使用光谱图查看绿洲
在浏览非洲卫星影像教程系列的前面部分中,您使用多光谱影像研究了埃及的法尤姆绿洲。 您标识了不同的土地覆被类型,例如水体、植被和建筑(即村庄和道路)。 您现在将进一步研究此示例,以了解为什么能够从多光谱影像中标识土地覆被类型。 您还将了解光谱图和光谱特征。
注:
要重温什么是光谱影像和光谱波段,请参阅本系列的第一个教程:非洲影像入门。
开始设置并浏览影像
首先,您需要打开应用程序,设置您的感兴趣位置,然后选择最相关的影像。
- 打开 Digital Earth Africa Explorer 应用程序。
- 应用程序将打开并显示整个非洲大陆。
- 在搜索框中键入 El Fayoum, Egypt,然后按 Enter 键。
地图更新为显示新位置。
- 关闭搜索结果窗口,因为您不再需要此窗口。
- 单击三次缩小按钮。
- 如有必要,请拖动地图以调整其位置。
地图看起来应该大致类似于以下示例图像:
法尤姆是一个自古埃及时代就存在的大型心形绿洲。 它是撒哈拉沙漠中的植被和水的宝库。 在东侧,您还可以看到斜跨地图的尼罗河谷。 通过人造运河将水从尼罗河引入绿洲。
- 在侧边栏上,单击浏览影像按钮。
- 在浏览影像窗口中,设置以下参数选项:
- 对于图层,确认选择 Sentinel-2 Annual GeoMAD。
- 对于渲染,选择 Agriculture with DRA。
- 对于日期,确认选择 January 1, 2020。
地图将随即更新以显示新渲染。
注:
Sentinel-2 是欧洲航天局的地球观测卫星项目,于 2015 年启动,可生成整个地球的高质量多光谱影像。 了解有关 Sentinel-2 计划的详细信息。
当前影像图层 Sentinel-2 Annual GeoMAD 提供了 Sentinel-2 影像的逐年摘要,其中已移除云和其他一些小问题。 要了解有关 GeoMAD 图层的创建方法,请参阅 Digital Earth Africa 文档。
农业波段组合将使用以下 3 个光谱波段:短波红外、近红外和蓝色波段。 它将清晰地高亮显示各种要素,因此是一种多功能的渲染。 DRA 表示动态范围调整,这是一种改进影像对比度的技术。
温馨提示:Sentinel-2 图像由 13 个光谱波段组成。 其中一些波段可捕获人眼可见的光(例如蓝色、绿色和红色),而另一些波段可捕获不可见的光(例如红边、近红外和短波红外)。 以下逻辑示意图显示了 13 个波段在电磁波谱上的位置:
此处为包含波段编号和名称的列表:
- 波段 1 - 沿海气溶胶
- 波段 2 - 蓝色
- 波段 3 - 绿色
- 波段 4 - 红色
- 波段 5 - 红边 1
- 波段 6 - 红边 2
- 波段 7 - 红边 3
- 波段 8 - 近红外 (NIR 1)
- 波段 8A - 近红外窄波 (NIR 2)
- 波段 9 - 水蒸气
- 波段 10 - 短波红外(卷云)
- 波段 11 - 短波红外 (SWIR 1)
- 波段 12 - 短波红外 (SWIR 2)
在本部分中,您打开了应用程序,设置了您的感兴趣位置,并选择了特定的影像图层和渲染。 您现在已准备好浏览法尤姆绿洲。
可视化光谱图
现在,您将可视化影像中多个像素的光谱图。 光谱图是一种图表,可针对特定影像像素绘制每个光谱波段的值。 首先,您将从表示植被的像素开始。
法尤姆绿洲中的典型植被主要由棉花、三叶草和谷物等作物的耕地组成,景观中点缀着一些棕榈树。

