Начало работы со спутниковыми изображениями
Начните исследование снимков
Сначала вы откроете приложение Landsat Explorer и познакомитесь с основами многоспектральных изображений и спектральных каналов.
- Откройте приложение Landsat Explorer в своем веб-браузере.
Примечание:
Для получения более подробной информации о приложении Landsat Explorer и содержащихся в нем данных, нажмите кнопку About this app в левом верхнем углу приложения.
Вы также можете узнать больше о программе Landsat, совместно управляемой Геологической службой США (USGS) и НАСА, на веб-страницах программы.
На карте вы можете увидеть город Редлендс, штат Калифорния, в Соединенных Штатах. Ландшафт отображается не в естественных цветах, привычных человеческому глазу. Городские районы имеют светло-фиолетовый цвет, а некоторые участки с растительностью - ярко-зеленые. Почему это так?
Программа Landsat создает мультиспектральные изображения, это означает, что она собирает информацию в нескольких диапазонах длин волн, включая те, которые невидимы человеческому глазу. Каждый из этих диапазонов называется спектральным каналом и используется для выделения типа ландшафтного объекта или свойства. Снимки Landsat, полученные с 2013 года датчиками Landsat 8 и Landsat 9, содержат 11 спектральных каналов; более ранние версии датчиков собирали меньшее количество каналов. В следующей таблице описаны основные каналы для спутников Landsat 8 и 9:
Номер канала Имя канала Что лучше всего видно 1
Побережья и аэрозоли
Мелководья, тонкие частицы пыли
2
Синий
Глубоководья, атмосфера
3
Зеленый
Растительность
4
Красный
Промышленные объекты, почва, растительность
5
Ближний инфракрасный (NIR)
Береговые линии, растительность
6
Коротковолновый инфракрасный 1 (SWIR 1)
Улучшенная проницаемость облачности, влажность почв и растительности
7
Коротковолновый инфракрасный 2 (SWIR 2)
Улучшенная проницаемость облачности, влажность почв и растительности
9
Температура поверхности
Измеряет температуру поверхности земли
Примечание:
Снимки Landsat, использованные в приложении, были обработаны до уровня научных продуктов Level-2, что означает, что к исходным спектральным каналам были применены различные корректировки, чтобы гарантировать, что они предоставляют наиболее достоверную информацию и готовы к использованию аналитиками.
При работе с мультиспектральными изображениями невозможно просмотреть все доступные спектральные каналы одновременно. Однако можно выбрать до трех каналов и объединить их в единое составное изображение. Различные комбинации каналов могут кардинально изменить отображение объектов на снимках, и их можно использовать для выделения определенных объектов или свойств. В приложении вы сможете сравнить две такие комбинации каналов.
- На нижней панели инструментов приложения, в разделе Renderer (Метод отображения), наведите курсор на карточку Agriculture.
Появится дополнительная информация.
В настоящее время снимки на карте отображаются в комбинации каналов Agriculture (Сельское хозяйство), состоящих из Коротковолнового инфракрасного 1, Ближнего инфракрасного и Синего (или каналов 6, 5 и 2). Эта комбинация выделяет здоровую растительность ярко-зеленым цветом и отличает ее от других типов земельного покрова, таких как голая земля или городская застройка. Для сравнения вы переключитесь на комбинацию каналов Natural Color (Естественный цвет).
- В Renderer щелкните Natural Color.
При помощи новой комбинации каналов Естественный цвет (каналы 4, 3 и 2 – или Красный, Зеленый и Синий) можно увидеть, что на снимке преобладают тона цвета земли. Вместе каналы Красный, Зеленый и Синий представляют видимую часть спектра. Сочетание этих трех каналов приблизительно соответствует тому, как пейзаж видит человек.
Комбинация каналов Natural Color может быть полезна для некоторых приложений, но аналитики часто выбирают другие комбинации каналов, руководствуясь тем, какие объекты они хотят подчеркнуть.
- Переключитесь между комбинациями каналов Natural Color и Agriculture несколько раз, чтобы лучше увидеть различия между ними.
Мониторинг мангровых лесов в Сундарбане
Ваш следующий объект назначения – мангровый лес Сундарбан на границе между Индией и Бангладеш. Вы будете использовать спутниковые изображения Landsat, чтобы отслеживать здоровье экосистемы мангровых лесов, сильно подверженной изменениям. Вы также узнаете о новой комбинации каналов: Инфракрасный цвет.
