কোন রিমোট সেন্সিং স্যাটেলাইট গাছপালা পরিমাণ ম্যাপিংয়ের জন্য সবচেয়ে ভাল ব্যবহৃত হয়


15

আমি বর্তমানে আমার রিমোট সেন্সিং ক্লাসের জন্য একটি অ্যাসাইনমেন্ট লিখছি এবং আমার মনে হয় আমার সঠিক উত্তর আছে যাঁরা জীবিতদের জন্য এই জিনিসগুলি করেন তারা কী ভাবছেন was

প্রশ্নটি হ'ল ল্যান্ডস্যাট টিএম (থিম্যাটিক ম্যাপার) এবং এসপিওটি 5 কোন উপগ্রহটি আপনি 300 কিলোমিটার এক্স 300 কিলোমিটার অধ্যয়নের ক্ষেত্রের সাধারণ মাত্রা ম্যাপ করতে ব্যবহার করবেন?

আমার উত্তরটি ছিল যে আপনি এসপিটি 5 ব্যবহার করবেন কারণ এটি উচ্চতর রেজোলিউশন এবং ল্যান্ডস্যাট টিএম-এর 30 মি রেজোলিউশনের তুলনায় আরও সূক্ষ্ম পরিমাণ পেতে দেয়। তবে এসপিওটি 5 এর একটি ছোট সোয়াথ অঞ্চল রয়েছে তাই আপনাকে আরও চিত্র ব্যবহার করতে হবে। আমি এসপিওটি 5 তে 2200 কিলোমিটার ভিএমআই সোথ সম্পর্কেও ভেবেছিলাম কিন্তু রেজোলিউশনটি 1km।

থটস?


ডেডিকেটেড রিমোট সেন্সিং স্ট্যাকচেঞ্জের জন্য: অঞ্চল 51.stackexchange.com/proposals/59346/remote-sencing
ডাব্লুএফএফ

উত্তর:


17

আমি @ ভাস্কোবনেউনসের মতামতের সাথে একমত তবে আপনি যদি নির্দিষ্ট কিছু বিষয় নির্ধারণ করতে চান তবে আপনাকে ল্যান্ডস্যাট টিএম ব্যবহার করতে হবে কারণ আরও শ্রেণিবিন্যাসে আরও বেশি ব্যান্ডের প্রয়োজন রয়েছে (আর, জি, বি, এনআইআর, মির, টিআইআর, এফআইআর) ... এবং আমার পছন্দটি হ'ল উদ্ভিদের জন্য আপনার ল্যান্ডস্যাট টিএম ব্যবহার করতে হবে (আমি নিম্নলিখিত ব্যাখ্যায় একই তথ্য দিয়েছি)।

এই ক্ষেত্রে গুরুত্বপূর্ণ বিষয়টি হল relative spectral response (RSR)আপনার স্যাটেলাইটটি দেখে নেওয়া উচিত ।

আপেক্ষিক বর্ণাল প্রতিক্রিয়া (আরএসআর) পরিমাপগুলি একটি সাধারণ ফিল্টার দ্বারা আচ্ছাদিত সমস্ত ডিটেক্টরগুলির জন্য ধ্রুবক হিসাবে ধরে নেওয়া হয় এবং এটি unityক্যের এটি শীর্ষ প্রতিক্রিয়াতে স্বাভাবিক হয়। অন-কক্ষপথ বা গ্রাউন্ড পরিমাপ থেকে সময় সহ বর্ণালীর স্থায়িত্ব পরীক্ষা করার কোনও পদ্ধতি নেই।

(সূত্র: ডাঃ জন বার্ক)

আরএসআর ছাড়াও, temporal resolutionপুনরাবৃত্তিমূলক ডেটা অধিগ্রহণ চক্রের জন্য এত গুরুত্বপূর্ণ ...

