Fjärranalys är förvärv av information på distans. NASA observerar jorden och andra planetkroppar via fjärrsensorer på satelliter och flygplan som upptäcker och registrerar reflekterad eller emitterad energi. Fjärrsensorer, som ger ett globalt perspektiv och en mängd data om jordens system, möjliggör informationsbeslut baserat på det nuvarande och framtida tillståndet på vår planet.

• Banor
• Observera med det elektromagnetiska spektrumet
• Sensorer
• Upplösning
• Databehandling, tolkning och analys
• Datasökare

Banor

Det finns tre primära banor där satelliter finns: polar; icke-polär, låg jordbana och geostationär.

Polarbana-satelliter befinner sig i ett omloppsplan som lutar nästan 90 grader mot ekvatorialplanet. Denna lutning gör det möjligt för satelliten att känna av hela världen, inklusive polarområdena, och ge observationer av platser som är svåra att nå via marken. Många polarbana-satelliter betraktas som solsynkrona, vilket innebär att satelliten passerar över samma plats vid samma soltid varje cykel.

Polära banor kan gå uppåt eller nedåt. I stigande banor rör sig satelliter söderut till norr när deras väg korsar ekvatorn. I fallande banor rör sig satelliter norr till söder. Det gemensamma NASA / NOAA Suomi National Polar-Orbiting Partnership (Suomi NPP) är ett exempel på en polar kretsande satellit som ger daglig täckning över hela världen.

Icke-polära banor med låg jord ligger normalt i en höjd av mindre än 2000 km över jordytan. (Som referens kretsar den internationella rymdstationen i en höjd av ~ 400 km.) Dessa banor ger inte global täckning utan täcker istället endast ett delvis breddintervall. Global Precipitation Mission (GPM) är ett exempel på en opolär satellit med låg jordbana som täcker från 65 grader norr till 65 grader söder.

Geostationära satelliter följer jordens rotation och färdas i samma takt av rotationen; på grund av detta verkar satelliterna för en observatör på jorden vara fixerade på en plats. Dessa satelliter fångar samma utsikt över jorden vid varje observation och ger nästan kontinuerlig täckning av ett område. Vädersatelliter som Geostationary Operational Environmental Satellite (GOES) -serien är exempel på geostationära satelliter.

Observera med det elektromagnetiska spektrumet

Elektromagnetisk energi, producerad av vibrationer av laddade partiklar, resor i form av vågor genom atmosfären och rymdets vakuum. Dessa vågor har olika våglängder (avståndet från vågtopp till vågtopp) och frekvenser; en kortare våglängd betyder en högre frekvens. Vissa, som radio, mikrovågsugn och infraröda vågor, har en längre våglängd, medan andra, såsom ultravioletta, röntgen- och gammastrålar, har en mycket kortare våglängd. Synligt ljus sitter mitt i det intervallet av lång till kortvågstrålning. Den här lilla delen av energi är allt som det mänskliga ögat kan upptäcka. Instrument behövs för att upptäcka alla andra former av elektromagnetisk energi. NASA-instrument använder hela spektrumet för att utforska och förstå processer som förekommer här på jorden och på andra planetkroppar.

Vissa vågor absorberas eller reflekteras av element i atmosfären, som vatten ånga och koldioxid, medan vissa våglängder möjliggör obegränsad rörelse genom atmosfären; synligt ljus har våglängder som kan överföras genom atmosfären. Mikrovågsenergi har våglängder som kan passera genom moln; många av våra väder- och kommunikationssatelliter utnyttjar detta.

Den primära energikällan som observeras av satelliter är solen. Mängden av solens energi som reflekteras beror på ytans ojämnhet och dess albedo, vilket är hur väl en yta reflekterar ljus istället för att absorbera det.Snö har till exempel en mycket hög albedo, vilket återspeglar upp till 90% av den energi den får från solen, medan havet bara reflekterar cirka 6% och absorberar resten. När energi absorberas släpps den ofta ut, vanligtvis vid längre våglängder. Till exempel utsöndras den energi som absorberas av havet som infraröd strålning.

Alla saker på jorden reflekterar, absorberar eller överför energi, vars mängd varierar med våglängden. Allt på jorden har ett unikt spektralt ”fingeravtryck”, precis som ditt fingeravtryck är unikt för dig. Forskare kan använda denna information för att identifiera olika jordfunktioner, liksom olika berg- och mineraltyper. Antalet spektralband som detekteras av ett givet instrument , dess spektrala upplösning, avgör hur mycket differentiering en forskare kan identifiera mellan material.

