace, prováděná nejčastěji periodickým snímáním referenčních ploch o známých radiačních vlastnostech, vyhledávání bitových chyb – zjevně chybných pixelů ve snímku –, které jsou pak odstraněny filtrováním, a v neposlední řadě také kompenzace sezonních rozdílů. Protože družice snímkují tutéž oblast v různých částech dne a roku, zachytí pro stejné povrchy rozdílné hodnoty. Abychom mohli snímky z různých dob navzájem porovnávat, musíme na ně aplikovat korekci sezonních rozdílů. Jelikož je tento rozdíl způsobený zejména různou výškou slunce na obloze v době pořízení snímku, nejobvyklejší způsob korekce spočívá v normalizaci na polohu slunce v zenitu.

Radiometrické korekce – čili korekce „špatného změření“ – je potřeba provádět jako první. Pokud totiž začneme snímky všelijak natáčet, prostorově transformovat a „ohýbat“, nepřesnosti, které se týkaly jediného pixelu či řádku, se začnou projevovat i v blízkém okolí a oprava snímku po těchto transformacích by byla mnohem náročnější.

Nežijeme ve vzduchoprázdnu

Naše Země má atmosféru a tu na snímku také zachytíme, jak potvrdí každý, kdo se kdy snažil vyfotit krajinu z rozhledny. Družice na oběžné dráze se musí vyrovnat s takovou masou vzduchu, jako bychom v našich pozemských podmínkách fotografovali objekt vzdálený sedm kilometrů, a přitom potřebovali co nejvěrněji zachytit jeho barvy (čili jeho odrazové vlastnosti).

Atmosféra se na snímcích projevuje dvojím způsobem: odražené světlo zčásti pohlcuje a zčásti rozptyluje. Intenzita každého z těchto jevů se navíc mění s vlnovou délkou světla a s rozměrem částic, které mu stojí v cestě. Odstraněním těchto nepřesností se zabývají atmosférické korekce. Jsou důležité pro spolehlivé porovnávání dvou snímků zachycených v různých časových obdobích i pro porovnatelnost snímků z různých senzorů. Čím lépe se nám podaří odstranit vliv atmosféry, tím přesněji budeme moci na snímku identifikovat jednotlivé materiály a povrchy a podaří se nám odečítat i absolutní hodnoty odrazivosti.

Nepříjemnou vlastností atmosféry je také to, že se její složení neustále mění. Každý snímek proto může potřebovat jedinečnou korekci. Ideální je, pokud snímek zachycuje plochu se známou odrazivostí a my můžeme z rozdílu naměřené a očekávané hodnoty vliv atmosféry vypočítat. Jestliže takovou hodnotu na snímku nemáme (a to většinou nemáme), můžeme použít metodu nejtmavšího pixelu, která je založená na faktu, že vyzařování vodních objektů v oblasti blízkého infračerveného záření je téměř rovno nule. Pokud jsme na snímku zachytili alespoň jednu dostatečně hlubokou vodní plochu, můžeme hodnotu změřenou senzorem považovat za příspěvek atmosféry a odečíst jej i na ostatních pixelech. Nemáme-li vodní plochu, nastupují metody regresní korelace, kterými se snažíme nalézt příspěvek atmosféry analýzou ostatních pixelů snímku.

Stav atmosféry lze také modelovat. Za pomoci meteorologických dat, jako je teplota, vlhkost vzduchu, zákalový faktor a znečistění, pořízených v době snímání, lze použít numerické modely, jejichž výstupem jsou opravená data radiačních vlastností objektů.

2. Snímek z družice Sentinel-2 (12. února 2023) zachycuje jak sněhovou pokrývku, tak oblačnost (např. severně od přehrady). Pokud pro vizualizaci využijeme kombinaci červeného, infračerveného a krátkovlnného infračerveného pásma, můžeme od sebe odlišit sníh (modře), oblačnost (bíle) i vodu (hladina přehrady je prakticky černá).

