חלון חדש על פני כדור הארץ

השימוש בקרקע וכיסוי הקרקע (LULC) ניתוח הוא עמוד השדרה של ניטור סביבתי, תכנון עירוני, וחקר שינויי האקלים.במשך עשרות שנים, אנליסטים התבססו על צילום אווירי ודמיית לוויין פס יחיד, אך שיטות אלה לעתים קרובות לא הצליחו ללכוד את המורכבות המלאה של פני כדור הארץ. , סימולציות רב-ספקטרום הפכו את השדה על ידי הקלטה ופלט קרינה על פני להקות מרובות גל, חשיפת דפוסים מוסתרים בצמחייה, ובדיקה של צמחייה, מדוע טכנולוגיות מים, אשר נבנות, ולכן הפכו את היתרונות של מאגרי מידע רב-מרכזיים, מדוע זה הפך את תחום זה, ומודלים של דגימות מידע רב-תחומי מידע רב-תחומי דמיון רב-תחומי מידע רב-מרכזיים, אשר הפכו את תחום זה, אשר הפכו את תחום זה, אשר הפכו את תחום זה, ולכן הוא הופך את תחום זה, ולכן הוא הופך את תחום זה, כך שהפך את תחום הדמיה רב-תחומי הדמיה רב-מרכזיים, אשר הפכו את תחום זה, אשר הפכו את תחום זה, אשר הפכו את השדה על ידי קרינת הדמיה רב-תחומי קרינה מדגימות של טכנולוגיות הדמיה רב-מרכזיים, אשר הפכו את השדה על-מרכזיים, אשר הפכו את השדה על-מרכזיים, אשר הפכו את

מה זה Multi-spectral Imaging?

הדמיה רב-ספקטרום היא טכניקה רגישה מרחוק אשר רוכשת נתונים של תמונות בטווחים ספציפיים של גל בטווחים שונים על פני הספקטרום האלקטרומגנטי.בניגוד לצילום קונבנציונלי, אשר לוכדת שלוש להקות רחבות (אדום, ירוק, כחול), חיישנים רב-ספקטרום אוספים אוספים אוספים נתונים בארבעה עד עשרות להקות צרות שלעתים קרובות גלויות, ליד- infrared (NIR), גלי קצר (SW), ולעיתים אזורים אינפרא אדום-אדום, כל אחד מהם חושף מידע ייחודי על פני השטח של NIR, על פני השטח, כמעט, כמעט, תוך כדי אנליסטים בריאים, תוך כדי אנליסטים, תוך כדי אנליסטים, כמעט, תוך כדי אנליסטים, תוך כדי אנליסטים, תוך כדי אנליסטים, כמעט, כמעט, כמעט, כמעט, תוך כדי אנליסטים, כמעט, כמעט, כמעט, כמעט, כמעט, על ידי חומר אנליסטים בעלי רמת דיוק גבוה, תוך כדי אנליסטים, על פני כדור הארץ, כמעט, תוך כדי אנליסטים, כמעט, תוך כדי אנליסטים בעלי רמות של פחמן דו-ידי אנליסטים בעלי רמות גבוהות, כמעט, כמעט, כמעט, כמעט, כמעט, כמעט, כמעט, כמעט, כמעט, תוך כדי אנליסטים בעלי רמות גבוהות של פחמן דו-ידי אנליסטים, תוך כדי

(הופנה מהדף רב-ספקטרום) כוללים קבוצות לווייניות כגון FLT:0 (LandsatcioFLT:1 (NASA/USGS), FLT:2Sentinel-2IRFLT 3 (סוכנות החלל האירופית), ו-FLT:4WorldView-3FLT:5 (מקס), כמו גם מל"טים המצויים במצלמות מרובות-spectral World, בין 10 ל-Sמטר) ו- 3 מ"ממד"מ-Fentinel (מ-Fentinel) ב- 3-Fentinel) ב- 3.

