Fjernmåling er anskaffelse av informasjon på avstand. NASA observerer jorden og andre planetkropper via eksterne sensorer på satellitter og fly som oppdager og registrerer reflektert eller avgitt energi. Eksterne sensorer, som gir et globalt perspektiv og et vell av data om jordsystemer, muliggjør datainformert beslutningstaking basert på den nåværende og fremtidige tilstanden til planeten vår.

• Baner
• Observere med det elektromagnetiske spektrumet
• Sensorer
• Oppløsning
• Databehandling, tolkning og analyse
• Datastifinnere

Baner

Det er tre primære typer baner der satellitter befinner seg: polar; ikke-polær bane med lav jord og geostasjonær.

Polar-banende satellitter er i et baneplan som er skrått nesten 90 grader mot ekvatorialplanet. Denne tilbøyeligheten gjør at satellitten kan ane hele kloden, inkludert polarområdene, og gi observasjoner av steder som er vanskelige å nå via bakken. Mange polarbaserte satellitter regnes som solsynkrone, noe som betyr at satellitten passerer over samme sted på samme soltid hver syklus.

Polare baner kan være stigende eller synkende. I stigende baner beveger satellitter seg sør til nord når stien krysser ekvator. I fallende baner beveger satellitter seg nord til sør. Det felles NASA / NOAA Suomi National Polar-Orbiting Partnership (Suomi NPP) er et eksempel på en polar bane rundt satellitt som gir daglig dekning av kloden.

Ikke-polare baner med lave jordarter ligger i en høyde på typisk mindre enn 2000 km over jordoverflaten. (Som referanse kretser den internasjonale romstasjonen i en høyde på ~ 400 km.) Disse banene gir ikke global dekning, men dekker i stedet bare et delvis breddeområde. Global Precipitation Mission (GPM) er et eksempel på en ikke-polær satellitt med lav jordbane som dekker fra 65 grader nord til 65 grader sør.

Geostasjonære satellitter følger jordens rotasjon og beveger seg i samme hastighet. av rotasjonen; på grunn av dette ser satellittene ut til at en observatør på jorden er festet på ett sted. Disse satellittene fanger den samme utsikten over jorden ved hver observasjon, og gir nesten kontinuerlig dekning av ett område. Værsatellitter som Geostationary Operational Environmental Satellite (GOES) -serien er eksempler på geostasjonære satellitter.

Observasjon med det elektromagnetiske spektret

Elektromagnetisk energi, produsert av vibrasjon av ladede partikler, reiser i form av bølger gjennom atmosfæren og romets vakuum. Disse bølgene har forskjellige bølgelengder (avstanden fra bølgetopp til bølgetopp) og frekvenser; en kortere bølgelengde betyr en høyere frekvens. Noen, som radio, mikrobølgeovn og infrarøde bølger, har lengre bølgelengde, mens andre, for eksempel ultrafiolette, røntgenstråler og gammastråler, har en mye kortere bølgelengde. Synlig lys sitter midt i det området av lang til kortbølget stråling. Denne lille andelen energi er alt det menneskelige øye er i stand til å oppdage. Instrumentering er nødvendig for å oppdage alle andre former for elektromagnetisk energi. NASA-instrumentering bruker hele spektret til å utforske og forstå prosesser som forekommer her på jorden og på andre planetariske kropper.

Noen bølger absorberes eller reflekteres av elementer i atmosfæren, som vann damp og karbondioksid, mens noen bølgelengder tillater uhindret bevegelse gjennom atmosfæren; synlig lys har bølgelengder som kan overføres gjennom atmosfæren. Mikrobølgeenergi har bølgelengder som kan passere gjennom skyer; mange av våre vær- og kommunikasjonssatellitter utnytter dette.

Den primære energikilden som observeres av satellitter, er solen. Mengden av solens energi som reflekteres avhenger av overflatens ruhet og dens albedo, som er hvor godt en overflate reflekterer lys i stedet for å absorbere det.Snø har for eksempel en veldig høy albedo, som reflekterer opptil 90% av energien den mottar fra solen, mens havet bare reflekterer omtrent 6% og absorberer resten. Ofte, når energi absorberes, slippes den ut igjen, vanligvis med lengre bølgelengder. For eksempel slippes energien som absorberes av havet på nytt som infrarød stråling.

Alle ting på jorden reflekterer, absorberer eller overfører energi, hvis mengde varierer etter bølgelengde. Alt på jorden har et unikt spektral «fingeravtrykk», akkurat som fingeravtrykket ditt er unikt for deg. Forskere kan bruke denne informasjonen til å identifisere forskjellige jordfunksjoner, så vel som forskjellige bergarter og mineraltyper. Antall spektralbånd oppdaget av et gitt instrument , dens spektrale oppløsning, bestemmer hvor mye differensiering en forsker kan identifisere mellom materialer.

