वनस्पति सुदूर मानचित्रण के लिए किस सुदूर संवेदन उपग्रह का उपयोग किया जाता है


15

मैं वर्तमान में अपने रिमोट सेंसिंग क्लास के लिए एक असाइनमेंट लिख रहा हूं और जब मुझे लगता है कि मेरे पास सही उत्तर है तो मैं सोच रहा था कि जो लोग जीवित सोच के लिए यह सामान करते हैं, वे क्या कर रहे हैं।

सवाल यह है: लैंडसैट टीएम (थमैटिक मैपर) और एसपीओटी 5 में से कौन सा उपग्रह आप 300 किमी x 300 किमी के अध्ययन क्षेत्र की सामान्य सीमा का उपयोग करेंगे।

मेरा उत्तर यह था कि आप SPOT 5 का उपयोग करेंगे क्योंकि यह उच्च रिज़ॉल्यूशन है और आपको लैंडस टीएम के 30 मीटर रिज़ॉल्यूशन की एक महीन सीमा प्राप्त करने देगा। हालाँकि SPOT 5 में एक छोटा स्वाथ क्षेत्र है जिससे आपको अधिक चित्रों का उपयोग करना होगा। मैंने SPOT 5 पर 2200 किमी VMI स्वैथ के बारे में भी सोचा लेकिन संकल्प 1 किमी है।

विचार?


एक समर्पित रिमोट सेंसिंग स्टैकचेंज के लिए: area51.stackexchange.com/proposals/59346/remote-sensing
WAF

जवाबों:


17

मैं @vascobnunes राय से सहमत हूं लेकिन अगर आप कुछ वस्तुओं को परिभाषित करना चाहते हैं तो आपको LANDSAT TM का उपयोग करना होगा क्योंकि अधिक वर्गीकरण के लिए अधिक बैंड की आवश्यकता होती है (R, G, B, NIR, MIR, TIR, FIR) ... और मेरी पसंद है आपको वनस्पति के लिए LANDSAT TM (निम्न विवरण में मैंने वही जानकारी दी) का उपयोग करना चाहिए।

इस मामले में महत्वपूर्ण बात यह है कि आपको relative spectral response (RSR)अपने उपग्रह को देखना चाहिए ।

सापेक्ष वर्णक्रमीय प्रतिक्रिया (आरएसआर) माप को एक सामान्य फिल्टर द्वारा कवर किए गए सभी डिटेक्टरों के लिए स्थिर माना जाता है और एटी शिखर प्रतिक्रिया को एकजुट करने के लिए सामान्यीकृत किया जाता है। वर्तमान में ऑन-ऑर्बिट या ग्राउंड माप से समय के साथ वर्णक्रमीय स्थिरता की जाँच करने की कोई विधियाँ नहीं हैं।

(स्रोत: डॉ। जॉन बार्के)

RSR के अलावा, temporal resolutionदोहराव डेटा अधिग्रहण चक्र के लिए इतना महत्वपूर्ण है ...

यह LANDSAT TM के लिए सापेक्ष वर्णक्रमीय प्रतिक्रिया है:

प्रतिक्रिया

NDVI के आकलन के बारे में यहाँ एक जानकारी है- सेंसर के कारण अंतर- विशिष्ट सापेक्ष वर्णक्रमीय प्रतिक्रिया कार्य।

सार यहाँ है:

सामान्यीकृत अंतर वनस्पति सूचकांक (NDVI) भूमि सतहों और पर्यावरणीय परिवर्तनों की गतिशीलता की निगरानी के लिए सबसे अधिक बार उपयोग किया जाने वाला रिमोट सेंसिंग-आधारित संकेतक है। विभिन्न सेंसर विशेषताओं के कारण, NDVI मान रिकॉर्डिंग सिस्टम के अनुसार भिन्न होता है। यह अध्ययन वर्णक्रमीय संवेदक विशेषताओं के कारक पर ध्यान केंद्रित करता है, जो कि बहुउद्देशीय NDVI डेटा की व्याख्या को जटिल कर सकता है। इसलिए, लैंडसैट 5 टीएम, क्विकबर्ड और एसपीओटी 5 के मल्टीस्पेक्ट्रल बैंड हाइपरस्पेक्ट्रल डेटा से नकली थे। ये सिम्युलेटेड डेटा सेट सेंसर ज्यामिति, वायुमंडलीय स्थितियों, स्थलाकृति और स्थानिक संकल्प की तरह (स्पेक्ट्रमी रूप को छोड़कर) समान विशेषताओं को दिखाते हैं। यह विभिन्न वर्णक्रमीय विशेषताओं के कारक की वजह से NDVI के अंतर की प्रत्यक्ष तुलना की अनुमति देता है।