יתרונות הליבה של Multi-spectral Imaging in LULC Analysis

1.הרחבת הקרקע העליונה

תמונות חד-צדדיות או צבע אמיתי מבלבלות לעתים קרובות משטחים דומים, כגון phalt וקרקע חשוכה. ⁇ ⁇ - Multi-spectral Data מפחית את האווירה הזו על ידי מינוף הבדלים בלהקות אנרגיה משתקפות.לדוגמה, צמחייה בריאה יש "קצה אדום" ייחודי באמצעות "חוד" - עלייה חדה של רפיח בין אדום (67 מיקרומטר) ו- NIR (0.78m) להקות למידה שונות.

(FLT:0Key benefit:BuildFLT:1) , Multi-spectral imagery מאפשר מיפוי אוטומטי, חוזר ואובייקטיבי בקנה מידה גדול, החלפת סקרי שדה עבודה בהקשרים רבים.

בריאות ומדיטציה Phenology

אינדיקציות של גידול שמקורן בנתונים רב-ספקטרוםיים – המפורסם ביותר (FLT:0Normalized Difference Vegetation Index (NDVI) FigFLT:1 - הם פרוקסיות רבות עוצמה לבריאות הצמח, הביומסה ומדד עלון אזור. NDVI משתמש בניגוד בין NIR והשתקפות אדומה: צמחייה מתוחה או ספירלה יש ערכים מופחתים, בעוד צמחייה צפופה, אנליסטים, יכול לזהות מחזורי זמן רב-מחץ גבוה יותר, עם אנליסטים.

מעבר ל-NDVI, מעידות כמו FLT:0Enhanced Vegetation Index (EVI)FLT:1 ו-FLT:2il-Adjusted Vegetation Index (SAVI) 3LT 3) נכון לרעש אטמוספרי ורקע קרקע, ניתוח צמחייה נוסף בנוף הטרוגניים.

3.הגוף מים הערכה ואיכות

מים סופגים מאוד את קרינת NIR ו SWIR, המופיעה כמעט שחורה בלהקות אלה.הנכס הזה הופך את ההדמיה רב-ספקטרוםית יעילה במיוחד עבור מיפוי גופי מים, אפילו זרמים צרים או בריכות רדומות.ה-0Normalized Difference Index (NDWI)FLT:1 משתמש בלהקות מעקב ירוקות ו-NIR כדי להדגיש משטחים מים, להבחין בהם מן הצל והאדמה האפלה.

אזור עירוני ונבנה-Up Mapping

סביבות עירוניות מכילות פסיפס מורכב של משטחים לא מוחשיים (רופוסים, כבישים, מגרשי חניה), צמחייה, אדמה חשוף ומים. להקות רב-ספקטרום באזור SWIR (כ-1.6 מיקרומטר ו-2.2 מיקרומטר) עוזרות להבחין בחומרי בנייה, סוגי גג, וכן אספפט מן הבטון:0Normalized Difference-Up (NDBI) משתמשים בכיסוי עירוני ו- SWIR עם אזורי חום ו-S.

שינוי וניתוח טמפל

חיישנים רב-ספקטרום חוזרים על אותו אזור במרווחים קבועים (בדרך כלל 5-16 ימים עבור קבוצות לווינים), יצירת ארכיון עשיר של תמונות היסטוריות.שינוי אלגוריתמים להשוות אלגוריתמים ספקטרליים רב-זמניים לזהות שינויים: פיזור, התרחבות עירונית, המרה חקלאית, ניקוז קרקע רטובה, ונזק לאחר-disaster.

תגובה ושיקום אסון

מיפוי מהיר לאחר אסונות טבע הוא יתרון קריטי של הדמיה רב-ספקטרוםית.אזורים מבולבלים מופיעים כהים בלהקות NIR ו SWIR, המאפשרת לפירוק מהיר של היקף הצפה או חישובים פשוטים של חומרת שרוף בשריפות ברות מוערך באמצעות חיישנים ספקטרום:0Normal Burn Ratio (NBR)FLT:1, אשר משלב NIR ולהקות כדי לחשוף חיישנים משקעים, באופן דומה, כמו גם לשפוך משאבים מפולסים.