- Щелкните ссылку Landsat Explorer, чтобы перейти к региону Сундарбан.
Так как спутники не могут захватывать изображение всего мира в одном снимке, они делают множество снимков, которые потом сшиваются в компилированное изображение, которое называют мозаикой. Поскольку в данный момент вы рассматриваете довольно большой регион, вы можете увидеть на карте лоскутный эффект. Кроме того, представленные на экране изображения были сделаны в разные даты и время, поэтому они могут отличаться по интенсивности цвета.
Примечание:
Этот режим просмотра сшитых снимков называется Динамическим режимом в приложении Landsat Explorer. В этой динамической мозаике автоматически отображаются самые свежие и наиболее свободные от облаков изображения, сшитые "на лету". Позже в этом руководстве вы научитесь выбирать и отображать определенные изображения по выбору.
Сундарбан простирается к северу от Бенгальского залива. Просто взглянув на эту территорию с использованием текущей комбинации каналов Natural Color, вы заметите различия между поросшим лесами Сундарбаном и высоко урбанизированным городом Калькутта на северо-западе. Значительная часть первозданных мангровых лесов здесь вырублена, но то, что осталось, охраняется правительствами Индии и Бангладеш.
Чтобы более четко различать мангровые заросли, вы будете использовать комбинацию каналов Инфракрасный цвет, которая комбинирует каналы 5, 4 и 3 (или Ближний инфракрасный (NIR), Красный и Зеленый). Канал NIR различает растительность и нерастительные объекты. В комбинации каналов Инфракрасный цвет здоровая растительность выглядит ярко-красной.
- Под Метод отображения щелкните Color IR (для Инфракрасный цвет).
Изображения обновляются. Мангровый лес Сундарбана теперь кажется ярко-красным, что означает густую, в целом здоровую растительность. Водоемы, проходящие через мангровые заросли и лишенные растительности, но с высоким содержанием донных отложений, выглядят бирюзово-голубыми. Застроенные территории, такие как город Калькутта, смотрятся сероватыми или бежевыми. Области сельского хозяйства отображаются более светлым оттенком красного, означающего присутствие растительности, но менее густой, чем мангровые леса. Наконец, воды Бенгальского залива отображаются окрашенными в темно-синие тона.
- В левом верхнем углу приложения щелкните кнопку Zoom In несколько раз, чтобы приблизиться к сердцу мангрового леса.
Подсказка:
Вы также можете увеличивать или уменьшать масштаб с помощью кнопки колесика мыши.
- При необходимости наведите курсор мыши на мангровый лес в центре карты.
Подсказка:
Поскольку снимки Landsat регулярно обновляются более свежими снимками, самое последнее изображение для некоторых областей Сундарбана может быть немного облачным или туманным. Если это так, вы можете вместо этого использовать эту карту, которая показывает единое изображение со спутника Landsat без облаков.
В обширном регионе дельты леса изрезаны множеством рек и сложными приливными протоками. На многие мелкие острова можно попасть лишь на лодках, что затрудняет наземные наблюдения и увеличивает необходимость использования космических снимков для мониторинга состояния лесов. Густая растительность выглядит ярко-красной, но в некоторых областях она более светлого оттенка красного или бежевая. Как аналитик, вы могли бы выделить эти участки как участки с потенциально менее здоровой растительностью и нуждающиеся в дальнейшем исследовании.
- Увеличивайте и уменьшайте масштаб изображения, чтобы исследовать мангровый лес.
- Переместитесь в восточную область мангровых зарослей, где цвет резко меняется с преимущественно красного на преимущественно бежевый.
Там, где заканчивается охраняемая мангровая зона, наблюдается резкий контраст. Земли на неохраняемой территории ранее были покрыты мангровыми лесами, а теперь обезлесены. Они показаны в основном бежевым или светло-розовым, что указывает на отсутствие растительности. Как аналитик, вы можете использовать эти различия в цвете для обнаружения незаконной вырубки деревьев в охраняемых районах.
Мангровые леса очень чувствительны к изменениям уровня моря и солености воды, а также к загрязнению, незаконным рубкам и другим факторам. Потеря мангровых лесов не только ставит под угрозу существование представителей местных флоры и фауны (в том числе краснокнижных животных, например, бенгальского тигра), но также и лишает окрестные районы естественной защиты от муссонов. Поддерживать здоровье лесов очень важно, а снимки нам в этом помогают.