For mer informasjon om det elektromagnetiske spekteret, med ledsagende videoer, se NASAs Tour of the Electromagnetic Spectrum.

Sensorer

Sensorer, eller instrumenter, satellitter om bord og fly bruker solen som en kilde til belysning eller gir sin egen belysningskilde, og måler energien som reflekteres tilbake. Sensorer som bruker naturlig energi fra solen kalles passive sensorer; de som gir sin egen energikilde kalles aktive sensorer.

Passive sensorer inkluderer forskjellige typer radiometere (instrumenter som kvantitativt måler intensiteten av elektromagnetisk stråling i utvalgte bånd) og spektrometre (enheter som er designet for å oppdage, måle og analysere spektralinnholdet i reflektert elektromagnetisk stråling). De fleste passive systemer som brukes av applikasjoner for fjernmåling, opererer i de synlige, infrarøde, termiske infrarøde og mikrobølgedelene av det elektromagnetiske spekteret. Disse sensorene måler land- og sjøoverflatetemperatur, vegetasjonsegenskaper, sky- og aerosolegenskaper og andre fysiske egenskaper.

Merk at de fleste passive sensorer ikke kan trenge gjennom tett skydekke og dermed har begrensninger for å observere områder som tropene der tett skydekke er hyppig.

Aktive sensorer inkluderer forskjellige typer radiodeteksjon og rekkevidde ( radar) sensorer, høydemetere og scatterometre. De fleste aktive sensorer opererer i mikrobølgeovnbåndet i det elektromagnetiske spekteret, noe som gir dem muligheten til å trenge gjennom atmosfæren under de fleste forhold. Disse sensortypene er nyttige for å måle de vertikale profilene av aerosoler, skogstruktur, nedbør og vind, havoverflatestopografi og is, blant andre.

Earthdata-siden Remote Sensors gir en liste over alle NASAs Jordvitenskap passive og aktive sensorer. Hva er syntetisk blenderadar? gir spesifikk informasjon om denne typen aktiv radarsensor.

Oppløsning

Oppløsning spiller en rolle i hvordan data fra en sensor kan brukes. Avhengig av satellittens bane og sensordesign, kan oppløsningen variere. Det er fire typer oppløsninger som skal tas i betraktning for ethvert datasett – radiometrisk, romlig, spektral og tidsmessig.

Radiometrisk oppløsning er mengden informasjon i hver piksel, dvs. antall biter som representerer den registrerte energien. Hver bit registrerer en eksponent for kraft 2. For eksempel er en 8-biters oppløsning 28, noe som indikerer at sensoren har 256 potensielle digitale verdier (0-255) for å lagre informasjon. Jo høyere den radiometriske oppløsningen er, desto flere verdier er tilgjengelige for å lagre informasjon, noe som gir bedre diskriminering mellom selv de minste energiforskjellene. For eksempel når man vurderer vannkvaliteten, er radiometrisk oppløsning nødvendig for å skille mellom subtile forskjeller i havfarge.

Romlig oppløsning er definert av størrelsen på hver piksel i et digitalt bilde og området på jordoverflaten representert av den pikselet. For eksempel har flertallet av bandene observert av Moderate Resolution Imaging Spectroradiometer (MODIS), en romlig oppløsning på 1 km; hver piksel representerer et 1 km x 1 km område på bakken. MODIS inkluderer også bånd med en romlig oppløsning på 250 m eller 500 m. Jo finere oppløsning (jo lavere tall), jo flere detaljer kan du se. På bildet nedenfor kan du se forskjellen i pixelasjon mellom et 30 m / pikselbilde, et 100 m / pikselbilde og et 300 m / pikselbilde.

Spektral oppløsning er en sensors evne til å skjelne finere bølgelengder, det vil si å ha flere og smalere bånd. Mange sensorer anses å være multispektrale, noe som betyr at de har mellom 3-10 bånd. Sensorer som har hundrevis til og med tusenvis av band anses å være hyperspektrale. Jo smalere bølgelengdeområdet for et gitt bånd er, desto finere er spektraloppløsningen. For eksempel fanger Airborne Visible / Infrared Imaging Spectrometer (AVIRIS) informasjon i 224 spektralkanaler. Kuben til høyre representerer detaljene i dataene. På dette detaljnivået kan det skilles mellom berg- og mineraltyper, vegetasjonstyper og andre funksjoner. I kuben er den lille regionen med høy respons, øverst til høyre på bildet, i den røde delen av det synlige spekteret (ca. 700 nanometer), og skyldes tilstedeværelsen av 1 centimeter lang (halv tomme) ) rød saltlake reker i fordampningsdammen.

