راهنمای تصویربرداری ماهواره‌ای

راهنمای تصویربرداری ماهواره‌ای – تصمیم گیری در مورد اینکه تصاویر ماهواره ای راه حل مناسبی برای سازمان شما است، اولین قدم برای به دست آوردن داده های صحیح و کاربردی در این راه است. راهنمای تصویربرداری ماهواره‌ای به شما کمک می‌کند تا بفهمید واقعاً به چه داده‌هایی برای استخراج از تصاویر نیاز دارید. ما شما را با اصطلاحات اولیه و مواردی که باید هنگام انتخاب ارائه دهنده تصاویر ماهواره ای در نظر بگیرید، آشنا می کنیم.
از روش‌های مختلف می‌توانید ناحیه مورد نظر را با موقعیت‌های جغرافیایی مشخص شده تهیه کنید:
۱ – با استفاده از GPS
۲ – یک فایل یا داده رقومی مانند KML یا SHP
3 – ترسیم روی ناحیه مورد نظر ( در سامانه‌های آنلاین اغلب این قابلیت وجود دارد )
۴ – جستجو از طریق ایندکس تصاویر در سامانه‌ها
با توجه به نوع عملیات پردازش شاخص‌ها و ترکیب رنگ باید مد نظر قرار گیرند. ( خروجی های چند طیفی اهمیت دارند.)
انواع تصاویر:
True Color
یک تصویر رنگی واقعی که باند‌های قرمز، سبز و آبی را ترکیب می‌کند. این یک نمایش نزدیک از آنچه انسان‌ها در زندگی واقعی می‌بینند است. اگر مطمئن نیستید که کدام خروجی تصویر برای پروژه شما بهتر است، این یک گزینه خوب است.

False Color Urban
یک تصویر ترکیبی شهری با رنگ کاذب، موج کوتاه مادون قرمز 1 (SWIR1)، موج کوتاه مادون قرمز 2 (SWIR2) و نوارهای قرمز را ترکیب می‌کند. تصاویر رنگی کاذب دارای طول موج‌هایی هستند که ما نمی‌توانیم با چشم انسان ببینیم. نمونه‌ای از کاربردهای خروجی شهری رنگ کاذب در تصویر زیر ( ردیابی پراکندگی شهری و شناسایی مناطق در معرض خطر سیل ) است.

False Color Infrared
یک تصویر مادون قرمز رنگ کاذب باندهای نزدیک به مادون قرمز، قرمز و سبز را ترکیب می‌کند. کارشناسان از این تصویر برای تشخیص ویژگی‌های دقیق مانند ساختمان‌ها، آب، پوشش گیاهی، برف، یخ و غیره استفاده می‌کنند. همانطور که می‌بینید، پوشش گیاهی به ویژه در این نوع خروجی برجسته می‌شود. ( تصویر زیر )

All Optical Bands
فایلی حاوی تمام باندهای ضبط شده توسط سنسور ماهواره. که شامل قرمز، سبز، آبی و مادون قرمز، همراه با نوارهای پانکروماتیک و اضافی (در صورت در دسترس بودن از سنسور ماهواره ) است. خروجی‌های چند طیفی می‌توانند جزئیات متفاوت را بر اساس رنگ ضبط کنند، اما اگر برای شناسایی یا طبقه‌بندی اشیاء به مقادیر بیشتری از جزئیات نیاز دارید، اینجاست که شاخص‌ها وارد می‌شوند. رنگ ها دقیقاً نحوه تفسیر چشمان ما از نور هستند. نور از امواج الکترومغناطیسی ساخته شده است. هنگامی که نور به یک جسم می تابد، برخی از طول موج ها جذب می شوند و برخی دیگر منعکس می شوند.
رنگ‌هایی که ما قادر به دیدن آن‌ها هستیم، فقط طیف کوچکی از طول‌موج‌های منعکس‌شده هستند که با دید ما قابل درک هستند. آنها از بخش قابل مشاهده کوچکی از طیف الکترومغناطیسی تشکیل شده اند. در مورد سایر طول موج هایی که ما نمی توانیم ببینیم، مانند اشعه ماوراء بنفش و مادون قرمز، چطور؟
ماهواره ها می توانند به حسگرهای پیچیده ای مجهز شوند که می‌توانند این طول موج ها را تشخیص دهند. سپس، متخصصان سنجش از راه دور می‌توانند این نوارها را به رنگ‌هایی که می‌توانیم ببینیم استخراج کنند و به ما امکان تفسیر اطلاعات را بدهند. در نتیجه، یک تصویر ماهواره‌ای می تواند مناظری را با رنگ‌هایی به تصویر بکشد که برای یک فرد معمولی کمی عجیب به نظر می‌رسد.

