美国国家航空航天局开发了探测森林干扰的早期预警系统

为了开发一个近实时系统来检测和监测48个相邻州的植被变化，NASA工程师需要分析Aqua和Terra卫星捕获的多光谱图像，建立收集数据的多时间尺度基线，然后将传入数据与基线进行比较，以识别异常情况。

每天，MODIS数据为14个网格块生成，这些网格块横跨48个州，每个网格块包含4800 x 4800像素。该系统每年两次处理15到25tb的数据，更新用于识别植被变化的年度基线。

NASA工程师需要处理和分析存储为多维数组的大型时间序列图像数据集。他们需要一个开发环境来交互开发和快速评估新的分析算法。在演示了他们的算法之后，他们想在不重新编码的情况下将算法部署到生产中。

NASA工程师使用MATLAB开发了ForWarn的两个关键组件:时间序列产品工具(TSPT)，它可以对MODIS数据进行时间处理;物候参数估计工具(PPET)，它使用处理过的数据来计算绿色程度和生长季节高峰的年份以及美国林务局感兴趣的其他物候参数。

对于TSPT, NASA的团队编写了一个MATLAB脚本，检索NASA存档中存储在分层数据格式(HDF)文件中的MODIS数据，并将数据导入MATLAB。TSPT调用Mapping Toolbox™函数将导入的纬度和经度数据转换为投影的地图坐标系统。

TSPT波段处理模块也是用MATLAB开发的，它从时间序列数据以及土壤、湿度、水分等指标生成归一化植被指数(NDVI)。

在MATLAB中，该团队开发了TSPT算法，以消除因云、阴影、视图天顶角和其他影响而扭曲的像素。

在将来自Aqua和Terra卫星的数据合并为单个时间序列后，TSPT使用信号处理工具箱™功能来识别和删除峰值和其他外部数据点。

一旦TSPT算法删除了异常值，它们将使用优化工具箱™和图像处理工具箱™进一步过滤和重新采样时间序列。TSPT算法应用信号处理工具箱中的Savitzky-Golay滤波器来插值任何缺失像素的值。

工程师们使用MATLAB、优化工具箱和图像处理工具箱开发了PPET，该工具对时间序列数据进行曲线拟合，以识别与年度周期性生长季节相关的植物状态，如绿色、成熟、衰老和休眠。他们后来增强了PPET，通过识别每日卫星数据和时间序列基线之间的差异来检测森林干扰。

使用MATLAB Compiler™，该团队创建了基于MATLAB算法的独立可执行版本，可以由没有安装MATLAB的用户运行。

ForWarn团队因他们的努力获得了多个奖项，包括跨部门合作伙伴奖，该奖项表彰来自至少两个不同机构的联邦雇员，他们“在技术转让方面合作完成了出色的工作”。ForWarn团队由美国林务局、美国宇航局、能源部橡树岭国家实验室、美国地质调查局和北卡罗来纳大学阿什维尔分校组成。

• 在数小时内实现和测试新想法。“信号和图像处理算法内置在MATLAB中，所以我不必从头开始编写它们，”洛克希德·马丁公司的计算机工程师杰瑞·加瑟(Jerry Gasser)说。“我没有编写和调试几百行C代码来测试一个新的算法思想，而是使用MATLAB命令来交互式地验证它，然后写一个脚本来测试多个参数值。我在几分钟或几小时内就能得到结果，而不是几天或几周。”
• 节省数年的开发时间。“MATLAB处理多维数据的方式非常适合分析卫星图像，”阿姆斯特朗说。“如果我们使用传统的编程语言，比如C语言，我们会花更长的时间。”
• 可重用的生产软件交付给不断增长的用户社区。“ForWarn是美国大陆第一个近实时森林威胁预警系统，”阿姆斯特朗指出。它不断增长的用户群包括7000多名林业专家、学生和土地资源管理人员。我们还将在MATLAB中开发的算法和模块用于其他客户和目的，与世界各地的合作伙伴合作。”