Temporal oppløsning er tiden det tar for en satellitt å fullføre en bane og besøke det samme observasjonsområdet. Denne oppløsningen avhenger av bane, sensorens egenskaper og skårbredden. Fordi geostasjonære satellitter samsvarer med hastigheten Jorden roterer med, er den tidsmessige oppløsningen mye finere, omtrent 30 – 1 min. Polar i bane rundt satellitter har en tidsoppløsning som kan variere fra 1 dag til 16 dager. For eksempel har MODIS en tidsoppløsning på 1-2 dager, slik at vi kan visualisere jorden når den endres dag for dag. Landsat har derimot en smalere skårbredde og en tidsoppløsning på 16 dager; viser ikke daglige endringer, men to månedlige endringer.

Hvorfor ikke bygge en høy romlig, spektral og tidsoppløsningssensor? Det er vanskelig å kombinere alle ønskelige funksjoner i en ekstern sensor; for å tilegne seg observasjoner med høy romlig oppløsning (som Landsat) kreves det en smalere del, noe som igjen krever mer tid mellom observasjoner av et gitt område, noe som resulterer i lavere tidsoppløsning. Forskere må avveie. Det er derfor det er veldig viktig å forstå hvilken type data som er nødvendig for et gitt studieområde. Når man undersøker været, som er veldig dynamisk over tid, er det viktig å ha en fin tidsoppløsning. Når man undersøker sesongens vegetasjonsendringer, kan en fin tidsoppløsning bli ofret for en høyere spektral og / eller romlig oppløsning.

Databehandling, tolkning og analyse

Fjernmålerdata hentet fra instrumenter ombord på satellitter krever behandling før dataene kan brukes av de fleste forskere og brukere av anvendt vitenskap. Mest rå NASA-jordobservasjonssatellittdata (Nivå 0, se databehandlingsnivåer) blir behandlet på SIPS-anlegg (Science Investigator-ledet Processing Systems). Alle data blir behandlet til minst nivå 1, men de fleste har tilknyttede nivå 2 (avledede geofysiske variabler) og nivå 3 (variabler kartlagt på ensartede romtidsnettet skalaer) produkter. Mange har til og med nivå 4-produkter. NASA Earth science data blir arkivert på et av de distribuerte aktive arkivsentrene (DAACs)

De fleste data lagres i formatet Hierarchical Data Format (HDF) eller Network Common Data Form (NetCDF).Tallrike dataverktøy er tilgjengelige for å undergruppe, transformere, visualisere og eksportere til forskjellige andre filformater.

Når data er behandlet, kan de brukes i en rekke applikasjoner, fra jordbruk til vannressurser til helse og luftkvalitet. En enkelt sensor vil ikke ta opp alle forskningsspørsmål i en gitt applikasjon. Brukere må ofte utnytte flere sensorer og dataprodukter for å løse spørsmålet sitt, med tanke på begrensningene til data gitt av forskjellige spektrale, romlige og tidsmessige oppløsninger.

Lage satellittbilder

Mange sensorer tilegner seg data med forskjellige spektrale bølgelengder. For eksempel får Landsat 8s bånd ett data på 0,433-0,453 mikrometer og MODISs bånd ett anskaffer data på 0,620-0,670 mikrometer. Landsat 8 har totalt 11 bånd mens MODIS har 36 bånd, som alle måler forskjellige regioner i det elektromagnetiske spekteret. Band kan kombineres for å produsere bilder av dataene for å avsløre forskjellige funksjoner i landskapet. Ofte brukes bilder av data for å skille karakteristikkene til en region som studeres eller for å bestemme et studieområde.

For et ekte fargebilde (rødt, blått, grønt (RGB)) bilde fra Landsat, bånd 4 , 3, 2 er kombinert henholdsvis; med NASA / NOAA felles Suomi National Polar-Orbiting Partnership (Suomi NPP) Visible Infrared Imaging Radiometer Suite (VIIRS), er et ekte fargebilde rødt = bånd I1, grønt = bånd M4, blått = bånd M3. Bilder i ekte farger viser jorden slik du ser den ovenfra. Andre kombinasjoner kan imidlertid brukes til spesifikke vitenskapelige anvendelser – fra flomovervåking til urbanisering avgrensning til vegetasjonskartlegging. For eksempel, med VIIRS-data, er det nyttig å opprette et falskfarget bilde (R = M11, G = I2, B = I1) for å skille brennearr fra lav vegetasjon eller bar jord, samt for å eksponere oversvømmede områder. For å se flere båndkombinasjoner fra Landsat, sjekk ut NASAs Scientific Visualization Studio Landsat Band Remix eller Earth Observatory Many Hues of London-artikkelen. For andre vanlige båndkombinasjoner, se Earth Observatory’s How to Interpret Common False-Color Images; artikkelen gir vanlige båndkombinasjoner, men gir også innsikt i å tolke bildene.

