stringtranslate.com

Дистанционное зондирование

Радиолокационное изображение Долины Смерти , полученное с помощью синтезированной апертуры , раскрашенное с помощью поляриметрии

Дистанционное зондирование — это получение информации об объекте или явлении без физического контакта с объектом, в отличие от наблюдения на месте или in situ . Этот термин применяется в основном для получения информации о Земле и других планетах . Дистанционное зондирование используется во многих областях, включая геофизику , географию , геодезию и большинство дисциплин наук о Земле (например, разведывательная геофизика , гидрология , экология , метеорология , океанография , гляциология , геология ). Оно также имеет военные, разведывательные, коммерческие, экономические, плановые и гуманитарные приложения, среди прочих.

В современном использовании термин « дистанционное зондирование» обычно относится к использованию сенсорных технологий на основе спутников или самолетов для обнаружения и классификации объектов на Земле. Он включает в себя поверхность, атмосферу и океаны , на основе распространяющихся сигналов (например, электромагнитного излучения ). Его можно разделить на «активное» дистанционное зондирование (когда сигнал испускается спутником или самолетом к объекту, и его отражение обнаруживается датчиком) и «пассивное» дистанционное зондирование (когда отражение солнечного света обнаруживается датчиком). [1] [2] [3] [4]

Обзор

В этом видео рассказывается о том, как спутник Landsat использовался для определения природоохранных зон в Демократической Республике Конго , а также о том, как он использовался для картирования территории под названием MLW на севере страны.

Дистанционное зондирование можно разделить на два типа методов: пассивное дистанционное зондирование и активное дистанционное зондирование. Пассивные датчики собирают излучение, которое испускается или отражается объектом или окружающими областями. Отраженный солнечный свет является наиболее распространенным источником излучения, измеряемого пассивными датчиками. Примерами пассивных дистанционных датчиков являются пленочная фотография , инфракрасное излучение , приборы с зарядовой связью и радиометры . Активный сбор, с другой стороны, излучает энергию для сканирования объектов и областей, после чего датчик затем обнаруживает и измеряет излучение, которое отражается или рассеивается обратно от цели. РАДАР и ЛИДАР являются примерами активного дистанционного зондирования, где измеряется временная задержка между испусканием и возвратом, устанавливая местоположение, скорость и направление объекта.

Иллюстрация дистанционного зондирования

Дистанционное зондирование позволяет собирать данные об опасных или недоступных районах. Приложения дистанционного зондирования включают мониторинг вырубки лесов в таких областях, как бассейн Амазонки , ледниковые особенности в Арктике и Антарктике, а также глубинное зондирование прибрежных и океанских глубин. Военный сбор во время Холодной войны использовал дистанционный сбор данных об опасных пограничных районах. Дистанционное зондирование также заменяет дорогостоящий и медленный сбор данных на земле, гарантируя в процессе, что области или объекты не будут нарушены.

Орбитальные платформы собирают и передают данные из разных частей электромагнитного спектра , что в сочетании с более масштабным воздушным или наземным зондированием и анализом предоставляет исследователям достаточно информации для мониторинга таких тенденций, как Эль-Ниньо и других природных долгосрочных и краткосрочных явлений. Другие области применения включают различные области наук о Земле , такие как управление природными ресурсами , сельскохозяйственные области, такие как землепользование и охрана, [5] [6] мониторинг парниковых газов , [7] обнаружение и мониторинг разливов нефти, [8] и национальная безопасность и воздушный, наземный и дистанционный сбор на приграничных территориях. [9]

Типы методов сбора данных

Основой для многоспектрального сбора и анализа являются обследованные области или объекты, которые отражают или испускают излучение, выделяющееся из окружающих областей. Для обзора основных спутниковых систем дистанционного зондирования см. обзорную таблицу.

Применение дистанционного зондирования

Радарное изображение Асуанской плотины в Египте, полученное Umbra
Примеры оборудования дистанционного зондирования, развернутого
или взаимодействующего с океанографическими исследовательскими судами . [12]

Геодезический

Акустические и околоакустические

Для координации серии крупномасштабных наблюдений большинство сенсорных систем зависят от следующего: местоположения платформы и ориентации датчика. Высококачественные приборы теперь часто используют позиционную информацию от спутниковых навигационных систем . Вращение и ориентация часто обеспечиваются в пределах градуса или двух с помощью электронных компасов. Компасы могут измерять не только азимут (т. е. градусы к магнитному северу), но и высоту (градусы над горизонтом), поскольку магнитное поле изгибается в Земле под разными углами на разных широтах. Более точная ориентация требует ориентации с помощью гироскопа , периодически перенастраиваемой различными методами, включая навигацию по звездам или известным ориентирам.

Характеристики данных

Качество данных дистанционного зондирования определяется их пространственным, спектральным, радиометрическим и временным разрешением.

Пространственное разрешение
Размер пикселя , записанного в растровом изображении . Обычно пиксели могут соответствовать квадратным областям со стороной от 1 до 1000 метров (от 3,3 до 3280,8 футов).
Спектральное разрешение
Длина волны различных записанных частотных диапазонов — обычно это связано с количеством частотных диапазонов, записанных платформой. Текущая коллекция Landsat состоит из семи диапазонов, включая несколько в инфракрасном спектре, со спектральным разрешением от 0,7 до 2,1 мкм. Датчик Hyperion на Earth Observing-1 разрешает 220 диапазонов от 0,4 до 2,5 мкм со спектральным разрешением от 0,10 до 0,11 мкм на диапазон.
Радиометрическое разрешение
Количество различных интенсивностей излучения, которые способен различать датчик. Обычно это от 8 до 14 бит, что соответствует 256 уровням серой шкалы и до 16 384 интенсивностей или «оттенков» цвета в каждой полосе. Это также зависит от шума прибора .
Временное разрешение
Частота пролетов спутника или самолета, и имеет значение только в исследованиях временных рядов или тех, которые требуют усредненного или мозаичного изображения, как при мониторинге вырубки лесов. Впервые это было использовано разведывательным сообществом, где повторное покрытие выявило изменения в инфраструктуре, развертывание подразделений или модификацию/внедрение оборудования. Облачный покров над заданной областью или объектом делает необходимым повторный сбор указанного местоположения.

