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?

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:

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 ...

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.

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 ...

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

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.