COOL_STL-2_Chinese.pdf

欧空局哨兵2号卫星图像专用除霾和清晰化软件模块：COOL_STL-2

Haze removal and image clarification software module dedicated

 to the ESA Sentinel-2 satellite: COOL_STL-2

通过与AI技术的融合和质量控制，COOL（Controllable Optimal Objectively Lessening/removing-haze）技术取得了重要进展。光学卫星图像除霾和清晰化的精度得到了进一步提高。基于最新的COOL 技术，为 ESA Sentinel-2 特别设计和定制了除霾图像清晰化的软件模块：COOL_STL-2。这个模块可以自动适应 Sentinel-2 影像的数据格式和不同的图像形态。通过对雾霾分布和强度的分类，其除霾能力得到进一步增强，使处理过程更有效。COOL_STL-2使Sentinel-2 数据的质量得到显著提高，其有效可用的图像数量也大大增加。光学卫星图像去霾之后质量控制的人工智能化将是我们继续研发和提高的方向。

1.     COOL Technology 的基本原理简介：

COOL 技术不同于锐化或统计方法等传统图像处理技术。它通过现代数学分析与计算，将霾层从地物中分离出来（“霾”在数学分析中，被视为光学噪声）。因此，在去除霾后，每个像素的光谱值（例如用于精确地表覆盖或土地利用的信息）不受干扰，相邻像素之间的关系保持不变，图像被还原为原始的无霾状态，就像霾从未影响过一样。这极大地拓展了卫星影像在清晰化处理后的应用潜力，显著提高了相关定量信息提取的准确性，这对于定量遥感是非常重要的。

传统的卫星图像去霾模式，一般是依据以下的大气散射模型

                                     I(x)=J(x)⋅τ(x)+A⋅(1−τ(x))I(x)

 其中：

•  I(x)：观测到的含霾图像；

• J(x)：场景辐射（无霾的清晰图像）；

• τ(x)：透射率分布（显示光线在不被散射的情况下透过的比例）；

• A(x)：大气产生的光（霾的颜色或亮度）；

去霾的目标是通过恢复τ(x)和 A(x)来估计 J(x)，即获取清晰的无霾图像。

大道至简，COOL技术另辟蹊径，实际上采用了新的电磁波大气传输模型：

                                                  I(x)= J(x) + N(x)

   l  I(x) 是观测到的含霾图像。

   l  J(x) 是场景辐射（无霾的清晰图像）。

   l  N(x) 是覆盖在 J(x) 上的霾层（霾的综合效应）。

根据霾分布与地面场景构成的几何关系，采用现代数学方法（包括Fuzzy logic, fractal geometry, wavelet analysis, 和 topology , 等等），并同时考虑将其受电磁波影响的物理性质，将地面场景与霾分布二者分离。去除霾的干扰之后，直接获得无霾的清晰图像。

2.     欧洲空间局（ESA）哨兵2号（Sentinel-2）卫星图像数据简介：

Sentinel-2 是环境监测和管理的有力工具，为我们理解土地动态作出了重要贡献，并支持可持续发展倡议。其先进的成像能力和频繁的重访时间，使其成为全球科学家、政策制定者和实践者的宝贵资源。

Sentinel-2的关键特性

   ·  多光谱成像：Sentinel-2 配备了具有 13 个光谱波段的多光谱成像仪，覆盖从可见光到短波红外（SWIR），可用于详细分析土地覆盖和植被。

• 空间分辨率：根据光谱波段不同，卫星提供 10 米、20 米和 60 米的空间分辨率。

•  时间分辨率：通过两颗卫星（Sentinel-2A 和 Sentinel-2B）协同工作，在赤道地区的重访时间约为 5 天，在中纬度地区可缩短为 2-3 天。

      核心应用：农业监测，森林管理，灾害救援，城市制图与规划，PM2.5 污染监测

3.     E欧空局-哨兵2号特别定制除霾和图像清晰化软件模块：COOL_STL-2:

采用最新的COOL技术，特别为ESA Sentinel-2光学图像研发，设计，定制了COOL_STL-2模块。 用于去除Sentinel-2图像中的霾污染，使图像清晰化。COOL_STL-2能够自动适应Sentinel-2数据的格式，并通过雾分布类型的自动分类，对于不同类别的霾分布分别处理。使霾去除的处理更精确，更有效。借助COOL_STL-2，大幅提升了Sentinel-2影像的质量和清晰度，大大提高了Sentinel-2图像在各种应用中的有效使用率，也增加了Sentinel-2卫星图像新的应用领域-PM2.5污染监测。通过质量控制的光学卫星图像去霾清晰化，对定量遥感将产生非常重要的影响。融入AI Power的质量控制将进一步得到更新和提高。

COOL_STL-2共推出三个版本，以满足不同用户需求： 

基本版：全自动运行，采用通用参数，操作快捷简单。主要适用于大型图像数据集的批处理和非定量图像分析。 

高级版：全自动运行，具备无霾分类和基于AI的质量控制功能；由于计算更复杂，处理速度较慢。适用于需要高精度定量分析的图像。 

专业版：半自动运行，允许手动控制部分参数，需要更高的专业技能。适用于云雾分布复杂且难以获得替代图像的卫星图像处理。

为具体卫星特别定制的COOL系列除霾和清晰化软件模块，由于可以直接考虑每个卫星的图像特性，数据格式，分辨率与地面覆盖的几何关系，以及重点的应用领域，在算法和结构设计上更有针对性。因此，质量更高，速度更快，质量控制更有效。

应当特别指出，并不是所有霾污染都可以去除的。即便是经过目视确认已经是除霾清晰的图像，也不可避免的会存在一定的误差。下图可以大致说明，不同版本的COOL_STL-2可以去除霾污染的程度。还有很大一部分没有解。随着数据处理数量的增加，我们希望COOL_STL-2模块No solution 的面积会越来越小。

4.  Monitoring PM2.5 Pollution Sources in Mexico City Using ESA Sentinel-2 Satellite Remote Sensing Data 项目中，COOL_STL-2 模块应用实例：

 Fig.1 Sentinel-2, May 25, 2024 Mexico City              Fig.2 HazeOff, May 25, 2024 Mexico City

   Fig. 3, HazeLayer, May 25, 2024, Mexico City                Fig.4, PM2.5 Distribution, May 25, 2024, M.C.