Welcher Fernerkundungssatellit eignet sich am besten für die Kartierung der Vegetationsausdehnung?

Ich schreibe gerade einen Auftrag für meine Fernerkundungsklasse und während ich denke, dass ich die richtige Antwort habe, habe ich mich gefragt, was Leute denken, die dieses Zeug für ihren Lebensunterhalt machen.

Die Frage ist: Welchen Satelliten aus Landsat TM (Thematic Mapper) und SPOT 5 würden Sie verwenden, um die allgemeine Ausdehnung eines 300 km x 300 km großen Untersuchungsgebiets abzubilden.

Meine Antwort war, dass Sie den SPOT 5 verwenden würden, da er eine höhere Auflösung hat und Sie eine feinere Ausdehnung gegenüber der 30-m-Auflösung des Landsat TM erhalten würden. Der SPOT 5 hat jedoch einen kleinen Schwadbereich, sodass Sie mehr Bilder verwenden müssen. Ich habe auch über den 2200 km langen VMI-Streifen auf dem SPOT 5 nachgedacht, aber die Auflösung beträgt 1 km.

Gedanken?

remote-sensing satellite landsat

— Nathan W
quelle

Für einen dedizierten Fernerkundungsstapel: area51.stackexchange.com/proposals/59346/remote-sensing

— WAF

Antworten:

Ich stimme der Meinung von @vascobnunes zu, aber wenn Sie bestimmte Objekte definieren möchten, müssen Sie LANDSAT TM verwenden, da mehr Klassifizierung mehr Bänder als (R, G, B, NIR, MIR, TIR, FIR) erfordert Sie sollten LANDSAT TM (die gleichen Informationen habe ich in der folgenden Erklärung angegeben) für die Vegetation verwenden.

In diesem Fall ist es wichtig, dass Sie sich relative spectral response (RSR)Ihren Satelliten ansehen .

Relative spektrale Antwort (RSR) -Messungen werden für alle von einem gemeinsamen Filter abgedeckten Detektoren als konstant angenommen und auf eine AT-Spitzenantwort von 1 normiert. Derzeit gibt es keine Methoden, um die spektrale Stabilität über die Zeit zu überprüfen, weder bei Messungen im Orbit noch bei Messungen am Boden.

(Quelle: Dr. John Barke)

Zusätzlich zu RSR temporal resolutionist es so wichtig für sich wiederholende Datenerfassungszyklen ...

Dies ist die relative spektrale Antwort für LANDSAT TM:

Antwort

Es gibt eine Information hier über Bewertung der NDVI- Unterschiede verursacht durch sensorspezifischen relative spektrale Antwortfunktionen.

Abstract ist hier:

Der Normalized Difference Vegetation Index (NDVI) ist der am häufigsten verwendete fernerkundungsbasierte Indikator zur Überwachung der Dynamik von Landoberflächen und Umweltveränderungen. Aufgrund unterschiedlicher Sensoreigenschaften variieren die NDVI-Werte je nach Aufzeichnungssystem. Diese Studie konzentriert sich auf den Faktor der spektralen Sensoreigenschaften, der die Interpretation multisensoraler NDVI-Daten erschweren kann. Daher wurden multispektrale Banden von Landsat 5TM, QuickBird und SPOT5 aus hyperspektralen Daten simuliert. Diese simulierten Datensätze zeigen (außer spektral) identische Eigenschaften wie Sensorgeometrie, atmosphärische Bedingungen, Topographie und räumliche Auflösung. Dies ermöglicht einen direkten Vergleich von NDVI-Unterschieden, die durch den Faktor unterschiedlicher spektraler Eigenschaften verursacht werden.

Aus diesem Dokument habe ich für Sie eine Zusammenfassung der Spektralwerte für NIR und Red Band erstellt ...

Antwort

Relative spektrale Antwortfunktionen der Rot- und Nahinfrarotbänder von Landsat 5TM, QuickBird und SPOT5 mit 2 typischen Landbedeckungsspektren.

Das Ergebnis :

Insbesondere im NIR-Bereich unterscheiden sich die RSR-Funktionen der Sensoren voneinander. Auffällig ist, dass die Lücke zwischen dem roten und dem NIR-Band von Landsat 5TM sowie von SPOT5 größer ist als die Lücke zwischen den QuickBird-Bändern, in denen sogar eine Überlappung besteht.

response3

Sensorbezogene Unterschiede (%) der relativen spektralen Antwortfunktionen der roten (a) und nahen Infrarotbänder (b) der Sensoren.

Das Ergebnis:

Während die roten Bänder von QuickBird und SPOT5 sehr ähnlich sind, weisen die NIR-Bänder dieser Sensoren die größten Unterschiede von bis zu über 80% bei 0,77 µm auf. Aufgrund der großen Unterschiede zwischen den NIR-Bändern wirken sich die RSR-Funktionen dieser Bänder stärker auf den NDVI aus als die der roten Bänder.

