どのリモートセンシング衛星が植生範囲のマッピングに最適か


15

私は現在、リモートセンシングクラスの課題を書いていますが、正解はあると思いますが、生計のためにこのようなことをする人はどう思うかと思っていました。

問題は:どの衛星が Landsat TM(Thematic Mapper)およびSPOT 5のを使用して300km x 300kmの調査範囲の一般的な範囲をマッピングするかです。

私の答えは、SPOT 5を使用すると解像度が高くなり、Landsat TMの30m解像度に比べてより細かい範囲を取得できるようになるということでした。ただし、SPOT 5のスワス領域は小さいため、より多くの画像を使用する必要があります。SPOT 5での2200kmのVMI帯についても考えましたが、解像度は1kmです。

考え?


専用のリモートセンシングstackechangeの場合:area51.stackexchange.com/proposals/59346/remote-sensing
WAF

回答:


17

私は@vascobnunesの意見に同意しますが、特定のオブジェクトを定義したい場合は、LANDSAT TMを使用する必要があります。植生にはLANDSAT TM(以下の説明で同じ情報を提供しました)を使用する必要があります。

この場合の重要なことrelative spectral response (RSR)は、衛星を見ることです。

相対スペクトル応答(RSR)測定値は、共通のフィルターでカバーされるすべての検出器で一定であると想定され、単一のATピーク応答に正規化されます。現在、軌道上または地上の測定値からスペクトルの安定性を経時的に確認する方法はありません。

(情報源:ジョンバーク博士)

RSRに加えてtemporal resolution、反復的なデータ収集サイクルにとって非常に重要です...

これは、LANDSAT TMの相対的なスペクトル応答です。

応答

情報があり、ここでセンサ-特定の相対スペクトル応答関数によって引き起こさNDVI-違いの評価について。

要約はこちら:

正規化された差異植生指数(NDVI)は、土地表面のダイナミクスと環境変化を監視するために最も頻繁に使用されるリモートセンシングベースのインジケーターです。センサーの特性が異なるため、NDVI値は記録システムによって異なります。この調査では、マルチセンサーNDVIデータの解釈を複雑にする可能性があるスペクトルセンサー特性の要因に焦点を当てています。したがって、Landsat 5TM、QuickBird、およびSPOT5のマルチスペクトルバンドは、ハイパースペクトルデータからシミュレートされました。これらのシミュレートされたデータセットは、センサージオメトリ、大気条件、地形、空間分解能などの同一の特性(スペクトルを除く)を示します。これにより、異なるスペクトル特性の要因によって引き起こされるNDVIの違いを直接比較できます。

このドキュメントから、NIRとレッドバンドのスペクトル値についてまとめました...

応答

Landsat 5TM、QuickBird、およびSPOT5の赤および近赤外帯域の相対スペクトル応答関数と2つの典型的な土地被覆スペクトル。

結果 :

特にNIR領域では、センサーのRSR機能は互いに異なります。Landsat 5TMおよびSPOT5の赤とNIRバンド間のギャップは、オーバーラップさえ存在するQuickBirdバンド間のギャップよりも広いことが顕著です。


response3

センサーの赤(a)および近赤外線(b)帯域の相対的なスペクトル応答関数のセンサー関連の差異(%)。

結果:

QuickBirdとSPOT5の赤いバンドは非常に似ていますが、これらのセンサーのNIRバンドは、0.77µmで最大80%以上の差を示しています。NIRバンドには大きな違いがあるため、これらのバンドのRSR機能は、赤いバンドのRSR機能よりもNDVIに大きく影響します。

私はそれがあなたを助けることを願っています...


10

SPOT 5とLandsat TMのみを選択できる場合、お金は問題にならず、30 000haの小さなエリアでは、SPOT5が最良の選択であることに同意しますが、Landsatにはいくつかの強力な利点があります。

SPOT5:

  • 2.5 mの空間分解能
  • 3つのスペクトルバンド(緑、赤、近赤外線)
  • 新規取得の場合、1平方キロメートルあたり約2,64ユーロ
  • 良い再訪時間
  • 最大の利点:解像度の向上、非常に高い空間詳細マッピングに最適

ランドサットTM

  • 30mの空間解像度
  • 7つのスペクトルバンド(R、G、B、NIR、MIR、TIR、FIR)
  • 1平方キロメートルあたり約0.5ユーロ
  • 最大の利点:優れた主題識別に理想的な優れたスペクトル情報。価格

また、Rapideye、Aster、またはLISS-IVを使用することもできます。

乾杯、バスコ・ヌネス


両方ともNIRバンドを持っているため、どちらも植生分析に適しています。より詳細な情報を得るには、Landsat 7〜15mの解像度でパンシャープンを行います(このバンドはしばしば画像で提供されます)Landsat 7では、バンドを組み合わせて自然な色を実現できます。正しく覚えていれば、SPOT 5には当てはまらないと思います。カラーバンドを何らかの方法で再計算して、自然な色をシミュレートすることができます。私はこれを行ったことを覚えていますが、私の水域はまだ青よりも紫でした。また、価格は場所に依存することを付け加えたかった。カナダでは、Landsat 7とSPOT 5の両方を無料で使用できます。
ヤクブSisak GeoGraphics

Landsat 5 TMは、参照される衛星であったため、約30mの解像度です。しかし、私はランドサットのより豊かさに同意します。しかし、アイデアは、植生が存在する場所を自動的にマッピングすることだけでした。そして、あなたが言ったように、その点で、両方ともNDVIを生成できます。SPOTは、より良い空間解像度を提供します。無料のSPOT 5画像?!それはすばらしい!
vascobnunes

2
植生/非植生を区別する必要がある場合、いずれかのセンサーからのNDVIが機能します。Landsatは、植生タイプをさらに分類するための優れた機能を提供する必要があります。分析を行う場合、データに対して行うのは非常に有害です。
デビッド

+1 re。デビッドの鋭いコメント。@vascobnunes SPOT 5のマルチスペクトル解像度は10m(G、R、NIR)および20m(MIR)です。パンクロマティックバンドのみが2.5mです。
user2856

パンシャープニングコメントについての@David:実際、画像のスペクトル情報を分析する場合(自動分類など)、ピクセルの元の値(DN)を変更しない方がよいでしょう。しかし、視覚的な解釈/分類、または自動セグメンテーションを実行する場合は、パンシャープン画像を使用すると非常に便利です。
vascobnunes

2

Landsatで自動分類を行いたい場合は、2.5 mの解像度の画像の自動分類(領域の種類と多様性に応じて)は、本当に得意でない限り、多くのアーティファクトに対処すると思います。 )。

そのようなデータセットの目的は、考慮すべき主なものです。ただ視覚化?非常に詳細な面積計算?近接分析?データセットで表現したい最小の植生領域は何ですか?あなたのタイムスケールと労働力は何ですか?それがあなたの質問に対する答えを与えるはずです。

多くの考慮すべき事項とそのようなプロジェクトの目的が主なガイダンスです。


ええ、課題の質問のスコープとしてそれらのものがあれば、答えは簡単ですが、それは本当に終わりました。
ネイサンW
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.