Примечание:
В чем состоит разница между комбинациями каналов Инфракрасный цвет и Сельское хозяйство? Обе хорошо выделяют здоровую растительность (ярко-красным для Инфракрасный цвет и ярко-зеленым для Сельское хозяйство). Инфракрасный цвет - это наиболее распространенная комбинация каналов, которая доступна для многих типов спутниковых снимков и аэрофотоснимков, поскольку для нее помимо зеленого и красного каналов видимого света требуется только канал Ближний инфракрасный (NIR). Комбинация каналов Сельское хозяйство используется реже, так как для нее необходимы не только Ближний инфракрасный канал (NIR), но и Коротковолновый инфракрасный канал (SWIR). NIR хорошо подходит для освещения состояния растений, так как здоровая зеленая растительность отражает больше света NIR. SWIR также помогает определить фактическое содержание воды в растительности. Комбинация каналов Сельское хозяйство является универсальной и наглядно демонстрирует несколько типов почвенного покрова.
Визуализация эффекта городского теплового острова
Некоторые датчики Landsat обладают способностью улавливать информацию о температуре на поверхности Земли. Затем эта информация используется вместе с другими источниками данных для создания канала Температура поверхности, который можно визуализировать в приложении с помощью одной из опций визуализации.
Вы воспользуетесь этой возможностью для визуализации эффекта городского теплового острова в Вашингтоне, округ Колумбия, в США. Тепловые острова – это места с устойчиво повышенными температурами по сравнению с окружающими районами. Как правило, они возникают в городских условиях с большим количеством непроницаемых поверхностей (таких как тротуары, крыши и здания) и небольшим количеством деревьев или других форм растительного покрова. В связи с повышением экстремальных температур из-за изменения климата городские "острова тепла" угрожают здоровью и качеству жизни местных жителей.
Вы сможете подчеркнуть эффект городского теплового острова в жаркий летний день во время сильной жары. Вы создадите карту со шторкой, чтобы сравнить изображение Landsat, полученное двумя различными способами, выделив типы растительного покрова на одной стороне и температуру поверхности на другой. Сначала вы сфокусируете карту на интересующей вас области.
- Введите в окне Поиск адреса или места Washington, D.C. и нажмите Enter.
Карта обновляется и показывает район Вашингтона, округ Колумбия.
- На нижней панели инструментов щелкните Swipe. Убедитесь, что выбрана кнопка Left.
Карта обновляется до режима прокрутки со шторкой, где она разделена на две части. Вы выберете конкретное изображение (или сцену) для отображения в левой части карты. На нижней панели инструментов отображается календарь, позволяющий выбирать сцены, снятые в определенные даты.
- В разделе Scene Selection (Выбор сцены) в ниспадающем меню года выберите 2024.
В обновленном календаре перечислены изображения, доступные для текущего экстента карты в 2024 году, с указанием их в виде небольших светло-серых прямоугольников.
- В календаре установите флажок на 16 июля 2024 года.
Примечание:
На некоторых снимках Landsat видны облака, закрывающие землю. Бегунок Cloud (Облачность) позволяет выбрать максимальный процент облачного покрова, который должен быть на изображениях.
В календаре сплошными светло-серыми рамками отмечены изображения, соответствующие этим критериям облачности. Прямоугольники, выделенные светло-серым цветом, указывают на изображения, расположенные выше в облачном покрове.
Возможно, вы увидите больше доступных сцен, чем на примерах изображений, поскольку в набор данных Landsat постоянно добавляются новые изображения.
В левой части карты, отображаемой с помощью шторки, загружается снимок, сделанный спутником Landsat 16 июля 2024 года. Вы будете отображать его вместе с отображением Сельское хозяйство, чтобы подчеркнуть различные типы растительного покрова в этом районе.
- В Renderer щелкните Agriculture.
В левой части карты со шторкой растительность отображается ярко-зеленым цветом, городская застройка — фиолетовым и розовым, а водоемы, такие как реки, — темно-синим.
Подсказка:
В этом представлении дороги отображаются поверх изображений как часть слоя Надписей карты. Отметка Map Labels позволяет включать или выключать этот слой.
Вы выберете ту же картинку для отображения в правой части карты и отрисуете ее так, чтобы она отображала температуру поверхности.
- Щелкните кнопку Right (Вправо).
