Table of Contents
원격 감지 기술
LT는 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT의 LT LT LT의 LT 를 LT의 를 LT의 LT의 LT의 LT LT LT 를 LT LT의 LT의 LT LT 를 LT LT LT LT LT LT 를 를 LT LT LT 를 LT LT 를 LT LT
감시 도시 물 Bodies
도시 물체 - 호수, 강, 저수지, 운하, 해안 지역 - 폭풍우 런트, 하수 오물 과잉, 산업 배출 및 열 오염에서 표면 일정 압력. 전통적인 모니터링은 분리 지점에서 현장 샘플링에 의존, 이는 노동 집중, 비싸고, 단지 스냅 샷 데이터를 제공합니다. 원격 감지는 이러한 방법을 보완하여 시옵틱, 빈번한, 공간적 연속 관찰. 단일 위성 이미지는 네트워크 기반을 놓을 수 있습니다, 네트워크 기반을 놓을 수 있습니다. 네트워크 기반을 모니터링하는 것은 네트워크 기반을 놓을 수 있습니다.
물 품질 모수의 탐지
센서는 여러 가지 중요한 매개 변수를 직접 달성하거나 알고리즘을 통해 측정합니다. Turbidity]는 빛 침투를 막는 중단 된 입자를 나타냅니다. 눈에 보이는 빨간색과 가까운 적외선 밴드에서 반사율이 증가하여 검출됩니다. Chlorophyll-a 농도], algal 생물 자원을위한 프록시는 녹색 반사율에 가까운 적외선의 비율에서 추정됩니다. [LT:2]]]는 녹색 열광성 물질의 열광성 물질을 흡수하거나 오염 물질을 방지합니다.]는 유기 광물의 열광을 방지합니다.
Mapping 오염원
스트레칭은 스트레칭의 주요 요소입니다. 스트레칭은 스트레칭의 주요 요소입니다. 스트레칭은 스트레칭의 주요 요소입니다. 스트레칭의 주요 요소는 스트레칭의 주요 요소입니다. 스트레칭의 주요 요소는 스트레칭의 주요 요소입니다. 스트레칭의 주요 요소는 스트레칭의 주요 요소입니다. 스트레칭의 주요 요소는 스트레칭의 주요 요소입니다. 스트레칭의 스트레칭은 스트레칭의 스트레칭의 스트레칭의 스트레칭을 통해 스트레칭의 스트레칭의 스트레칭을 스트레칭합니다. 스트레칭의 스트레칭의 스트레칭의 스트레칭은 스트레칭의 스트레칭은 스트레칭의 스트레칭의 스트리를 스트레칭의 스트레칭의 스트레칭의 스트레칭의 스트레칭의 스트레칭은 스트레칭 스트레칭의 스트레칭의 스트레칭의
Eutrophication와 Algal Bloom 감시
이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키를 거부 할 수도 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.
원격 감지 플랫폼의 유형
다른 플랫폼은 공간 해상도, 임시 주파수 및 적용 영역 사이의 거래 오프를 제공합니다. 올바른 플랫폼을 선택하면 특정 모니터링 목표, 예산 및 물체의 크기에 따라 다릅니다.
위성 기반 원격 감지
위성은 매일 2 주마다 배열하는 재시동 시간과 함께 일관된 글로벌 범위를 제공합니다. Landsat 8 및 9는 더 큰 호수와 공기통에 적합한 30 미터의 해상도를 제공합니다. Sentinel-2A 및 2B는 대기 공간에 10 미터의 해상도를 제공하며, 중간 크기의 도시체에 이상적입니다. ]Sentinel-2A 및 2B는 대기 공간에 대한 개별적인 측면을 감지합니다.
공중과 무인비행기 근거한 먼 감각
이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키를 거부 할 수도 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.
원격 감지에 의해 측정되는 중요한 물 질 지시자
다음 표는 원격 감지 데이터에서 파생 된 가장 일반적인 물 품질 지표를 요약하고 도시 물 관리를위한 스펙트럼 기반 및 침수와 함께.
- Turbidity: Red와 Near- Infrared 밴드의 높은 반사율은 건설 현장 또는 침식에서 중단 된 세디먼트를 나타냅니다.
- Chlorophyll-a: 그린투-나이어 적외선 비율은 조류와 eutrophication 위험을 검출합니다.
- 표면 온도: 열 대역은 열 오염을 식별하고 깊이 혼합 패턴을 표시 할 수 있습니다.
- 색상 유기물 용해: 푸른 파장의 흡수는 하수 또는 탈착식 채식에서 유기 오염을 나타냅니다.
- Secchi 디스크 깊이: 반사 모델에서 파생된 물 선명도의 empirical 측정.
- 올림 슬릭 또는 화학 유출: 자외선에 있는 증류관 스펙트럼 시그널 시그널 시그널 시그널 시그널 시그널은 비상 감지를 가능하게 합니다.
