Etätunnistaminen on tiedon hankkimista etäältä. NASA tarkkailee maata ja muita planeettakappaleita satelliittien ja lentokoneiden etäantureiden kautta, jotka havaitsevat ja tallentavat heijastunutta tai säteilevää energiaa. Etäanturit, jotka tarjoavat globaalin näkökulman ja runsaasti tietoa maapallojärjestelmistä, mahdollistavat tietoon perustuvan päätöksenteon planeettamme nykyisen ja tulevan tilan perusteella.

• Kiertää
• Tarkkailu sähkömagneettisella spektrillä
• Anturit
• Tarkkuus
• Tietojenkäsittely, tulkinta ja analyysi
• Tietojen etsimet

Kiertoradat

Satelliitteja on kolme ensisijaista kiertotyyppiä: napa; ei-napainen, matalan maan kiertorata ja geostationaarinen.

Polaarikiertävät satelliitit ovat kiertoradatasolla, joka on kallistettu lähes 90 astetta päiväntasaajan tasoon. Tämän kaltevuuden avulla satelliitti pystyy havaitsemaan koko maapallon, myös napa-alueet, ja tarjoaa havainnot paikoista, joihin on vaikea päästä maan kautta. Monia polaarisesti kiertäviä satelliitteja pidetään auringon synkronisina, mikä tarkoittaa, että satelliitti kulkee saman sijainnin yli samalla aurinkoaikalla jokaisessa jaksossa.

Polaariset kiertoradat voivat olla nousevia tai laskevia. Nousevilla kiertoradoilla satelliitit liikkuvat etelästä pohjoiseen, kun niiden polku ylittää päiväntasaajan. Laskevilla kiertoradoilla satelliitit liikkuvat pohjoisesta etelään. NASA / NOAA Suomi National Polar-orbiting Partnership (Suomi NPP) on esimerkki napa-kiertoradalta, joka kattaa päivittäin maapallon.

Ei-napaiset, matalan maan kiertoradat ovat tyypillisesti alle 2 000 km maanpinnan yläpuolella. (Kansainvälinen avaruusasema kiertää ~ 400 km: n korkeudessa.) Nämä kiertoradat eivät tarjoa maailmanlaajuista kattavuutta, vaan kattavat vain osan leveysasteista. Global Precipitation Mission (GPM) on esimerkki ei-polaarisesta matalan maan kiertoradan satelliitista, joka peittää 65 astetta pohjoisesta 65 astetta etelään.

Geostationaariset satelliitit seuraavat maapallon pyörimistä ja kulkevat samalla nopeudella. pyörimisen; tämän vuoksi satelliitit näyttävät maan päällä olevan tarkkailijan olevan kiinnitettynä yhteen paikkaan. Nämä satelliitit kaappaavat saman näkymän maapallolle jokaisen havainnon yhteydessä ja tarjoavat siten lähes jatkuvan yhden alueen peiton. Sääsatelliitit, kuten Geostationary Operational Environmental Satellite (GOES) -sarja, ovat esimerkkejä geostationaarisista satelliiteista.

Tarkkailu sähkömagneettisella spektrillä

Varautuneiden hiukkasten tärinän tuottama sähkömagneettinen energia kulkee aaltojen muodossa ilmakehän ja avaruuden tyhjiön läpi. Näillä aalloilla on erilaiset aallonpituudet (etäisyys aallonharjasta aallonharjaan) ja taajuudet; lyhyempi aallonpituus tarkoittaa suurempaa taajuutta. Joillakin, kuten radio-, mikroaaltouuni- ja infrapuna-aalloilla, on pidempi aallonpituus, kun taas toisilla, kuten ultravioletti-, röntgensäteillä ja gammasäteillä, on paljon lyhyempi aallonpituus. Näkyvä valo istuu pitkän ja lyhytaaltosäteilyn keskellä. Tämä pieni osa energiaa on kaikki, mitä ihmissilmä pystyy havaitsemaan. Instrumentointia tarvitaan kaikkien muiden sähkömagneettisen energian muotojen havaitsemiseksi. NASA-instrumentit hyödyntävät kaikkia spektrin alueita tutkimaan ja ymmärtämään täällä Maan päällä ja muilla planeettakappaleilla tapahtuvia prosesseja.

Jotkut aallot absorboivat tai heijastavat ilmakehän elementit, kuten vesi höyry ja hiilidioksidi, kun taas jotkut aallonpituudet sallivat esteettömän liikkumisen ilmakehän läpi; näkyvällä valolla on aallonpituuksia, jotka voidaan siirtää ilmakehän läpi. Mikroaaltouunin aallonpituudet voivat kulkea pilvien läpi; monet sää- ja tietoliikennesatelliiteistamme hyödyntävät tätä.