- В разделе Scene Selection (Выбор сцены) в ниспадающем меню года выберите 2024. В календаре щелкните дату 16 июля 2024 года.
- В Renderer щелкните Surface Temp (Температура поверхности).
Метод отображения Температура поверхности представляет температуру на поверхности земли. Разные значения обозначаются разными цветами.
- Наведите указатель мыши на лист Surface Temp, чтобы увидеть легенду.
Цвета от белого до синего обозначают низкие температуры, в то время как оранжевый и темно-красный символизируют высокие температуры, а зеленый и желтый — средние температуры. Карта со шторкой готова. На ней показано одно и то же изображение с отображением Сельского хозяйства слева и Температуры поверхности справа.
- Перетащите указатель шторки слева направо, чтобы сравнить отображения.
В то время как на всей территории наблюдались высокие температуры, в населенных пунктах температура была более экстремальной (темно-красная), а на покрытых растительностью пространствах и водоемах температура была относительно более низкой (светло-красная или оранжевая).
- Щелкните по различным точкам на карте, чтобы увидеть значение температуры поверхности, отображаемое во всплывающих окнах.
Карта со шторкой, которую вы создали, иллюстрирует эффект городского теплового острова. Мультиспектральные снимки являются мощным инструментом для понимания этого явления и работы с ним. В среднем, в центре города температура может быть практически на 10 градусов выше, чем в пригородах. Когда будут выявлены тепловые острова, крайне важно спланировать стратегии охлаждения, такие как посадка большего количества деревьев, переход на прохладные материалы для покрытия тротуаров и создание зеленых крыш.
Подсказка:
Вы можете скопировать URL-адрес вашей карты со шторкой или любой другой карты, созданной с помощью приложения Landsat Explorer, чтобы поделиться ею с людьми в вашем сообществе. Для ссылки, вот окончательная карта со шторкой, которую вы создали.
Изучите оазис с помощью спектральных профилей
Чтобы лучше понять мультиспектральные снимки, вы отправитесь в Египетский оазис Эль-Фаюм и узнаете о спектральных профилях, спектральных сигнатурах и спектральных индексах.
- Воспользуйтесь этой ссылкой на Landsat Explorer, чтобы отправиться в район оазиса Эль-Фаюм.
Снимки Landsat отображаются с комбинацией каналов Сельское хозяйство. Эль-Файюм — большой оазис в форме сердца, существующий со времен Древнего Египта. Это ареал растительности и воды посреди пустыни Сахара. С восточной стороны долина Нила пересекает карту по диагонали. Вода в оазис поступает из реки Нил по искусственным каналам.
При работе с мультиспектральными изображениями может быть полезно строить спектральные профили для конкретных точек интереса. Спектральный профиль — это диаграмма, на которой отображаются значения разных спектральных каналов для определенного пиксела изображения. Вы создадите спектральные профили для нескольких точек в районе Эль-Фаюма.
- На нижней панели инструментов нажмите Analyze и выберите Spectral profile (Спектральный профиль).
Чтобы использовать эту опцию, вам нужно выбрать конкретный снимок Landsat.
- В разделе Scene Selection в ниспадающем меню года выберите 2023. В календаре выберите дату 19 февраля 2023 года.
Изображение появится на карте. В северо-восточном углу изображения виден оазис Эль-Фаюм.
Вы начнете с изучения пиксела, представляющего растительность. Типичная растительность в оазисе Эль-Файюм — возделываемые поля таких культур, как хлопок, клевер и злаки, с вкраплениями пальми фруктовых деревьев.
- На карте наведите указатель мыши на место в оазисе, которое кажется покрытым растительностью (ярко-зеленого цвета).
На нижней панели инструментов под Profile появится диаграмма спектрального профиля для этого пиксела. Диаграмма называется Healthy Vegetation (Здоровая растительность).
Подсказка:
Если ваш пиксел не был идентифицирован как Здоровая растительность, возможно, вы выбрали mixed pixel, на котором изображены некоторые здания, голая земля или другие объекты. В этом случае щелкните еще по одному или двум местоположениям с растительностью, пока не получите идентификацию Здоровой растительности (Healthy Vegetation).
