Мултиспектрални, термални и хиперспектрални сензори во далечинската детекција

Сензорите во далечинска детекција собираат податоци со регистрирање на енергијата што се рефлектира од Земјата. Овие сензори може да бидат поставени на сателити, авиони или други средства. Мултиспектрален сензор претставува визуелен сензор кој собира црвена, зелена и сина бранова должина на светлината. Тие се во можност да ги соберат и брановите должини кои паѓаат надвор од видливиот спектар како што се блиску инфрацрвено зрачење (NIR), краткобраново инфрацрвено зрачење (SWIR) и сл. Првично спектралното снимање било развиено за воените цели. Раните вселенски платформи за снимање имале мултиспектрална технологија за мапирање детали на Земјината површина кои се поврзани со крајбрежните граници, вегетацијата и облиците на земјиштето. Мултиспектралните сензори содржат помеѓу три до пет спектрални бендови и спаѓаат во две категории: модифицирани и повеќеслојни. Модифицираните сензори се конструираат кога посебен филтер е поставен на стандардниот визуелен сензор. На тој начин, модифицираните сензори собираат три бендови на светлина одеднаш преку истата леќа. Филтрите можат да бидат во многу различни формати за да прикажат различни комбинации на спектрални бендови. Најчесто, отсуствува еден од визуелните бендови за снимање на блиску инфрацрвени снимки (NIR). Така, на пример, филтерот R-G-NIR не ја зема во обзир сината боја со цел да собере блиску инфрацрвена енергија. Повеќеслојните сензори се произведени специјално за мултиспектрално собирање податоци. Тие овозможуваат мешање на различни комбинации на бендови. Со комбинација на повеќе бендови може да се извлечат уникатни информации. Во случајот на Landsat-8, некои од популарните комбинации на бендови вклучуваат природна боја, инфрацрвена боја и разни индекси на вегетација.

Природна боја (4, 3, 2) – оваа комбинација ги користи црвениот (4), зелениот (3) и синиот (2) бенд за природен приказ на боите. Го прикажува она што може да го видат нашите очи.
Инфрацрвена боја (5, 4, 3) – оваа комбинација на бендови (појаси) ги користи блиску инфрацрвениот (5), црвениот (4) како и зелениот (3) бенд. Бидејќи хлорофилот рефлектира близу инфрацрвена светлина, овој состав на бендови е корисен за вегетациска анализа. Областите со црвена боја имаат здрава вегетација.
Кратки-бранови инфрацрвени (7, 6, 4) – оваа комбинација се карактеризира со кратко инфрацрвените бендови (7, 6) и црвениот бенд (4). Корисна е за визуелизација на урбани средини.
NDVI индекс (5, 4) – ги користи својствата на црвениот (4) и блиску инфрацрвениот бенд (5). Се користи за да се процени густината на зелената површина на земјиштето.
Земјоделство (6, 5, 2) – оваа комбинација користи кратко инфрацрвен бенд (6), близу инфрацрвен (5), како и синиот бенд (2). Најчесто се користи за следење на посевите, бидејќи се користат кратки бранови и близу инфрацрвени зраци. Здравата вегетација се појавува со темно зелена.

Без оглед на сензорот, примената на мултиспектралните податоци е од голема зависност од многу фактори, вклучително и од денот, условите за снимање, резолуцијата како и искуството на самиот толкувач. Сепак, постојат неколку општи упатства за толкување на различните бендови (појаси) од спектарот кои можат да се применат на секој сензорски инструмент.

Слика 3. Главни апликации на спектрални бендови што се користат при далечинска детекција

Термални сензори

При термална далечинска детекција, за проценка на температурата се мерат зрачењата кои се емитирани од страна на површинските објекти. Термалните сензори го мерат зрачењето на ист начин како и мултиспектралните и хиперспектралните сензори, но се насочени кон термалниот инфрацрвен бенд (појас) од спектарот. Сите предмети (објекти) со температура над 0 К (-273,15 °C) испуштаат топлинска енергија како функција на нивните внатрешни температури. Оваа енергија може да се измери, толкува и анализира на ист начин како и во мултиспектралните и хиперспектралните сензори. Некои апликации на термално далечинско мерење се квалитативни, со што се бара само толкување на релативни разлики помеѓу површинските објекти. Други апликации може да бидат мерења на апсолутна температурна разлика. За тоа да се изврши, мора емисивноста која се мери при самите сензори да се претвори во апсолутни температури. Термална далечинска детекција е доста важна како и корисна во физичката географија, потоа одредување на геолошки структури, проценска на вулканска активност и сл.

