Preprocessing of Sentinel-2 optical images : a new procedure for clouds and shadows masking

Sentinel-2 is a multi-spectral optical imaging mission belonging to the Copernicus Programme, an initiative managed and coordinates by the European Commission and the European Space Agency. The inherent characteristics of Sentinel-2 images can provide an important contribution in many remote sensing applications, from land cover change to coastal and sea surface monitoring. However, being an optical satellite system, Sentinel-2 images are affected by the disturbances typical of an optical sensor. For this reason, before dealing with possible remote sensing applications, the research described in the present work addresses two main issues, which can strongly compromise the usage of Sentinel-2 optical images: the atmospheric effects and the presence of clouds and their related shadows. In particular, a new procedure for the automatic detection of clouds and clouds shadows over a single Sentinel-2 image have been developed within the GRASS GIS environment. Because of the lack of thermal bands in the Sentinel-2 dataset, the problem of cloud and shadow detection is still an open issue. In fact, most of the algorithms proposed in literature rely on the use of thermal bands to identify clouds and to compute cloud altitude, which is an essential information in order to generate the shadow mask through the projection of clouds. The developed procedure is made of two main steps. The former consists of a series of spectral rules which return two rough masks, one for clouds and one for shadows. The second step instead takes advantage of the relative position of clouds and shadows to remove possible misclassifications. The results of the new procedure have been mostly evaluated from a visual point of view, comparing them with the RGB composite of the related image. At the moment of writing indeed, the validation of results remains the main open issue because of the lack of reliable official sources of cloud and shadow masks or of ground truths. Roughly speaking, it is however possible to state that from a visual perspective the results are satisfactory in terms of number of clouds and shadows detected and of accuracy in the identification of boundaries. The developed procedure has been implemented as a GRASS GIS add-on module, i.sentinel.mask. Another GRASS GIS add-on module for the preprocessing of Sentinel-2 images, i.sentinel.preproc, has been developed. Both modules have been accepted as a project of the program for the development of open source software promoted by Google, the Google Summer of Code, successfully accomplished in 2018.

Sentinel-2 è una missione ottica multispettrale che fa parte del Programma Copernicus, un'iniziativa gestita e coordinata dalla Commissione Europea e dall' Agenzia Spaziale Europea. Le caratteristiche intrinseche delle immagini Sentinel-2 forniscono un importante contributo per molte applicazioni riguardanti il monitoraggio del territorio, delle coste e del mare. Essendo un sistema satellitare ottico, i dati Sentinel-2 sono affetti da diversi disturbi propri dei sensori ottici. Per questo motivo, il lavoro di ricerca descritto in seguito, affronta due principali tematiche che possono fortemente compromettere l'utilizzo delle immagini ottiche Sentinel-2: gli effetti atmosferici e la presenza di nuvole e relative ombre. In particolare, si è sviluppata una nuova procedura, in ambiente GRASS GIS, per l'identificazione automatica di nuvole e ombre su immagini Sentinel-2. A causa della mancanza di bande termiche nei datasets Sentinel-2, l'identificazione delle nuvole e delle ombre è ancora una questione aperta. Infatti molti degli algoritmi proposti in letteratura si basano sull'utilizzo delle bande termiche per identificare le nuvole e per calcolarne la quota che è un'informazione necessaria per poter identificare le ombre tramite la proiezione delle nuvole. La procedura sviluppata è composta da due step principali. Il primo consiste nell'applicazione di una serie di regole spettrali che generano due maschere grezze, una per le nuvole e una per le ombre. Il secondo step invece utilizza la posizione relativa di nuvole e ombre per rimuovere eventuali misclassificazioni. I risultati della procedura sono stati analizzati principalmente da un punto di vista visivo, confrontandoli con le relative composizioni RGB delle immagini processate. La validazione dei risultati resta uno degli aspetti più complessi a causa della mancanza di fonti ufficiali di dati (maschere di nuvole e ombre, verità a terra, ecc.). In generale, è comunque possibile affermare che la procedura sviluppata restituisce risultati soddisfacenti in termini di numero di nuvole e ombre identificate e in termini di accuratezza nell'identificazione dei perimetri delle singole nuvole e relative ombre. La procedura è stata implementata in GRASS GIS attraverso lo sviluppo di un nuovo add-on, i.sentinel.mask. E' stato sviluppato anche un secondo add-on, i.sentinel.preproc, per il preprocessamento dei dati Sentinel-2. Entrambi i moduli sono stati accettati come progetto del Google Summer of Code 2018, un programma per lo sviluppo del software Open Source promosso da Google.