Hangi uzaktan algılama uydusu en iyi bitki örtüsü kapsamı haritalaması için kullanılır?


15

Şu anda uzaktan algılama sınıfım için bir ödev yazıyorum ve doğru cevaba sahip olduğumu düşünürken, canlı bir şey için bu şeyleri yapan insanların ne düşündüğünü merak ediyordum.

Soru şudur: 300 km x 300 km çalışma alanının genel kapsamını haritalamak için hangi Landsat TM (Tematik Haritacı) ve SPOT 5'i kullanırsınız.

Cevabım, SPOT 5'i daha yüksek çözünürlük olduğu için kullanmanız ve Landsat TM'ın 30m çözünürlüğüne göre daha iyi bir boyut elde etmenize izin vermesiydi. Ancak SPOT 5'in küçük bir alan alanı olduğundan daha fazla görüntü kullanmanız gerekir. SPOT 5'teki 2200km VMI swath'ı da düşündüm, ancak çözünürlük 1km.

Düşünceler?


özel bir uzaktan algılama yığın mekanizması için: area51.stackexchange.com/proposals/59346/remote-sensing
WAF

Yanıtlar:


17

@Vascobnunes fikrine katılıyorum, ancak belirli nesneleri tanımlamak istiyorsanız, LANDSAT TM kullanmak zorundasınız çünkü daha fazla sınıflandırma (R, G, B, NIR, MIR, TIR, FIR) olarak daha fazla banda ihtiyaç duyuyor ... ve benim seçimim bitki örtüsü için LANDSAT TM (aşağıdaki açıklamada aynı bilgileri verdim) kullanmalısınız.

Bu durumda önemli relative spectral response (RSR)olan uyduya bakmanızdır .

Bağıl spektral yanıt (RSR) ölçümlerinin ortak bir filtre tarafından kapsanan tüm detektörler için sabit olduğu varsayılır ve birlik AT tepe tepkisine normalize edilir. Halen, yörüngede veya Yer ölçümlerinde zamanla spektral stabiliteyi kontrol etmek için bir yöntem yoktur.

(Kaynak: Dr.John Barke)

RSR'ye ek olarak, temporal resolutiontekrarlayan veri toplama döngüsü için çok önemlidir ...

Bu LANDSAT TM için bağıl spektral yanıttır:

tepki

Burada sensöre özgü bağıl spektral tepki fonksiyonlarının neden olduğu NDVI- farklılıklarının değerlendirilmesi hakkında bir bilgi vardır .

Özet burada:

Normalleştirilmiş Fark Bitki Örtüsü Endeksi (NDVI), kara yüzeylerinin dinamiklerini ve çevresel değişiklikleri izlemek için en sık kullanılan uzaktan algılama tabanlı göstergedir. Farklı sensör özellikleri nedeniyle, NDVI değerleri kayıt sistemine göre değişir. Bu çalışma, multisensoral NDVI verilerinin yorumlanmasını zorlaştırabilen spektral sensör karakteristikleri faktörüne odaklanmaktadır. Bu nedenle, Landsat 5TM, QuickBird ve SPOT5'in multispektral bantları hiperspektral verilerden simüle edildi. Bu simüle edilmiş veri setleri sensör geometrisi, atmosfer koşulları, topografya ve uzaysal çözünürlük gibi özdeş özellikler (spektral hariç) gösterir. Bu, farklı spektral özelliklerin faktörünün neden olduğu NDVI farklılıklarının doğrudan karşılaştırılmasına izin verir.

Bu belgeden NIR ve Kırmızı bant spektral değerleri hakkında bir özet hazırladım ...

tepki

Landsat 5TM, QuickBird ve SPOT5'in kırmızı ve kızılötesine yakın bantlarının 2 tipik arazi örtüsü spektrumuna sahip göreceli spektral tepki fonksiyonları.

Sonuç :

Özellikle NIR bölgesinde sensörlerin RSR fonksiyonları birbirinden farklıdır. Dikkat çeken nokta, Landsat 5TM'in kırmızı ve NIR bandı ile SPOT5 arasındaki boşluğun, çakışmaların olduğu QuickBird bantları arasındaki boşluktan daha geniş olmasıdır.


response3

Sensörlerin kırmızı (a) ve kızılötesine yakın (b) bantlarının bağıl spektral tepki fonksiyonlarının sensörle ilgili farklılıkları (%).

Sonuç:

QuickBird ve SPOT5'in kırmızı bantları çok benzer olmakla birlikte, bu sensörlerin NIR bantları 0.77 um'de% 80'in üzerinde en geniş farkları gösterir. NIR bantları arasındaki geniş farklılıklar nedeniyle, bu bantların RSR fonksiyonları NDVI'yı kırmızı bantlardan daha fazla etkiler.

Umarım sana yardımcı olur ...