- 在浏览影像窗口中,对于要进行哪些操作?,选择浏览光谱图。
- 在地图上,单击绿洲中似乎被植被覆盖的点(浅绿色)。
将在地图上的选定位置显示一个红点。 在浏览影像窗口中,光谱剖面图将进行更新。
- 观察光谱剖面图。
在该图表中,x 轴(水平)表示不同的光谱波段。 Y 轴(垂直)显示了所选像素的每个波段值。 每个波段的值都用红点表示。 虽然应用程序中缺少足够的空间来显示每个波段的名称,但是您可以在以下展开图中查看更多详细信息:
此 Sentinel-2 Annual GeoMAD 影像包含原始 13 个 Sentinel-2 波段中的 10 个波段。 人眼只能看到前 3 个波段:蓝色、绿色和红色;其余 7 个波段对人眼不可见。 借助如此多的波段,可以提供有关地面要素的丰富信息 - 比人眼所能捕捉到的信息要丰富得多。
注:
图表右端的最后 4 个波段表示超出本教程范围的高级补充信息。 您将忽略这些波段。
- 将您的注意力转向浏览影像窗口右侧的典型光谱图列表。
特定类型的土地覆被,例如茂盛的草地、水体或沙漠,往往总是具有相同的典型光谱面。 这称为光谱特征。 通过将来自任何影像像素的光谱图与典型光谱特征进行比较,可以自动识别该像素的土地覆被类型。
将当前像素的光谱图与沙漠、干草、茂盛的草地、城市、岩石、森林和水体的光谱特征进行比较,发现其最接近茂盛的草地。 这似乎确实是可能包括各种作物和草地的植被覆盖区域的最佳匹配。
提示:
如果未将您的像素标识为茂盛的草地,则您可能选择了包含一些建筑物或裸露土地的像素,由此使得光谱图不太清晰。 在这种情况下,请再单击一个或两个植被像素,直到获得茂盛的草地标识为止。
在该图表上,茂盛的草地的典型光谱特征以浅粉色线表示,可以看出其与像素的光谱图相对相似,其中显示了红边 2、红边 3、NIR 1 和 NIR 2。
接下来,您将观察表示水体的像素的光谱图。 绿洲周围存在多个湖泊,包括绿洲北部的主要湖泊:加龙湖。 您将在此处选择水体像素。
此照片显示了加龙湖的景观。 - 单击加龙湖(深蓝色)内的一个点。
光谱剖面图随即进行更新。
所有波段的值都非常低,并将该像素标识为水体。
现在,您将查看沙漠像素的光谱图。
此照片显示了法尤姆地区的沙漠景观。 您还可以在背景中看到湖泊。 - 在绿洲以北的沙漠中选择一个像素。
光谱剖面图随即进行更新。
大多数值都较高,特别是对于 SWIR 1 和 SWIR 2 波段更是如此。 该像素将被标识为沙漠。
提示:
可能已将该像素标识为岩石。 如果出现这种情况,请再尝试其他一个或两个点,直到获得沙漠标识为止。
接下来,您将查看一个被树木覆盖的区域。
- 标识朝向绿洲中心的深绿色区域。
该区域包含大量的树木,包括橄榄树和果园,以及一些棕榈树。
此照片展示了法尤姆的耕地景观,背景为树木。 - 在绿洲中心树木丰富的深绿色区域中选择一个像素。
光谱图随即进行更新,并且将像素标识为森林。 最后,您将查看表示城市土地覆被的像素。
- 在法尤姆选择一个像素。
光谱图随即进行更新,并且将像素标识为城市。
- 关闭浏览影像窗口。
在此工作流中,您可视化了影像中多个像素的光谱图。 您学习了可以将光谱图与典型的光谱特征进行比较以标识土地覆被类型。
大多数影像分析技术都会利用这些光谱图变化。 例如,您在之前的教程中使用的植被指数依赖波段值之间的典型差异和比率来区分健康植被和不健康植被。
使用光谱散点图标识红树林
为了进一步探索光谱数据,您现在将学习有关光谱散点图的内容,光谱散点图是查看光谱波段值的另一种方式。 您将在可视化桑给巴尔群岛的红树林和其他土地覆被类型的同时执行此操作。
