Acelerando la generación automática de mapas de emisividad en el infrarrojo térmico mediante OpenCL

Abstract

[ES] La medida a distancia de la temperatura de la superficie terrestre desde satélites artificiales permite obtener una visión global de esta magnitud de forma continua y periódica. Esto permite el estudio de su evolución en el tiempo y el espacio, y tiene importantes aplicaciones en diversos campos científicos como la predicción meteorológica, la detección de incendios forestales, el cambio climático, etc. El problema fundamental de realizar esta medida a partir de datos de satélite es la necesidad de corregir los efectos debidos a la absorción de la atmósfera y a la emisividad de la superficie medida. Estas correcciones se realizan empleando un algoritmo de tipo split-window, que tiene una dependencia explícita con la emisividad. El objetivo principal del presente trabajo ha consistido en diseñar un algoritmo que combine el método de cobertura vegetal y los mapas de usos de suelo GlobCover, e implementar una aplicación que permita calcular y generar, de forma completamente automática, mapas de emisividad del territorio europeo a partir de imágenes tomadas por el sensor AATSR (Advanced Along Track Scanning Radiometer) del satélite Envisat de la ESA. Estas imágenes se combinarán para formar composiciones mensuales, de modo que se minimice el efecto derivado de la nubosidad. El algoritmo diseñado permite calcular la emisividad efectiva en una superficie heterogénea, a partir de los usos de suelo en dicha superficie y el porcentaje de cobertura vegetal que contiene, de forma automática, con un error menor del ±1% en la mayoría de superficies. Además, debido a que éste tipo de productos forman parte de las entradas de otros procesos más costosos, en este trabajo se ha empleado la programación de propósito general en la GPU para reducir el tiempo de ejecución necesario para producir los mapas de emisividad. Se ha utilizado la tecnología OpenCL, para implementar dicha solución. La importancia de este trabajo radica en que, hasta ahora, no existían mapas específicos para este sensor ni un algoritmo que permitiera producirlos de forma automática.

[EN] The remote sensing measurement of land surface temperature from satellites provides a monitoring of this magnitude on a continuous and regular basis, which is a critical factor in many research fields such as weather forecasting, detection of forest fires or climate change studies, for instance. The main problem of measuring temperature from space is the need to correct for the effects of the atmosphere and the surface emissivity. These corrections are done using a split-window algorithm. Therefore, the goal of this work is to propose an automatic procedure based on the Vegetation Cover Method, combined with the GLOBCOVER land surface type classification to automatically obtain land surface emissivity maps for AATSR split-window bands and to develop a system which implements it. The emissivity estimates have been compared with ground measurements in two validation cases in the area of rice fields of Valencia, Spain. The results show that the error in emissivity of the proposed methodology is of the order of ±0.01 for most of the land surface classes considered. This type of products are part of the inputs of more complicated processes, so in this paper the general purpose programming on the GPU paradigm has been applied to reduce the execution time required to produce the emissivity maps. OpenCL technology was used to implement this solution. The importance of this work is that no maps for this specific sensor nor an algorithm to produce them automatically were available until now.