এটি ল্যান্ডস্যাট টিএম-এর আপেক্ষিক বর্ণাল প্রতিক্রিয়া:

প্রতিক্রিয়া

সেন্সর-নির্দিষ্ট আপেক্ষিক বর্ণালী প্রতিক্রিয়া ফাংশন দ্বারা সৃষ্ট পার্থক্য NDVI- এর মূল্যায়ন সম্পর্কে এখানে একটি তথ্য রয়েছে ।

বিমূর্তি এখানে:

নরমালাইজড ডিফারেন্স ভেজিটেবল ইনডেক্স (এনডিভিআই) স্থলভাগের উপকরণ এবং পরিবেশগত পরিবর্তনগুলির গতিবিধি পর্যবেক্ষণ করতে সর্বাধিক ব্যবহৃত রিমোট সেন্সিং-ভিত্তিক সূচক। বিভিন্ন সেন্সর বৈশিষ্ট্যের কারণে, এনডিভিআই মানগুলি রেকর্ডিং সিস্টেম অনুসারে পরিবর্তিত হয়। এই অধ্যয়ন বর্ণালী সেন্সর বৈশিষ্ট্যগুলির ফ্যাক্টরকে কেন্দ্র করে, যা মাল্টিসেনসোরাল এনডিভিআই ডেটার ব্যাখ্যা জটিল করে তুলতে পারে। অতএব, ল্যান্ডস্যাট 5 টিএম, কুইকবার্ড এবং এসপিওটি 5 এর মাল্টিস্পেকট্রাল ব্যান্ডগুলি হাইপারস্পেকট্রাল ডেটা থেকে অনুকরণ করা হয়েছিল। এই সিমুলেটেড ডেটা সেটগুলি সেন্সর জ্যামিতি, বায়ুমণ্ডলীয় পরিস্থিতি, টপোগ্রাফি এবং স্থানিক রেজোলিউশনের মতো অভিন্ন বৈশিষ্ট্যগুলি (বর্ণালিভাবে বাদ দিয়ে) দেখায়। এটি বিভিন্ন বর্ণাল বৈশিষ্ট্যের গুণক দ্বারা সৃষ্ট NDVI পার্থক্যের সরাসরি তুলনা করতে দেয়।

আমি এই নথিটি থেকে এনআইআর এবং রেড ব্যান্ডের বর্ণালি মানগুলি সম্পর্কে আপনার জন্য একটি সংক্ষিপ্তসার তৈরি করেছি ...

প্রতিক্রিয়া

ল্যান্ডস্যাট 5 টিএম, কুইকবার্ড এবং এসপিওটি 5 এর 2 টি সাধারণ ল্যান্ড কভার বর্ণালী সহ লাল এবং কাছাকাছি-ইনফ্রারেড ব্যান্ডগুলির আপেক্ষিক বর্ণাল প্রতিক্রিয়া ফাংশন।

ফলাফল :

বিশেষত এনআইআর অঞ্চলে সেন্সরগুলির আরএসআর কার্যগুলি একে অপরের থেকে পৃথক হয়। সুস্পষ্ট বিষয় হ'ল ল্যান্ডস্যাট 5 টিএম এবং এসপিওটি 5 এর লাল এবং এনআইআর ব্যান্ডের মধ্যে ফাঁকটি কুইকবার্ড ব্যান্ডগুলির মধ্যে ব্যবধানের চেয়েও বিস্তৃত, যেখানে একটি ওভারল্যাপও বিদ্যমান।


response3

সেন্সরগুলির রেড (ক) এবং কাছাকাছি-ইনফ্রারেড (খ) ব্যান্ডগুলির আপেক্ষিক বর্ণালী প্রতিক্রিয়ার ফাংশনগুলির সেন্সর সম্পর্কিত পার্থক্য (%)।

ফলাফল:

কুইকবার্ড এবং এসপিওটি 5 এর লাল ব্যান্ডগুলি যেখানে একই রকম, এই সেন্সরগুলির এনআইআর ব্যান্ডগুলি 0.77µm এ 80% এরও বেশি বিস্তৃত পার্থক্য দেখায়। এনআইআর ব্যান্ডগুলির মধ্যে বিস্তৃত পার্থক্যের কারণে, এই ব্যান্ডগুলির আরএসআর ফাংশনগুলি লাল ব্যান্ডগুলির চেয়ে এনডিভিআইকে বেশি প্রভাবিত করে।

আমি এটি আপনাকে সাহায্য করে আশা করি...