桑给巴尔是位于印度洋的一个群岛,是坦桑尼亚联合共和国的一部分。 红树林由茂密的树木和灌木组成,这些树木和灌木生长在沿海地区的咸水和淡水混合环境中。 它们是桑给巴尔群岛生态系统的重要组成部分。 除了提供卓越的生物多样性之外,红树林对于防止海岸侵蚀和保护内陆地区免受极端天气事件的影响至关重要。 它们还在鱼类和贝类的养殖中发挥重要作用,这对当地的渔业经济非常重要。 不幸的是,由于人口压力、农业和城市发展以及气候变化,桑给巴尔的红树林濒临灭绝。
使用卫星影像监测红树林可以在此生态系统的恢复和可持续管理中发挥重要作用。

设置并浏览影像
您的学习重点将位于桑给巴尔主要岛屿安古迦岛的马科巴湾。 您将首先以该位置为中心并设置影像。
- 在搜索框中键入 Makoba, Zanzibar,然后按 Enter 键。
地图更新为显示新位置。
- 关闭搜索结果窗口,因为您不再需要此窗口。
- 单击三次放大按钮。
- 如有必要,请拖动地图以调整其位置。
地图看起来应该大致类似于以下示例图像。 (黄色标注将不会显示在您的地图上。 已在此处添加标注是为了帮助您定位。)
此范围代表安古迦岛的一部分,其中岛屿的西侧是印度洋,北侧是马科巴湾,一条河流经河口流入海湾。
- 在侧边栏上,单击浏览影像按钮以重新打开浏览影像窗口。
- 在浏览影像窗口中,确认选择以下参数选项:
- 对于图层,确认选择 Sentinel-2 Annual GeoMAD。
- 对于渲染,确认选择 Agriculture with DRA。
- 对于日期,确认选择 January 1, 2020。
当前底图包含一些指示道路的线。 您将更改底图以移除这些线和任何其他标记,以便您畅通无阻地查看影像。
- 在侧边栏上,单击底图库按钮。
- 在底图库窗口中,选择影像并关闭该窗口。
表示道路的线随即消失。
在本部分中,您将设置感兴趣的位置、影像和底图。 现在,您已准备好探索安古迦岛的马科巴湾。
浏览光谱散点图
现在,您将为感兴趣区域创建交互式光谱散点图并浏览该图表。 光谱散点图是一种图表,用于检查两个光谱波段之间的关联及其与地面上的要素和土地覆被类型的关系。 首先,您将设置散点图。
- 如有必要,重新打开浏览影像窗口。 在浏览影像窗口中,对于要进行哪些操作?,选择创建光谱散点图。
将显示具有默认设置的散点图。 您可以选择在散点图上表示任意两个光谱波段,一个位于 x 轴上,另一个位于 y 轴上。 您将选择显示 NIR 1 和 SWIR 2。
- 对于 X,选择 NIR_1 (7);对于 Y,选择 SWIR_2 (10)。
散点图随即进行刷新。 对于当前在地图上可见的每个影像像素,将根据其 NIR 1 和 SWIR 2 值在散点图中表示这些像素。 一眼即可看到可能的 NIR 1 值在 0.01 到 0.70 之间变化,而 SWIR 2 值在 0.01 到 0.54 之间变化。 颜色将指示频率:散点图上像素最多的位置将显示为亮红色。
注:
根据您的确切地图范围,您的散点图可能看起来略有不同。
现在,您将与散点图进行交互以更好地了解其显示的内容。
首先,您将观察表示水的像素在散点图上的显示位置。 可能是海洋、海湾、河口或河流中的水。
此照片显示了印度洋沿岸桑给巴尔海滩的景观。 - 在地图上,单击任何表示水的像素,例如在岛屿以西的海洋中(海军蓝色)。
随即出现一个十字,显示了该像素在散点图上的位置。
