遥感
遥感是在不与物体进行物理接触的情况下获取有关物体或现象的信息，因此与现场观察相反，尤其是地球。遥感用于许多领域，包括地理，土地测量和大多数地球科学学科（例如，水文学，生态学，气象学，海洋学，冰川学，地质学）; 它还具有军事，情报，商业，经济，规划和人道主义应用。
在目前的使用中，术语“遥感”通常是指使用基于卫星或飞机的传感器技术，根据传播的信号（例如电磁场）检测和分类地球上的物体，包括地表，大气和海洋上的物体。辐射）。它可以被分成“主动”遥感（例如当卫星或飞机发射信号并且物体的反射被传感器检测到时）和“被动”遥感（例如当太阳光的反射是由传感器检测到）。[1] [2] [3] [4] [5]
内容
概述[ 编辑]
被动传感器收集由物体或周围区域发射或反射的辐射。反射的太阳光是被动传感器测量的最常见的辐射源。无源遥感器的示例包括胶片摄影，红外线，电荷耦合器件和辐射计。另一方面，主动收集发射能量以扫描物体和区域，然后传感器然后检测并测量从目标反射或反向散射的辐射。RADAR和LiDAR 是有源遥感的例子，其中测量发射和返回之间的时间延迟，确定物体的位置，速度和方向。
遥感可以收集危险或难以进入的区域的数据。遥感应用包括监测森林砍伐在诸如区域亚马逊河流域，冰川在北极和南极地区的特点，以及测深沿海和海洋深处。冷战期间的军事收集利用了关于危险边境地区的数据的对峙收集。遥感还取代了地面上昂贵和缓慢的数据收集，确保在此过程中区域或物体不受干扰。
轨道平台收集和传输来自电磁频谱不同部分的数据程序代写接单群733065427，这些数据与更大规模的航空或地面传感和分析相结合，为研究人员提供足够的信息来监测厄尔尼诺现象和其他自然长期和短期现象等趋势。其他用途包括地球科学的不同领域，如自然资源管理，土地使用和保护等农业领域，[6] [7]以及边境地区的国家安全和架空，地面和对峙收集。[8]
数据采集技术的类型[ 编辑]
多光谱采集和分析的基础是被反射或发射从周围区域突出的辐射的区域或物体。有关主要遥感卫星系统的摘要，请参阅概览表。
遥感的应用[ 编辑]
- 传统雷达主要与空中交通管制，早期预警和某些大规模气象数据有关。多普勒雷达用于当地执法部门对速度限制的监测以及增强的气象收集，例如天气系统内的风速和风向，以及降水位置和强度。其他类型的主动收集的包括等离子体中的电离层。干涉合成孔径雷达用于生成大规模地形的精确数字高程模型（参见RADARSAT，TerraSAR-X，Magellan）。
- 卫星上的激光和雷达 高度计提供了广泛的数据。通过测量由重力引起的水的凸起，他们将海底的特征映射到一英里左右的分辨率。通过测量海浪的高度和波长，高度计测量风速和方向，以及表面洋流和方向。
- 超声波（声学）和雷达潮汐测量仪测量沿海和近海潮汐测量仪的海平面，潮汐和波浪方向。
- 光探测和测距（LIDAR）在武器射程，激光照射射弹归巢的例子中是众所周知的。LIDAR用于检测和测量大气中各种化学物质的浓度，而机载激光雷达可用于比雷达技术更准确地测量物体和地面特征的高度。植被遥感是激光雷达的主要应用。
- 辐射计和光度计是最常用的仪器，可以收集各种频率的反射和发射辐射。最常见的是可见光和红外传感器，其次是微波，伽马射线，很少是紫外线。它们还可用于检测各种化学品的发射光谱，提供大气中化学浓度的数据。
- 据报道，美国陆军研究实验室的研究人员将分光光度成像用于目标跟踪目的。他们确定人造物品具有在自然物体中找不到的极化特征。这些结论来自军用卡车的成像，如Humvee，以及具有声光可调谐滤波器双高光谱和分光偏振VNIR分光光度计成像仪的拖车。[9] [10]
- 除了对陆地栖息地特征进行建模之外，航空照片的立体图对经常被用于通过图像和地形分析人员在交通性和公路部门中为潜在路线制作地形图。[11] [12] [13]