יישומים מעשיים ברחבי המגזרים

חקלאות ודעה קדומה

חקלאים ו agronomists להשתמש תמונות רב-ספקטרום של מל"טים ולוויינים כדי לייעל השקיה, יישום דשן, וניהול מזיקים. Variables כגון NDVI, תוכן chlorophyll canopy chlorophyll, ופוטנציאל מים עלים ניתן למפות על פני שדות, המאפשר טיפולים משתנים וניהול נתונים רב-תחומיים גם עוזר לזהות מחלות מוקדמות - פטריות או לפקח על בעיות עיניים נפוצות כדי לשנות את הסימפטומים של האיחוד האירופי.

פיתוח ומערכת אקולוגית

מנהלים יער מסווגים מינים של עץ, להעריך ביומסה, לזהות חסימה בלתי חוקית באמצעות נתונים רב-ספקטרום.מינים ספציפיים ספקטרום חתימות (למשל, הבדלים על גבי פיגמנט ומבנה) מאפשרים אלגוריתמים למפות יערות חד-משמעיים לעומת יערות חד-משמעיים, לזהות מינים פולשניים, ולעקוב אחר נקודות חמות של פחמן-ממדיות.

תכנון עירוני וערים חכמות

מתכננים עירוניים ממנפים נתונים רב-ספקטרום כדי ליצור ממציאים יבשתיים דיגיטליים, להעריך את חלוקת החלל הירוקה, ומודל תרחישים צמיחה עירוניים. תמונות רב-ספקטרום ברזולוציה גבוהה (למשל, תת-מטר WorldView-3) יכולים לזהות מישורים בלתי-מעורערים ברמה של רזולוציה, להנחות החלטות zoning, לחשב פני השטח במודלים של ניהול סערות.

ניהול משאבי מים ו- Wetlands השימור

תמונות רב-ספקטרום חיוני עבור מאגרים ניטור, אגמים, ורטיבים. מים לעקוב אחר שינויים עונתיים באזור פני השטח נפח מים, בעוד אלגוריתמים chlorophyll-a ו זעזועים מזהירים על eutrophication או טעינה סינדרמנט. Wetlands - לעתים קרובות קשה למפות בשל פיקסלים מעורבים של מים, צמחייה, אדמה - תועלת מטכניקות לא מעורבות לשימוש רב-תחומי מידע כגון הגנה על בסיס הסביבה.

שינויי אקלים ומחקר פחמן

שער הקרקע משתנה חשבונות עבור כ-12-15% של פליטות CO2 אנתרופולוגיות בעולם. נתונים רב-ספקטרום מספק את הקלט העיקרי עבור קרקעות כיסוי נתונים (למשל, MODIS Land Cover Type, ESA CCI Land Cover) המשמש במודלים אקלים. על ידי מעקב אחר deforestation, afforestation, התרחבות חקלאית, וזרימת יערות, להעריך את הפלקס ולפתח אסטרטגיות חסכוניות פחמן דו-קרקעיות כמו מדדיפטומטיזציה סטנדרטי של קרינת אבטחה.

מידע רב-ספקטרום עם טכנולוגיות אחרות

סינרגיה עם Synthetic Aperture Radar (SAR)

בעוד חיישנים רב-ספקטרום ללכוד חתימות אופטיות, יום / לילה תמונות רגישות למרקם פני השטח ולחות.שלב שני מקורות נתונים משפרים את סיווג הקרקע באזורים מעוננים ומאפשר יישומים כגון מיפוי תחת עננים או לחות גבוהה יותר של מודלים למידה מתקדמת של מכונות ממזגים וספקי נתונים כדי להשיג סיווג קרקעיים בודדים של חיישנים, כגון מיפוי תחת מיפוי תחת עננים או ספקטרום לחות הקרקע.

למידה מרחוק ולמידה עמוקה

המימד הגבוה של נתונים רב-ספקטרום (multiple × Time series) הוא התאמה טבעית לטכניקות מודרניות של AI.רשתות עצביות מהפכתיות (CNN) יכול ללמוד תבניות מרחביות וספקטרום עבור משימות כמו מיפוי מסוג יבול, בנייה, גילוי ומחיקה מעקב.עברת עם מודלים מאומנים מראש להפחית את הצורך בפלטפורמות מחשוב מסיביות כמו Google, מנוע מחשב, ו- Microsoft מאפשר מודלים לדגמי גישה גלובלית.

