Android-приложение для поиска дешевых авиабилетов: play.google.com
Главная -> Дистанционное зондирование

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 [86] 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129

получили многообещающие результаты [31, 32]. Однако, так как некоторые виды водорослей находятся довольно глубоко под водой, измерения отражательной способности поверхности воды или околоповерхностных слоев с помощью дистанционного зондирования не всегда указывают на наличие водорослей. Кроме того, так как циклы цветения водорослей иногда очень непродолжительны, они могут проходить между моментами сбора данных спутником, т. е. в 18-дневный промежуток времени, который составляет цикл сбора данных Ландсат. Поэтому, хотя мы и говорили об этом ранее в настоящей главе, следует подчеркнуть, что знание биологических характеристик исследуемых объектов необходимо для эффективного применения технологии дистанционного зондирования.

Кроме того, что мутность может объясняться наличием неорганических веществ во взвещенном состоянии и содержанием хлорофилла, многие другие естественные и синтетические вещества могут вызывать изменения спектральных характеристик воды. Например, особый коричневато-желтый цвет воды многих рек севера Соединенных Штатов обусловлен наличием в ней высоких концентраций танина тсуги канадской (tsuga canadensis) и различных других видов деревьев и растений, растущих в этих областях в болотах. Аналогичным образом было отмечено, что эти типы растворенного и извещенного органического вещества (танин окращивается от окружающей растительности), обнаруживаемые в свежей воде, различны по своему характеру, и, возможно, их спектральные характеристики отличаются от характеристик желтого вещества фитопланктона, содержащего хлорофилл, который имеется в морской воде [33]. Изучая загрязнители целлюлозного завода, Шерц, Графф и Бойль [34] обнаружили четкие различия спектральных характеристик, обусловленные различиями типов и концентраций извещенного ве-ш,ества в реках. Другая проблема загрязнения окружающей среды, которая исследовалась методами дистанционного зондирования, связана с успещным обнаружением мест слива нефти с помощью ряда фотографических и сканерных систем [35]. Манди и др. [36] показали, что тонкие пленки нефти и их контуры лучще всего определять в ультрафиолетовой и синей областях спектра, более плотные участки пленки - в зелеьсой и что пленки нефти можно также обнаруживать в тепловом инфракрасном диапазоне.

Некоторые важные характеристики воды не имеют заметных спектральных различий. Например, спектральных различий не наблюдается, когда газы (например, кислород, азот, двуокись углерода) или неорганические соли (например, хлористый натрий, сернокислый натрий) растворены в дистиллированной воде [37]. Аналогичным образом, значительные различия кислотности воды (рН = 3-7) в заброшенных карьерах нельзя связать с различиями спектральных характеристик [38].

Необходимую информацию нельзя непосредственно получить



из различий спектральных характеристик, эффективным методом для ее получения является сопоставление важной информации с признаками Земли, наблюдаемыми системой дистанционного зондирования. Например, в описанном выше примере с карьером, местонахождение областей, в которых вода предположительно имеет повышенную кислотность, можно определить путем сопоставления их с областями, которые идентифицируются на аэрофотоснимках как карьеры. Загрязнение, вызванное эрозией почвы, можно эффективно определить с помощью исследования типов землепользования в областях, примыкающих к водоемам. В одной работе данные о землепользовании в областях вокруг различных озер сопоставлялись с количеством коли-форма, полученного по образцам озерной воды ([39]. Исследованием было охвачено только семь озер, но было обнаружено, что если менее 207о земель вокруг озер классифицируется как урбанизированные, качество воды (определяемое по содержанию колиформа) хорошее. Однако вода в озерных зонах, окруженных территорией, в которой урбанизированные земли составляют более 20%, была в плохом состоянии; за качеством такой воды, как указывают авторы этой работы, необходим постоянный контроль со стороны отделов здравоохранения. Кроме того, они обнаружили, что если 40% прибрежной области или более составляет урбанизированная территория, то, вероятно, купание в такой воде, а также любое соприкосновение с ней человека опасно. Таким образом, хотя необходимую информацию о качестве воды не всегда можно получить непосредственно с помощью спектральных измерений, корреляционные методы можно часто использовать таким образом, что она все же становится доступной.

Необходимо отметить, что почти во всех случаях, когда есть различия в состоянии воды, между спектральными характеристиками, измеренными системами дистанционного зондирования, и данными, определяемыми характеристиками воды, существуют сложные взаимосвязи. Если нет соответствующих справочных данных, трудно правильно интерпретировать полученные с помощью дистанционного зондирования измерения отражательной способности в таких областях. Однако не следует недооценивать тот факт, что методы дистанционного исследования могут принести большую пользу при простом обнаружении областей с различными спектральными характеристиками и количественном определении и картографировании таких областей, даже если точную причину различий нельзя определить только из измерений спектральных характеристик. Вежернак и Полсин [40] отметили:

«Хотя цвет может быть вызван поллютантами, разлагающейся растительностью или другими естественными источниками, его изменения могут происходить в результате изменений экологии фитопланктона и часто указывают на изменения водной среды. Поэтому следует обнаруживать и отмечать области



окрашенной воды, хотя наблюдаемые явления интерпретируются не сразу».

Теперь давайте рассмотрим спектральные характеристики воды в замерзшем состоянии, т. е. снега! Возможность получения данных об отражательной способности с высоты полета спутника представляла особый интерес для гидрологов, работающих над предсказанием стока пакового снега во многих горных областях мира. То, что спутники могут быстро получать данные по большим географическим областям и через очень короткие промежутки времени, предоставляет возможности, которых ранее не существовало. В прошлом предсказание стока выполнялось с помощью наземных измерений глубины и содержания воды в паковом снеге для многих пунктов или полетов на небольшом самолете для определения размеров области снежного покрова. Однако тогда не было экономичного и быстрого метода для получения точных оценок области снежного покрова. Эта задача идеально решается спутниковыми системами сбора данных и методами машинной обработки.

В самом начале работы со спутниковыми данными стало ясно, что надежное картографирование снега невозможно, потому что спектральные характеристики снега и облаков похожи. Это сходство было особенно очевидным для исследователей, работающих с данными Ландсат 1, которые установили, что спектральные характеристики облаков и снега настолько одинаковы в диапазоне чувствительности детекторов Ландсат 1 (0,5-1,1 мкм), что спектрально отличить области снежного покрова от облаков нельзя {41]. Было также обнаружено, что во многих случаях отражательная способность как снега, так и облаков настолько высока, что детекторы спутника насыщаются; таким образом, даже если различия спектральных характеристик действительно существуют, их нельзя измерить. В табл. V.4 для иллюстраций этой проблемы даны специальные характеристики облаков и снега, определенные с помощью данных Ландсат, полученных в три различных момента времени в горах Сан-Хуан на юго-западе Колорадо!

Ясно, что трудно спектрально разделить снег и облака в диапазоне спектра 0,5-1,1 мкм. Однако многоспектральные ската б .ч и ц а V.4

Спектральные характеристики снега и облаков (среднее ±16)* [41]

Объект

Диапазон длин волн, мкм

0,5-0,6

0,6-0,7

0,7-0,8

0,8-1,1

Снег Облака

126+2,6

127±1,8

127-1-1,5 127±0,9

12б±2,3 125±3,7

125-1-4,2 12б±3,1

* Уровень насыщения для данных Ландсат 128. Первоначальные значения характеристик в диапазоне 0,8-1,1 мкм были удвоены, чтобы облегчить их сравнение с другими тремя диапазонами длин волн.



0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 [86] 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129



0.0059
Яндекс.Метрика