Обработка данных

Для создания карт на основе датчиков большинство систем дистанционного зондирования предполагают экстраполяцию данных датчиков относительно опорной точки, включая расстояния между известными точками на земле. Это зависит от типа используемого датчика. Например, на обычных фотографиях расстояния точны в центре изображения, а искажение измерений увеличивается по мере удаления от центра. Другим фактором является то, что пластина, к которой прижимается пленка, может вызывать серьезные ошибки при использовании фотографий для измерения расстояний на земле. Шаг, на котором эта проблема решается, называется геопривязкой и включает в себя компьютерное сопоставление точек на изображении (обычно 30 или более точек на изображение), которое экстраполируется с использованием установленного эталона, «деформируя» изображение для получения точных пространственных данных. С начала 1990-х годов большинство спутниковых изображений продаются с полной геопривязкой.

Кроме того, может потребоваться радиометрическая и атмосферная коррекция изображений.

Радиометрическая коррекция
Позволяет избежать радиометрических ошибок и искажений. Освещенность объектов на поверхности Земли неравномерна из-за различных свойств рельефа. Этот фактор учитывается в методе коррекции радиометрических искажений. [29] Радиометрическая коррекция задает масштаб значений пикселей, например, монохроматическая шкала от 0 до 255 будет преобразована в фактические значения яркости.
Топографическая коррекция (также называемая коррекцией рельефа)
В скалистых горах из-за рельефа местности эффективная освещенность пикселей значительно варьируется. На изображении дистанционного зондирования пиксель на теневом склоне получает слабое освещение и имеет низкое значение яркости, в отличие от пикселя на солнечном склоне получает сильное освещение и имеет высокое значение яркости. Для одного и того же объекта значение яркости пикселя на теневом склоне будет отличаться от значения на солнечном склоне. Кроме того, разные объекты могут иметь схожие значения яркости. Эти неоднозначности серьезно повлияли на точность извлечения информации из изображений дистанционного зондирования в горных районах. Это стало основным препятствием для дальнейшего применения изображений дистанционного зондирования. Целью топографической коррекции является устранение этого эффекта, восстановление истинной отражательной способности или яркости объектов в горизонтальных условиях. Это является предпосылкой количественного применения дистанционного зондирования .
Атмосферная коррекция
Устранение атмосферной дымки путем изменения масштаба каждой полосы частот таким образом, чтобы ее минимальное значение (обычно реализуемое в водоемах) соответствовало значению пикселя 0. Оцифровка данных также позволяет манипулировать данными, изменяя значения шкалы серого.

Интерпретация — это критический процесс осмысления данных. Первым применением был сбор аэрофотоснимков, который использовал следующий процесс: пространственное измерение с использованием светового стола как в обычном одиночном, так и в стереографическом покрытии, дополнительные навыки, такие как использование фотограмметрии, использование фотомозаики, повторное покрытие, использование известных размеров объектов для обнаружения изменений. Анализ изображений — это недавно разработанное автоматизированное компьютерное приложение, которое все чаще используется.

Объектно-ориентированный анализ изображений (OBIA) — это подраздел геоинформатики, посвященный разделению изображений дистанционного зондирования (ДЗ) на значимые объекты-изображения и оценке их характеристик по пространственному, спектральному и временному масштабам.

Старые данные дистанционного зондирования часто ценны, поскольку они могут предоставлять единственные долгосрочные данные для большой географической области. В то же время данные часто сложны для интерпретации и громоздки для хранения. Современные системы, как правило, хранят данные в цифровом виде, часто со сжатием без потерь . Сложность этого подхода заключается в том, что данные хрупкие, формат может быть архаичным, и данные могут быть легко фальсифицированы. Одной из лучших систем для архивирования рядов данных является сгенерированная компьютером машиночитаемая ультрафиша , обычно в шрифтах, таких как OCR-B , или в виде оцифрованных полутоновых изображений. Ультрафиши хорошо сохраняются в стандартных библиотеках, со сроком службы в несколько столетий. Их можно создавать, копировать, архивировать и извлекать с помощью автоматизированных систем. Они примерно такие же компактные, как архивные магнитные носители, и при этом могут быть прочитаны людьми с минимальным стандартизированным оборудованием.

Вообще говоря, дистанционное зондирование работает по принципу обратной задачи : в то время как интересующий объект или явление ( состояние ) не может быть измерено напрямую, существует некоторая другая переменная, которая может быть обнаружена и измерена ( наблюдение ), которая может быть связана с интересующим объектом посредством расчета. Распространенная аналогия, приводимая для описания этого, — это попытка определить тип животного по его следам. Например, хотя невозможно напрямую измерить температуру в верхних слоях атмосферы, можно измерить спектральные выбросы известного химического вещества (например, углекислого газа) в этом регионе. Затем частота выбросов может быть связана через термодинамику с температурой в этом регионе.

Уровни обработки данных

Для облегчения обсуждения обработки данных на практике несколько «уровней» обработки были впервые определены в 1986 году NASA в рамках ее Системы наблюдения за Землей [30] и с тех пор постоянно принимаются как внутри NASA (например, [31] ), так и в других местах (например, [32] ); эти определения таковы:

Запись данных уровня 1 является наиболее фундаментальной (т. е. наивысшим обратимым уровнем) записью данных, которая имеет значительную научную полезность и является основой, на которой производятся все последующие наборы данных. Уровень 2 является первым уровнем, который напрямую пригоден для большинства научных приложений; его ценность намного больше, чем у более низких уровней. Наборы данных уровня 2, как правило, менее объемны, чем данные уровня 1, поскольку они были сокращены во времени, пространстве или спектрально. Наборы данных уровня 3, как правило, меньше, чем наборы данных более низкого уровня, и, таким образом, с ними можно работать, не неся больших накладных расходов на обработку данных. Эти данные, как правило, более полезны для многих приложений. Регулярная пространственная и временная организация наборов данных уровня 3 позволяет легко объединять данные из разных источников.

Хотя эти уровни обработки особенно подходят для типичных конвейеров обработки спутниковых данных, были определены и другие словари уровней данных, которые могут быть подходящими для более разнородных рабочих процессов.