10

Aralarından seçim yapabileceğiniz sadece SPOT 5 ve Landsat TM varsa, para bir sorun değildir ve 30 000ha'lık küçük bir alan için, Landsat'ın bazı güçlü avantajları olmasına rağmen SPOT5'in en iyi seçim olduğunu kabul ediyorum:

SPOT5:

  • 2,5 m uzamsal çözünürlük
  • 3 spektral bant (Yeşil, Kırmızı, Kızılötesi'ye Yakın)
  • yeni alımlar için km2 başına yaklaşık 2,64 €
  • iyi tekrar ziyaret süresi
  • en büyük avantajı: daha yüksek çözünürlük, çok yüksek uzamsal ayrıntı eşlemesi için ideal

Landsat TM

  • 30m uzamsal çözünürlük
  • 7 spektral bant (R, G, B, NIR, MIR, TIR, FIR)
  • km2 başına yaklaşık 0,5 €
  • en büyük avantaj: daha iyi tematik ayrımcılık için ideal daha iyi spektral bilgi; fiyat

Rapideye, Aster veya LISS-IV ile de iyi seçenekleriniz olacaktır.

Şerefe, Vasco Nunes


Her ikisinin de NIR bantları vardır, bu nedenle her ikisi de bitki örtüsü analizi için uygundur. Daha fazla ayrıntı elde etmek için Landsat 7 ila 15m çözünürlüğü (bu bant genellikle görüntülerle sağlanır) keskinleştirebilirsiniz. Landsat 7, doğal renk elde etmek için bantları birleştirmenize olanak tanır. Doğru hatırlayabiliyorsam, SPOT 5 ile durum böyle olmadığına inanıyorum. Doğal rengi simüle etmek için renk bantlarını bir şekilde yeniden hesaplamak mümkündür. Bunu yaptığımı hatırlıyorum ama su bedenim hala maviden daha mor. Ayrıca fiyatın yere bağlı olduğunu da eklemek istedim. Kanada'da hem Landsat 7 hem de SPOT 5 kullanımı ücretsizdir.
Jakub Sisak GeoGraphics

Landsat 5 TM referans alınan uydu, bu yüzden ~ 30m çözünürlük. Ama Landsat'ın daha yüksek zenginliğine katılıyorum. Ancak fikir, bitki örtüsünün bulunduğu yeri otomatik olarak haritalamaktı. Ve dediğin gibi, bu nedenle, her ikisi de NDVI'yı oluşturmanıza izin veriyor. SPOT size daha iyi uzamsal çözünürlük sağlar. Ücretsiz SPOT 5 resimleri ?! bu iyi!
vascobnunes

2
Sadece vejetatif / vejetatif olmayanları ayırt etmeniz gerekiyorsa ve her iki sensörden NDVI çalışacaktır. Landsat, bitki örtüsü türlerini daha iyi sınıflandırmak için size daha iyi bir yetenek vermelidir. Pan keskinleştirmenin gerçekten sadece görüntüleme amaçları için yararlı olduğuna dikkat edin. Analiz yapmak istiyorsanız verileriniz için oldukça zararlı bir şeydir.
David

+1 tekrar. David'in pansharpening yorumu. @ vascobnunes SPOT 5 multispektral çözünürlük 10m (G, R, NIR) ve 20m'dir (MIR). Sadece Pankromatik bant 2,5 m'dir.
user2856

@ Pan keskinleştirme yorumu hakkında: gerçekten, görüntünün spektral bilgilerini analiz etmek istiyorsanız (örneğin otomatik sınıflandırma amaçları için) piksellerin orijinal değerlerini (DN) değiştirmemek daha iyidir. Ancak görsel yorumlama / sınıflandırma için veya otomatik segmentasyon yapmak istiyorsanız, pan-keskinleştirilmiş görüntünün kullanılması büyük yarar sağlayacaktır.
vascobnunes

2

Otomatik sınıflandırmayı Landsat ile yapmak istiyorsanız, 2,5 m çözünürlüklü görüntülerin otomatik olarak sınıflandırılmasının (alanın türüne ve çeşitliliğine bağlı olarak) gerçekten iyi olmadığınız sürece çok sayıda eserle uğraşacağınızı düşünüyorum: ).

Bu tür veri kümesinin amacı, dikkate alınması gereken ana şeydir. Sadece görselleştirme mi? Çok ayrıntılı alan hesaplamaları? Yakınlık analizi? Veri kümenizde temsil etmek istediğiniz en küçük bitki örtüsü alanı nedir? Bunun için zaman ölçeğiniz ve iş gücünüz nedir? Tüm bunlar size sorunuzun cevabını vermelidir.

Dikkate alınacak çok şey ve bu projenin amacı ana rehberliktir.


Evet, ödev sorusu kapsam olarak bu şeylere sahip olsaydı, cevaplaması kolay olurdu ama gerçekten açıldı.
Nathan W
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.