遥感卫星不同光谱带介绍(Band 1 - Band 13)

(这个文章是我个人进行的翻译,如果有翻译不到位的地方请大家提出改正。英语原文链接: Spectral Signature Cheatsheet - Spectral Bands in Remote Sensing - GIS Geography)

目录

Band 1. 沿海气溶胶Coastal Aerosol(0.43-0.45μm)

Band 2. 蓝色 Blue(0.45-0.51μm)

Band 3. 绿色 Green(0.53-0.59μm)

Band 4. 红色 Red(0.64-0.67μm)

Band 5. 黄色 Yellow(0.585-0.625μm)

Band 6. 红边 Red-Edge(0.705-0.745μm)

Band 7. 近红外线1 Near Infrared– NIR-1(0.76-0.90μm)

Band 8. 近红外线2 Near Infrared 2– NIR-2(0.86-1.04μm)

Band 9. 短波红外线1 Short-wave Infrared 1– SWIR-1(1.57-1.65μm)

Band 10. 短波红外线2 Short-wave Infrared2 - SWIR-2(2.08-2.35μm)

Band 11. 全色 Panchromatic(0.50-0.68μm)

Bnad 12. 卷云 Cirrus(1.36 -1.38μm)

Band 13. 热红外线 Thermal Infrared– TIRS-1(10.60-12.51μm)


Band 1. 沿海气溶胶Coastal Aerosol(0.43-0.45μm)

沿海气溶胶带在沿海、测深和气溶胶研究中特别有用。海岸波段反映了蓝色和紫罗兰色,在Landsat-8和WorldView-3等卫星传感器上变得越来越常见。以下是其一些光谱带应用:

鲸鱼种群:由于其穿透水的能力(在清澈的水中高达20-30米),沿海带被用来估计鲸鱼种群。与观察圈养池中的动物相比,这种光谱带允许对野生鲸鱼的识别更有信心。(从太空统计鲸鱼种群)

探测仪:由于沿海气溶胶带被水吸收较少,因此可以观察沿海水和海洋颜色。这也适用于海草和其他水下海底栖息地等海洋植被的光谱特征。

气溶胶:由于沿海气溶胶带对云、烟雾和雾气更敏感,因此在图像处理中用于过滤云。地球观测者正在沿海气溶胶带的帮助下微调无云正交成像作为基础地图。(Landsat 8图像中的云检测和清除技术)

Band 2. 蓝色 Blue(0.45-0.51μm)

眼睛可以看到反射的蓝光。根据水的清晰度,蓝带等可见光可以达到20-30米的深度。使用蓝色波段调整光谱进行深水成像。

深水成像:由于其在沿海地区、水下珊瑚礁、水浊度和沉积物、水下植被、浊度和水深测绘的光谱渗透水平更高,因此具有一些独特的遥感应用。

烟雾、大气雾霾和云:可见范围蓝色是像蓝色(0.45-0.51μm)一样的较短波长,对大气雾霾最敏感。这使得蓝带成为检测烟雾的理想选择,因为较短的波长更容易被较小的粒子散射。

云、雪和岩石:将云与雪和岩石分开,因为雾霾和薄云的光谱特征对蓝色和红色波长都非常敏感。

Band 3. 绿色 Green(0.53-0.59μm)

绿色部分覆盖了叶子表面的反射峰(因此我们看到的是绿色)。这也意味着光谱的蓝色和红色区域的光谱反射率较低,因为叶绿素在光合作用期间被吸收。

植物活力和植被:绿色用于区分广泛的植被类别和植物材料。叶子表面的光谱特征在绿色带中突出显示。

藻类和氰化物:清洁和清澈的水通常很少出现在光谱的任何部分。然而,光谱的蓝色一端的反射率最大——因此我们的眼睛看到蓝色。但当藻类大量繁殖时,绿色通常是最大反射的地方。

城市:城市地区的草地和森林绿地是公园、高尔夫球场和墓地等。

Band 4. 红色 Red(0.64-0.67μm)