Приложения

Спутниковые снимки предоставляют очень полезную информацию для получения статистики по темам, тесно связанным с территорией, таким как сельское хозяйство, лесное хозяйство или почвенный покров в целом. Первым крупным проектом по применению снимков Landsata 1 для статистики был LACIE (Эксперимент по инвентаризации сельскохозяйственных культур на больших площадях), который проводили NASA, NOAA и USDA в 1974–77 годах. [33] [34] За ним последовало множество других прикладных проектов по оценке посевных площадей, включая итальянский проект AGRIT и проект MARS Объединенного исследовательского центра (JRC) Европейской комиссии . [35] Оценка площади лесов и обезлесения также часто становилась целью проектов дистанционного зондирования, [36] [37] так же, как и почвенный покров и землепользование [38]

Наземные истинные или справочные данные для обучения и проверки классификации изображений требуют полевого обследования, если мы нацелены на однолетние культуры или отдельные виды леса, но могут быть заменены фотоинтерпретацией , если мы рассматриваем более широкие классы, которые могут быть надежно идентифицированы на аэрофотоснимках или спутниковых снимках. Важно подчеркнуть, что вероятностная выборка не имеет решающего значения для выбора обучающих пикселей для классификации изображений, но она необходима для оценки точности классифицированных изображений и оценки площади. [39] [40] [41] Рекомендуется дополнительная осторожность, чтобы гарантировать, что обучающие и проверочные наборы данных не имеют пространственной корреляции. [42]

Предположим теперь, что у нас есть классифицированные изображения или карта земельного покрова , созданные с помощью визуальной фотоинтерпретации, с легендой картированных классов, которая подходит для нашей цели, снова беря пример пшеницы. Прямой подход заключается в подсчете количества пикселей, классифицированных как пшеница, и умножении на площадь каждого пикселя. Многие авторы заметили, что оценка , как правило, смещена, поскольку ошибки комиссии и пропуска в матрице путаницы не компенсируют друг друга [43] [44] [45]

Основная сила классифицированных спутниковых изображений или других показателей, вычисленных на основе спутниковых изображений, заключается в предоставлении дешевой информации по всей целевой области или по большей ее части. Эта информация обычно хорошо коррелирует с целевой переменной (наземная истина), наблюдение за которой обычно является дорогостоящим и точным способом. Поэтому ее можно наблюдать на вероятностной выборке, отобранной на основе выборки области . Традиционная методология обследования предоставляет различные методы для объединения точной информации по выборке с менее точными, но исчерпывающими данными для ковариативы или прокси , сбор которых обходится дешевле. Для сельскохозяйственной статистики обычно требуются полевые обследования, в то время как фотоинтерпретация может быть лучше для классов земельного покрова, которые можно надежно идентифицировать на аэрофотоснимках или спутниковых снимках с высоким разрешением. Дополнительная неопределенность может возникнуть из-за несовершенных справочных данных (наземная истина или аналогичные). [46] [47]

Некоторые варианты: оценка отношения , оценка регрессии, [48] оценки калибровки [49] и оценки малой области [38]

Если мы ориентируемся на другие переменные, такие как урожайность или площадь листьев , нам могут потребоваться другие индикаторы, которые будут вычисляться на основе изображений, такие как NDVI , хороший показатель активности хлорофилла . [50]

История

Разведывательно-разведывательный самолет TR -1
В ходе миссии «Марсианская Одиссея» 2001 года были использованы спектрометры и тепловизоры для поиска свидетельств прошлой или настоящей водной и вулканической активности на Марсе.

Современная дисциплина дистанционного зондирования возникла с развитием полетов. Воздухоплаватель Ж. Турнашон (псевдоним Надар ) сделал фотографии Парижа со своего воздушного шара в 1858 году. [51] Для ранних изображений также использовались почтовые голуби, воздушные змеи, ракеты и беспилотные воздушные шары. За исключением воздушных шаров, эти первые отдельные изображения не были особенно полезны для картографирования или для научных целей.

Систематическая аэрофотосъемка была разработана для целей военного наблюдения и разведки, начиная с Первой мировой войны . [52] После Первой мировой войны технология дистанционного зондирования была быстро адаптирована для гражданских целей. [53] Это демонстрируется в первой строке учебника 1941 года под названием «Аэрофотография и аэросъемка», в котором говорилось следующее:

«Больше нет нужды проповедовать в пользу аэрофотосъемки — по крайней мере, в Соединенных Штатах, — поскольку ее применение стало настолько распространенным, а ее ценность настолько велика, что даже фермер, который засеивает свои поля в отдаленном уголке страны, знает ее ценность».

—  Джеймс Бэгли, [53]

Развитие технологии дистанционного зондирования достигло апогея во время Холодной войны с использованием модифицированных боевых самолетов, таких как P-51 , P-38 , RB-66 и F-4C , или специально разработанных платформ сбора данных, таких как U2/TR-1 , SR-71 , A-5 и серии OV-1, как для сбора данных с воздуха, так и с выноса. [54] Более поздняя разработка — это все более мелкие сенсорные модули, такие как те, которые используются правоохранительными органами и военными, как на пилотируемых, так и на беспилотных платформах. Преимущество этого подхода заключается в том, что он требует минимальной модификации данного планера. Более поздние технологии визуализации будут включать инфракрасный, обычный, доплеровский и синтезированный апертурный радар. [55]

Развитие искусственных спутников во второй половине 20-го века позволило дистанционному зондированию достичь глобального масштаба к концу Холодной войны. [56] Приборы на борту различных спутников наблюдения за Землей и метеорологических спутников, таких как Landsat , Nimbus и более поздних миссий, таких как RADARSAT и UARS, обеспечивали глобальные измерения различных данных для гражданских, исследовательских и военных целей. Космические зонды к другим планетам также предоставили возможность проводить исследования дистанционного зондирования во внеземных средах, радиолокатор с синтезированной апертурой на борту космического корабля Magellan предоставил подробные топографические карты Венеры , в то время как приборы на борту SOHO позволили проводить исследования на Солнце и солнечном ветре , и это лишь несколько примеров. [57] [58]