- 自20世纪70年代以来，Landsat等同时多光谱平台一直在使用。这些主题映射器采用多种波长的电磁辐射（多光谱）拍摄图像，通常可以在地球观测卫星上找到，包括（例如）Landsat程序或IKONOS卫星。专题制图中的土地覆盖和土地利用地图可用于勘探矿物，探测或监测土地使用，探测入侵植被，砍伐森林，并检查土着植物和作物的健康状况，包括整个农业区或森林。[4] [1]为此目的使用遥感的着名科学家包括珍妮特·富兰克林和露丝·德弗里斯。监管机构（如KYDOW）使用Landsat图像来指示水质参数，包括Secchi深度，叶绿素a密度和总磷含量。气象卫星用于气象学和气候学。
- 高光谱成像产生图像，其中每个像素具有全光谱信息，在连续光谱范围内成像窄光谱带。高光谱成像仪用于各种应用，包括矿物学，生物学，防御和环境测量。
- 在防治荒漠化的范围内，遥感使研究人员能够长期跟踪和监测风险区域，确定荒漠化因素，支持决策者确定相关的环境管理措施，并评估其影响。[14]
大地测量[ 编辑]
- 大地遥感可以是重量或几何的。架空重力数据采集首先用于空中潜艇探测。该数据揭示了地球引力场中的微小扰动，可用于确定地球质量分布的变化，这反过来可用于地球物理研究，如GRACE。几何遥感包括使用InSAR，LIDAR等的位置和变形成像。[15]
声学和近声[ 编辑]
- 声纳：被动声纳，听取另一个物体（船只，鲸鱼等）发出的声音; 主动声纳，发出声音脉冲并收听回声，用于探测，测距和测量水下物体和地形。
- 在不同位置拍摄的地震图可以通过比较相对强度和精确时间来定位和测量地震（在它们发生之后）。
- 超声波：超声波传感器，发出高频脉冲并收听回声，用于检测水波和水位，如潮汐测量仪或拖曳水箱。
为了协调一系列大规模观测，大多数传感系统依赖于以下方面：平台位置和传感器的方向。现在，高端仪器经常使用卫星导航系统的位置信息。旋转和定向通常在一定程度上提供一个或两个电子罗盘。指南针不仅可以测量方位角（即磁北极度），还可以测量高度（地平线以上的度数），因为磁场在不同纬度以不同角度弯曲进入地球。更精确的方向需要陀螺辅助定向，通过不同方法周期性地重新排列，包括从恒星导航或已知基准。
数据特征[ 编辑]
遥感数据的质量包括其空间，光谱，辐射和时间分辨率。
- 空间分辨率
- 在光栅图像中记录的像素的大小- 通常是像素可以对应于边长为1到1,000米（3.3到3,280.8英尺）的正方形区域。
- 光谱分辨率
- 记录的不同频段的波长 - 通常，这与平台记录的频段数有关。目前的Landsat系列是7个波段，包括红外光谱中的几个波段，光谱分辨率为0.7到2.1微米。Earth Observing-1上的Hyperion传感器可分辨出0.2到2.5μm的220个波段，每个波段的光谱分辨率为0.10到0.11μm。
- 辐射分辨率
- 传感器能够区分的不同辐射强度的数量。通常，其范围为8至14位，对应于每个频带中256级灰度级和高达16,384种强度或颜色的“阴影”。它还取决于仪器的噪音。
- 时间分辨率
- 卫星或飞机的天桥频率，仅与时间序列研究或需要平均或马赛克图像的森林监测相关。这是情报界首次使用的，其中反复报道揭示了基础设施的变化，部署的部署或设备的修改/引入。在给定区域或对象上的云覆盖使得必须重复所述位置的收集。
数据处理[ 编辑]
为了创建基于传感器的地图，大多数遥感系统期望相对于参考点推断传感器数据，包括地面上已知点之间的距离。这取决于所用传感器的类型。例如，在传统照片中，距离在图像中心是准确的，测量失真越大，距离中心越远。另一个因素是，当使用照片测量地面距离时，按下胶片的压板会导致严重错误。解决此问题的步骤称为地理配准并且涉及图像中的点的计算机辅助匹配（通常每个图像30个或更多个点），其使用已建立的基准外推，“扭曲”图像以产生准确的空间数据。截至20世纪90年代初，大多数卫星图像都是完全地理性的。