Data Sentinel: Evropská kosmická agentura (ESA)

Vliv oblačnosti

3. Snímek z družice je potřeba geometricky transformovat, aby se zachycené objekty nacházely na správných místech (modře) oproti tomu, jak se jeví na snímku, který nebere v úvahu tvar terénu, a objekty se tak ocitají v místech jejich průmětu na terén (červeně).

Atmosféra ovlivňuje snímky ještě jedním nepříjemným jevem, oblačností. Mraky a dým zacloní zemský povrch a my z těchto míst nezískáme žádná data. Oblaka navíc vrhají stíny, které ovlivní data získaná ze zastíněných míst. Problémy nastávají také v zasněžených oblastech, neboť na snímcích ve viditelném spektru je těžké rozlišit mraky od zasněženého povrchu.

V takovém případě přicházejí na pomoc speciální senzory některých družic, navržené přímo pro detekci oblaků a sněhu. Využívají fakt, že v infračerveném spektru je jejich odrazivost rozdílná (obr. 2). Pro detekci mraků se také používají analytické modely, které na základě barvy, tvaru a textury dokážou identifikovat mraky i na snímcích bez infračervené složky. Zde v současnosti probíhá velký pokrok díky integraci metod strojového učení.

Přibližně 60 % zemského povrchu je při pohledu z vesmíru pokryto mraky. Webové aplikace společností, které snímky distribuují, proto u každého snímku uvádějí, kolik procent snímku je zakryto oblačností, a obvykle je také možné snímky přímo filtrovat a vybrat si například, že chceme pracovat jen se snímky s oblačností menší než 10 %.

Přesné umístění a vliv terénu

Družicové a letecké snímky na mapách vypadají vždy jinak než to, co vidíme, když letíme letadlem. Při pohledu z družice (nebo letadla) vidíme terén pod sebou z jednoho místa – z našeho stanoviště. Paprsky se tedy sbíhají v našem oku nebo v případě snímače v ohnisku senzoru. Pro mapu ale potřebujeme, aby paprsky směřovaly v každém místě kolmo vzhůru – jako bychom se na každé místo dívali z pozice přímo nad ním. Abychom snímek do takové podoby převedli, potřebujeme provést geometrickou transformaci, která bere v úvahu parametry kamery, polohu družice, zakřivení Země a lokální terén (obr. 3).

4. Na šikmém snímku vlevo vidíme výškové budovy zkreslené úhlem pohledu. Známe-li však parametry orientace snímače při pořízení snímku, můžeme toho využít pro měření ve snímku.

Čím je totiž snímkovaný objekt dál od místa „přímo pod družicí“, tím víc se jeho umístění zkreslí. Bude vypadat, že se domy kácejí, protože jejich střecha bude od nás kvůli perspektivě dál než půdorys přízemí. Méně zřetelné (ale stejně závažné) je takové zkreslení u terénních útvarů, zejména vysokých hor. Je zrádnější, protože na rozdíl od kácejícího se domu není na první pohled vidět, že je něco špatně.

Tyto opravy vyřeší transformace, která bere v úvahu digitální model povrchu – čili nadmořskou výšku povrchu Země včetně staveb a vegetace. Na druhou stranu, analytické programy již umějí pracovat i s neopravenými, šikmými snímky, na kterých je tak možné například měřit výšku objektů (domů, stožárů, odpalovacích ramp; obr. 4), což by u snímků transformovaných na pohled seshora možné nebylo. I zde je proto při zpracovaní důležitý účel, k němuž chceme snímky využít.

Úprav, kterými snímek z družice musí projít, než je připraven pro analýzu nebo do mapy, není málo. Většinu z nich obvykle provádějí již společnosti, které družicová data nabízejí, v rámci primárního zpracování a běžný uživatel si s nimi nemusí zatěžovat hlavu. Přesto je vhodné mít povědomí o tom, jakým zpracováním musely snímky projít a zda některý krok nemohl zanést nepřesnost do našich analytických metod.