मैंने NIR और Red band के लिए वर्णक्रमीय मूल्यों के बारे में इस दस्तावेज़ से आपके लिए एक सारांश बनाया है ...

प्रतिक्रिया

लैंडसेट 5 टीएम, क्विकबर्ड और एसपीओटी 5 के लाल और निकट-अवरक्त बैंड के सापेक्ष वर्णक्रमीय प्रतिक्रिया कार्य 2 विशिष्ट भूमि कवर स्पेक्ट्रा के साथ।

परिणाम :

विशेष रूप से एनआईआर क्षेत्र में सेंसर के आरएसआर फ़ंक्शन एक-दूसरे से भिन्न होते हैं। कॉन्सिफिकस यह है कि लैंडसैट 5TM के लाल और NIR बैंड के साथ-साथ SPOT5 के बीच का अंतर क्विकबर्ड बैंड के बीच के अंतर से अधिक व्यापक है, जहां एक ओवरलैप भी मौजूद है।


response3

लाल (ए) और सेंसर के निकट अवरक्त (बी) बैंड के सापेक्ष वर्णक्रमीय प्रतिक्रिया कार्यों के सेंसर-संबंधी अंतर (%)।

परिणाम:

जबकि क्विकबर्ड और एसपीओटी 5 के लाल बैंड बहुत समान हैं, इन सेंसर के एनआईआर बैंड 0.77µm पर 80% से अधिक व्यापक अंतर दिखाते हैं। NIR बैंड के बीच व्यापक अंतर के कारण, इन बैंड के RSR फ़ंक्शन NDVI को लाल बैंड की तुलना में अधिक प्रभावित करते हैं।

मुझे उम्मीद है इससे आपको मदद मिली होगी...


10

यदि आपके पास चुनने के लिए केवल SPOT 5 और लैंडसैट TM है, तो पैसा कोई समस्या नहीं है और 30 000ha के एक छोटे से क्षेत्र के लिए, मैं सहमत हूं कि SPOT5 सबसे अच्छा विकल्प है, हालांकि लैंडसैट के कुछ मजबूत फायदे होंगे:

SPOT5:

  • 2,5 मीटर स्थानिक संकल्प
  • 3 वर्णक्रमीय बैंड (हरा, लाल, इन्फ्रा-रेड के पास)
  • नए अधिग्रहण के लिए लगभग 2,64 € प्रति वर्ग किमी
  • अच्छा घूमने का समय
  • सबसे बड़ा लाभ: बेहतर रिज़ॉल्यूशन, बहुत उच्च स्थानिक विस्तार मैपिंग के लिए आदर्श

लैंडसैट टीएम

  • 30 मीटर स्थानिक संकल्प
  • 7 वर्णक्रमीय बैंड (R, G, B, NIR, MIR, TIR, FIR)
  • लगभग 0,5 € प्रति वर्ग किमी
  • सबसे बड़ा लाभ: बेहतर विषयगत भेदभाव के लिए बेहतर वर्णक्रमीय सूचना आदर्श; कीमत

