Atmospheric Correction of a Seasonal Time Series of Hyperion EO-1 Images and Red Edge Inflection Point Calculation

Show full item record



Permalink

http://urn.fi/URN:NBN:fi-fe201209046376
Title: Atmospheric Correction of a Seasonal Time Series of Hyperion EO-1 Images and Red Edge Inflection Point Calculation
Author: Vesanto, Veli-Heikki
Contributor: University of Helsinki, Faculty of Science, Department of Geosciences and Geography
Publisher: Helsingfors universitet
Date: 2012
Language: eng
URI: http://urn.fi/URN:NBN:fi-fe201209046376
http://hdl.handle.net/10138/36454
Thesis level: master's thesis
Discipline: Geography
Maantiede
Geografi
Abstract: While spaceborne satellite data has been extensively used to extract biophysical forest characteristics through reflectance features and indices, there are still many questions regarding seasonal changes in reflectance. Boreal forests have already seen changes in growth patterns from climate change, and the large scale monitoring of these forests is becoming more important. Understanding seasonal changes in reflectance in the boreal region will allow for the monitoring of seasonal biophysical changes using satellite imagery. For this monitoring to be possible the satellite imagery needs to be preprocessed and atmospherically corrected to create a time series of hemispherical-directional reflectance factors. The red edge is the abrupt change in reflectance between 680 and 740 nm seen in vegetation spectra. The red edge inflection point is the wavelength, at which the slope is steepest in the red edge. The red edge inflection point is sensitive to plant chlorophyll content and has been extensively used for estimating vegetation biophysical parameters including: leaf-area index, biomass and plant health levels. Hyperion is a narrowband imaging spectrometer aboard the Earth Observer-1 satellite. Hyperion captures data across 242 spectral bands covering a spectral range of 356 to 2577 nm resulting in a nominal spectral range of 10 nm. While the high spectral resolution of Hyperion makes it possible to calculate the REIP, there is no consensus on how this should be done, with different methods producing conflicting results. This study explains the preprocessing and atmospheric correction of a seasonal time series of five Hyperion EO-1 images (Provided courtesy of the USGS) from Hyytiälä, Southern Finland (61° 51 N, 24° 17 E). The time series ranges from 31.5.2010 to 12.8.2010, covering much of the growing season and the seasonal changes in reflectance. The first derivative, four-point linear interpolation, Lagrangian interpolation, and fifth-order polynomial fitting methods for calculating the REIP are looked at to determine their applicability for Hyperion imagery using this time series. Hyperion data requires considerable preprocessing before atmospheric correction can be done. In this study the preprocessing covered: destriping, desmiling, atmospheric correction and finally geocorrection. Atmospheric correction was done using both FLAASH and ATCOR, both of which are MODTRAN based absolute atmospheric correction algorithms. The final atmospherically corrected HDRF images were evaluated using in situ handheld spectrometer reference measurements of a grass field in the area. An average RMSE value of around 3% was achieved with both algorithms. The corrected Hyperion images were also compared against two MODIS products, which also showed good agreement. The aerosol retrieval however did not work with either algorithm, on any scene. The use of a sun photometer for aerosol level estimation was also not effective. Due to the dynamics of the red edge and expected seasonal red edge inflection point trends, the fifth-order polynomial fitting method was seen as the best method for calculating the red edge inflection point. The red edge inflection point did not correlate strongly with leaf area index overall, however there was a strong