Bildetolkning

Når data er behandlet til bilder med varierende båndkombinasjoner, kan de hjelpe i ressursforvaltningsbeslutninger og katastrofevurdering; bildene trenger bare å tolkes. Det er noen få strategier for å komme i gang (tilpasset Earth Observatory’s How to Interpret a Satellite Image).

1. Kjenn skalaen – det er forskjellige skalaer basert på den romlige oppløsningen til bildet og hver skala gir forskjellige viktige funksjoner. For eksempel når du sporer en flom, vil en detaljert, høyoppløselig visning vise hvilke hjem og virksomheter som er omgitt av vann. Det bredere landskapet viser hvilke deler av et fylke eller storbyområde som er oversvømmet og kanskje hvor vannet kommer fra. Et enda bredere syn ville vise hele regionen – det oversvømmede elvesystemet eller fjellkjedene og dalene som styrer strømmen. En halvkulevisning viser bevegelsen til værsystemer som er koblet til flommene.
2. Se etter mønstre, former og teksturer – mange funksjoner er enkle å identifisere basert på mønster eller form. For eksempel har jordbruksområder veldig geometrisk form, vanligvis sirkler eller rektangler. Rette linjer er vanligvis menneskeskapte strukturer, som veier eller kanaler.
3. Definer farger – når du bruker farger for å skille mellom funksjoner, er det viktig å kjenne båndkombinasjonen som brukes til å lage bildet. Ekte eller naturlige fargebilder er i utgangspunktet det vi ser med egne øyne hvis vi ser ned fra verdensrommet. Vann absorberer lys, så det ser vanligvis ut som svart eller blått. sollys som reflekterer fra overflaten, kan imidlertid få det til å se grått eller sølv ut. Sediment kan påvirke vannfargen, slik at den ser mer brun ut, som alger, slik at den ser mer grønn ut. Vegetasjonen varierer i farger avhengig av årstid: om våren og sommeren er den vanligvis en levende grønn; høsten kan ha oransje, gul og brunfarge; og vinteren kan ha mer brunt. Bare bakken er vanligvis en skygge av brun; det avhenger imidlertid av sedimentets mineralsammensetning. Byområder er vanligvis grå fra den omfattende betongen. Is og snø er hvite, men det er også skyer. Det er viktig når du bruker farger for å identifisere ting for å bruke omkringliggende funksjoner for å sette ting i sammenheng.
4. Tenk på det du vet – å ha kunnskap om området du observerer, hjelper til med å identifisere disse funksjonene.For eksempel kan det å vite at området nylig ble brent av et brannfell være med på å avgjøre hvorfor vegetasjon kan se litt annerledes ut.

Kvantitativ analyse

Ulike landdekningstyper kan være diskrimineres lettere ved å bruke bildeklassifiseringsalgoritmer. Bildeklassifisering bruker spektralinformasjonen til hver enkelt piksel. Et program som bruker algoritmer for bildeklassifisering, kan automatisk gruppere pikslene i det som kalles en ukontrollert klassifisering. Brukeren kan også indikere områder av kjent landdekningstype for å «trene» programmet for å gruppere slike som piksler, dette kalles en overvåket klassifisering. Kart eller bilder kan også integreres i et geografisk informasjonssystem (GIS), og deretter kan hver piksel kan sammenlignes med andre GIS-data, for eksempel folketellingsdata. For mer informasjon om integrering av NASAs jordvitenskapelige data i et GIS, sjekk ut GIS-siden for Earthdata.

Satellitter har også ofte en rekke sensorer som måler biogeofysiske parametere. , som havoverflatetemperatur, nitrogendioksid eller andre luftforurensende stoffer, vind, aerosoler og biomasse. Disse parametrene kan evalueres ved hjelp av statistiske og spektrale analyseteknikker.

Datastifinner

Til Data Pathfinders gir hjelp til å komme i gang med applikasjonsbasert forskning ved hjelp av ekstern data, og gir en dataproduktvalgguide med fokus på spesifikke vitenskapsdisipliner og applikasjonsområder, som de som er nevnt ovenfor. vide direkte lenker til de mest brukte datasettene og dataproduktene fra NASAs jordvitenskapelige datasamlinger og lenker til verktøy som gir forskjellige måter å visualisere eller sette under data på, med muligheten til å lagre dataene i forskjellige filformater.