Satelliittien havaitseman energian ensisijainen lähde on aurinko. Heijastuneen auringon energian määrä riippuu pinnan ja sen albedon karheudesta, mikä on kuinka hyvin pinta heijastaa valoa sen sijaan, että se absorboisi sitä.Esimerkiksi lumella on erittäin korkea albedo, joka heijastaa jopa 90% auringosta saamastaan energiasta, kun taas valtameri heijastaa vain noin 6% absorboimalla loput. Usein, kun energia absorboituu, se vapautuu uudelleen, yleensä pidemmillä aallonpituuksilla. Esimerkiksi valtameren absorboimaa energiaa lähetetään uudelleen infrapunasäteilynä.

Kaikki maapallon asiat heijastavat, absorboivat tai välittävät energiaa, jonka määrä vaihtelee aallonpituuden mukaan. Kaikella maapallolla on ainutlaatuinen spektrinen ”sormenjälki”, aivan kuten sormenjälkesi on ainutlaatuinen sinulle. Tutkijat voivat käyttää näitä tietoja tunnistaakseen eri maapallon piirteet sekä erilaiset kalliot ja mineraalityypit. Tietyn laitteen havaitsemien spektrikaistojen määrä , sen spektriresoluutio määrittää, kuinka paljon erilaistumista tutkija voi tunnistaa materiaalien välillä.

Lisätietoja sähkömagneettisesta spektristä ja videoista saat NASA: n kierrosta sähkömagneettisesta spektristä.

Anturit

Anturit tai instrumentit, laivalla olevat satelliitit ja lentokoneet käyttävät aurinkoa valonlähteenä tai tarjoavat oman valonlähteensä mittaamalla takaisin heijastuvaa energiaa. Anturit, jotka käyttävät auringon luonnollista energiaa, kutsutaan passiivisiksi antureiksi; niitä, jotka tarjoavat oman energialähteensä, kutsutaan aktiivisiksi antureiksi.

Passiiviset anturit sisältävät erityyppisiä radiometrejä (instrumentteja, jotka mittaavat kvantitatiivisesti sähkömagneettisen säteilyn voimakkuutta tietyillä kaistoilla) ja spektrometrit (laitteet, jotka on suunniteltu havaitsemaan, mittaamaan ja analysoimaan heijastuneen sähkömagneettisen säteilyn spektrisisältö). Suurin osa kaukokartoitussovellusten käyttämistä passiivisista järjestelmistä toimii sähkömagneettisen spektrin näkyvissä, infrapuna-, lämpö- ja mikroaaltouunissa. Nämä anturit mittaavat maan ja meren pinnan lämpötilaa, kasvillisuusominaisuuksia, pilvi- ja aerosoliominaisuuksia sekä muita fysikaalisia ominaisuuksia.

Huomaa, että useimmat passiiviset anturit eivät pääse tunkeutumaan tiheään pilvipeitteeseen, joten niillä on rajoituksia havainnoimalla alueita, kuten trooppisia alueita, joilla tiheä pilvipeite on usein.

Aktiiviset anturit sisältävät erityyppisiä radiotunnistimia ja etäisyyksiä ( tutka) anturit, korkeusmittarit ja sirontamittarit. Suurin osa aktiivisista antureista toimii sähkömagneettisen spektrin mikroaaltokaistalla, mikä antaa heille mahdollisuuden tunkeutua ilmakehään useimmissa olosuhteissa. Tämäntyyppiset anturit ovat hyödyllisiä muun muassa aerosolien, metsärakenteen, sateiden ja tuulien, merenpinnan topografian ja jään pystysuuntaisten profiilien mittaamiseen.

Earthdata-sivun kaukosensorit tarjoavat luettelon kaikista NASA: n Maan tiede passiiviset ja aktiiviset anturit. Mikä on synteettisen aukon tutka? tarjoaa tarkkoja tietoja tämän tyyppisestä aktiivisesta tutkatunnistimesta.

Tarkkuus

Tarkkuudella on merkitys anturin tietojen käyttämisessä. Tarkkuus voi vaihdella satelliitin kiertoradalta ja anturin rakenteesta riippuen. Kaikissa aineistoissa on otettava huomioon neljän tyyppinen resoluutio – radiometrinen, spatiaalinen, spektraali ja ajallinen.