För mer information om det elektromagnetiska spektrumet med kompletterande videor, se NASAs Tour of the Electromagnetic Spectrum.

Sensorer

Sensorer, eller instrument, satelliter ombord och flygplan använder solen som en belysningskälla eller ger sin egen belysningskälla och mäter den energi som reflekteras tillbaka. Sensorer som använder naturlig energi från solen kallas passiva sensorer; de som tillhandahåller sin egen energikälla kallas aktiva sensorer.

Passiva sensorer inkluderar olika typer av radiometrar (instrument som kvantitativt mäter intensiteten hos elektromagnetisk strålning i utvalda band) spektrometrar (enheter som är utformade för att detektera, mäta och analysera spektralinnehållet i reflekterad elektromagnetisk strålning). De flesta passiva system som används av fjärranalysapplikationer fungerar i de synliga, infraröda, termiska infraröda och mikrovågsdelarna av det elektromagnetiska spektrumet. Dessa sensorer mäter ytan på land och hav, vegetationsegenskaper, moln- och aerosolegenskaper och andra fysiska egenskaper.

Observera att de flesta passiva sensorer inte kan tränga igenom tätt molntäcke och därför har begränsningar som observerar områden som tropikerna där täta molntäckningar är frekventa.

Aktiva sensorer inkluderar olika typer av radiodetektering och intervall ( radar) sensorer, höjdmätare och spridningsmätare. Majoriteten av aktiva sensorer arbetar i mikrovågsbandet i det elektromagnetiska spektrumet, vilket ger dem möjlighet att tränga in i atmosfären under de flesta förhållanden. Dessa typer av sensorer är användbara för att mäta de vertikala profilerna av aerosoler, skogsstruktur, nederbörd och vindar, havsytopografi och is, bland andra.

Earthdata-sidan Remote Sensors ger en lista över alla NASAs Jordvetenskap passiva och aktiva sensorer. Vad är syntetisk bländarradar? ger specifik information om denna typ av aktiv radarsensor.

Upplösning

Upplösning spelar en roll för hur data från en sensor kan användas. Beroende på satellitens bana och sensordesign kan upplösningen variera. Det finns fyra typer av upplösning att tänka på för varje dataset – radiometrisk, rumslig, spektral och tidsmässig.

Radiometrisk upplösning är mängden information i varje pixel, dvs antalet bitar som representerar den inspelade energin. Varje bit registrerar en exponent av effekt 2. Till exempel är en 8-bitars upplösning 28, vilket indikerar att sensorn har 256 potentiella digitala värden (0-255) för att lagra information. Ju högre den radiometriska upplösningen är, desto fler värden finns tillgängliga för att lagra information, vilket ger bättre diskriminering mellan även de minsta skillnaderna i energi. När man till exempel bedömer vattenkvaliteten är radiometrisk upplösning nödvändig för att skilja mellan subtila skillnader i havsfärg.

Rumslig upplösning definieras av storleken på varje pixel i en digital bild och det område på jordytan som representeras av den pixeln. Till exempel har majoriteten av band som observerats av Moderate Resolution Imaging Spectroradiometer (MODIS) en rumslig upplösning på 1 km; varje pixel representerar ett 1 km x 1 km område på marken. MODIS inkluderar också band med en rumslig upplösning på 250 m eller 500 m. Ju finare upplösningen (ju lägre siffra), desto mer detaljer kan du se. I bilden nedan kan du se skillnaden i pixel mellan en 30 m / pixelbild, en 100 m / pixelbild och en 300 m / pixelbild.

Spektral upplösning är en sensors förmåga att urskilja finare våglängder, det vill säga att ha fler och smalare band. Många sensorer anses vara multispektrala, vilket innebär att de har mellan 3-10 band. Sensorer som har hundratals till och med tusentals band anses vara hyperspektrala. Ju smalare våglängderna för ett givet band är, desto finare blir spektralupplösningen. Till exempel fångar den luftburna synliga / infraröda bildspektrometern (AVIRIS) information i 224 spektralkanaler. Kuben till höger representerar detaljerna i data. På denna detaljnivå kan man skilja mellan berg- och mineraltyper, vegetationstyper och andra särdrag. I kuben är den lilla regionen med hög respons, längst upp till höger på bilden, i den röda delen av det synliga spektrumet (cirka 700 nanometer) och beror på närvaron av 1 centimeter lång (halv tum) ) röda saltlake räkor i avdunstningsdammen.