На диаграмме ось x (горизонтальная) представляет различные спектральные каналы: Береговой, Синий, Зеленый, Красный, NIR, SWIR 1 и SWIR 2. Ось y (вертикальная) показывает значения для каждого из этих каналов для выбранного вами пиксела. Точнее, она показывает значения отражения, то есть сколько света было отражено материалом в данном месте (в данном случае, здоровой растительностью) в разных каналах. Кривая, образованная соединением значений канала, отображается светло-серым цветом.
На графике изображена зеленая пунктирная линия. Её легенда подписана как Spectral profile of Healthy Vegetation. Каждый тип растительного покрова, такой как здоровая растительность, вода или песок, как правило, имеет типичный, узнаваемый спектральный профиль, называемый спектральной сигнатурой. Сравнивая спектральный профиль любого пиксела изображения с типичными спектральными сигнатурами, можно автоматически идентифицировать тип земного покрова этого пиксела. На этой диаграмме было обнаружено, что спектральный профиль пиксела наиболее похож на спектральную сигнатуру Здоровой растительности, особенно узнаваемый благодаря высокому значению отражения NIR и низкому значению отражения Красного.
- На карте щелкните по местоположениям, которые, по-видимому, представляют следующее:
- Озеро (темно-синий)
- Пустыня (желто-бежевый)
На диаграммах спектрального профиля эти точки идентифицированы как Чистая вода и Песок, соответственно.
Вы можете наблюдать различия в спектральных сигнатурах различных материалов — чистой воды, песка и здоровой растительности. Это физические и химические свойства материалов, которые приводят к тому, что они по-разному отражают длины волн. Большинство методов анализа изображений используют преимущества этих вариаций спектрального профиля для автоматического определения информации о типах растительного покрова на изображении.
Один из таких методов представляет собой вычисление спектральных индексов. Спектральный индекс применяет математические формулы, чтобы получить отношение между различными каналами для каждого пиксела в изображении, в целях выделения определенного явления. Сейчас вы попробуете два из них.
- В Renderer щелкните MNDWI.
MNDWI — Модифицированный нормализованный относительный индекс воды. Он вычисляет соотношение между Коротковолновым инфракрасным каналом 1 и Зеленым каналом для выделения воды. При применении этого индекса водоемы будут выделены синим цветом. На текущей карте это в основном озера, которые являются частью оазиса Эль-Фаюм.
- В Renderer щелкните NDVI Colorized.
NDVI – нормализованный относительный индекс растительности Он вычисляет соотношение между Ближним инфракрасным каналом и Красным каналом для выделения растительности. Густая здоровая растительность выделена темно-зеленым цветом, а редкая – коричневым.
Вы познакомились со спектральными профилями, спектральными сигнатурами и спектральными индексами. Вы узнали, что методы анализа изображений используют преимущества вариаций спектрального профиля для автоматического определения информации о типах растительного покрова на изображениях. Как аналитик в регионе Эль-Фаюм, вы могли бы использовать эти методы для мониторинга состояния сельскохозяйственных культур, условий засухи, последствий лесных пожаров и других явлений. С помощью мультиспектральных снимков можно проводить такой мониторинг в больших регионах, целых странах или даже по всему миру.
Визуализация роста городов с помощью анимации
До данного момента вы изучали изображения, с фокусом на снимках Landsat, сделанных за последние несколько лет. Но что, если нам захочется проследить изменения во времени? Что, если вы хотите сравнить состояние мангровых лесов Сундарбана сейчас и 10 лет назад или увидеть, как озеро в оазисе Эль-Фаюм могло увеличиться или сократиться за последние несколько десятилетий? Первый спутник Landsat был запущен в 1972 году, то есть для сравнения у нас есть снимки Landsat за 50 с лишним лет.
Примечание:
Хотя первые спутники не были оснащены всем тем оборудованием, которое работает сегодня, в том числе захватывающим определенные спектральные каналы, старые снимки все равно очень важны для изучения того, как изменялся мир.
Чтобы проиллюстрировать использование снимков Landsat, вы создадите анимацию, которая наглядно продемонстрирует, как Хэфэй, один из самых быстрорастущих городов Китая, развивался с 1995 года по настоящее время.
- Щелкните ссылку Landsat Explorer, чтобы перейти к Хэфэю, Китай.
Снимки Landsat отображаются в Динамическом представлении. В нем показаны недавние снимки, выполненные в комбинации каналов Инфракрасный цвет. Городские районы показаны коричневыми или серыми, растительность, окружающая город, – ярко-красным, а водоемы – темно-синим.