Indices ( شاخص‌ها )
شاخص‌ها با استفاده از باندهای چند طیفی محاسبه می‌شوند. این محاسبات منجر به این می‌شود که خروجی‌ها به شکل یک شاخص با مقادیر بین 0-1 باشد. در عین حال، شاخص‌ها اطلاعات بیشتری در مورد سطح زمین در حال تصویربرداری ارائه می‌دهند.

Normalized Difference Vegetation Index (NDVI) ( شاخص گیاهی عادی )
NDVI برای تعیین کمیت سبزی پوشش گیاهی استفاده می‌شود. مهمتر از همه، در درک تراکم پوشش گیاهی و ارزیابی تغییرات در سلامت گیاه مفید است.

Second Modified Soil Adjusted Vegetation Index (MSAVI2) ( شاخص گیاهی اصلاح شده خاک MSAVI2 )
MSAVI2 یک شاخص رادیومتری با استفاده از نوارهای مادون قرمز نزدیک و قرمز است. خروجی‌های آن اغلب برای نظارت بر پوشش گیاهی، زیست توده و شاخص سطح برگ استفاده می‌شود. آنها همچنین می‌توانند به عنوان یک لایه ورودی برای نقشه‌برداری پوشش زمین یا طبقات پوشش گیاهی استفاده شوند.

Enhanced Vegetation Index (EVI) ( شاخص گیاهی پیشرفته EVI )
EVI شبیه به شاخص گیاهی عادی یا نرمال (NDVI) است و می‌تواند برای تعیین کمیت سبزی پوشش گیاهی استفاده شود. با این حال، EVI برخی از شرایط جوی و نویز پس‌زمینه سایه‌ها را تصحیح می‌کند. همچنین در مناطقی با پوشش گیاهی متراکم حساسیت بیشتری دارد.

Normalized Difference Water Index (NDWI2) ( شاخص نرمال آب NDWI2 )
NDWI2 یک شاخص نرمال شده از نمایش آب در یک تصویر است. خروجی NDWI2 را می‌توان مشابه NDVI تفسیر کرد: هرچه به مقدار پیکسل 1 نزدیکتر شویم، احتمال بیشتری وجود دارد که پیکسل از آب اشباع شود. NDWI2 با نسبت باند مادون قرمز نزدیک و باند مادون قرمز موج کوتاه محاسبه می‌شود.

Near-Infrared (NIR) ( مادون قرمز نزدیک NIR )
همانطور که از نام آن پیداست، این خروجی تصویر ماهواره‌ای تنها طول موج‌های نزدیک به مادون قرمز را می‌گیرد که دقیقاً خارج از طیف مرئی در انتهای قرمز قرار دارند. به خاطر داشته باشید که مادون قرمز نزدیک برای چشم انسان قابل مشاهده نیست، اما ماهواره مجهز به حسگرهای NIR می تواند آن را ببیند.

طبق یک مقاله جالب که توسط ArcGIS منتشر شده است، رایج ترین راه برای نمایش بصری بازتاب مادون قرمز نزدیک روی تصاویر، نشان دادن آن به صورت قرمز است. نوار قرمز واقعی به صورت سبز، نوار سبز به صورت آبی و نوار آبی کنار گذاشته شده است.
مادون قرمز نزدیک اغلب برای مطالعه نوع پوشش گیاهی، تراکم، محتوای آب و سلامت گیاه استفاده می شود. مدیران سنجش از راه دور ممکن است ترجیح دهند از شاخص هایی مانند NDVI برای تجسم راحت تر اطلاعات استفاده کنند.