热带土壤、建筑环境和地质特征通常具有红色,有助于其光谱特征。红色用于归一化差异植被指数(NDVI)等公式,因为植物吸收了多少红光(和蓝光)。

土壤类型和地质特征:裸露土壤的反射率通常取决于其成分。澳大利亚的土壤几乎像是火星的土壤,因为它发红了。富含铁氧化物的土壤及其锈色在红色光谱带中具有很高的反射率——非常适合这种类型的土壤光谱特征。(预测土壤特性)

建筑和自然环境:红带已被用于区分人造物体和植被。道路和人类住区等文化特征的光谱特征最好在红带中检测到。

氯叶绿素吸收:NDVI中使用的变量的一半——与其他波长相比,健康的植被反射的近红外线(NIR)和绿光更多。它吸收更多的红光和蓝光,并用于量化NDVI中的植被。

Band 5. 黄色 Yellow(0.585-0.625μm)

“黄色”波段相对较新,最早可以在Worldview-2上找到。该频段从光谱的0.585-0.625微米部分收集了更精细的细节。简单地说,它收集特定对象的“黄色”。

树冠中的昆虫疾病:一项研究开发了黄度指数(YI),作为压力植物和缺锰大豆叶叶绿化度的指标。(用黄度指数估计应激植被)

特征分类:黄带在不同季节可用于划定入侵草和其他一般特征。它还用于按季节对单个树种和作物类型进行分类。

Band 6. 红边 Red-Edge(0.705-0.745μm)

红边带位于近红外线和红边之间。对于叶绿素,红色部分强烈吸收光线,而近红外部分产生强烈反射。在这两个光谱带之间的过渡中,是红边带。

植物健康和年龄状况:由于植物健康和活力的高反射率,红边的植被反应通常对叶绿素含量和叶结构的最大影响最大——如叶面积指数(LAI)。(使用红边识别植物应力)

CROP监测:将红边带应用于精准农业,甚至区分健康与受疾病传播影响的作物。它被用来区分作物类型和营养。

Band 7. 近红外线1 Near Infrared– NIR-1(0.76-0.90μm)

近红外反射率是对健康植被进行分类的最有力方法之一。在近红外区域,将水和植被等类别分开总是更容易的。这是因为,健康的植物在近红外光谱中反射更多的能量,当它吸收水的时候。

生物多样性含量:健康叶绿素的内部结构反射近红外辐射。但当植物枯萎并最终死亡时,近红外线的反应会减弱,直到什么都没有留下。

考古遗址:通过解释密度较稠的泥砖、作物标记以及植被、土壤和地质学与近红外辐射的微妙差异来挖掘古代考古遗址。(近红外空中作物标记考古学)

归一化差异植被指数(NDVI):近红外线用于光谱特征,用于测量植物健康。这可以使用NDVI比率来实现,NDVI比率由近红外线和红带组成。NDVI比我们只看可见的绿色更准确地提取植被差异。

Band 8. 近红外线2 Near Infrared 2– NIR-2(0.86-1.04μm)

近红外2波段和近红外1波段之间存在显著重叠。主要区别在于,近红外-2波段受大气影响的影响要小得多。

植被研究:近红外线-2提供更复杂的植被分析和生物量研究,主要是因为它受大气的影响较小。(植被对可见辐射和近红外辐射的反射)

陆地/水边界:水是近红外光的强吸收器,而植被是强反射器。您可以使用近红外线定量描述森林碎片化情况,并定量描述世界各地森林的损耗和收益。

Band 9. 短波红外线1 Short-wave Infrared 1– SWIR-1(1.57-1.65μm)

短波红外线(SWIR)可以帮助区分干土和湿土。它还用于地质和土壤分类。SWIR有很好的穿透云层的能力。

水分含量:SWIR-1对土壤和植被中的水分含量很敏感。反射率随着含水量的增加而下降。这使得它有助于区分湿土和干土。

云/烟雾渗透 SWIR通过大气中的烟雾渗透到下面的地形。这有助于指导响应人员和有效的扑灭森林火灾。

矿物勘探——研究表明,通过SWIR更容易获得碳酸盐、氨、硫酸盐和铁铁或铁矿等指示性矿物的光谱特征。(用ASTER SWIR乐队映射岩石和矿物)

