@PhDThesis{Oldoni:2022:HaWFDa,
author = "Oldoni, Lucas Volochen",
title = "Harmonization of WFI data from the CBERS-4, CBERS-4A and
Amazonia-1 satellites for agricultural applications",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2022",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2022-08-18",
keywords = "wide-field imager, BRDF, co-registration, cross-comparison, crop
monitoring, corregistro, compara{\c{c}}{\~a}o cruzada,
monitoramento agr{\'{\i}}cola.",
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 Paran{\'a} 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
produ{\c{c}}{\~a}o de alimentos com a preserva{\c{c}}{\~a}o da
vegeta{\c{c}}{\~a}o nativa, e o governo vem investindo em
sat{\'e}lites de observa{\c{c}}{\~a}o 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 t{\^e}m sido utilizados em
aplica{\c{c}}{\~o}es de sensoriamento remoto no Brasil. A
combina{\c{c}}{\~a}o dos dados dos sensores WFI a bordo dos
tr{\^e}s sat{\'e}lites permitir{\'a} uma frequ{\^e}ncia de
revisita de 1 a 3 dias. No entanto, v{\'a}rios fatores
relacionados ao sensor, {\`a} aquisi{\c{c}}{\~a}o de dados e ao
alvo precisam ser considerados para que os dados de diferentes
sensores possam ser combinados em uma {\'u}nica s{\'e}rie
temporal consistente, ou seja, em que a reflet{\^a}ncia da
superf{\'{\i}}cie ou produto derivado (por exemplo,
{\'{\i}}ndices de vegeta{\c{c}}{\~a}o) possa ser comparado ao
longo do tempo e suas varia{\c{c}}{\~o}es se devem apenas {\`a}
mudan{\c{c}}a do alvo/cultura agr{\'{\i}}cola e n{\~a}o a
outros fatores. Assim, o principal objetivo desta pesquisa {\'e}
integrar os dados WFI do CBERS-4, CBERS- 4A e Amaz{\^o}nia-1 em
uma {\'u}nica s{\'e}rie temporal mais consistente para
monitoramento agr{\'{\i}}cola. A pesquisa foi dividida em cinco
partes: (i) avalia{\c{c}}{\~a}o de m{\'a}scaras de nuvens, (ii)
avalia{\c{c}}{\~a}o da acur{\'a}cia geom{\'e}trica, (iii)
normaliza{\c{c}}{\~a}o de efeitos bidirecionais, (iv),
compara{\c{c}}{\~a}o cruzada dos sensores entre sat{\'e}lites e
(v) uso de s{\'e}ries temporais em uma aplica{\c{c}}{\~a}o
agr{\'{\i}}cola. Inicialmente analisamos dois algoritmos de
m{\'a}scara de nuvem para aplicar aos dados WFI. Este {\'e} um
produto essencial para a an{\'a}lise de s{\'e}ries temporais. O
Automatic Time-Series Analysis (ATSA) mostrou-se mais equilibrado
entre erros de omiss{\~a}o e inclus{\~a}o do que o CMASK, apesar
da necessidade da utiliza{\c{c}}{\~a}o de uma s{\'e}rie
temporal. Em um segundo estudo, avaliamos a acur{\'a}cia
geom{\'e}trica dos dados WFI em tr{\^e}s casos: banda a banda,
multitemporal e usando os dados do Sentinel-2/MSI como
refer{\^e}ncia. Grandes deslocamentos foram observados em
rela{\c{c}}{\~a}o aos dados MSI, chegando a 1,45 pixels (93m)
para o CBERS-4/WFI e Amaz{\^o}nia- 1/WFI, e 2,5 pixels (138 m)
para o CBERS-4A/WFI. Assim, foi implementado um esquema para
corre{\c{c}}{\~a}o autom{\'a}tica desses deslocamentos.
Ap{\'o}s os procedimentos de corregistro, a acur{\'a}cia
geom{\'e}trica das imagens foi melhorada, atingindo um erro
quadr{\'a}tico m{\'e}dio (RMSE) m{\'e}dio de deslocamentos
espaciais usando os tiles como refer{\^e}ncia 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 normaliza{\c{c}}{\~a}o Bidirectional Reflectance
Distribution Function (BRDF) completa foram capazes de reduzir os
efeitos angulares em fun{\c{c}}{\~a}o dos {\^a}ngulos de
ilumina{\c{c}}{\~a}o. Em nosso quarto estudo, a
compara{\c{c}}{\~a}o cruzada WFI entre sat{\'e}lites foi
realizada e fun{\c{c}}{\~o}es de transforma{\c{c}}{\~a}o entre
sat{\'e}lites foram derivadas. O corregistro e a
normaliza{\c{c}}{\~a}o BRDF reduziram as diferen{\c{c}}as entre
os dados WFI dos diferentes sat{\'e}lites 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
forma{\c{c}}{\~a}o de dois clusters distintos nas bandas azul e
NIR. Apesar disso, foram derivadas fun{\c{c}}{\~o}es de
transforma{\c{c}}{\~a}o estat{\'{\i}}stica que permitem a
convers{\~a}o da reflet{\^a}ncia da superf{\'{\i}}cie 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 {\'a}reas agr{\'{\i}}colas afetadas por geadas
no oeste do estado do Paran{\'a} extraindo m{\'e}tricas
fenol{\'o}gicas da s{\'e}rie temporal de {\'{\I}}ndice de
Vegeta{\c{c}}{\~a}o por Diferen{\c{c}}a Normalizada (NDVI) do
sensor WFI dos tr{\^e}s sat{\'e}lites. Essas m{\'e}tricas
fenol{\'o}gicas permitiram separar {\'a}reas afetadas por dois
eventos de geada de {\'a}reas que j{\'a} haviam sido colhidas,
ou estavam em senesc{\^e}ncia, ou que n{\~a}o foram afetadas.
Essa pesquisa comprova o potencial de combinar os dados WFI dos
tr{\^e}s sat{\'e}lites para monitoramento agr{\'{\i}}cola.",
committee = "Galvao, Lenio Soares (presidente) and Sanches, Ieda Del’Arco
(orientador) and Piccoli, Michelle Cristina Araujo (orientadora)
and Martins, Vitor Souza and Antunes, Jo{\~a}o Francisco
Gon{\c{c}}alves",
englishtitle = "Harmoniza{\c{c}}{\~a}o de dados WFI dos satelites CBERS-4,
CBERS-4A e Amazonia-1 para aplica{\c{c}}{\~o}es
agr{\'{\i}}colas",
language = "en",
pages = "214",
ibi = "8JMKD3MGP3W34T/47M46US",
url = "http://urlib.net/ibi/8JMKD3MGP3W34T/47M46US",
targetfile = "publicacao.pdf",
urlaccessdate = "02 maio 2024"
}