Fjernregistrering er erhvervelse af information på afstand. NASA observerer Jorden og andre planetariske legemer via fjernsensorer på satellitter og fly, der registrerer og registrerer reflekteret eller udsendt energi. Fjernsensorer, der giver et globalt perspektiv og et væld af data om jordens systemer, muliggør datainformeret beslutningstagning baseret på den nuværende og fremtidige tilstand på vores planet.

• Baner
• Observation med det elektromagnetiske spektrum
• Sensorer
• Opløsning
• Databehandling, fortolkning og analyse
• Data Pathfinders

Baner

Der er tre primære typer baner, hvor satellitter befinder sig: polar; ikke-polær, kredsløb omkring jorden og geostationær.

Polar-kredsende satellitter er i et kredsløbsplan, der er skråtstillet næsten 90 grader i forhold til ækvatorialplanet. Denne hældning gør det muligt for satellitten at registrere hele kloden, inklusive polarområderne, og give observationer af placeringer, der er vanskelige at nå via jorden. Mange polar-kredsende satellitter betragtes som solsynkrone, hvilket betyder, at satellitten passerer over den samme placering på samme soltid hver cyklus.

Polære baner kan være stigende eller nedadgående. I stigende baner bevæger satellitter sig syd til nord, når deres sti krydser ækvator. I faldende baner bevæger satellitter sig nordpå mod syd. Det fælles NASA / NOAA Suomi National Polar-Orbiting Partnership (Suomi NPP) er et eksempel på en polar kredsende satellit, der giver daglig dækning af kloden.

Ikke-polære kredsløb med lave jordarter ligger i en højde på typisk mindre end 2.000 km over jordens overflade. (Til reference kredser den internationale rumstation i en højde af ~ 400 km.) Disse baner giver ikke global dækning, men dækker i stedet kun et delvis breddeområde. Den globale nedbørsmission (GPM) er et eksempel på en ikke-polær satellitbana-satellit, der dækker fra 65 grader nord til 65 grader syd.

Geostationære satellitter følger jordens rotation og bevæger sig med samme hastighed af rotation på grund af dette ser satellitterne ud til, at en observatør på jorden er fastgjort et sted. Disse satellitter fanger den samme udsigt over Jorden ved hver observation og giver således næsten kontinuerlig dækning af et område. Vejrssatellitter såsom Geostationary Operational Environmental Satellite (GOES) -serien er eksempler på geostationære satellitter.

Observation med det elektromagnetiske spektrum

Elektromagnetisk energi produceret af vibrationer af ladede partikler, rejser i form af bølger gennem atmosfæren og rumets vakuum. Disse bølger har forskellige bølgelængder (afstanden fra bølgetop til bølgetoppen) og frekvenser; en kortere bølgelængde betyder en højere frekvens. Nogle, som radio, mikrobølgeovn og infrarøde bølger, har en længere bølgelængde, mens andre, såsom ultraviolette, røntgenstråler og gammastråler, har en meget kortere bølgelængde. Synligt lys sidder midt i det interval af lang til kortbølget stråling. Denne lille del af energi er alt, hvad det menneskelige øje er i stand til at opdage. Der er brug for instrumentering til at detektere alle andre former for elektromagnetisk energi. NASA-instrumentering bruger hele spektret til at udforske og forstå processer, der forekommer her på Jorden og på andre planetariske kroppe.

Nogle bølger absorberes eller reflekteres af elementer i atmosfæren, som vand damp og kuldioxid, mens nogle bølgelængder muliggør uhindret bevægelse gennem atmosfæren; synligt lys har bølgelængder, der kan transmitteres gennem atmosfæren. Mikrobølgeenergi har bølgelængder, der kan passere gennem skyer; mange af vores vejr- og kommunikationssatellitter udnytter dette.

Den primære kilde til energi observeret af satellitter er solen. Mængden af solens reflekterede energi afhænger af overfladens ruhed og dens albedo, hvilket er, hvor godt en overflade reflekterer lys i stedet for at absorbere det.Sne har for eksempel en meget høj albedo, der afspejler op til 90% af den energi, den modtager fra solen, mens havet kun reflekterer omkring 6% og absorberer resten. Når energi absorberes, udsendes den ofte, normalt ved længere bølgelængder. For eksempel udsendes den energi, som absorberes af havet, igen som infrarød stråling.

Alle ting på jorden reflekterer, absorberer eller transmitterer energi, hvis størrelse varierer efter bølgelængde. Alt på jorden har et unikt spektral “fingeraftryk”, ligesom dit fingeraftryk er unikt for dig. Forskere kan bruge denne information til at identificere forskellige jordfunktioner såvel som forskellige sten- og mineraltyper. Antallet af spektrale bånd, der detekteres af et givet instrument , dens spektrale opløsning, bestemmer, hvor meget differentiering en forsker kan identificere mellem materialer.