Radiometrinen resoluutio on tiedon määrä kussakin pikselissä, ts. Tallennettua energiaa edustavien bittien lukumäärä. Jokainen bitti tallentaa tehon 2 eksponentin. Esimerkiksi 8-bittinen tarkkuus on 28, mikä osoittaa, että anturilla on 256 potentiaalista digitaalista arvoa (0-255) tietojen tallentamiseksi. Siksi mitä suurempi radiometrinen resoluutio on, sitä enemmän arvoja on käytettävissä tietojen tallentamiseen, mikä tarjoaa paremman eron pienimpienkin energiaerojen välillä. Esimerkiksi veden laatua arvioitaessa radiometrinen resoluutio on välttämätön, jotta voidaan erottaa hienovaraiset valtameren erot.

Spatiaalinen resoluutio määritetään digitaalisen kuvan jokaisen pikselin koon ja maapallon pinnan edustaman pikselin koon mukaan. Esimerkiksi suurimmalla osalla kohtalaisen tarkkuuden kuvantamisspektroradiometrin (MODIS) havaitsemista kaistoista on avaruusresoluutio 1 km; kukin pikseli edustaa 1 km x 1 km: n aluetta maassa. MODIS sisältää myös kaistoja, joiden avaruusresoluutio on 250 m tai 500 m. Mitä tarkempi tarkkuus (sitä pienempi luku), sitä enemmän yksityiskohtia näet. Alla olevasta kuvasta näet eron pikselien välillä 30 m / pikseli, 100 m / pikseli ja 300 m / pikseli.

Spektriresoluutio on anturin kyky erottaa hienommat aallonpituudet, toisin sanoen sillä on enemmän ja kapeampia kaistoja. Monien antureiden katsotaan olevan monispektrisiä, mikä tarkoittaa, että niillä on 3-10 kaistaa. Anturien, joilla on satoja tai jopa tuhansia taajuusalueita, katsotaan olevan hiperspektrisiä. Kapeampi aallonpituusalue tietylle kaistalle, sitä hienompi spektriresoluutio. Esimerkiksi Airborne Visible / Infrared Imaging Spectrometer (AVIRIS) sieppaa tiedot 224 spektrikanavalla. Oikealla oleva kuutio edustaa tietojen yksityiskohtia. Tällä yksityiskohtaisuustasolla voidaan erottaa kalliot ja mineraalityypit, kasvillisuustyypit ja muut piirteet. Kuutiossa pieni korkean vasteen alue kuvan oikeassa yläkulmassa on näkyvän spektrin punaisessa osassa (noin 700 nanometriä) ja johtuu 1 senttimetrin (puoli tuuman) läsnäolosta. ) punaiset suolaveden katkaravut haihtumislammessa.

Ajallinen resoluutio on aika, jonka satelliitti vie kiertoradalle ja palaa samalle havainnointialueelle. Tämä resoluutio riippuu kiertoradalta, anturin ominaisuuksista ja karhon leveydestä. Koska geostationaariset satelliitit vastaavat maapallon pyörimisnopeutta, ajallinen resoluutio on paljon hienompi, noin 30 sekunnissa – 1 minuutissa. Polaaristen kiertävien satelliittien ajallinen resoluutio voi vaihdella päivästä 16 päivään. Esimerkiksi MODIS: n ajallinen resoluutio on 1-2 päivää, jolloin voimme visualisoida maapallon sen muuttuessa päivittäin. Landsatilla on toisaalta kapeampi karhon leveys ja ajallinen resoluutio 16 päivää; ei päivittäisiä muutoksia, vaan kahden kuukauden välein tehtäviä muutoksia.

Miksi ei rakennettaisi korkeaa spatiaalista, spektraalista ja ajallista resoluutiota? Kaikkia toivottuja ominaisuuksia on vaikea yhdistää yhdeksi etäanturiksi; korkean paikkatarkkuuden (kuten Landsatin) havaintojen saamiseksi tarvitaan kapeampi karho, mikä puolestaan vaatii enemmän aikaa tietyn alueen havaintojen välillä, mikä johtaa matalampaan ajalliseen resoluutioon. Tutkijoiden on tehtävä kompromisseja. Siksi on erittäin tärkeää ymmärtää, minkä tyyppistä tietoa tarvitaan tietylle tutkimusalueelle. Kun tutkitaan säätä, joka on hyvin dynaamista ajan myötä, hieno ajallinen tarkkuus on kriittinen. Kun tutkitaan kausittaista kasvillisuuden muutosta, hieno ajallinen resoluutio voidaan uhrata korkeammalle spektraaliselle ja / tai spatiaaliselle tarkkuudelle.

