Satelit penginderaan jauh mana yang paling baik digunakan untuk pemetaan luas vegetasi

Saat ini saya sedang menulis tugas untuk kelas penginderaan jauh saya dan sementara saya pikir saya memiliki jawaban yang benar bertanya-tanya apa yang dipikirkan orang-orang yang melakukan hal ini untuk hidup.

Pertanyaannya adalah: satelit mana yang keluar dari Landsat TM (Thematic Mapper) dan SPOT 5 yang akan Anda gunakan untuk memetakan area studi seluas 300 km x 300 km secara umum.

Jawaban saya adalah bahwa Anda akan menggunakan SPOT 5 karena resolusi yang lebih tinggi dan akan membiarkan Anda mendapatkan tingkat yang lebih baik vs resolusi 30m dari Landsat TM. Namun SPOT 5 memiliki area petak kecil sehingga Anda harus menggunakan lebih banyak gambar. Saya juga berpikir tentang petak VMI 2200km pada SPOT 5 tetapi resolusinya 1km.

Pikiran?

Saya setuju dengan pendapat @vascobnunes tetapi jika Anda ingin mendefinisikan objek tertentu Anda harus menggunakan LANDSAT TM karena lebih banyak klasifikasi memerlukan lebih banyak band sebagai (R, G, B, NIR, MIR, TIR, FIR) ... dan pilihan saya adalah bahwa Anda harus menggunakan LANDSAT TM (saya memberikan informasi yang sama dalam penjelasan berikut) untuk vegetasi.

Yang penting dalam hal ini adalah Anda harus melihat relative spectral response (RSR)satelit Anda.

Pengukuran respon spektral relatif (RSR) diasumsikan konstan untuk semua detektor yang tercakup oleh filter umum dan dinormalisasi ke unity AT peak response. Saat ini tidak ada metode untuk memeriksa stabilitas spektral dengan waktu dari pengukuran di-orbit atau di Bumi.

(Sumber: Dr. John Barke)

Selain RSR, temporal resolutionsangat penting untuk siklus akuisisi data berulang ...

Ini adalah respons spektral relatif untuk LANDSAT TM:

Ada informasi di sini tentang Penilaian perbedaan NDVI yang disebabkan oleh fungsi respons spektral relatif spesifik sensor.

Abstrak ada di sini:

Normalized Difference Vegetation Index (NDVI) adalah indikator berbasis penginderaan jarak jauh yang paling sering digunakan untuk memantau dinamika permukaan tanah dan perubahan lingkungan. Karena karakteristik sensor yang berbeda, nilai NDVI bervariasi sesuai dengan sistem perekaman. Penelitian ini berfokus pada faktor karakteristik sensor spektral, yang dapat memperumit interpretasi data NDVI multisensoral. Oleh karena itu, pita multispektral Landsat 5TM, QuickBird dan SPOT5 disimulasikan dari data hyperspectral. Set data yang disimulasikan ini menunjukkan karakteristik yang identik (kecuali secara spektral) seperti geometri sensor, kondisi atmosfer, topografi, dan resolusi spasial. Ini memungkinkan perbandingan langsung perbedaan NDVI yang disebabkan oleh faktor karakteristik spektral yang berbeda.

Saya telah membuat ringkasan untuk Anda dari dokumen ini tentang nilai spektral untuk NIR dan pita Merah ...

Fungsi respons spektral relatif band merah dan inframerah dekat Landsat 5TM, QuickBird dan SPOT5 dengan 2 spektrum tutupan lahan yang khas.

Hasil :

Terutama di wilayah NIR fungsi RSR dari sensor bervariasi satu sama lain. Yang mencolok adalah bahwa kesenjangan antara pita merah dan NIR dari Landsat 5TM serta SPOT5 lebih lebar daripada kesenjangan antara pita QuickBird, di mana bahkan ada tumpang tindih.

Perbedaan terkait sensor (%) dari fungsi respons spektral relatif dari pita merah (a) dan inframerah dekat (b) dari sensor.

Hasil:

Sedangkan pita merah QuickBird dan SPOT5 sangat mirip, pita NIR dari sensor ini menunjukkan perbedaan terluas hingga lebih dari 80% pada 0,77 μm. Karena perbedaan luas antara band-band NIR, fungsi RSR dari band-band ini lebih mempengaruhi NDVI daripada band-band merah.

Saya harap ini membantu Anda ...

Jika Anda hanya memiliki SPOT 5 dan Landsat TM untuk dipilih, uang bukan masalah dan untuk area kecil seluas 30 000ha, saya setuju bahwa SPOT5 adalah pilihan terbaik, meskipun Landsat akan memiliki beberapa keuntungan kuat:

SPOT5:

• Resolusi spasial 2,5 m
• 3 pita spektral (Hijau, Merah, Dekat Infra-merah)
• sekitar 2,64 € per km persegi untuk akuisisi baru
• waktu kunjungan yang baik
• keuntungan terbesar: resolusi lebih baik, ideal untuk pemetaan detail spasial yang sangat tinggi

Landsat TM

• Resolusi spasial 30 m
• 7 pita spektral (R, G, B, NIR, MIR, TIR, FIR)
• sekitar 0,5 € per km persegi
• keuntungan terbesar: informasi spektral yang lebih baik, ideal untuk diskriminasi tematik yang lebih baik; harga

Anda juga akan memiliki opsi yang baik dengan Rapideye, Aster, atau LISS-IV.

Cheers, Vasco Nunes

Jika Anda ingin membuat klasifikasi otomatis sesuai dengan Landsat, saya pikir bahwa klasifikasi otomatis resolusi citra 2,5 m (tergantung pada jenis dan keragaman area) akan membuat Anda berurusan dengan banyak artefak kecuali Anda benar-benar ahli dalam hal itu: ).

Tujuan dari dataset tersebut adalah hal utama yang perlu dipertimbangkan. Hanya visualisasi? Perhitungan area yang sangat rinci? Analisis kedekatan? Apa area vegetasi terkecil yang ingin Anda wakili dalam dataset Anda? Apa skala waktu dan tenaga Anda untuk ini? Semua itu akan memberi Anda jawaban untuk pertanyaan Anda.

Banyak hal yang perlu dipertimbangkan dan tujuan dari proyek tersebut adalah panduan utama.