Temporal upplösning är den tid det tar för en satellit att slutföra en bana och återvända till samma observationsområde. Denna upplösning beror på banan, sensorns egenskaper och strängbredd. Eftersom geostationära satelliter matchar den hastighet med vilken jorden roterar är den tidsmässiga upplösningen mycket finare, cirka 30 – 1 min. Polära kretssatelliter har en tidsupplösning som kan variera från 1 dag till 16 dagar. Till exempel har MODIS en tidsupplösning på 1-2 dagar, vilket gör att vi kan visualisera jorden när den förändras dag för dag. Landsat har å andra sidan en smalare strängbredd och en tidsupplösning på 16 dagar; visar inte dagliga ändringar utan tvåmånadersändringar.

Varför inte bygga en hög rumslig, spektral och tidsupplösande sensor? Det är svårt att kombinera alla önskade funktioner i en fjärrsensor; för att förvärva observationer med hög rumslig upplösning (som Landsat) krävs en smalare sträng, vilket i sin tur kräver mer tid mellan observationer av ett visst område vilket resulterar i en lägre tidsupplösning. Forskare måste göra avvägningar. Det är därför det är mycket viktigt att förstå vilken typ av data som behövs för ett visst studieområde. När man undersöker väder, som är väldigt dynamiskt över tid, är det avgörande att ha en fin tidsupplösning. När man forskar på säsongsbetonade vegetationsförändringar kan en fin tidsupplösning offras för en högre spektral och / eller rumslig upplösning.

Databehandling, tolkning och analys

Fjärranalysdata som erhållits från instrument ombord på satelliter krävs bearbetning innan data kan användas av de flesta forskare och användare av tillämpad vetenskap. De mest råa NASA-jordobservationssatellitdata (nivå 0, se databehandlingsnivåer) bearbetas vid Science Investigator-ledda processsystem (SIPS). All data bearbetas till åtminstone en nivå 1, men de flesta har associerade produkter från nivå 2 (härledda geofysiska variabler) och nivå 3 (variabler kartlagda på enhetliga rutnätskalor). Många har till och med nivå 4-produkter. NASA-geovetenskapliga data arkiveras på ett av de distribuerade aktiva arkivcentralen (DAAC)

De flesta data lagras i formatet Hierarchical Data Format (HDF) eller NetCDF (Network Common Data Form).Många dataverktyg är tillgängliga för delmängd, transformering, visualisering och export till olika andra filformat.

När data har bearbetats kan de användas i en mängd olika applikationer, från jordbruk till vattenresurser till hälsa och luftkvalitet. En enda sensor kommer inte att ta itu med alla forskningsfrågor inom en given applikation. Användare behöver ofta utnyttja flera sensorer och dataprodukter för att ta itu med sin fråga, med tanke på begränsningarna i data som tillhandahålls av olika spektral-, rums- och tidsupplösningar.

Skapa satellitbilder

Många sensorer får data med olika spektrala våglängder. Till exempel förvärvar Landsat 8: s band ett data på 0,433-0,453 mikrometer och MODIS: s band ett samlar in data på 0,620-0,670 mikrometer. Landsat 8 har totalt 11 band medan MODIS har 36 band, som alla mäter olika regioner i det elektromagnetiska spektrumet. Band kan kombineras för att producera bilder av data för att avslöja olika funktioner i landskapet. Ofta används bilder av data för att skilja egenskaperna hos en region som studeras eller för att bestämma ett studieområde.

För en sann färg (röd, blå, grön (RGB)) bild från Landsat, band 4 , 3, 2 kombineras respektive; med NASA / NOAA: s gemensamma Suomi National Polar-Orbiting Partnership (Suomi NPP) Synlig Infraröd Imaging Radiometer Suite (VIIRS) är en äkta färgbild röd = Band I1, Grön = Band M4, Blå = Band M3. Bilder i äkta färg visar jorden som du skulle se den ovanifrån. Andra kombinationer kan dock användas för specifika vetenskapliga tillämpningar – från översvämningsövervakning till urbaniseringsavgränsning till vegetationskartläggning. Med VIIRS-data är det till exempel användbart att skapa en falskfärgad bild (R = M11, G = I2, B = I1) för att särskilja brännärr från låg vegetation eller bar jord samt för att exponera översvämmade områden. För att se fler bandkombinationer från Landsat, kolla in artikeln NASA Scientific Visualization Studio Landsat Band Remix eller artikeln Earth Observatory Many Hues of London. För andra vanliga bandkombinationer, se Earth Observatory’s How to Interpret Common False-Color Images; artikeln ger vanliga bandkombinationer men ger också insikt i tolkningen av bilderna.