Tietojenkäsittely, tulkinta ja analyysi

Instrumenteista hankittu etäseurannan data satelliittien kyytiin vaaditaan käsittelyä, ennen kuin data on useimpien tutkijoiden ja soveltavan tieteen käyttäjien käytettävissä. Suurin osa NASAn raakaa havainnointisatelliittitietoa (taso 0, katso tietojenkäsittelytasot) käsitellään Science Investigator-led-prosessointijärjestelmissä (SIPS). Kaikki tiedot käsitellään vähintään tason 1 tasolle, mutta useimpiin niihin liittyy tason 2 (johdetut geofysikaaliset muuttujat) ja tason 3 (muuttujat, jotka on kartoitettu yhtenäisiin tila-aika-ruudukkoasteikkoihin) tuotteisiin. Monilla on jopa tason 4 tuotteita. NASAn maapallotietotiedot arkistoidaan yhteen hajautetusta aktiivisesta arkistokeskuksesta (DAAC).

Suurin osa tiedoista tallennetaan hierarkkisessa datamuodossa (HDF) tai verkon yhteisessä tietolomakkeessa (NetCDF).Lukuisat tietotyökalut ovat käytettävissä osajoukkoihin, muunnoksiin, visualisointiin ja viemiseen useisiin muihin tiedostomuotoihin.

Kun tiedot on käsitelty, niitä voidaan käyttää monissa sovelluksissa, maataloudesta vesivaroihin terveydelle ja muille. ilman laatu. Yksittäinen anturi ei käsittele kaikkia tutkimuksen kysymyksiä tietyssä sovelluksessa. Käyttäjien on usein hyödynnettävä useita antureita ja datatuotteita vastaamaan kysymykseensä, pitäen mielessä erilaisten spektraalisten, spatiaalisten ja ajallisten resoluutioiden tarjoamien tietojen rajoitukset.

Satelliittikuvien luominen

Monet anturit hankkivat tietoa eri spektriaallonpituuksilla. Esimerkiksi Landsat 8: n kaista yksi hankkii dataa 0,433-0,453 mikrometrillä ja MODIS: n kaista yksi hankkii tietoja 0,620-0,670 mikrometrillä. Landsat 8: lla on yhteensä 11 kaistaa, kun taas MODIS: llä on 36 kaistaa, jotka kaikki mittaavat sähkömagneettisen spektrin eri alueita. Bändejä voidaan yhdistää tuottamaan kuvia tiedoista paljastamaan maiseman eri piirteet. Usein datakuvia käytetään tutkittavan alueen ominaisuuksien erottamiseen tai tutkimusalueen määrittämiseen.

Todellisen värisen (punainen, sininen, vihreä (RGB)) kuva Landsatista, bändit 4 , 3, 2 yhdistetään vastaavasti; NASA / NOAA: n yhteisen Suomi National Polar-orbiting Partnership (Suomi NPP) Visible Infrared Imaging Radiometer Suite (VIIRS) -värikuvan kuva on punainen = kaista I1, vihreä = kaista M4, sininen = kaista M3. Todelliset värikuvat näyttävät maapallon sellaisena kuin näkisit sen ylhäältä. Muita yhdistelmiä voidaan kuitenkin käyttää tieteellisissä sovelluksissa – tulvien seurannasta kaupungistumisen rajaamiseen kasvillisuuden kartoittamiseen. Esimerkiksi VIIRS-tiedoilla väärän värikuvan (R = M11, G = I2, B = I1) luominen on hyödyllistä palovammojen erottamiseksi matalasta kasvillisuudesta tai paljaasta maaperästä sekä tulvineiden alueiden paljastamiseksi. Jos haluat nähdä lisää bändiyhdistelmiä Landsatilta, tutustu NASAn tieteelliseen visualisointistudioon Landsat Band Remix tai Earth Observatory Many Hues of London -artikkeliin. Katso muita yleisiä bändiyhdistelmiä Earth Observatoryn How to Interpret Common Walse-Color Images -sivulta Artikkeli tarjoaa yleisiä bändiyhdistelmiä, mutta tarjoaa myös käsityksen kuvien tulkinnasta.

Kuvien tulkinta

Kun tiedot on käsitelty kuviin vaihtelevilla kaistayhdistelmillä, ne voivat auttaa resurssien hallintaa koskevissa päätöksissä ja katastrofien arvioinnissa; kuvat on vain tulkittava. Aloittamiseen on olemassa muutama strategia (mukautettu Maan seurantakeskuksen artikkeliin Miten tulkita satelliittikuvaa).