Примечание:
Инфракрасный цвет не всегда является лучшим способом отображения городских районов, но в данном конкретном случае методом проб и ошибок было установлено, что он обеспечивает четкое разграничение города с течением времени.
- На нижней панели инструментов нажмите и выберите Add a Scene (Добавить сцену).
Добавлен слот для первого изображения.
Вы добавите в анимацию сцену из 1995 года.
- В разделе Scene Selection в ниспадающем меню года выберите 1995. В календаре выберите дату 2 сентября 1995 г.
На карте появится снимок, сделанный 2 сентября 1995 года. Хэфэй показан в виде небольшого городка в центре изображения.
Далее вы добавите сцену из 2000 года.
- Щелкните Add a Scene, чтобы добавить слот для второго изображения.
- В разделе Scene Selection в ниспадающем меню года выберите 2000. В календаре выберите дату 15 сентября 2000 г.
Изображение появится на карте. Вы хотите создать анимацию, которая будет содержать в общей сложности восемь сцен, с выбором одной сцены каждые три-пять лет. Вот полный список:
- 2 сентября 1995 г. (уже добавлено)
- 15 сентября 2000 г. (уже добавлено)
- 12 августа 2005 г.
- 3 мая 2009 г.
- 2 августа 2013 г.
- 25 июля 2016 г.
- 17 мая 2020 г.
- 16 апреля 2023 г.
Чтобы ускорить этот рабочий процесс, вы откроете новую карту, на которую уже были добавлены восемь сцен.
- Щелкните ссылку Landsat Explorer, чтобы загрузить все семь сцен.
Затем вы запустите анимацию.
- Рядом с Добавить сцену щелкните кнопку Воспроизвести анимацию.
Изображения начинают отображаться одно за другим в хронологическом порядке, создавая анимацию. Анимация достаточно быстрая, так что вы её замедлите.
- Переместите бегунок скорости на минимальное значение.
Поскольку анимация отображается в более медленном темпе, вы можете заметить, что город Хэфэй значительно расширился с 1995 года.
Примечание:
При желании вы можете нажать кнопку Copy animation link, чтобы опубликовать анимацию. Вы также можете экспортировать её в видео в формате MP4, нажав на кнопку Download animation.
- Когда вы закончите просмотр анимации, щелкните кнопку Stop animation.
Обрисовка затопленных областей
Еще один способ воспользоваться преимуществами снимков Landsat, сделанных в разные моменты времени, – это использовать их для выявления изменений. Выявление изменений включает сравнение изображений, собранных в разное время в одной области, для определения типа, масштаба и места изменения. Изменения могут быть вызваны человеческой деятельностью, неожиданными природными катаклизмами или долгосрочным воздействием, обусловленным климатом или экологией.
Вы проведете свой собственный анализ выявления изменений, применительно к событию затопления. Из-за проливных дождей в июле 2022 года несколько районов, расположенных в регионах Лере и Гегу в Чаде, пострадали от сильных затоплений. Как аналитик, вы хотите определить наиболее пострадавшие области.
- Щелкните ссылку Landsat Explorer, чтобы перейти к области Лере.
Снимки Landsat отображаются в Динамическом представлении. В нем показаны недавние снимки, выполненные в комбинации каналов Сельское хозяйство. Слой Надписи карты включен, в него входит изображение основных дорог. Вы видите два озера и несколько городов и деревень вокруг них, таких как Лере, Лао и Кеби.
- На нижней панели инструментов нажмите Analyze и выберите Change detection (Выявление изменений). Подтвердите, что выбрано Выбор сцены А.
Вам нужно будет выбрать два изображения: одно до наводнения и одно после него.
- В разделе Scene Selection в ниспадающем меню года выберите 2022. В календаре щелкните дату 8 мая 2022 г.
Снимок обновится, будет показана сцена Landsat, полученная 8 мая 2022, до ливневых осадков. Он отображается с ранее выбранной комбинацией каналов Сельское хозяйство. У двух озер - Léré и Tréné четко определены контура. Тонкие синие линии соответствуют рекам Mayo Kébbi и Bénoué.
- Щелкните Выбрать сцену В.
- В разделе Scene Selection в ниспадающем меню года выберите 2022. В календаре щелкните дату 11 июля 2022 г.
- Под Метод отображения щелкните Сельское хозяйство, чтобы применить ту же комбинацию каналов ко второй сцене.