Недавние разработки включают, начиная с 1960-х и 1970-х годов, разработку обработки изображений спутниковых снимков . Использование термина «дистанционное зондирование» началось в начале 1960-х годов, когда Эвелин Прюитт поняла, что достижения в науке означают, что аэрофотосъемка больше не является адекватным термином для описания потоков данных, генерируемых новыми технологиями. [59] [60] С помощью своего коллеги-сотрудника из Управления военно-морских исследований Уолтера Бейли она ввела термин «дистанционное зондирование». [61] [62] Несколько исследовательских групп в Кремниевой долине , включая NASA Ames Research Center , GTE и ESL Inc., разработали методы преобразования Фурье , что привело к первому заметному улучшению данных изображений. В 1999 году был запущен первый коммерческий спутник (IKONOS), собирающий изображения с очень высоким разрешением. [63]

Обучение и образование

Дистанционное зондирование приобретает все большую актуальность в современном информационном обществе. Оно представляет собой ключевую технологию в аэрокосмической промышленности и имеет все большую экономическую значимость — постоянно разрабатываются новые датчики, например TerraSAR-X и RapidEye , а спрос на квалифицированную рабочую силу неуклонно растет. Кроме того, дистанционное зондирование чрезвычайно влияет на повседневную жизнь, начиная от прогнозов погоды и заканчивая отчетами об изменении климата или стихийных бедствиях . Например, 80% немецких студентов пользуются услугами Google Earth ; только в 2006 году программное обеспечение было загружено 100 миллионов раз. Но исследования показали, что только часть из них знает больше о данных, с которыми они работают. [64] Существует огромный разрыв в знаниях между применением и пониманием спутниковых снимков. Дистанционное зондирование играет лишь косвенную роль в школах, независимо от политических заявлений об усилении поддержки преподавания по этому предмету. [65] Большая часть компьютерного программного обеспечения, специально разработанного для школьных уроков, еще не внедрена из-за его сложности. Таким образом, предмет либо вообще не интегрирован в учебную программу, либо не проходит этап интерпретации аналоговых изображений. Фактически, предмет дистанционного зондирования требует консолидации физики и математики, а также компетенций в области медиа и методов, помимо простой визуальной интерпретации спутниковых изображений.

Многие учителя проявляют большой интерес к предмету «дистанционное зондирование», мотивируя себя интегрировать эту тему в преподавание, при условии, что учебная программа учитывается. Во многих случаях это поощрение терпит неудачу из-за запутанной информации. [66] Для того чтобы интегрировать дистанционное зондирование устойчивым образом, такие организации, как EGU или Digital Earth [67], поощряют разработку учебных модулей и учебных порталов . Примеры включают: FIS – дистанционное зондирование на школьных уроках , [68] Geospektiv , [69] Ychange , [70] или Spatial Discovery, [71] для продвижения медиа и методических квалификаций, а также самостоятельного обучения.

Программное обеспечение

Данные дистанционного зондирования обрабатываются и анализируются с помощью компьютерного программного обеспечения, известного как приложение дистанционного зондирования . Существует большое количество фирменных и открытых приложений для обработки данных дистанционного зондирования.

Дистанционное зондирование с помощью гамма-лучей

Существуют приложения гамма-лучей для разведки полезных ископаемых с помощью дистанционного зондирования. В 1972 году более двух миллионов долларов было потрачено на приложения дистанционного зондирования с гамма-лучами для разведки полезных ископаемых. Гамма-лучи используются для поиска месторождений урана. Наблюдая радиоактивность калия, можно обнаружить месторождения порфировой меди. Было обнаружено, что высокое отношение урана к торию связано с наличием гидротермальных месторождений меди. Известно также, что радиационные узоры возникают над нефтяными и газовыми месторождениями, но некоторые из этих узоров, как считалось, связаны с поверхностными почвами, а не с нефтью и газом. [72]

Спутники

По состоянию на 2014 год в состав спутниковой группировки A-train входило шесть спутников наблюдения за Землей .

Спутник наблюдения Земли или спутник дистанционного зондирования Земли — это спутник , используемый или разработанный для наблюдения Земли (EO) с орбиты , включая спутники-шпионы и аналогичные спутники, предназначенные для невоенных целей, таких как мониторинг окружающей среды , метеорология , картография и другие. Наиболее распространенным типом являются спутники съемки Земли, которые делают спутниковые снимки , аналогичные аэрофотоснимкам ; некоторые спутники EO могут выполнять дистанционное зондирование без формирования изображений, например, при радиозатмении GNSS .

Первое появление спутникового дистанционного зондирования можно датировать запуском первого искусственного спутника Земли, Спутника-1 , Советским Союзом 4 октября 1957 года. [73] Спутник-1 отправил обратно радиосигналы, которые ученые использовали для изучения ионосферы . [74] Агентство по баллистическим ракетам армии США запустило первый американский спутник, Explorer 1 , для Лаборатории реактивного движения НАСА 31 января 1958 года. Информация, отправленная обратно с его детектора излучения, привела к открытию радиационных поясов Ван Аллена на Земле . [75] Космический аппарат TIROS-1 , запущенный 1 апреля 1960 года в рамках программы НАСА по телевизионному инфракрасному наблюдению (TIROS), отправил обратно первые телевизионные кадры погодных условий, снятые из космоса. [73]

В 2008 году на орбите находилось более 150 спутников наблюдения за Землей, которые регистрировали данные как с помощью пассивных, так и активных датчиков и ежедневно получали более 10 терабит данных. [73] К 2021 году их общее количество выросло до более чем 950, при этом наибольшее количество спутников эксплуатировалось американской компанией Planet Labs . [76]

Большинство спутников наблюдения Земли несут приборы, которые должны работать на относительно низкой высоте. Большинство из них вращаются на высоте более 500–600 километров (от 310 до 370 миль). Более низкие орбиты имеют значительное сопротивление воздуха , что делает необходимыми частые маневры по восстановлению орбиты . Спутники наблюдения Земли ERS-1, ERS-2 и Envisat Европейского космического агентства , а также космический аппарат MetOp Европейского космического агентства все работают на высоте около 800 км (500 миль). Космические аппараты Proba-1 , Proba-2 и SMOS Европейского космического агентства наблюдают за Землей с высоты около 700 км (430 миль). Спутники наблюдения Земли ОАЭ DubaiSat-1 и DubaiSat-2 также размещены на низких околоземных орбитах (LEO) и предоставляют спутниковые изображения различных частей Земли. [77] [78]

Для глобального покрытия с низкой орбиты используется полярная орбита . Низкая орбита будет иметь орбитальный период около 100 минут, а Земля будет вращаться вокруг своей полярной оси примерно на 25° между последовательными орбитами. Наземная траектория движется на запад на 25° с каждой орбитой, что позволяет сканировать разные части земного шара с каждой орбитой. Большинство из них находятся на солнечно-синхронных орбитах .