Panchromatic
برخی از ماهواره ها، مانند Landsat و SPOT 6/7، می‌توانند اطلاعات باندهای RGB را در یک باند واحد که پانکروماتیک نامیده می شود، ترکیب کنند. این اطلاعات معمولاً در یک تصویر خاکستری تجسم می شود. هر پیکسل نشان دهنده شدت تابش خورشیدی است که توسط اجسام در منطقه گرفته شده توسط ماهواره منعکس شده است.

SAR
SAR مخفف عبارت Synthetic Aperture Radar است و روشی کاملاً متفاوت برای مشاهده زمین ارائه می دهد. به گفته ناسا، این نوع جمع‌آوری داده شامل حسگری است که انرژی خود را تولید می‌کند، آن را به سمت زمین شلیک می‌کند و سپس میزان انرژی بازتاب‌شده از سیاره را ثبت می‌کند. در حالی که تصاویر ماهواره‌ای چندطیفی می‌توانند داده‌ها را در بخش‌های مادون قرمز مرئی، مادون قرمز نزدیک و موج کوتاه طیف الکترومغناطیسی جمع‌آوری کنند، SAR از طول‌موج‌های طولانی‌تر استفاده می‌کند. مزیت اصلی آن توانایی دیدن از طریق ابرها و توانایی به دست آوردن تصاویر در طول روز یا شب است.
تصاویر SAR توسط پولاریزه امواج رنگی می شوند. پولاریزاسیون به جهت حرکت یک موج الکترومغناطیسی اشاره دارد که سیگنال ارسالی از ماهواره است. سیستم های SAR می توانند اطلاعات دقیقی در مورد خواص پلاریمتری سطح مشاهده شده جمع آوری کنند که می تواند ساختار، جهت گیری و شرایط محیطی عناصر سطح را آشکار کند.
از این رو، تصاویر را می توان به صورت نادرست رنگ کرد تا پوشش گیاهی، ساختمان ها و مناطق خالی را نشان دهد. کاربردهای SAR شامل طبقه بندی کشاورزی، نقشه برداری جنگل، نقشه برداری سیل و تشخیص تغییر می باشد.

Resolution Requirements ( نیاز به وضوح تصویر )
انتخاب رزولوشن مناسب گام مهمی در انجام تصاویر ماهواره ای است. در اینجا دو راه برای فکر کردن در مورد وضوح وجود دارد:
Spectral Resolution ( وضوح طیفی ):
این نوع وضوح به باندهای خروجی یک حسگر مربوط می‌شود. حسگرهای ماهواره‌ای اطلاعاتی را در باندهای طیف نوری مختلف جمع‌آوری می‌کنند، که سپس در قالبی متفاوت از عکس‌های معمولی به ما ارسال می‌شوند. اساسا، وضوح طیفی یک حسگر، تعداد باندهای مختلفی را که حسگرها جمع آوری می‌کنند، مشخص می‌کند. هر کدام دارای ویژگی‌های منحصر به فردی است که ممکن است به موارد مختلف استفاده مشتری مربوط باشد.
مثال‌های زیر یک نمونه هستند : ( nm مخفف نانومتر می‌باشد )
Panchromatic (480 – 830nm)

Blue (430-550nm)

Green (490-610nm)

Red (600-720nm)

Near Infrared (750-950nm)

Spatial Resolution ( وضوح تصویر مسطحاتی یا مکانی )
وضوح مسطحاتی یا مکانی را می توان به عنوان مقدار داده ای که یک پیکسل تصویر روی زمین نشان می‌دهد تعریف کرد. یک محصول با وضوح مسطحاتی 50 سانتی متری دارای 1 پیکسل است که مساحت 50 سانتی متر مربع روی زمین را نشان می دهد. یک محصول با وضوح فضایی 10 متری دارای 1 پیکسل است که مساحت 10 متر کیلومتر مربع روی زمین را نشان می دهد. ( به عبارت دیگر به عنوان مثال تصویر با رزولوشن ۵۰ سانتی متر را میتوان مرکز یک پیکسل با مرکز پیکسل مجاور در همان تصویررا با همین اندازه سنجید ). نمونه رزولوشن تصویر :

High Resolution (50cm-1m)

Medium Resolution (1.5-8 m) 

Low Resolution (8-15 m)

توجه کنید که تصاویر در سامانه‌های مختلف با فاصله زمانی یا به صورت به روز شده ارایه میشوند.