For mere information om det elektromagnetiske spektrum med ledsagende videoer, se NASAs rundtur i det elektromagnetiske spektrum.

Sensorer

Sensorer eller instrumenter, indbyggede satellitter og fly bruger solen som en kilde til belysning eller giver deres egen belysningskilde og måler den energi, der reflekteres tilbage. Sensorer, der bruger naturlig energi fra solen kaldes passive sensorer; dem, der leverer deres egen energikilde, kaldes aktive sensorer.

Passive sensorer inkluderer forskellige typer radiometre (instrumenter, der kvantitativt måler intensiteten af elektromagnetisk stråling i udvalgte bånd) og spektrometre (enheder, der er designet til at detektere, måle og analysere spektralindholdet i reflekteret elektromagnetisk stråling). De fleste passive systemer, der anvendes af fjernfølerapplikationer, fungerer i de synlige, infrarøde, termiske infrarøde og mikrobølgedele af det elektromagnetiske spektrum. Disse sensorer måler land- og havoverfladetemperatur, vegetationsegenskaber, sky- og aerosolegenskaber og andre fysiske egenskaber.

Bemærk, at de fleste passive sensorer ikke kan trænge igennem tæt skydække og derfor har begrænsninger, der observerer områder som troperne, hvor tæt skydække ofte er.

Aktive sensorer inkluderer forskellige typer radioregistrering og rækkevidde ( radar) sensorer, højdemålere og scatterometre. Størstedelen af aktive sensorer fungerer i mikrobølgebåndet i det elektromagnetiske spektrum, hvilket giver dem mulighed for at trænge ind i atmosfæren under de fleste forhold. Disse typer sensorer er nyttige til blandt andet måling af aerosoler, skovstruktur, nedbør og vind, topografi på havoverfladen og is.

Earthdata-siden Remote Sensors giver en liste over alle NASA’er Jordvidenskabelige passive og aktive sensorer. Hvad er syntetisk blænderadar? giver specifik information om denne type aktiv radarsensor.

Opløsning

Opløsning spiller en rolle i, hvordan data fra en sensor kan bruges. Afhængigt af satellitens kredsløb og sensordesign kan opløsningen variere. Der er fire typer opløsninger, der skal overvejes for ethvert datasæt – radiometrisk, rumlig, spektral og tidsmæssig.

Radiometrisk opløsning er mængden af information i hver pixel, dvs. antallet af bits, der repræsenterer den registrerede energi. Hver bit registrerer en eksponent af effekt 2. For eksempel er en 8 bit opløsning 28, hvilket indikerer, at sensoren har 256 potentielle digitale værdier (0-255) til at gemme information. Jo højere den radiometriske opløsning er, jo flere værdier er der til rådighed til lagring af information, hvilket giver bedre diskrimination mellem selv de mindste forskelle i energi. For eksempel, når man vurderer vandkvaliteten, er radiometrisk opløsning nødvendig for at skelne mellem subtile forskelle i havfarve.

Rumlig opløsning er defineret af størrelsen på hver pixel i et digitalt billede og området på jordoverfladen repræsenteret af den pixel. For eksempel har størstedelen af båndene observeret af Moderate Resolution Imaging Spectroradiometer (MODIS) en rumlig opløsning på 1 km; hver pixel repræsenterer et område på 1 km x 1 km på jorden. MODIS inkluderer også bånd med en rumlig opløsning på 250 m eller 500 m. Jo finere opløsning (jo lavere tal), jo flere detaljer kan du se. På billedet nedenfor kan du se forskellen i pixelering mellem et 30 m / pixelbillede, et 100 m / pixelbillede og et 300 m / pixelbillede.

Spektral opløsning er en sensors evne til at skelne til finere bølgelængder, dvs. have flere og smallere bånd. Mange sensorer betragtes som multispektrale, hvilket betyder at de har mellem 3-10 bånd. Sensorer, der har hundreder til endda tusinder af bands, betragtes som hyperspektrale. Jo smallere rækkevidden af bølgelængder for et givet bånd, jo finere er spektralopløsningen. For eksempel indfanger det luftbårne synlige / infrarøde billedspektrometer (AVIRIS) information i 224 spektralkanaler. Kuben til højre repræsenterer detaljerne i dataene. På dette detaljeringsniveau kan der skelnes mellem sten- og mineraltyper, vegetationstyper og andre træk. I terningen er den lille region med høj respons øverst til højre på billedet i den røde del af det synlige spektrum (ca. 700 nanometer) og skyldes tilstedeværelsen af 1 centimeter lang (halv tomme) ) rød saltlaksreje i fordampningsdammen.

