美国宇航局开发早期预警系统探测森林干扰

开发近实时系统检测和监测植被变化在48个州,NASA的工程师需要分析多光谱图像被水和Terra卫星,建立multi-timescale基线的收集数据,然后将输入数据与基线比较来识别异常。

每一天,MODIS数据为14生成网格瓷砖跨度48个州,每个瓷砖组成的4800 x 4800像素。一年两次的系统进程每年15 - 25 tb的数据更新基线用于识别植被变化。

美国航空航天局的工程师们需要处理和分析大量时间序列数据集的图像存储为mutidimensional数组。他们需要一个交互式开发环境快速发展和评估新的分析算法。展示他们的算法后,他们想要将它们部署到生产无需重新编码。

NASA的工程师使用MATLAB开发的两个关键组件ForWarn:时间(TSPT)系列产品的工具,暂时的MODIS数据进行处理,(这项)和物候参数评估工具,它使用处理过的数据来计算一天绿色大小和每年的生长季节的高峰和其他物候参数感兴趣的美国林务局。

TSPT,美国宇航局的研究小组写了MATLAB脚本检索存储在分层数据MODIS数据格式在NASA (HDF)文件归档和数据导入MATLAB。TSPT调用工具箱™函数映射到进口的经度和纬度数据转换为投影地图坐标系统。

TSPT乐队处理模块,还开发了在MATLAB生成的归一化植被指数(NDVI)时间序列数据,以及土壤水分,水,和其他指标。

的团队开发了算法在MATLAB TSPT消除像素扭曲了云层,阴影,视图天顶距,和其他方面的影响。

后将水和Terra卫星的数据合并到一个时间序列,TSPT使用信号处理工具箱™函数来识别和消除峰值和其他偏远的数据点。

一旦TSPT算法删除离群值他们进一步过滤,重新取样时间序列使用优化工具箱™和图像处理工具箱™。TSPT算法从信号处理工具箱Savitzky-Golay滤波器应用于插入任何缺失的像素值。

工程师使用MATLAB优化工具箱,图像处理工具箱开发这项,进行曲线拟合的相关时间序列数据,以确定植物人年度周期性生长季节,如绿起来、成熟、衰老和休眠。他们后来增强这项检测森林干扰通过识别每日卫星数据和时序基线之间的区别。

使用MATLAB编译器™,团队创建独立的可执行版本的MATLAB算法为基础,可由用户没有安装MATLAB。

ForWarn团队为他们的努力赢得了多个奖项,包括跨部门合作奖承认联邦雇员从至少两个不同的机构有“协作完成出色的工作在传输技术。”ForWarn团队由美国林务局,NASA,美国能源部橡树岭国家实验室,美国地质调查局在阿什维尔和北卡罗莱纳大学。

• 新思想的实现和测试的时间。“信号和图像处理算法MATLAB,所以我不必从头开始写,”Jerry夸夸其谈的人说,从洛克希德·马丁公司一个计算机工程师。”而不是编写和调试C几百行代码来测试一个新算法的想法,我使用MATLAB命令来验证交互,然后编写一个脚本来测试多个参数值。我在数分钟或数小时内得到结果而不是几天或几周。”
• 年的发展节省时间。“多维数据的MATLAB的工作方式是适合分析卫星图像,”阿姆斯特朗说。“如果我们用传统的编程语言,如C,它会让我们更长的时间。”
• 可重用的生产软件交付给日益增长的用户社区。“森林ForWarn是第一个近实时威胁预警系统在美国大陆指出:“阿姆斯特朗。“不断增长的用户群包括7000多名林业专家、学生、和土地资源管理器。我们还重用算法和模块为其他客户和MATLAB开发的目的,和世界各地的合作伙伴一起工作。”