Геостационарная орбита на высоте 36 000 км (22 000 миль) позволяет спутнику зависать над постоянной точкой на Земле, поскольку орбитальный период на этой высоте составляет 24 часа. Это позволяет непрерывно покрывать более 1/3 Земли на спутник, поэтому три спутника, разнесенные на 120°, могут покрыть всю Землю. Этот тип орбиты в основном используется для метеорологических спутников .

Смотрите также

Ссылки

  1. ^ Шовенгердт, Роберт А. (2007). Дистанционное зондирование: модели и методы обработки изображений (3-е изд.). Academic Press . стр. 2. ISBN 978-0-12-369407-2. Архивировано из оригинала 1 мая 2016 . Получено 15 ноября 2015 .
  2. ^ Schott, John Robert (2007). Дистанционное зондирование: подход цепочки изображений (2-е изд.). Oxford University Press . стр. 1. ISBN 978-0-19-517817-3. Архивировано из оригинала 24 апреля 2016 . Получено 15 ноября 2015 .
  3. ^ Го, Хуадун; Хуан, Цинни; Ли, Синьу; Сан, Чжунчан; Чжан, Ин (2013). "Пространственно-временной анализ городской среды на основе модели растительность–непроницаемая поверхность–почва" (PDF) . Журнал прикладного дистанционного зондирования . 8 (1): 084597. Bibcode :2014JARS....8.4597G. doi : 10.1117/1.JRS.8.084597 . S2CID  28430037. Архивировано (PDF) из оригинала 19 июля 2018 г. . Получено 27 октября 2021 г. .
  4. ^ Лю, Цзянь Го и Мейсон, Филиппа Дж. (2009). Essential Image Processing for GIS and Remote Sensing. Wiley-Blackwell . стр. 4. ISBN 978-0-470-51032-2. Получено 2 апреля 2023 г. .
  5. ^ "Спасение обезьян". SPIE Professional. Архивировано из оригинала 4 февраля 2016 года . Получено 1 января 2016 года .
  6. ^ Howard, A.; et al. (19 августа 2015 г.). «Дистанционное зондирование и картирование местообитаний бородатых капуцинов (Sapajus libidinosus): ландшафты для использования каменных орудий». Журнал прикладного дистанционного зондирования . 9 (1): 096020. doi :10.1117/1.JRS.9.096020. S2CID  120031016.
  7. ^ Инноченти, Фабрицио; Робинсон, Род; Гардинер, Том; Финлейсон, Эндрю; Коннор, Энди (2017). "Измерения выбросов метана на свалках с помощью лидара дифференциального поглощения (DIAL)". Дистанционное зондирование . 9 (9): 953. Bibcode : 2017RemS....9..953I. doi : 10.3390/rs9090953 .
  8. ^ C. Bayindir; JD Frost; CF Barnes (январь 2018 г.). «Оценка и улучшение обнаружения некогерентных изменений SAR при разливах нефти на поверхности моря». IEEE J. Ocean. Eng . 43 (1): 211–220. Bibcode : 2018IJOE...43..211B. doi : 10.1109/JOE.2017.2714818. S2CID  44706251.
  9. ^ "Science@nasa - Technology: Remote Sensing". Архивировано из оригинала 29 сентября 2006 года . Получено 18 февраля 2009 года .
  10. ^ Ху, Люру; Наварро-Эрнандес, Мария И.; Лю, Сяоцзе; Томас, Роберто; Тан, Синьмин; Брю, Гваделупа; Эскерро, Пабло; Чжан, Циндао (октябрь 2022 г.). «Анализ регионального оседания земель с большим градиентом в бассейне Альто-Гудалентин (Испания) с использованием наборов данных LiDAR с открытым доступом». Дистанционное зондирование окружающей среды . 280 : 113218. Бибкод : 2022RSEnv.28013218H. дои : 10.1016/j.rse.2022.113218. hdl : 10045/126163 . ISSN  0034-4257.
  11. ^ Чжао, Кайгуан; Суарес, Хуан С; Гарсия, Мариано; Ху, Тонгси; Ван, Чэн; Лондо, Алексис (2018). «Полезность многовременного лидара для мониторинга лесов и углерода: рост деревьев, динамика биомассы и поток углерода». Дистанционное зондирование окружающей среды . 204 : 883–897. Bibcode : 2018RSEnv.204..883Z. doi : 10.1016/j.rse.2017.09.007.
  12. ↑ Просто устраивайтесь поудобнее, и вы услышите историю. Рассказ о путешествии в поисках планктона. Архивировано 10 августа 2021 г. в Wayback Machine NASA Earth Expeditions , 15 августа 2018 г.
  13. ^ Левин, Ноам; Киба, Кристофер CM; Чжан, Цинлин; Санчес де Мигель, Алехандро; Роман, Мигель О.; Ли, Си; Портнов, Борис А.; Молтан, Эндрю Л.; Джехоу, Андреас; Миллер, Стивен Д.; Ван, Чжуосен; Шреста, Ранджай М.; Элвидж, Кристофер Д. (февраль 2020 г.). «Дистанционное зондирование ночных огней: обзор и перспективы на будущее». Дистанционное зондирование окружающей среды . 237 : 111443. Bibcode : 2020RSEnv.23711443L. doi : 10.1016/j.rse.2019.111443. hdl : 10871/40052 . S2CID  214254543.
  14. ^ Коррадино, Клаудия; Ганчи, Гаэтана; Билотта, Джузеппе; Каппелло, Анналиса; Дель Негро, Чиро; Фортуна, Луиджи (январь 2019 г.). «Интеллектуальные системы поддержки принятия решений для вулканических применений». Энергии . 12 (7): 1216. дои : 10.3390/en12071216 .
  15. ^ Коррадино, Клаудия; Ганчи, Гаэтана; Каппелло, Анналиса; Билотта, Джузеппе; Эро, Алексис; Дель Негро, Чиро (январь 2019 г.). «Картирование недавних потоков лавы на горе Этна с использованием мультиспектральных изображений Sentinel-2 и методов машинного обучения». Дистанционное зондирование . 11 (16): 1916. Бибкод : 2019RemS...11.1916C. дои : 10.3390/rs11161916 .