此外，图像可能需要进行辐射测量和大气校正。
- 辐射校正
- 允许避免辐射误差和失真。由于浮雕的不同特性，地球表面上物体的照明是不均匀的。在辐射畸变校正方法中考虑该因素。[16] 辐射校正给出像素值的比例，例如0到255的单色标度将被转换为实际辐射值。
- 地形校正（也称为地形校正）
- 在崎岖的山脉中，由于地形的原因，像素的有效照明变化很大。在遥感图像中，阴坡上的像素接收弱照明并且具有低辐射值，相反，阳坡上的像素接收强照明并具有高辐射值。对于同一物体，阴坡上的像素辐射值将与阳坡上的像素辐射值不同。另外，不同的对象可以具有类似的辐亮度值。这些模糊性严重影响了山区的遥感图像信息提取精度。它成为进一步应用遥感图像的主要障碍。地形校正的目的是消除这种影响，在水平条件下恢复物体的真实反射率或辐射度。
- 大气校正
- 通过重新缩放每个频带以消除大气雾度使其最小值（通常在水体中实现）对应于像素值0.数据的数字化还使得通过改变灰度值来操纵数据成为可能。
解释是理解数据的关键过程。第一个应用是使用以下过程的航空摄影收集; 通过在传统的单一或立体覆盖范围内使用光桌进行空间测量，增加了诸如使用摄影测量，使用光子学，重复覆盖，利用物体已知尺寸以检测修改等技能。Image Analysis是最近开发的自动化计算机辅助应用程序，其应用越来越多。
基于对象的图像分析（OBIA）是GIScience的一个子学科，致力于将遥感（RS）图像划分为有意义的图像对象，并通过空间，光谱和时间尺度评估它们的特征。
来自遥感的旧数据通常很有价值，因为它可能为很大程度的地理位置提供唯一的长期数据。同时，数据通常很难解释，而且存储起来很笨重。现代系统倾向于以数字方式存储数据，通常采用无损压缩。这种方法的困难在于数据脆弱，格式可能过时，数据可能很容易被伪造。归档数据系列的最佳系统之一是计算机生成的机器可读超薄系统，通常用于字体，如OCR-B，或作为数字半色调图像。Ultrafiches在标准库中存活良好，寿命为几个世纪。它们可以由自动化系统创建，复制，归档和检索。它们与档案磁性介质一样紧凑，但可以用最少的标准化设备读取。
一般来说，遥感工作的原理是反问题：虽然可能无法直接测量感兴趣的物体或现象（状态），但是存在一些可以检测和测量的其他变量（观察）可能是相关的通过计算到感兴趣的对象。用于描述这一点的常见类比是试图从其足迹中确定动物的类型。例如，虽然不可能直接测量高层大气中的温度，但可以测量该区域内已知化学物质（如二氧化碳）的光谱发射。然后可以通过热力学来关联排放的频率 达到该地区的温度。
数据处理级别[ 编辑]
为了便于在实践中讨论数据处理，1986年NASA作为其地球观测系统[17]的一部分首次定义了几个处理“级别”，并且从那时起稳定地采用了NASA（例如，[18]）和其他地方（例如，[19]）; 这些定义是：
| 水平 | 描述 |
|---|---|
| 0 | 以全分辨率重建，未处理的仪器和有效载荷数据，去除任何和所有通信伪像（例如，同步帧，通信头，重复数据）。 |
| 1A | 以全分辨率，时间参考和带辅助信息注释的重建，未处理的仪器数据，包括辐射和几何校准系数和地理参考参数（例如，平台星历）计算和附加但不应用于0级数据（或如果应用，以0级完全可从1a级数据恢复的方式）。 |
| 1B | 已经处理到传感器单元的1a级数据（例如，雷达反向散射截面，亮度温度等）; 并非所有仪器都有1b级数据; 级别0数据无法从1b级数据中恢复。 |
| 2 | 衍生的地球物理变量（例如，海浪高度，土壤湿度，冰浓度）与1级源数据在相同的分辨率和位置。 |
| 3 | 变量映射在统一的时空网格尺度上，通常具有一定的完整性和一致性（例如，内插缺失点，从多个轨道拼凑在一起的完整区域等）。 |