ד"ר ו- High-Resolution Local Studies

כלי רכב אוויריים בלתי-מונים (UAVs) המצויים בחיישנים רב-ספקטרום לגשר על הפער בין נתונים לווייניים (ברזולוציה קוהרזה באופן הוגן) וסקרי קרקע. Drones יכולים למפות שדות או אתרי בנייה ברזולוציה של 2-10 ס"מ, ללכוד וריאציות עדינות בלחץ היבול, לחות פולשנית אדמה, או עשבים ברזולוציה גבוהה אלה לשמש כמידע הדרכה עבור מודלים לווייניים לתמיכה והחלטות מקומיות, פרויקטים סביבתיים, ושיקום.

אתגרים ושיקולים

למרות כוחו, הדמיה רב-ספקטרום ניצבת בפני כמה אתגרים מעשיים.(FLT:0) השפעות אטמוספיריות של ההרחבה:1 (אירוסולs, apor מים) לשנות את רפלקציה וחייב להיות מתוקן באמצעות מודלים של העברה רדיואקטיבית (למשל, 6S, FLAASH) או שיטות אמפיריות קטנות יותר.

(ב) כרך ועיבוד של נתונים 1 (FLT) יכול להציף את משאבי האחסון והמשאבים של מחשוב מקומיים.פלטפורמות מבוססות ענן להקל על זה, אך המשתמשים חייבים עדיין לנהל סדרת זמן מסיבית.FLT:2Spectrally דומה כיתות 3 (ראהים 3) כגון סוגים שונים של אדמה יבשה או צמחייה ספוגה - עשויים לדרוש להקות נוספות (למשל, אינפרא אדום או היפרספקטי) נתונים נפרדים: 4.

כיוונים עתידיים ב Multi-spectral LULC Analysis

[העשור הבא] מבטיח התקדמות משתנה.[דרוש]:0] חיישנים ספקטרום 1 (למשל, EMIT, PRISMA, EnMAP) ללכוד מאות להקות צרות, דוחפים את רזולוציה מרכזית הרבה מעבר להיקף הרב-ספקטרום הנוכחי של מערכות היפר-ספקטרום (perspectral Data) יאפשר זיהוי ישיר של מינרלים, צמחים וקרקע מהחלל, 3.

מאמצים כמו FLT:0 (קבוצת תצפית על פני כדור הארץ) (GEO) LT:1 ו-FLT:2Committee על פני כדור הארץ תצפיות (CEOS) OVAFLT:3 הם מתקדמים סטנדרטים נתונים פתוחים ובינלאומיות, להבטיח כי נתונים רב-ספקטרום ממקורות מגוונים יכולים להיות משולבים בצורה חלקה.

מסקנה: כלי בלתי צפוי לניהול קרקעות בר קיימא

הדמיה רב-ספקטרום השתפרה באופן יסודי כיצד אנו ממפה, לפקח ולנהל את פני השטח הקרקעיים של כדור הארץ.היכולת שלו ללכוד מידע ספקטרלי מפורט על פני השטח הנראה אינפרא אדום ואזורים מאפשר לאנליסטים להבחין בין סוגי כיסוי קרקע עם דיוק גבוה, לעקוב אחר שינויים לאורך זמן, ולהעריך את הבריאות האקולוגית - כל המאזניים החל מתחומים בודדים ליבשות שלמות.

(ב) ◄ [13] קישורים חיצוניים לקריאה נוספת:

  • (ב) [15]: לנדסאט מדע לנדספאל 1: 1 (ב) - פורטל רשמי של USGS עבור פרטי המשימה Landsat והנתונים.
  • (FLT:0) קופרניקוס Sentinel HubFreaLT:1) גישה לדימויים וכלי רב-ספקטרום של Sentinel-2.
  • [ה]הסברים של נאס"א: [ה], [ה], [ה], [ה], [ה],] [15], [הסברים] של חזבאללה, ו[הסברים הטכניים].
  • (FLT:0) יער WatchigtureFLT:1 - פלטפורמה אינטראקטיבית באמצעות נתונים רב-ספקטרוםיים כדי לפקח על יערות.
  • (ב) ,0FAO Global Land Coverure ShareFLT:1 - קרקע בינלאומית מכסה נתונים וסטנדרטים.