  16. ^ Голдберг, А.; Стэнн, Б.; Гупта, Н. (июль 2003 г.). «Исследования многоспектральной, гиперспектральной и трехмерной визуализации в исследовательской лаборатории армии США» (PDF). Труды Международной конференции по международному синтезу [6-я] . 1: 499–506.
  17. ^ Макки, Ихаб; Юнес, Рафик; Фрэнсис, Кловис; Бьянки, Тициано; Зуккетти, Массимо (1 февраля 2017 г.). «Обзор обнаружения мин с использованием гиперспектральной визуализации». Журнал фотограмметрии и дистанционного зондирования ISPRS . 124 : 40–53. Bibcode : 2017JPRS..124...40M. doi : 10.1016/j.isprsjprs.2016.12.009. ISSN  0924-2716.
  18. ^ Миллс, Дж. П. и др. (1997). «Фотограмметрия с использованием архивных цифровых изображений для мониторинга тюленей». The Photogrammetric Record . 15 (89): 715–724. doi :10.1111/0031-868X.00080. S2CID  140189982.
  19. ^ Twiss, SD; et al. (2001). «Топографическая пространственная характеристика среды размножения серого тюленя Halichoerus grypus на уровне пространственного зерна субтюленьего размера». Ecography . 24 (3): 257–266. doi : 10.1111/j.1600-0587.2001.tb00198.x .
  20. ^ Стюарт, Дж. Э.; и др. (2014). «Моделирование мелкомасштабной экологической ниши свидетельствует о том, что серые тюлени (Halichoerus grypus) в период лактации предпочитают доступ к пресной воде для питья» (PDF) . Наука о морских млекопитающих . 30 (4): 1456–1472. Bibcode :2014MMamS..30.1456S. doi :10.1111/mms.12126. Архивировано (PDF) из оригинала 13 июля 2021 г. . Получено 27 октября 2021 г. .
  21. ^ Чжан, Чуаньжун; Ли, Синьба (сентябрь 2022 г.). «Картографирование землепользования и земельного покрова в эпоху больших данных». Land . 11 (10): 1692. doi : 10.3390/land11101692 .
  22. ^ "Begni G. Escadafal R. Fontannaz D. и Hong-Nga Nguyen A.-T. (2005). Remote sensing: a tool to monitoring and assessment desertification. Les dossiers thématiques du CSFD. Issue 2. 44 pp". Архивировано из оригинала 26 мая 2019 года . Получено 27 октября 2021 года .
  23. ^ Ван, Ран; Гамон, Джон А. (15 сентября 2019 г.). «Дистанционное зондирование биоразнообразия наземных растений». Дистанционное зондирование окружающей среды . 231 : 111218. Bibcode : 2019RSEnv.23111218W. doi : 10.1016/j.rse.2019.111218. ISSN  0034-4257. S2CID  197567301.
  24. ^ Rocchini, Duccio; Boyd, Doreen S.; Féret, Jean-Baptiste; Foody, Giles M.; He, Kate S.; Lausch, Angela; Nagendra, Harini; Wegmann, Martin; Pettorelli, Nathalie (февраль 2016 г.). Skidmore, Andrew; Chauvenet, Alienor (ред.). «Спутниковое дистанционное зондирование для мониторинга видового разнообразия: потенциал и подводные камни». Remote Sensing in Ecology and Conservation . 2 (1): 25–36. Bibcode : 2016RSEC....2...25R. doi : 10.1002/rse2.9. hdl : 11585/720672 . ISSN  2056-3485. S2CID  59446258.
  25. ^ Швайгер, Анна К.; Кавендер-Барес, Жаннин; Таунсенд, Филип А.; Хобби, Сара Э.; Мадритч, Майкл Д.; Ванг, Ран; Тилман, Дэвид; Гамон, Джон А. (июнь 2018 г.). «Спектральное разнообразие растений объединяет функциональные и филогенетические компоненты биоразнообразия и предсказывает функцию экосистемы». Nature Ecology & Evolution . 2 (6): 976–982. Bibcode : 2018NatEE...2..976S. doi : 10.1038/s41559-018-0551-1. ISSN  2397-334X. PMID  29760440. S2CID  256718584.
  26. ^ Серрехон, Карлос; Валерия, Освальдо; Маршан, Филипп; Канерс, Ричард Т.; Фентон, Николь Дж. (18 февраля 2021 г.). «Нет места, чтобы спрятаться: обнаружение редких растений с помощью дистанционного зондирования». Разнообразие и распространение . 27 (6): 948–961. Bibcode : 2021DivDi..27..948C. doi : 10.1111/ddi.13244 . ISSN  1366-9516. S2CID  233886263.
  27. ^ Карфанья, Э. (2005). «Использование дистанционного зондирования для сельскохозяйственной статистики». Международный статистический обзор . 73 (3): 389–404. doi :10.1111/j.1751-5823.2005.tb00155.x.
  28. ^ "Геодезическая съемка". Архивировано из оригинала 2 октября 2016 года . Получено 29 сентября 2016 года .
  29. ^ Григорьев А.Н. (2015). «Метод коррекции радиометрических искажений многоспектральных данных дистанционного зондирования Земли». Научно-технический вестник информационных технологий, механики и оптики . 15 (4): 595–602. doi : 10.17586/2226-1494-2015-15-4-595-602 .
  30. ^ NASA (1986), Отчет панели данных EOS , Система наблюдения за Землей, Система данных и информации, Отчет панели данных, том IIa., Технический меморандум NASA 87777, июнь 1986 г., 62 стр. Доступно по адресу http://hdl.handle.net/2060/19860021622 Архивировано 27 октября 2021 г. на Wayback Machine
  31. ^ CL Parkinson, A. Ward, MD King (ред.) Earth Science Reference Handbook – A Guide to the NASA's Earth Science Program and Earth Observing Satellite Missions , Национальное управление по аэронавтике и исследованию космического пространства, Вашингтон, округ Колумбия. Доступно по адресу http://eospso.gsfc.nasa.gov/ftp_docs/2006ReferenceHandbook.pdf Архивировано 15 апреля 2010 г. на Wayback Machine