Bildtolkning

När data har bearbetats till bilder med varierande bandkombinationer kan de hjälpa i beslut om resurshantering och katastrofbedömning; bilderna behöver bara tolkas. Det finns några strategier för att komma igång (anpassad från Earth Observatory’s How to Interpreting a Satellite Image).

1. Känn skalan – det finns olika skalor baserat på bildens rumsliga upplösning och varje skala ger olika viktiga funktioner. När du till exempel spårar en översvämning, visar en detaljerad vy med hög upplösning vilka hem och företag som är omgivna av vatten. Den bredare landskapsbilden visar vilka delar av ett län eller storstadsområde som är översvämmade och kanske var vattnet kommer ifrån. En ännu bredare vy skulle kunna visa hela regionen – det översvämmade flodsystemet eller bergskedjorna och dalarna som styr flödet. En halvklotisk vy visar rörelserna för vädersystem kopplade till översvämningarna.
2. Leta efter mönster, former och texturer – många funktioner är lätta att identifiera utifrån deras mönster eller form. Till exempel har jordbruksområden mycket geometrisk form, vanligtvis cirklar eller rektanglar. Raka linjer är vanligtvis konstgjorda strukturer, som vägar eller kanaler.
3. Definiera färger – när du använder färg för att särskilja funktioner är det viktigt att känna till den kombination av band som används för att skapa bilden. Sanna eller naturfärgade bilder är i princip vad vi skulle se med våra egna ögon om vi tittade ner från rymden. Vatten absorberar ljus så det ser typiskt ut som svart eller blått. dock kan solljus som reflekterar från ytan få den att se grå eller silver ut. Sediment kan påverka vattenfärgen, vilket gör att den verkar mer brun, liksom alger, vilket gör att den verkar mer grön. Vegetationen varierar i färg beroende på säsong: på våren och sommaren är den vanligtvis en levande grön; hösten kan ha orange, gul och solbränna; och vintern kan ha mer brunt. Bare mark är vanligtvis något nyans av brunt; det beror dock på sedimentets mineralkomposition. Stadsområdena är vanligtvis gråa från den omfattande betongen. Is och snö är vita, men också moln. Det är viktigt när du använder färg för att identifiera saker för att använda omgivande funktioner för att sätta saker i sammanhang.
4. Tänk på vad du vet – att ha kunskap om det område du observerar hjälper till att identifiera dessa funktioner.Att veta att området nyligen brändes av ett löpeld kan till exempel hjälpa till att avgöra varför vegetationen kan se lite annorlunda ut.

Kvantitativ analys

Olika typer av marköverdrag kan vara diskrimineras lättare med hjälp av bildklassificeringsalgoritmer. Bildklassificering använder spektralinformation för varje enskild pixel. Ett program som använder bildklassificeringsalgoritmer kan automatiskt gruppera pixlarna i det som kallas en oövervakad klassificering. Användaren kan också ange områden av känd landtäcktyp för att ”träna” programmet för att gruppera sådana som pixlar, detta kallas en övervakad klassificering. Kartor eller bilder kan också integreras i ett geografiskt informationssystem (GIS) och sedan kan varje pixel kan jämföras med andra GIS-data, till exempel folkräkningsdata. För mer information om att integrera NASA-geovetenskapsdata i ett GIS, kolla in GIS-sidan för Earthdata.

Satelliter har ofta en mängd sensorer som mäter biogeofysiska parametrar. , såsom havsytemperatur, kvävedioxid eller andra atmosfäriska föroreningar, vindar, aerosoler och biomassa. Dessa parametrar kan utvärderas med hjälp av statistiska och spektrala analystekniker.

Data Pathfinders

To hjälp för att komma igång med applikationsbaserad forskning med hjälp av fjärranalys av data, Data Pathfinders tillhandahåller en dataproduktvalguide fokuserad på specifika vetenskapsdiscipliner och applikationsområden, såsom de som nämns ovan. Pathfinders pro video direktlänkar till de mest använda datauppsättningarna och dataprodukterna från NASA: s datavetenskap för geovetenskap och länkar till verktyg som ger olika sätt att visualisera eller underdela data, med möjlighet att spara data i olika filformat.