Applying computational methods for processing thermal satellite images of urban areas

Abstract

The land surface temperature (LST) is the skin temperature of the boundary layer between the Earth’s surface and atmosphere and a key variable in the physics of many terrestrial biophysical processes. Today the only practical way to acquire LST over extensive regions on the surface of the Earth is from space using thermal remote sensing. However, due to technical and physical constrains, satellite instruments cannot provide LST datasets with a spatial and temporal resolution that matches the characteristic scale of the LST diurnal cycle. A promising solution to this problem is to increase the spatial resolution of temporally-dense geostationary LST using statistical downscaling methods that rely on LST disaggregation kernels available at the desired fine spatial resolution. This thesis contributes to this body of research and is concerned with the identification of LST disaggregation kernels that perform robustly over various times-of-day, land covers and landscapes. To that end, this work demonstrates that multitemporal LST annual climatology data in the form of the annual cycle parameters (ACP)—namely the mean annual LST, the yearly amplitude of LST, and the LST phase shift from the spring equinox—offer these attributes. Such LST predictors provide information about the LST spatial distribution at different times-of-day and their use can improve the downscaled LST (DLST) spatial patterns, the DLST accuracy and the DLST diurnal range. This thesis also investigates how LST downscaling, when applied to continuous temporally-dense LST data, affects the spatiotemporal interrelationships of the DLST. To achieve this, a quarter-hourly, 4 km, three-month long LST time series from SEVIRI (Spinning Enhanced Visible and Infrared Imager) is statistically downscaled to 1 km and (i) the accuracy, reliability, and consistency of the downscaling method; (ii) the shape, size, and location of the DLST spatial patterns; and (iii) the capability of the DLST time series to emulate the diurnal and seasonal characteristics of the original LST data are assessed. The results suggest that the downscaling process can operate consistently and generate DLST data that reproduce the diurnal cycle without any artefacts. However the results also reveal that LST downscaling can produce DLST time series with increased autocorrelation. Finally, to facilitate the analysis of temporally-dense geostationary LST datasets, this thesis proposes a method for summarising a LST time series to a set of gap-free climatological cycle parameters that describe both the diurnal and annual LST cycles. The proposed method is based on the ACP sine-fitting method and is coupled with a spatiotemporal fusion scheme so as to increase the coarse spatial resolution of the geostationary ACP. The results suggest that the derived gap-free parameters are more informative than individual LST images and can provide an observation-based spatially consistent background for studying and characterising the thermal behaviour of the surface and also a dataset to support climate classification at a finer spatial resolution.