  32. ^ GRAS-SAF (2009), Руководство пользователя продукта , GRAS Satellite Application Facility, версия 1.2.1, 31 марта 2009 г. Доступно по адресу http://www.grassaf.org/general-documents/products/grassaf_pum_v121.pdf Архивировано 26 июля 2011 г. на Wayback Machine
  33. ^ Хьюстон, AH "Использование спутниковых данных в сельскохозяйственных обследованиях". Communications in Statistics. Theory and Methods (23): 2857–2880.
  34. ^ Аллен, Дж. Д. «Взгляд на программу применения дистанционного зондирования Национальной службы сельскохозяйственной статистики». Журнал официальной статистики . 6 (4): 393–409.
  35. ^ Тейлор, Дж. (1997). Региональные инвентаризации сельскохозяйственных культур в Европе с использованием дистанционного зондирования: 1988-1993. Сводный отчет . Люксембург: Офис публикаций ЕС.
  36. ^ Фуди, GM (1994). «Оценка протяженности тропических лесов и стадии регенерации с использованием данных дистанционного зондирования». Журнал биогеографии . 21 (3): 223–244. Bibcode : 1994JBiog..21..223F. doi : 10.2307/2845527. JSTOR  2845527.
  37. ^ Ачард, Ф. (2002). «Определение темпов обезлесения влажных тропических лесов мира». Science . 297 (5583): 999–1002. Bibcode :2002Sci...297..999A. doi :10.1126/science.1070656. PMID  12169731.
  38. ^ ab Ambrosio Flores, L (2000). «Оценка земельного покрова на малых территориях с использованием наземной съемки и дистанционного зондирования». Дистанционное зондирование окружающей среды . 74 (2): 240–248. Bibcode : 2000RSEnv..74..240F. doi : 10.1016/S0034-4257(00)00114-0.
  39. ^ Конгалтон, Рассел Г.; Грин, Касс (25 января 2019 г.). Оценка точности данных дистанционного зондирования: принципы и практика, третье издание (3-е изд.). Бока-Ратон: CRC Press. doi : 10.1201/9780429052729. ISBN 978-0-429-05272-9.
  40. ^ Stehman, S. (2013). «Оценка площади с помощью матрицы ошибок оценки точности». Дистанционное зондирование окружающей среды . 132 (132): 202–211. Bibcode : 2013RSEnv.132..202S. doi : 10.1016/j.rse.2013.01.016.
  41. ^ Стехман, С. (2019). «Ключевые вопросы строгой оценки точности продуктов земельного покрова». Дистанционное зондирование окружающей среды . 231 (231). Bibcode : 2019RSEnv.23111199S. doi : 10.1016/j.rse.2019.05.018.
  42. ^ Zhen, Z (2013). «Влияние выбора обучающей и проверочной выборки на точность классификации и оценку точности при использовании опорных полигонов в объектно-ориентированной классификации». Международный журнал дистанционного зондирования . 34 (19): 6914–6930. Bibcode : 2013IJRS...34.6914Z. doi : 10.1080/01431161.2013.810822.
  43. ^ Czaplewski, RL «Ошибочная классификация в площадных оценках». Фотограмметрическая инженерия и дистанционное зондирование (39): 189–192.
  44. ^ Бауэр, М. Э. (1978). «Оценка площади посевов с помощью цифрового анализа данных Landsat». Фотограмметрическая инженерия и дистанционное зондирование (44): 1033–1043.
  45. ^ Olofsson, P. (2014). «Надлежащая практика оценки площади и точности оценки изменения земель». Дистанционное зондирование окружающей среды . 148 (148): 42–57. Bibcode : 2014RSEnv.148...42O. doi : 10.1016/j.rse.2014.02.015.
  46. ^ Макробертс, Р. (2018). «Влияние несовершенных справочных данных на оценки пропорций классов земельного покрова с помощью дистанционного зондирования». Журнал фотограмметрии и дистанционного зондирования ISPRS . 142 (142): 292–300. Bibcode : 2018JPRS..142..292M. doi : 10.1016/j.isprsjprs.2018.06.002 .
  47. ^ Foody, GM (2010). «Оценка точности изменения земельного покрова с несовершенными наземными данными». Дистанционное зондирование окружающей среды . 114 (10): 2271–2285. Bibcode : 2010RSEnv.114.2271F. doi : 10.1016/j.rse.2010.05.003.
  48. ^ Санниер, С (2014). «Использование регрессионной оценки с данными Landsat для оценки доли лесного покрова и чистой доли обезлесения в Габоне». Дистанционное зондирование окружающей среды . 151 (151): 138–148. Bibcode : 2014RSEnv.151..138S. doi : 10.1016/j.rse.2013.09.015.
  49. ^ Gallego, FJ (2004). «Дистанционное зондирование и оценка площади земельного покрова». Международный журнал дистанционного зондирования . 25 (5): 3019–3047. Bibcode : 2004IJRS...25.3019G. doi : 10.1080/01431160310001619607.
  50. ^ Карфанья, Э. (2005). «Использование дистанционного зондирования для сельскохозяйственной статистики». Международный статистический обзор . 73 (3): 389–404. doi :10.1111/j.1751-5823.2005.tb00155.x.
  51. ^ Maksel, Rebecca. "Flight of the Giant". Air & Space Magazine . Архивировано из оригинала 18 августа 2021 г. Получено 19 февраля 2019 г.
  52. ^ IWM, Алан Уэйкфилд, руководитель отдела фотографий (4 апреля 2014 г.). «Вид с высоты птичьего полета на поле боя: аэрофотосъемка». The Daily Telegraph . ISSN  0307-1235. Архивировано из оригинала 18 апреля 2014 г. Получено 19 февраля 2019 г.