correlation with individual plots. A strong correlation was observed between Hyperion red edge inflection point and understory red edge inflection point, both overall and for individual plots.Kaukokartoitusmenetelmiä on pitkään käytetty metsän biofyysisten ominaisuuksien arvioinnissa, käyttäen hyväksi niiden heijastusominaisuuksia ja kasvillisuusindeksejä. Metsän heijastuksen muutokset kasvukauden aikana eivät kuitenkaan ole täysin ymmärrettyjä. Boreaalisten metsien kasvussa on havaittu muutoksia ilmastonmuutoksen myötä, minkä vuoksi niiden monitorointi on erityisen tärkeää. Kaukokartoitusaineistoon pohjautuvaan monitorointiin vaaditaan ymmärrystä metsien heijastusominaisuuksien muutoksista kasvukauden aikana. Tätä myöten käytettävän aineiston täytyy olla esikäsitelty ja ilmakehäkorjattu. Niin kutsuttu punainen reuna (red edge) on tyypillinen ominaisuus kasvillisuuden heijastuksessa, joka näkyy äkillisenä muutoksena heijastuksessa 680 ja 740 nm välillä. Punaisen reunan käännepiste (red edge inflection point) on se aallonpituus, jossa heijastuksen muutos on jyrkimmillään. Punaisen reunan käännepiste on herkkä klorofyllin määrälle kasvillisuudessa, ja sitä on käytetty arvioimaan kasvillisuuden biofyysisiä parametreja, kuten lehtialaindeksiä, biomassaa ja kasvillisuuden terveyttä. Hyperion on kapeakanavainen kuvaava spektrometri EO-1 satelliitissa. Hyperion mittaa aallonpituusalueen 356–2577 nm heijastusta 242 kanavalla, ja sensorin nominaalinen spektrinen resoluutio on 10 nm. Korkea spektrinen resoluutio mahdollistaa punaisen reunan käännepisteen laskemisen. Laskemiseen on kuitenkin useita menetelmiä, jotka tuottavat erilaisia tuloksia. Tämä Pro Gradu - tutkielma kattaa viiden Hyperion EO-1 kuvan esikäsittelyn ja ilmakehäkorjauksen. Kuvat ovat Hyytiälästä, Etelä-Suomesta (61° 51 N, 24° 17 E). Aikasarja alkaa 5. toukokuuta 2010 ja päättyy 11. heinäkuuta 2010, kattaen suurimman osan kasvukaudesta ja kasvillisuuden heijastuksen vaihtelusta. Seuraavia punaisen reunan käännepisteen laskentamenetelmien soveltuvuutta testattiin Hyperion-aineistolla: neljän pisteen lineaarinen interpolaatio, Lagrangian interpolaatio, ja viidennen asteen yhtälön sovittaminen. Hyperion-data vaatii paljon esikäsittelyä ennen kuin ilmakehäkorjaus voidaan suorittaa. Tässä tutkielmassa esikäsittely kattoi seuraavat vaiheet: spektrisen hymyn poisto, viivojen poisto, ilmakehäkorjaus, ja lopuksi geometrinen korjaus. Ilmakehäkorjaus toteutettiin käyttäen FLAASH ja ATCOR -algoritmeja, jotka ovat absoluuttisia ilmakehäkorjauksia ja käyttävät MODTRAN -algoritmia ilmakehän mallinnuksessa. Lopullisten, ilmakehäkorjattujen kuvien heijastusta verrattiin maastossa mitattuun tukiaineistoon. Maastoaineisto mitattiin tutkimusalueella sijaitsevalla ruohokentällä. Molemmat algoritmit tuottivat hyvän tuloksen, mutta kummankaan algoritmin automaattinen aerosolin määrän arviointi ei toiminut. Myöskään arviointi aurinkofotometrin avulla ei toiminut. Korjatut Hyperion-kuvat sopivat kuitenkin hyvin yhteen verrattaessa niitä kahteen MODIS-tuotteeseen. Punaisen reunan dynamiikan takia viidennen asteen yhtälön sovittaminen punaiseen reunaan todettiin parhaaksi menetelmäksi laskea punaisen reunan käännepiste. Hyperion-aineistosta johdettu punaisen reunan käännepiste ei korreloitunut voimakkaasti lehtialaindeksin kanssa, vaikka yksittäiset koealat korreloivatkin vahvasti. Sen sijaan Hyperion-aineiston punaisen reunan käännepisteen ja aluskasvillisuuden punaisen reunan käännepisteen välillä oli hyvin vahva korrelaatio.
Rights: This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Publikationen är skyddad av upphovsrätten. Den får läsas och skrivas ut för personligt bruk. Användning i kommersiellt syfte är förbjuden.
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.


Files in this item

Total number of downloads: Loading...

Files Size Format View
atmosphe.pdf 3.840Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record