10

যদি আপনার কাছে কেবল স্পট 5 এবং ল্যান্ডস্যাট টিএম থেকে বেছে নেওয়া হয় তবে অর্থ সমস্যা হয় না এবং 30 000ha এর ছোট অঞ্চলের জন্য, আমি সম্মত হব যে এসপট 5 সেরা পছন্দ, যদিও ল্যান্ডসেটের কিছু শক্ত সুবিধা রয়েছে:

SPOT5:

  • 2,5 মিটার স্থানিক রেজোলিউশন
  • 3 বর্ণাল ব্যান্ড (সবুজ, লাল, ইনফ্রা-রেডের কাছাকাছি)
  • নতুন অধিগ্রহণের জন্য প্রতি বর্গমাইল প্রায় 2,64
  • ভাল পুনর্বিবেচনার সময়
  • বৃহত্তম সুবিধা: ভাল রেজোলিউশন, খুব উচ্চ স্থানিক বিশদ ম্যাপিংয়ের জন্য আদর্শ

ল্যান্ডসেট টিএম

  • 30 মি। স্থানিক রেজোলিউশন
  • 7 বর্ণাল ব্যান্ড (আর, জি, বি, এনআইআর, এমআইআর, টিআইআর, এফআইআর)
  • প্রতি বর্গমাইল প্রতি 0,5
  • বৃহত্তম সুবিধা: আরও ভাল থিম্যাটিক বৈষম্যের জন্য বর্ণালি তথ্য আদর্শ; মূল্য

আপনার কাছে র্যাপিডে, অ্যাস্টার বা এলআইএসএস -4 এর সাথে ভাল বিকল্প রয়েছে।

চিয়ার্স, ভাস্কো নুনস


উভয়েরই এনআইআর ব্যান্ড রয়েছে তাই উভয় গাছপালা বিশ্লেষণের জন্য উপযুক্ত। আরও বিশদ পেতে আপনি ল্যান্ডস্যাটটি 7 থেকে 15 মিটার রেজোলিউশনে প্যান-তীক্ষ্ণ করতে পারেন (এই ব্যান্ডটি প্রায়শই চিত্রাবলীর সাহায্যে সরবরাহ করা হয়) ল্যান্ডস্যাট 7 আপনাকে প্রাকৃতিক রঙ অর্জন করতে ব্যান্ডগুলি একত্রিত করতে দেয়। যদি আমি সঠিকভাবে মনে করতে পারি তবে আমি বিশ্বাস করি যে এটি স্পট 5 এর ক্ষেত্রে নয় not প্রাকৃতিক রঙের অনুকরণের জন্য কোনওভাবে রঙিন ব্যান্ডগুলি পুনরায় গণনা করা সম্ভব। আমি এটি করছি মনে আছে তবে আমার জলের শরীরটি তখন আরও বেগুনি ছিল then এছাড়াও দামটি অবস্থানের উপর নির্ভর করে যোগ করতে চেয়েছিল। কানাডায় ল্যান্ডস্যাট and এবং এসপিওটি ৫ উভয়ই বিনামূল্যে ব্যবহারের জন্য।
জাকুব সিসাক জিওগ্রাফিক্স

ল্যান্ডস্যাট 5 টিএম ছিল স্যাটেলাইট রেফার্ড, সুতরাং 30 মিলিয়ন ডলার রেজোলিউশন। তবে আমি ল্যান্ডসেটের উচ্চতর nessশ্বর্যের সাথে একমত। ধারণাটি কেবলমাত্র স্বয়ংক্রিয়ভাবে ম্যাপ করার জন্য যেখানে উদ্ভিদ রয়েছে। এবং যেমনটি আপনি বলেছেন যে, উভয়ই আপনাকে এনডিভিআই তৈরি করতে দেয়। স্পট কেবল আপনাকে আরও ভাল স্থানিক রেজোলিউশন দেয়। বিনামূল্যে স্পট 5 চিত্র ?! ওটা সুন্দর!
ভাস্কোবুনিউনস