Temporal opløsning er den tid, det tager for en satellit at gennemføre en bane og besøge det samme observationsområde. Denne opløsning afhænger af kredsløb, sensorens karakteristika og skårbredden. Fordi geostationære satellitter matcher den hastighed, hvormed Jorden roterer, er den tidsmæssige opløsning meget finere, omkring 30’erne – 1min. Polære kredsløbssatellitter har en tidsopløsning, der kan variere fra 1 dag til 16 dage. For eksempel har MODIS en tidsmæssig opløsning på 1-2 dage, så vi kan visualisere Jorden, når den ændres dag for dag. Landsat har derimod en smallere skårbredde og en tidsmæssig opløsning på 16 dage; viser ikke daglige ændringer, men ændringer hver anden måned.

Hvorfor ikke opbygge en høj rumlig, spektral og tidsmæssig opløsningssensor? Det er vanskeligt at kombinere alle de ønskelige funktioner i en ekstern sensor; for at erhverve observationer med høj rumlig opløsning (som Landsat) kræves en smallere skår, hvilket igen kræver mere tid mellem observationer af et givet område, hvilket resulterer i en lavere tidsmæssig opløsning. Forskere skal afveje. Dette er grunden til, at det er meget vigtigt at forstå, hvilken type data der er behov for til et givet studieområde. Når man undersøger vejret, som er meget dynamisk over tid, er det afgørende at have en fin tidsmæssig opløsning. Når man forsker på sæsonbestemte vegetationsændringer, kan en fin tidsmæssig opløsning ofres for en højere spektral og / eller rumlig opløsning.

Databehandling, fortolkning og analyse

Fjern sensing data erhvervet fra instrumenter ombord på satellitter kræver behandling, før dataene kan bruges af de fleste forskere og anvendte videnskabsbrugere. De fleste rå NASA-jordobservationssatellitsdata (niveau 0, se databehandlingsniveauer) behandles ved Science Investigator-ledede behandlingssystemer (SIPS). Alle data behandles til mindst et niveau 1, men de fleste har tilknyttede niveau 2 (afledte geofysiske variabler) og niveau 3 (variabler kortlagt på ensartede rumtidsgitterskalaer) produkter. Mange har endda niveau 4-produkter. NASA Earth science-data arkiveres i et af de Distribuerede Aktive Arkivcentre (DAAC’er)

De fleste data er gemt i Hierarchical Data Format (HDF) eller Netværks Common Data Form (NetCDF) -format.Talrige dataværktøjer er tilgængelige til at undergruppe, transformere, visualisere og eksportere til forskellige andre filformater.

Når data er behandlet, kan de bruges i en række applikationer, lige fra landbrug til vandressourcer til sundhed og luftkvalitet. En enkelt sensor vil ikke behandle alle forskningsspørgsmål inden for en given applikation. Brugere er ofte nødt til at udnytte flere sensorer og dataprodukter til at løse deres spørgsmål under hensyntagen til begrænsningerne i data leveret af forskellige spektrale, rumlige og tidsmæssige opløsninger.

Oprettelse af satellitbilleder

Mange sensorer indhenter data ved forskellige spektrale bølgelængder. For eksempel erhverver Landsat 8s bånd et data på 0,433-0,453 mikrometer og MODISs bånd et indhenter data ved 0,620-0,670 mikrometer. Landsat 8 har i alt 11 bånd, mens MODIS har 36 bånd, som alle måler forskellige regioner i det elektromagnetiske spektrum. Bånd kan kombineres for at producere billeder af dataene for at afsløre forskellige funktioner i landskabet. Ofte bruges billeddata af data til at skelne karakteristika ved en region, der undersøges, eller til at bestemme et studieområde.

For et ægte farvebillede (rødt, blåt, grønt (RGB)) fra Landsat, bånd 4 , 3, 2 er henholdsvis kombineret; med NASA / NOAA fælles Suomi National Polar-Orbiting Partnership (Suomi NPP) Synlig Infrarød Imaging Radiometer Suite (VIIRS) er et ægte farvebillede rødt = Bånd I1, Grønt = Bånd M4, Blå = Bånd M3. Billeder i ægte farve viser Jorden, som du ville se den ovenfra. Andre kombinationer kan dog bruges til specifikke videnskabelige anvendelser – fra oversvømmelsesovervågning til afgrænsning af urbanisering til kortlægning af vegetation. For eksempel med VIIRS-data er det nyttigt at skelne et falskfarvet billede (R = M11, G = I2, B = I1) til at skelne brændeår fra lav vegetation eller bar jord samt til udsættelse af oversvømmede områder. For at se flere båndkombinationer fra Landsat, se NASA Scientific Visualization Studio Landsat Band Remix eller Earth Observatory Many Hues of London-artiklen. For andre almindelige båndkombinationer, se Earth Observatory’s How to Interpret Common False-Color Images; artiklen giver almindelige båndkombinationer, men giver også indsigt i fortolkningen af billedet.