  53. ^ ab Bagley, James (1941). Аэрофотография и аэросъемка (1-е изд.). Йорк, Пенсильвания: The Maple Press Company.
  54. ^ "Air Force Magazine". www.airforcemag.com . Архивировано из оригинала 19 февраля 2019 . Получено 19 февраля 2019 .
  55. ^ "Military Imaging and Surveillance Technology (MIST)". www.darpa.mil . Архивировано из оригинала 18 августа 2021 г. . Получено 19 февраля 2019 г. .
  56. ^ Индийское общество международного права - Информационный бюллетень: ТОМ 15, № 4, октябрь - декабрь 2016 г. (Отчет). Brill. 2018. doi :10.1163/2210-7975_hrd-9920-2016004.
  57. ^ "In Depth | Magellan". Исследование Солнечной системы: NASA Science . Архивировано из оригинала 19 октября 2021 г. Получено 19 февраля 2019 г.
  58. ↑ Гарнер, Роб (15 апреля 2015 г.). «SOHO — Солнечная и гелиосферная обсерватория». NASA . Архивировано из оригинала 18 сентября 2021 г. Получено 19 февраля 2019 г.
  59. ^ Кэмпбелл, Джеймс Б.; Уинн, Рэндольф Х. (21 июня 2011 г.). Введение в дистанционное зондирование (5-е изд.). Нью-Йорк Лондон: The Guilford Press. ISBN 978-1-60918-176-5.
  60. ^ Райерсон, Роберт А. (2010). Почему «где» имеет значение: понимание и извлечение выгоды из GPS, ГИС и дистанционного зондирования: практические советы для отдельных лиц, сообществ, компаний и стран. Архив Интернета. Манотик, Онтарио: Kim Geomatics Corp. ISBN 978-0-9866376-0-5.
  61. ^ Фассел, Джей; Рундквист, Дональд; Харрингтон, Джон А. (сентябрь 1986 г.). «Об определении дистанционного зондирования» (PDF) . Фотограмметрическая инженерия и дистанционное зондирование . 52 (9): 1507–1511. Архивировано из оригинала (PDF) 4 октября 2021 г.
  62. ^ Прюитт, Эвелин Л. (1979). «Управление военно-морских исследований и географии». Анналы Ассоциации американских географов . 69 (1): 103–108. doi :10.1111/j.1467-8306.1979.tb01235.x. ISSN  0004-5608. JSTOR  2569553.
  63. ^ Колен, Джерри (8 апреля 2015 г.). «Обзор исследовательского центра Эймса». NASA . Архивировано из оригинала 28 сентября 2021 г. Получено 19 февраля 2019 г.
  64. ^ Диттер, Р., Хаспель, М., Ян, М., Коллар, И., Зигмунд, А., Вихриг, К., Фольц, Д., Зигмунд, А. (2012) Геопространственные технологии в школе – теоретическая концепция и практическая реализация в школах K-12. В: Международный журнал по интеллектуальному анализу данных, моделированию и управлению (IJDMMM): FutureGIS: на волне растущего общества грамотности в области геопространственных технологий; Том X
  65. ^ Сторк, Э.Дж., Сакамото, С.О. и Коуэн, Р.М. (1999) «Интеграция научных исследований посредством использования изображений Земли в учебной программе средней школы», Proc. IEEE Trans. Geosci. Remote Sensing 37, 1801–1817
  66. ^ Bednarz, SW; Whisenant, SE (июль 2000 г.). «География миссии: связывание национальных географических стандартов, инновационных технологий и NASA». IGARSS 2000. Международный симпозиум IEEE 2000 по геонаукам и дистанционному зондированию. Измерение пульса планеты: роль дистанционного зондирования в управлении окружающей средой. Труды (кат. № 00CH37120) . Том 6. стр. 2780–2782 том 6. doi :10.1109/IGARSS.2000.859713. ISBN 0-7803-6359-0. S2CID  62414447.
  67. ^ Цифровая Земля
  68. ^ "FIS – Дистанционное зондирование на школьных уроках". Архивировано из оригинала 26 октября 2012 года . Получено 25 октября 2012 года .
  69. ^ "geospektiv". Архивировано из оригинала 2 мая 2018 года . Получено 1 июня 2018 года .
  70. ^ "YCHANGE". Архивировано из оригинала 17 августа 2018 года . Получено 1 июня 2018 года .
  71. ^ "Landmap – Spatial Discovery". Архивировано из оригинала 29 ноября 2014 года . Получено 27 октября 2021 года .
  72. ^ Grasty, R (1976). Применение гамма-излучения в дистанционном зондировании (1-е изд.). Берлин: Springer-Verlag. стр. 267. ISBN 978-3-642-66238-6.
  73. ^ abc Tatem, Andrew J.; Goetz, Scott J.; Hay, Simon I. (2008). «Пятьдесят лет спутников наблюдения за Землей». American Scientist . 96 (5): 390–398. doi :10.1511/2008.74.390. PMC 2690060 . PMID  19498953. 
  74. ^ Кузнецов, ВД; Синельников, ВМ; Альперт, СН (июнь 2015 г.). «Яков Альперт: Спутник-1 и первый спутниковый ионосферный эксперимент». Успехи космических исследований . 55 (12): 2833–2839. Bibcode :2015AdSpR..55.2833K. doi :10.1016/j.asr.2015.02.033.
  75. ^ "Джеймс А. Ван Аллен". nmspacemuseum.org . Музей истории космоса Нью-Мексико . Получено 14 мая 2018 г. .
  76. ^ «Сколько спутников наблюдения за Землей будут вращаться вокруг планеты в 2021 году?». 18 августа 2021 г.
  77. ^ "DubaiSat-2, Earth Observation Satellite of UAE". Mohammed Bin Rashid Space Centre. Архивировано из оригинала 17 января 2019 года . Получено 4 июля 2016 года .
  78. ^ "DubaiSat-1, Earth Observation Satellite of UAE". Mohammed Bin Rashid Space Centre. Архивировано из оригинала 4 марта 2016 года . Получено 4 июля 2016 года .

Дальнейшее чтение

Внешние ссылки