2
আপনার যদি কেবল উদ্ভিজ্জ / উদ্ভিজ্জ উদ্ভিদের মধ্যে পার্থক্য করা দরকার এবং উভয় সেন্সর থেকে এনডিভিআই কাজ করবে। ল্যান্ডসেটে উদ্ভিদের ধরণের আরও শ্রেণিবদ্ধকরণ করার জন্য আপনার আরও ভাল ক্ষমতা দেওয়া উচিত ote দ্রষ্টব্য যে প্যান শার্পিংটি কেবলমাত্র প্রদর্শনের উদ্দেশ্যেই কার্যকর। যদি আপনি বিশ্লেষণ করতে চান তবে আপনার ডেটাতে এটি করা বেশ ক্ষতিকারক thing
ডেভিড

+1 পুনরায়। ডেভিড এর পানশর্পণ মন্তব্য। @ ভাসকোবুনিউনস স্পট 5 মাল্টিসেপট্রাল রেজোলিউশনটি 10 ​​মি (জি, আর, এনআইআর) এবং 20 মি (এমআইআর)। কেবল প্যানক্রোমেটিক ব্যান্ডটি 2.5 মিটার।
user2856

@ প্যানটি তীক্ষ্ণ মন্তব্য সম্পর্কে ডেভিড: প্রকৃতপক্ষে, আপনি যদি চিত্রটির বর্ণালী তথ্য বিশ্লেষণ করতে চান (যেমন স্বয়ংক্রিয় শ্রেণিবদ্ধকরণের উদ্দেশ্যে) পিক্সেলের মূল মানগুলি (ডিএন) না পরিবর্তন করা ভাল। তবে ভিজ্যুয়াল ব্যাখ্যার / শ্রেণিবিন্যাসের জন্য বা আপনি যদি স্বয়ংক্রিয় বিভাগকরণ করতে চান তবে প্যান-তীক্ষ্ণ চিত্র ব্যবহার করা দুর্দান্ত উপযোগী হবে।
ভাস্কোবুনিউনস

2

আপনি যদি স্বয়ংক্রিয়ভাবে শ্রেণিবিন্যাসকে ল্যান্ডসেটের সাথে যেতে চান তবে আমি মনে করি যে 2.5 মিটার রেজোলিউশন চিত্রের কোনও স্বয়ংক্রিয় শ্রেণিবদ্ধকরণ (ক্ষেত্রের ধরণ এবং বৈচিত্রের উপর নির্ভর করে) আপনাকে এখানকার অনেকগুলি নিদর্শনগুলির সাথে মোকাবিলা করতে সক্ষম করবে যদি আপনি এটিতে ভাল না হন: )।

এই জাতীয় ডেটাসেটের উদ্দেশ্যটি বিবেচনা করা মূল বিষয়। শুধু ভিজ্যুয়ালাইজেশন? খুব বিস্তারিত ক্ষেত্রের গণনা? প্রক্সিমিটি বিশ্লেষণ? আপনি আপনার ডেটাসেটে উপস্থাপন করতে চান এমন ক্ষুদ্রতম উদ্ভিদ অঞ্চলটি কী? এর জন্য আপনার টাইমস্কেল এবং কর্মশক্তি কী? এগুলি আপনাকে আপনার প্রশ্নের উত্তর দেবে।

অনেকগুলি বিষয় বিবেচনা করতে হবে এবং এই জাতীয় প্রকল্পের উদ্দেশ্য হ'ল মূল নির্দেশিকা।


হ্যাঁ যদি অ্যাসাইনমেন্ট প্রশ্নে সেই বিষয়গুলি সুযোগ হিসাবে থাকে তবে উত্তর দেওয়া সহজ হবে তবে এটি সত্যিই শেষ হয়ে গেছে।
নাথান ডাব্লু
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.