| 4 | 模型输出或来自较低级别数据分析的结果（即，未由仪器测量但是来自这些测量的变量）。 |
1级数据记录是具有重要科学效用的最基本（即，最高可逆级别）数据记录，并且是生成所有后续数据集的基础。2级是可直接用于大多数科学应用的第一级; 它的价值远远高于较低的水平。2级数据集往往比1级数据的体积小，因为它们在时间上，空间上或光谱上都有所减少。3级数据集通常小于较低级别的数据集，因此可以处理而不会产生大量的数据处理开销。这些数据通常对许多应用程序更有用。3级数据集的规则空间和时间组织使得可以容易地组合来自不同来源的数据。
虽然这些处理级别特别适用于典型的卫星数据处理流水线，但已经定义了其他数据级词汇表，并且可能适用于更多异构工作流程。
历史[ 编辑]
 |
现代遥感学科随着飞行的发展而兴起。气球运动员G. Tournachon（别名Nadar）于1858年在他的气球上拍摄了巴黎的照片。[20]信使鸽子，风筝，火箭和无人气球也用于早期图像。除了气球之外，这些第一个单独的图像对于地图制作或科学目的并不是特别有用。
从第一次世界大战开始，为军事监视和侦察目的开发了系统航空摄影[21]，并在冷战期间使用P-51，P-38，RB-66等改装战斗机达到高潮。F-4C，或专门设计的收集平台，如U2 / TR-1，SR-71，A-5和OV-1系列，无论是头顶还是对峙系列。[22]最近的发展是越来越小的传感器吊舱，例如执法部门和军方使用的传感器吊舱，无论是有人驾驶平台还是无人驾驶平台。这种方法的优点是这需要对给定的机身进行最小的修改。后来的成像技术将包括红外，常规，多普勒和合成孔径雷达。[23]
20世纪下半叶人造卫星的发展使得遥感在冷战结束时能够发展到全球范围。[24]各种地球观测和气象卫星仪表，如Landsat，Nimbus和最近的任务，如RADARSAT和UARS，为民用，研究和军事目的提供了各种数据的全球测量。对其他行星的太空探测也提供了在地外环境中进行遥感研究的机会，在麦哲伦宇宙飞船上的合成孔径雷达提供了详细的金星地形图，而船上的仪器SOHO允许对太阳和太阳风进行研究，仅举几例。[25] [26]
最近的事态发展包括，在20世纪60年代和70年代开始与开发图像处理的卫星图像。硅谷的几个研究小组，包括美国宇航局艾姆斯研究中心，GTE和ESL公司，开发了傅立叶变换技术，导致图像数据首次显着增强。1999年，第一个收集高分辨率图像的商业卫星（IKONOS）投入使用。[27]
培训和教育[ 编辑]
遥感在现代信息社会中具有越来越重要的意义。它代表了作为航空航天工业一部分的关键技术，并且具有越来越高的经济意义 - 新的传感器如TerraSAR-X和RapidEye不断发展，对熟练劳动力的需求正在稳步增长。此外，遥感极大地影响着日常生活，从天气预报到气候变化或自然灾害的报告。例如，80％的德国学生使用谷歌地球的服务; 仅在2006年，该软件就被下载了1亿次。但研究表明，只有一小部分人了解他们正在使用的数据。[28]在应用和对卫星图像的理解之间存在巨大的知识差距。遥感只在学校中发挥着重要作用，无论政治主张如何加强对这一主题的教学支持。[29]由于其复杂性，许多为学校课程明确开发的计算机软件尚未实施。因此，受试者要么根本没有整合到课程中，要么没有通过模拟图像的解释步骤。实际上，除了卫星图像的视觉解释之外，遥感的主题还需要巩固物理和数学以及媒体和方法领域的能力。
许多教师对“遥感”这一主题非常感兴趣，只要考虑到课程，就有动力将这一主题融入教学中。在许多情况下，由于信息混乱，这种鼓励失败了。[30]为了以可持续的方式整合遥感，像EGU或Digital Earth这样的组织[31]鼓励开发学习模块和学习门户。例子包括：FIS - 学校课程中的遥感，[32] Geospektiv，[33] Ychange，[34]或空间发现，[35] 促进媒体和方法资格以及独立学习。