Band 10. 短波红外线2 Short-wave Infrared2 - SWIR-2(2.08-2.35μm)

短波红外-2与SWIR-1相似。SWIR-2主要用于成像土壤类型、地质特征以及铜和硫酸盐等矿物。它还对植被和土壤湿度的变化很敏感。雪和冰的特征和云彩看起来更暗。

水性能:使用SWIR,水的吸收力要强得多。这有助于监测蓝绿色藻类大量繁殖和浑浊水域的光谱特征反应。

灌溉实践:短波红外线的反射率受到叶水含量的影响,因此非常适合了解作物水分定向灌溉。(使用SWIR估计作物干旱)

矿物映射:SWIR涵盖了粘土类型矿物提供更大光谱特征的范围。Hydrous矿物看起来更暗,以区分不同类型的高岭土和石榴石。

Band 11. 全色 Panchromatic(0.50-0.68μm)

全色带将所有可见的反射光一次性收集到一个通道中。由于它同时看到更多的光线,因此与分别收集红色、蓝色和绿色通道相比,空间分辨率最清晰。例如,Landsat-8的全色带是15米网格单元。除热带外,其他光谱带分辨率为30米。全色带的缺点是无法区分颜色。

锐化:通过将颜色信息与全色带相结合,锐化图像。由于全色带牺牲了光谱分辨率来获得空间分辨率,因此它通过锐化提供了更清晰的图像清晰度。

Bnad 12. 卷云 Cirrus(1.36 -1.38μm)

由于地面几乎看不见,大气层吸收了几乎所有的卷云带。检测到并挑选出在其他波段看不到的高空云。

卷云:卷云反射明亮,而大多数陆地表面将显得黑暗。改进对卷云的检测有助于图像基础地图的删除和增强。

Band 13. 热红外线 Thermal Infrared– TIRS-1(10.60-12.51μm)

热红外带能看到热量。Landsat的热红外线使用发射而不是反射辐射。它的分辨率更粗糙,为100米,但仍然有助于了解地表温度、夜间研究和火山监测。

火山活动:尽管其空间分辨率较差,但热红外线已被用于估计火山的熔岩排放率。夜间热红外图像为火山危害识别提供了能量通量估计。

城市热:TIRS让人们深入了解城市内在哪里的表面温度热。公园、开放水域和自然植被通常最凉爽,而工业社区最温暖。由于人类活动,城市或大都市地区通常比周围的农村地区温暖得多。(城市热岛和陆地表面温度)

天气预测:NOAA地球静止运行环境卫星(GOES)收集热红外线,以了解云的高度和类型——甚至海洋表面特征。

  • 13
    点赞
  • 85
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Please revise the paper:Accurate determination of bathymetric data in the shallow water zone over time and space is of increasing significance for navigation safety, monitoring of sea-level uplift, coastal areas management, and marine transportation. Satellite-derived bathymetry (SDB) is widely accepted as an effective alternative to conventional acoustics measurements over coastal areas with high spatial and temporal resolution combined with extensive repetitive coverage. Numerous empirical SDB approaches in previous works are unsuitable for precision bathymetry mapping in various scenarios, owing to the assumption of homogeneous bottom over the whole region, as well as the limitations of constructing global mapping relationships between water depth and blue-green reflectance takes no account of various confounding factors of radiance attenuation such as turbidity. To address the assumption failure of uniform bottom conditions and imperfect consideration of influence factors on the performance of the SDB model, this work proposes a bottom-type adaptive-based SDB approach (BA-SDB) to obtain accurate depth estimation over different sediments. The bottom type can be adaptively segmented by clustering based on bottom reflectance. For each sediment category, a PSO-LightGBM algorithm for depth derivation considering multiple influencing factors is driven to adaptively select the optimal influence factors and model parameters simultaneously. Water turbidity features beyond the traditional impact factors are incorporated in these regression models. Compared with log-ratio, multi-band and classical machine learning methods, the new approach produced the most accurate results with RMSE value is 0.85 m, in terms of different sediments and water depths combined with in-situ observations of airborne laser bathymetry and multi-beam echo sounder.
02-18
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值