Billedfortolkning

Når data er behandlet til billeder med forskellige båndkombinationer, kan de hjælpe i ressourcestyringsbeslutninger og katastrofevurdering billedet skal bare fortolkes. Der er et par strategier til at komme i gang (tilpasset fra Jordobservatoriets Hvordan man fortolker et satellitbillede).

1. Kend skalaen – der er forskellige skalaer baseret på billedets rumlige opløsning og hver skala giver forskellige funktioner af betydning. For eksempel, når du sporer en oversvømmelse, vil en detaljeret visning i høj opløsning vise, hvilke hjem og virksomheder der er omgivet af vand. Det bredere landskabsbillede viser, hvilke dele af et amt eller hovedstadsområde, der er oversvømmet, og måske hvor vandet kommer fra. En endnu bredere opfattelse ville vise hele regionen – det oversvømmede flodsystem eller bjergkæder og dale, der styrer strømmen. Et halvkuglebillede viser bevægelsen af vejrsystemer, der er forbundet med oversvømmelserne.
2. Se efter mønstre, former og strukturer – mange funktioner er lette at identificere baseret på deres mønster eller form. For eksempel er landbrugsområder meget geometriske i form, normalt cirkler eller rektangler. Lige linjer er typisk menneskeskabte strukturer som f.eks. Veje eller kanaler.
3. Definer farver – når du bruger farve til at skelne mellem funktioner, er det vigtigt at kende den båndkombination, der bruges til at skabe billedet. Ægte eller naturlige farvebilleder er dybest set det, vi ville se med vores egne øjne, hvis vi kiggede ned fra rummet. Vand absorberer lys, så det ser typisk sort eller blå ud; dog kan sollys, der reflekterer fra overfladen, få det til at se grå eller sølv ud. Sediment kan påvirke vandfarven, hvilket gør det mere brun, ligesom alger kan gøre det mere grønt. Vegetationen varierer i farve afhængigt af årstid: om foråret og sommeren er det typisk en levende grøn; efterår kan have orange, gul og tan; og vinteren kan have flere brune. Bare jord er normalt en skygge af brun; det afhænger dog af sedimentets mineralsammensætning. Byområder er typisk grå fra den omfattende beton. Is og sne er hvide, men også skyer. Det er vigtigt, når du bruger farve til at identificere ting for at bruge omgivende funktioner til at sætte ting i sammenhæng.
4. Overvej hvad du ved – at have kendskab til det område, du observerer, hjælper med at identificere disse funktioner.For eksempel at vide, at området for nylig blev brændt af et løbeild, kan hjælpe med at bestemme, hvorfor vegetation kan se lidt anderledes ud.

Kvantitativ analyse

Forskellige landdækningstyper kan f.eks. diskrimineres lettere ved hjælp af billedklassificeringsalgoritmer. Billedklassificering bruger spektralinformation for hver enkelt pixel. Et program, der bruger billedklassificeringsalgoritmer, kan automatisk gruppere pixels i det, der kaldes en ikke-overvåget klassifikation. Brugeren kan også angive områder af kendt landdækningstype til at “træne” programmet til at gruppere dem som pixels; dette kaldes en overvåget klassifikation. Kort eller billeder kan også integreres i et geografisk informationssystem (GIS), og derefter kan hver pixel sammenlignes med andre GIS-data, f.eks. folketællingsdata. For mere information om at integrere NASA’s Earth Science-data i et GIS, skal du tjekke Earthdata GIS-siden.

Satellitter har også ofte en række sensorer, der måler biogeofysiske parametre. , såsom havoverfladetemperatur, nitrogendioxid eller andre atmosfæriske forurenende stoffer, vind, aerosoler og biomasse. Disse parametre kan evalueres ved hjælp af statistiske og spektrale analyseteknikker.

Data Pathfinders

To Hjælp til at komme i gang med applikationsbaseret forskning ved hjælp af eksternt registrerede data, giver Data Pathfinders en guide til valg af dataprodukt, der er fokuseret på specifikke videnskabsdiscipliner og anvendelsesområder som dem, der er nævnt ovenfor. Pathfinders pro vide direkte links til de mest almindeligt anvendte datasæt og dataprodukter fra NASAs Earth science-datasamlinger og links til værktøjer, der giver forskellige måder at visualisere eller underindstille dataene med mulighed for at gemme dataene i forskellige filformater.