Термзлно инфрацрвен мултиспектрален скенер (TIMS) – претставува мултиспектрален систем за скенирање со шест различни бендови. Корисен е за разликување на литолошките членови (различни видови на карпи). Податоците од TIMS широко се користат во вулканологијата.
ASTER – сензор на сателитот Тера. Покрај собирањето рефлектирани податоци во инфрацрвените видливи и кратки бранови, ASTER собира и термални инфрацрвени зраци. Тој има пет термални бендови (појаси). Податоците од ASTER се користат за да се создадат детални карпи за температурата на површината на земјата, емисивноста, височината и сл. Тие се достапни за преземање преку порталот Earth Explorer.
MODIS – има висока спектрална резолуција и собира податоци во разновидна бранова должина. Тој има неколку бендови (појаси) кои собираат топлински податоци, има висока временска резолуција што го прави одличен ресурс за откривање и следење на пожарите.
Landsat – различни сателити на Landsat се карактеризирале со термални сензори. Landsat 4 и 5 вклучиле единствен термален бенд (бенд 6) на сензорот Thematic Mapper со 30 метарска резолуција. Сличен бенд (појас) бил вклучен и при Enhanced Thematic Mapper Plus на Landsat 7, додека пак, Landsat 8 вклучува посебен термален сензор познат како Thermal Infrared Sensor (TIRS) кој има два термални бендови (10 и 11).

Хиперспектрални сензори

Хиперспектрално снимање (HIS) претставува техника која анализира широк спектар на светлина наместо само основни бои (зелена, црвена и сина) на секој пиксел. Светлината од секој пиксел се разложува на многу различни спектрални бендови (појаси).

Слика 4. Видови графички слики

Овие сензори снимаат објекти користејќи значителен дел од електромагнетниот спектар. Различни објекти оставаат уникатни “отпечатоци” кои овозможуваат идентификување на материјалите што го сочинуваат скенираниот предмет. Мултиспектралните снимки можат да ни прикажат генерички карактеристики како на пример дали некое растение е здраво или не, додека пак хиперспектралните снимки можат да одат многу подалеку и да ја дијагностицираат точната причина за таа состојба. Хиперспектралните сензори овозможуваат идентификација на уникатни карактеристики на физиолошката култура, болести на земјоделските култури, штетници и недостаток на хранливи материи. Хиперспектралното снимање овозможува идентификација и класификација на различен вид на плевел, дива вегетација и разновидност на култури.

Слика 5. Разлика помеѓу мултиспектрални и хиперспектрални снимки

AVIRIS – претставува уникатен оптички сензор кој снима во бранови должини од 380 до 2510 нанометри. Главната цел на АVIRIS е да ги идентификува, измери и следи објектите на површината на Земјата и во нејзината атмосфера. Податоците добиени од самиот проект се користат за разбирање на процесите кои се поврзани со глобалното опкружување и климатските промени.

Мултиспектрални, термални како и хиперспектралните сензори, имаат многу реални апликации, кои ни овозможуваат многу подобро да го запознаеме светот. Иако имаат сличен пристап, сепак имаат различни методи на снимање. Мултиспектралните снимки како на пример NDVI ни овозможува да ја идентификуваме густината на вегетација на посакуваната област. Со користењето на хиперспектралните снимки ние би можеле да имаме многу подобра визуелизација на просторот. Термалните, од друга страна, имаат многу важна улога во областа на физичката географија при што би можеле да ја согледаме температурата на површината на одредена област, геолошките структури, вулканските активности и сл.

Извори:

  1. M.P. Bishop (2013): Remote Sensing and GIScience in Geomorphology: Introduction and Overview. Reference Module in Earth Systems and Environmental Sciences, Treatise on Geomorphology. Volume 3, 2013, Pages 1-24
  2. Kirk J. Havens, Edward J. Sharp (2016): Thermal Imaging Techniques to Survey and Monitor Animals in the Wild A Methodology, Pages 121-141
  3. medium.com/remote-sensing-in-agriculture/multispectral-vs-hyperspectral-in-agriculture-9a2d96777031
  4. www.nv5geospatialsoftware.com/
  5. gisgeography.com/landsat-8-bands-combinations/
  6. www.earthdatascience.org/courses/use-data-open-source-python/multispectral-remote-sensing/intro-multispectral-data/

Напишала: Бојана Алексова, наставник по географија

Оваа статија е прочитана 126 пати!

Leave a Reply

Your email address will not be published. Required fields are marked *