Η επιφανειακή θερμοκρασία εδάφους είναι η θερμοκρασία του επιφανειακού οριακού στρώματος που διαχωρίζει το έδαφος από την ατμόσφαιρα της Γης. Η συγκεκριμένη μεταβλητή είναι καθοριστικής σημασίας για πολλές βιοφυσικές διεργασίες της Γήινης επιφάνειας και ο μόνος πρακτικός και οικονομικός τρόπος μέτρησής της είναι από το Διάστημα με τη χρήση δορυφόρων τηλεπισκόπησης. Εξαιτίας τόσο τεχνολογικών όσο και φυσικών περιορισμών, οι δορυφορικοί θερμικοί δέκτες που βρίσκονται σήμερα σε τροχιά γύρω από τη Γη αδυνατούν να παρέχουν δεδομένα υψηλής χωροχρονικής ανάλυσης, τα οποία είναι αναγκαία για τη μελέτη του ημερήσιου κύκλου της επιφανειακής θερμοκρασίας εδάφους. Μια πολλά υποσχόμενη λύση που έχει προταθεί για να ξεπεραστεί αυτό το πρόβλημα, είναι η χρήση γεωστατικών δορυφορικών δεδομένων υψηλής χρονικής ανάλυσης (1 εικόνα κάθε 15 ή 30 λεπτά της ώρας) και η ενίσχυση της χαμηλής διακριτικής ικανότητας αυτών (~3-6 χλμ.), με χρήση στατιστικών μεθόδων χωρικής ενίσχυσης. Οι εν λόγω μέθοδοι έχουν ως στόχο να αναλύσουν τις τιμές επιφανειακής θερμοκρασίας εδάφους των εικονοψηφίδων χαμηλής ανάλυσης στις εικονοψηφίδες υψηλής ανάλυσης που εμπεριέχονται σε κάθε μια από αυτές. Αυτό γίνεται βάσει επικουρικών δεδομένων υψηλής χωρικής ανάλυσης, τα οποία συσχετίζονται στατιστικά με την επιφανειακή θερμοκρασία εδάφους. Η παρούσα διδακτορική εργασία ανήκει σε αυτή την ερευνητική περιοχή και εστιάζει στην αναγνώριση επικουρικών δεδομένων, η χρήση των οποίων δεν περιορίζεται σε συγκεκριμένους τύπους εδαφοκάλυψης και μορφολογίας ή σε ορισμένες χρονικές στιγμές της ημέρας. Ως προς αυτό το ζήτημα, η συγκεκριμένη εργασία υποστηρίζει ότι τα δεδομένα ACP (Annual Cycle Parameters) που αποδίδουν τα κλιματολογικά χαρακτηριστικά του ετήσιου κύκλου της επιφανειακής θερμοκρασίας (δηλαδή την ετήσια μέση επιφανειακή θερμοκρασία, το ετήσιο εύρος της επιφανειακής θερμοκρασίας και τη μετατόπιση φάσης ως προς την εαρινή ισημερία) προσφέρουν αυτό το πλεονέκτημα. Τα εν λόγω δεδομένα παρέχουν πληροφορίες για τη χωρική κατανομή της επιφανειακής θερμοκρασίας σε διαφορετικές στιγμές της ημέρας και η χρήση τους μπορεί να βελτιώσει την ακρίβεια και τα πρότυπα των χωρικά ενισχυμένων δεδομένων, όπως και την εκτίμηση του ημερήσιου θερμοκρασιακού εύρους από αυτά. Η διατριβή αυτή διερευνά επίσης την επίδραση που έχει η χωρική ενίσχυση στις χωροχρονικές αλληλοσυσχετίσεις των παραγόμενων δεδομένων, όταν αυτή εφαρμόζεται σε εκτενείς χρονοσειρές. Η μελέτη του συγκεκριμένου θέματος γίνεται με χρήση μιας χρονοσειράς επιφανειακής θερμοκρασίας εδάφους από τον ευρωπαϊκό γεωστατικό δέκτη SEVIRI (Spinning Enhanced Visible and Near Infrared Imager), η οποία καλύπτει τρεις μήνες και έχει χρονική ανάλυση ίση με 15 λεπτά. Για να μελετηθεί η επίδραση της μεθόδου στις χωροχρονικές αλληλοσυσχετίσεις των δεδομένων, η χωρική ανάλυση της χρονοσειράς ενισχύθηκε από 4 χλμ. σε 1 χλμ. και στη συνέχεια εξετάστηκαν: (α) η ακρίβεια, η αξιοπιστία και η συνέπεια της μεθόδου χωρικής ενίσχυσης, (β) το σχήμα, το μέγεθος και η θέση των χωρικά ενισχυμένων θερμικών προτύπων, και (γ) η ικανότητα της χρονοσειράς που προέκυψε να αναπαραγάγει τα χωροχρονικά χαρακτηριστικά (ημερήσια και εποχιακά) των αρχικών δεδομένων. Τα αποτελέσματα υποδεικνύουν ότι η χωρική ενίσχυση λειτουργεί αξιόπιστα και ότι παράγει δεδομένα που αποδίδουν τον ημερήσιο κύκλο της επιφανειακής θερμοκρασίας χωρίς θόρυβο. Ωστόσο, τα αποτελέσματα υποδεικνύουν επίσης ότι η συγκεκριμένη μέθοδος μπορεί να παράγει χρονοσειρές με υψηλή αυτοσυσχέτιση. Το τελευταίο μέρος της παρούσας διδακτορικής διατριβής εστιάζει στην ανάλυση χρονοσειρών επιφανειακής θερμοκρασίας από γεωστατικούς δορυφόρους και πιο συγκεκριμένα στην εξαγωγή κλιματολογικών παραμέτρων που να αποδίδουν τα χαρακτηριστικά του ετήσιου και του ημερήσιου κύκλου της επιφανειακής θερμοκρασίας. Η προτεινόμενη μέθοδος βασίζεται στη μέθοδο ACP για την εξαγωγή ετήσιων κλιματολογικών παραμέτρων επιφανειακής θερμοκρασίας σε συνδυασμό με μια μέθοδο χωροχρονικής συγχώνευσης εικόνων, ώστε η χωρική ανάλυση των τελικών παράγωγων να είναι ενισχυμένη. Τα αποτελέσματα από την εφαρμογή της προτεινόμενης μεθόδου υποδεικνύουν ότι οι κλιματολογικές παράμετροι που προέκυψαν παρέχουν περισσότερες πληροφορίες για τη θερμική συμπεριφορά της Γήινης επιφάνειας συγκρινόμενες με μεμονωμένες μετρήσεις επιφανειακής θερμοκρασίας, όπως και ότι αποτελούν ένα χωρικά συνεχές υπόβαθρο, το οποίο μπορεί να συνδράμει στη μελέτη της Γήινης επιφάνειας και στην πιο λεπτομερή χαρτογράφηση του κλίματος της Γης.