आपके पास रेपिडे, एस्टर या LISS-IV के साथ भी अच्छे विकल्प होंगे।

चीयर्स, वास्को न्यून्स


दोनों में एनआईआर बैंड है इसलिए दोनों वनस्पति विश्लेषण के लिए उपयुक्त हैं। अधिक विस्तार पाने के लिए आप लैंडसेट 7 से 15 मीटर रिज़ॉल्यूशन को पैनापन कर सकते हैं (यह बैंड अक्सर इमेजरी के साथ प्रदान किया जाता है) लैंडसेट 7 आपको प्राकृतिक रंग प्राप्त करने के लिए बैंड को संयोजित करने की सुविधा देता है। अगर मैं सही ढंग से याद रख सकता हूं तो मेरा मानना ​​है कि यह स्पॉट 5 के साथ ऐसा नहीं है। प्राकृतिक रंग को बदलने के लिए रंग के बैंड को फिर से पुनर्गणना करना संभव है। मुझे याद है ऐसा करना लेकिन मेरा जल शरीर तब भी बैंगनी था, फिर नीला। यह भी जोड़ना चाहता था कि कीमत स्थान पर निर्भर करती है। कनाडा में लैंडसैट 7 और एसपीओटी 5 दोनों उपयोग के लिए स्वतंत्र हैं।
जैकब सिसाक जियोग्राफिक्स

लैंडसैट 5 टीएम को संदर्भित उपग्रह था, इसलिए ~ 30 मी संकल्प। लेकिन मैं लैंडसैट की उच्च समृद्धि से सहमत हूं। विचार हालांकि, स्वचालित रूप से नक्शा करने के लिए था जहां वनस्पति मौजूद है। और जैसा कि आपने कहा, उस मामले के लिए, दोनों आपको NDVI उत्पन्न करने देंगे। स्पॉट सिर्फ आपको बेहतर स्थानिक संकल्प देता है। नि: शुल्क स्पॉट 5 छवियों ?! यह अच्छा है!
vascobnunes

2
यदि आपको केवल वनस्पति / गैर-वनस्पति के बीच विचार करने की आवश्यकता है, और या तो सेंसर से NDVI काम करेगा। लैंडसैट को वनस्पति प्रकारों को और अधिक वर्गीकृत करने के लिए यो को बेहतर क्षमता देनी चाहिए। ध्यान दें कि पैन चोखा प्रदर्शन प्रयोजनों के लिए वास्तव में केवल उपयोगी है। यदि आप विश्लेषण करने का इरादा रखते हैं तो यह आपके डेटा के लिए काफी हानिकारक बात है।
डेविड

+1 फिर से। डेविड की दुलारी टिप्पणी। @vascobnunes SPOT 5 मल्टीस्पेक्ट्रल रिज़ॉल्यूशन 10m (G, R, NIR) और 20m (MIR) है। केवल पंचरोमिक बैंड 2.5 मी।
user2856

@ पैन की तीखी टिप्पणी के बारे में बताएं: वास्तव में, यदि आप छवि की वर्णक्रमीय जानकारी (जैसे स्वचालित वर्गीकरण उद्देश्यों के लिए) का विश्लेषण करना चाहते हैं, तो पिक्सल के मूल मूल्यों (डीएन) को बदलना बेहतर नहीं है। लेकिन दृश्य व्याख्या / वर्गीकरण के लिए या यदि आप स्वचालित विभाजन करना चाहते हैं, तो पैन-धारित छवि का उपयोग करने से बहुत उपयोगिता होगी।
vascobnunes

2

यदि आप लैंडस्केप के साथ स्वचालित वर्गीकरण करना चाहते हैं, तो मुझे लगता है कि 2.5 मीटर रिज़ॉल्यूशन इमेजरी (क्षेत्र के प्रकार और विविधता के आधार पर) का कोई भी स्वचालित वर्गीकरण आपको बहुत सारी कलाकृतियों के साथ सौदा करेगा जब तक कि आप वास्तव में अच्छे नहीं होंगे: )।

इस तरह के डेटासेट का उद्देश्य मुख्य बात है। सिर्फ दृश्य? बहुत विस्तृत क्षेत्र गणना? निकटता विश्लेषण? सबसे छोटा वनस्पति क्षेत्र क्या है जिसे आप अपने डेटासेट में प्रतिनिधित्व करना चाहते हैं? इसके लिए आपका क्या समय और कार्यबल है? वह सब जो आपको अपने प्रश्न का उत्तर देना चाहिए।

विचार करने के लिए बहुत सी चीजें और इस तरह के प्रोजेक्ट का उद्देश्य मुख्य मार्गदर्शन है।


हाँ, यदि असाइनमेंट प्रश्न में उन चीज़ों की गुंजाइश होती है तो इसका उत्तर देना आसान होगा, लेकिन यह वास्तव में समाप्त हो गया है।
नाथन डब्ल्यू
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.