오염 모니터링에 원격 감지의 이점
도시 물 감시를 위한 원격 감지의 채택은 가동 효율성과 과학적인 이해를 강화하는 다수 이점을 제안합니다.
- 대규모 적용: 단일 이미지 캡처 전체 물 또는 메트로폴리탄 워터 네트워크, 지역 오염 패턴을 밝혀.
- Frequent and timely data collection: Satellites는 매 며칠마다 동일한 영역을 재시동하고, 드론은 주문형 모니터링을 제공하고, 추세 분석이 가능합니다.
- 비용 절감: 원격 감지는 광범위한 현장 샘플링, 저소음, 장비 및 실험실 분석 비용을 절감합니다.
- 오염 사건의 거의 탐지:] 자동화된 알고리즘은 인공위성 지나치게 인공위성 지나치게 후 알갱이 또는 기름 유출과 같은 anomalies를 검출할 수 있습니다, 급속한 응답을 방아쇠를 당기.
- 효율 비교: Archived satellite imagery going back decades 수질 변화와 오염 제어의 효과의 장기 수질의 평가를 허용한다.
- GIS: 원격 감지 데이터 레이어는 공간 분석 및 결정 지원을 위한 지리적 정보 시스템에 직접 공급합니다.
도전과제
변화하는 잠재력에도 불구하고 원격 감지는 작업 배치에 대한 해결되어야하는 여러 실용적인 기술 과제를 직면.
- Cloud Cover: 광 센서는 열대 또는 비오는 도시 지역의 데이터 가용성을 제한하는 클라우드를 통해 볼 수 없습니다. 레이더 센서(SAR)는 클라우드를 관통하고 다른 정보 유형을 제공 할 수 있습니다.
- Spatial Resolution: 많은 무료 위성 임무는 작은 연못이나 좁은 도시 운하에 10-30 미터 픽셀, 너무 조악한 10-30 미터 픽셀이 있습니다. 고해상도 상업 이미지는 비용이 들지 않습니다.
- 대기 방해: Haze, aerosols, 수증기 신호 정확도에 영향을 미치기 때문에, 정교한 교정 알고리즘을 필요로 하는 정교한 교정 알고리즘을 필요로 합니다.
- Parameter inference: 원격 감지 측정 표면 반사, 화학 농도가 직접 되지 않습니다. 반사율과 수질 간의 관계는 현지 교정 및 검증을 통해 설치되어야 합니다.
- 데이터 처리 복잡성:작성 가능한 정보는 이미지 처리, 통계 모델링 및 수생 생태계의 도메인 지식에 전문적을 요구합니다.
- 템플링 간격: 고정 시간에 위성 패스, 잠재적으로 몇 시간 동안 지속되는 결합 하수구 오버 플로우와 같은 짧은 탈 오염 사건을 누락.
미래 지향과 혁신
기술 및 방법론적 진보는 급속하게 도시 물 감시를 위한 원격 감지의 기능 그리고 접근 가능성 확대하고 있습니다.
- Hyperspectral 센서: EnMAP와 PRISMA 같은 새로운 위성 임무는 수백 개의 좁은 스펙트럼 밴드를 제공, 오염 물질 및 알갱이 종의 정확한 식별을 가능하게.
- Machine Learning 알고리즘: in-situ 측정에 훈련된 딥러닝 모델은 위성 데이터에서 수질의 정확성을 향상시키고, 로컬 교정에 필요한 것을 줄입니다.
- IoT 및 인-situ 센서와 통합:] 수중 센서 네트워크와 원격 감지를 결합하여 데이터가 교차되고 임시 간격을 채우는 하이브리드 모니터링 시스템을 만듭니다.
- 소형 위성 별자리: Planet Labs와 같은 회사는 3-5 미터 해상도에서 매일 지구를 이미지하는 CubeSats의 수백을 운영하며, 극적으로 온도 주파수를 향상시킵니다.
- Cloud 컴퓨팅 플랫폼: Google Earth Engine 및 Microsoft Planetary Computer와 같은 서비스들은 현지 인프라 없이 대규모 위성 아카이브를 처리할 수 있으며, 제한된 자원으로 시정촌에 대한 액세스를 민주화할 수 있습니다.
- Real-time alert system:] 자동화된 분석 파이프라인은 위성 오버패스의 시간 내에 오염 이벤트를 감지하고 모바일 애플리케이션을 통해 워터 관리자에게 경고를 보냅니다. U.S. Environmental Protection Agency 및 ]European Space Agency's Copernicus program는 이러한 운영 서비스를 적극적으로 개발하고 있습니다.
관련 기사
이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키를 거부 할 수도 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다. 이러한 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키를 거부 할 수도 있습니다. 이러한 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다.