Снимок обновится, будет показана сцена Landsat от 11 июля 2022, показывающая ситуацию возникновения наводнения. Большие площади, которые на предыдущей сцене были сушей, теперь покрыты водой, из-за чего озера кажутся чрезмерно растянутыми и неотличимыми от рек.
Далее вы визуализируете изменение между сценой А и сценой В.
- Щелкните кнопку View Change.
- Около Change выберите Water Index.
Этот анализ выявления изменений применяет водный индекс (MNDWI), о котором вы узнали ранее в руководстве, к изображениям "до" и "после", с целью определения расположения пикселов воды на каждом изображении. Затем он сравнивает значения водного индекса, чтобы определить для каждого пиксела, было ли что-то из следующего:
- Увеличение значения MNDWI (от отсутствия воды к наличию воды)
- Уменьшение значения MNDWI (от наличия воды к отсутствию воды)
- Без изменений значения MNDWI (от наличия воды к наличию воды, либо от отсутствия воды к отсутствию воды)
На карте большая часть областей суши в выделены желтым цветом, что указывает на то, что они не изменились. Однако участки вокруг озер окрашены в ярко-бирюзовый цвет, что указывает на то, что они были покрыты водой. Именно здесь произошло наводнение.
Примечание:
Пикселы, которые выглядят светло-бежевыми или светло-голубыми, указывают на небольшое изменение значения водного индекса. Это не обязательно имеет значение, поскольку изображения "до" и "после" могут немного отличаться по интенсивности из-за погодных условий и времени съемки.
Чтобы упростить интерпретацию карты, вы покажете только те пикселы, которые наиболее четко изменили цвет с "без воды" на "с водой".
- Под Водным индексом, перемещайте маркер нижней границы до тех пор, пока не исчезнут все желтые, бежевые и светло-голубые пикселы.
Пикселы исчезают, когда значение водного индекса составляет около 0,65.
Теперь на карте затопленные районы выделены ярко-бирюзовым цветом.
Под Водным индексом значение Предполагаемая область изменений указывает, что площадь затопленных районов, отображенных на карте, составляет около 10,79 квадратных километров (полученная вами цифра может немного отличаться).
Примечание:
Для справки, вот окончательная карта выявления изменений, которая у вас должна получиться.
В ходе этого анализа вы провели выявление изменений, чтобы определить области, пострадавшие от наводнения. Затем полученной картой можно было поделиться со спасательными группами на местах, чтобы помочь им наилучшим образом сосредоточить свои усилия.
Примечание:
Снимки все чаще используются для помощи в управлении стихийными бедствиями. Тем не менее, вы должны знать, что снимки Landsat будут фиксировать определенное место не чаще одного раза в неделю, а его пространственное разрешение составляет всего 30 метров (на пиксел), поэтому они не всегда могут полноценно обеспечивать поступление самых своевременных и подробных изображений для всех стихийных бедствий. Существуют и другие типы спутниковых снимков, которые позволяют получать более частые изображения с более высоким разрешением и которые могут быть предпочтительны в работе по управлению стихийными бедствиями, но они выходят за рамки данного руководства.
Изучение других местоположений
Приложение Landsat включает в себя еще несколько отмеченных закладками мест со всего мира. Это уникальные ландшафты, которые особенно интересно рассматривать при определённых комбинациях каналов, подчеркивающих самые выдающиеся объекты. Вы просмотрите некоторые из этих местоположений.
- На нижней панели инструментов нажмите Explore и выберите Dynamic.
- В разделе Interesting Places (Интересные места) щелкните по некоторым образцам, чтобы просмотреть различные места.
Изучив эти местоположения, вы сможете применять различные комбинации спектральных каналов и спектральных индексов, а также использовать функциональные возможности, о которых вы узнали из руководства. Кроме того, вы можете воспользоваться полем поиска для поиска интересующих вас областей.
Примечание:
Чтобы продолжить изучение функциональных возможностей Landsat Explorer, прочитайте статью Как изучать снимки Landsat с помощью Landsat Explorer.
В этом руководстве вы изучили снимки Landsat, путешествуя по миру с помощью приложения Landsat Explorer. Вы узнали основные понятия из области мультиспектральных изображений и познакомились с их многочисленными применениями. Теперь вы готовы продолжить изучение мира с помощью снимков.
Больше руководств по работе со снимками вы можете найти в сборнике руководств Данные дистанционного зондирования и изображения.