1. Tunne mittakaava – on olemassa eri asteikot kuvan spatiaalisen resoluution perusteella ja kukin asteikko tarjoaa erilaisia tärkeitä piirteitä. Esimerkiksi tulvaa seurattaessa yksityiskohtainen, korkean resoluution näkymä näyttää, mitä koteja ja yrityksiä vesi ympäröi. Laajempi maisemanäkymä osoittaa, mitkä läänin tai pääkaupunkiseudun alueet ovat tulvan alla ja ehkä mistä vesi tulee. Vielä laajempi näkymä näyttäisi koko alueen – tulvan jokijärjestelmän tai vuoristoja ja laaksoja, jotka hallitsevat virtausta. Puolipallonäkymä näyttäisi tulvien yhteydessä olevien sääjärjestelmien liikkumisen.
2. Etsi kuvioita, muotoja ja tekstuureja – monia ominaisuuksia on helppo tunnistaa niiden kuvion tai muodon perusteella. Esimerkiksi maatalousalueet ovat muodoltaan hyvin geometrisia, yleensä ympyröitä tai suorakulmioita. Suorat viivat ovat tyypillisesti ihmisen tekemiä rakenteita, kuten tiet tai kanavat.
3. Määritä värit – kun käytetään väriä ominaisuuksien erottamiseen, on tärkeää tietää kuvan luomisessa käytetty kaistayhdistelmä. Todelliset tai luonnolliset värikuvat ovat pohjimmiltaan sellaisia, joita näemme omilla silmillämme, jos katsomme avaruudesta alaspäin. Vesi absorboi valoa, joten se näyttää tyypillisesti mustalta tai siniseltä; pinnalta heijastuva auringonvalo saattaa kuitenkin näyttää siltä harmaalta tai hopealta. Sedimentti voi vaikuttaa veden väriin, jolloin se näyttää ruskemmalta, samoin kuin levät, jolloin se näyttää vihreämmältä. Kasvillisuuden värit vaihtelevat vuodenajasta riippuen: keväällä ja kesällä se on tyypillisesti eloisa vihreä; syksyllä voi olla oranssi, keltainen ja rusketus; ja talvella voi olla enemmän ruskeita. Paljas maa on yleensä jonkin verran ruskeaa; se riippuu kuitenkin sedimentin mineraalikoostumuksesta. Kaupunkialueet ovat tyypillisesti harmaita laajasta betonista. Jää ja lumi ovat valkoisia, mutta myös pilvet. On tärkeää, kun värejä käytetään asioiden tunnistamiseen ja ympäröivien ominaisuuksien käyttämiseen asiayhteyteen.
4. Mieti mitä tiedät – tuntemalla havainneesi alue auttaa tunnistamaan nämä ominaisuudet.Esimerkiksi tieto siitä, että alue on äskettäin polttanut kulopalojen, voi auttaa selvittämään, miksi kasvillisuus voi näyttää hieman erilaiselta.

Kvantitatiivinen analyysi

Erilaisia maanpeittotyyppejä voi olla erotetaan helpommin käyttämällä kuvaluokitusalgoritmeja. Kuvaluokitus käyttää kunkin yksittäisen pikselin spektritietoja. Kuvaluokitusalgoritmeja käyttävä ohjelma voi ryhmitellä pikselit automaattisesti ns. Valvomattomaksi luokitukseksi. Käyttäjä voi myös ilmoittaa tunnetun maan peitetyypin alueet ”kouluttaakseen” ohjelman ryhmittelemään ne, kuten pikselit; tätä kutsutaan valvotuksi luokitukseksi. Kartat tai kuvat voidaan myös integroida maantieteelliseen tietojärjestelmään (GIS) ja sitten kukin pikseli voi Vertaa muihin GIS-tietoihin, kuten laskentatietoihin. Lisätietoja NASAn maapallotietojen integroimisesta GIS: iin on Earthdata GIS -sivulla.

Satelliiteissa on myös useita antureita, jotka mittaavat biogeofysikaalisia parametreja. , kuten merenpinnan lämpötila, typpidioksidi tai muut ilman epäpuhtaudet, tuulet, aerosolit ja biomassa. Nämä parametrit voidaan arvioida tilastollisilla ja spektrianalyysitekniikoilla.

Data Pathfinders

apuna sovellusten mukaisen tutkimuksen aloittamisessa etätunnistettua dataa käyttäen, Data Pathfinders tarjoaa tietotuotteiden valintaoppaan, joka keskittyy tietyille tieteenaloille ja soveltamisaloille, kuten edellä mainituille. videon suorat linkit yleisimmin käytettyihin aineistoihin ja datatuotteisiin NASA: n Earth Science -tietokokoelmista ja linkit työkaluihin, jotka tarjoavat erilaisia tapoja visualisoida tai jakaa osajoukkoja ja mahdollisuus tallentaa tiedot eri tiedostomuodoissa.