Ich hoffe es hilft dir ...

— Aragon
quelle

Wenn Sie nur SPOT 5 und Landsat TM zur Auswahl haben, ist Geld kein Problem und für eine kleine Fläche von 30.000 ha würde ich zustimmen, dass SPOT5 die beste Wahl ist, obwohl Landsat einige starke Vorteile hätte:

SPOT5:

2,5 m räumliche Auflösung
3 Spektralbänder (grün, rot, nahes Infrarot)
ca. 2,64 € pro km² für Neuanschaffungen
gute Überarbeitungszeit
größter vorteil: bessere auflösung, ideal für sehr hohe räumliche detailabbildung

Landsat TM

30 m räumliche Auflösung
7 Spektralbänder (R, G, B, NIR, MIR, TIR, FIR)
ungefähr 0,5 € pro km²
größter Vorteil: bessere Spektralinformationen, ideal für eine bessere thematische Diskriminierung; Preis

Sie hätten auch gute Möglichkeiten mit Rapideye, Aster oder LISS-IV.

Prost, Vasco Nunes

— vascobnunes
quelle

Beide haben NIR-Banden, so dass beide für die Vegetationsanalyse geeignet sind. Um mehr Details zu erhalten, können Sie die Auflösung von Landsat 7 auf 15 m schwenken (dieses Band wird oft mit Bildern versehen). Mit Landsat 7 können Sie Bänder kombinieren, um auch natürliche Farben zu erzielen. Wenn ich mich richtig erinnere, glaube ich, dass dies bei SPOT 5 nicht der Fall ist. Es ist möglich, die Farbbänder irgendwie neu zu berechnen, um natürliche Farben zu simulieren. Ich erinnere mich, dass ich das getan habe, aber mein Wasserkörper war immer noch lila als blau. Wollte auch hinzufügen, dass der Preis vom Standort abhängt. In Kanada können sowohl Landsat 7 als auch SPOT 5 kostenlos verwendet werden.

— Jakub Sisak GeoGraphics

Landsat 5 TM war der Satellit, auf den verwiesen wurde, also ~ 30 m Auflösung. Aber ich stimme dem höheren Reichtum von Landsat zu. Die Idee war jedoch, automatisch zu kartieren, wo Vegetation vorhanden ist. Und wie Sie bereits sagten, können Sie mit beiden den NDVI generieren. Mit SPOT erhalten Sie nur eine bessere räumliche Auflösung. Kostenlose SPOT 5-Bilder ?! Das ist schön!

— vascobnunes

Wenn Sie nur zwischen vegetiertem und nicht vegetiertem unterscheiden müssen, funktioniert NDVI von beiden Sensoren. Landsat sollte es Ihnen ermöglichen, Vegetationstypen besser zu klassifizieren. Beachten Sie, dass das Schärfen der Pfanne nur für Anzeigezwecke nützlich ist. Es ist ziemlich schädlich, mit Ihren Daten umzugehen, wenn Sie eine Analyse durchführen möchten.

— David

+1 re. Davids pansharpening Kommentar. Die multispektrale Auflösung von @vascobnunes SPOT 5 beträgt 10 m (G, R, NIR) und 20 m (MIR). Nur das panchromatische Band ist 2,5 m lang.

— user2856

@David zum Pan-Sharpening-Kommentar: Wenn Sie die spektralen Informationen des Bildes analysieren möchten (z. B. zu Zwecken der automatischen Klassifizierung), sollten Sie die ursprünglichen Werte (DN) der Pixel nicht ändern. Für die visuelle Interpretation / Klassifizierung oder wenn Sie eine automatische Segmentierung durchführen möchten, ist die Verwendung des pan-geschärften Bildes von großem Nutzen.

— vascobnunes

Wenn Sie möchten, dass die automatische Klassifizierung mit Landsat funktioniert, werden Sie mit jeder automatischen Klassifizierung von Bildern mit einer Auflösung von 2,5 m (je nach Art und Vielfalt des Gebiets) mit vielen Artefakten fertig, es sei denn, Sie sind wirklich gut darin: ).

Der Zweck eines solchen Datensatzes ist die Hauptsache, die zu berücksichtigen ist. Nur Visualisierung? Sehr detaillierte Flächenberechnungen? Annäherungsanalyse? Was ist die kleinste Vegetationsfläche, die Sie in Ihrem Datensatz darstellen möchten? Wie ist Ihr Zeitplan und Ihre Belegschaft dafür? All dies sollte Ihnen die Antwort auf Ihre Frage geben.

Viele Dinge, die zu berücksichtigen sind, und der Zweck eines solchen Projekts sind die wichtigsten Leitlinien.

— Jareks
quelle

Ja, wenn die Zuweisungsfrage diese Dinge als Gültigkeitsbereich hätte, wäre sie leicht zu beantworten, aber sie ist wirklich offen.

— Nathan W