- 在地图上单击更多表示水的像素。
所有这些像素都显示在左下角散点图的相同区域中。 基于这些位置,看起来表示水的像素都具有非常低的 NIR 1 和 SWIR 2 值。 接下来,您将选择所有这些像素以在地图上高亮显示。
- 在散点图上,单击并拖动以圈出所有水像素集中的区域,例如在以下示例图像中:
现在,您包含在选择中的像素将在地图上以青色高亮显示。
无论是在海洋、海湾、河口还是河流中,这些都是表示水的像素。 请注意,其中甚至包括河流东南部内陆的一个小池塘。
- 或者,您可以再次在散点图上绘制形状,直到您对结果满意为止。
接下来,您将针对红树林执行相同操作。 在您的感兴趣区域中,红树林主要位于海湾和潮汐河口沿岸,在影像中以深绿色显示。 在散点图上,通过反复试验可以发现,红树林像素均出现在散点图底部的一条狭长带内。 您将圈出该区域以高亮显示地图上的红树林像素。
- 在散点图上,单击一次任意位置以移除之前的高亮显示。
- 在散点图上,单击并拖动以圈出红树林像素,如以下示例图像所示:
这些像素都具有非常低的 SWIR 2 值以及中到高的 NIR 1 值。 在地图上,所有红树林像素现在将以青色高亮显示。
相比之下,您还可以高亮显示非红树林植被像素。 通过反复试验可以发现,这些像素都具有中到高的 NIR 1 值以及中低到中高的 SWIR 2 值。
- 在散点图上,单击一次任意位置以移除之前的高亮显示。
- 在散点图上,单击并拖动以圈出非红树林植被像素,如以下示例图像所示:
引人注目的是,这些非红树林植被像素的 SWIR 2 值均高于红树林像素。 借助这种差异,您能够清楚地区分两种类型的植被。
在地图上,所有非红树林植被像素现在将以青色高亮显示。
您可以观察到非红树林植被遍布整个地区。 主要是低矮植物的混合,包括木薯和红薯,以及用于香料生产的植物,例如丁香、肉豆蔻、肉桂和黑胡椒,与一些棕榈树混合。
最后,您将高亮显示裸露的地球像素,您将发现这些像素集中在散点图的右上角。
- 在散点图上,单击一次任意位置以移除之前的高亮显示。
- 在散点图上,单击并拖动以圈出裸露的地球像素,如以下示例图像所示:
这些像素往往具有非常高的 SWIR 2 值以及中到高的 NIR 1 值。
在地图上,所有裸露的地球像素现在将以青色高亮显示。
- 或者,您可以进一步试验散点图。
例如,您可以在地图上单击更多像素以查看其在散点图中的显示位置,并且您可以在散点图上绘制更多形状以查看在地图上高亮显示的像素。
光谱散点图对于了解如何根据两个光谱波段区分不同的土地覆被类型非常有用。 通过这种方式,您可以标识每种覆被类型的值范围。 反过来,这些数值可用于更加高级的分析。
注:
在此工作流中,您探索了 NIR 1 和 SWIR 2 散点图。 我们通过反复试验选择了这些波段,因为我们发现通过这些波段,可以清晰地区分红树林与其他土地覆被类型。 而通过其他波段组合,例如蓝色和绿色,无法如此清晰地进行区分。
或者,您可以探索散点图中的其他波段组合,并确定您认为最有效的组合。
借助影像分析,可以标识红树林并随着时间的推移对其进行监测,以了解红树林是在增长还是在退化,以及相应的增长或退化速度。 随着坦桑尼亚政府采取措施来保护和恢复这一宝贵的生态系统,影像分析也可用于评估进展情况。
虽然本教程的重点是理解光谱散点图,但是许多可能的方法可通过影像来标识红树林。 例如,要了解桑给巴尔州立大学如何使用了 Digital Earth Africa 影像数据来监测桑给巴尔的红树林,请参阅保护桑给巴尔的红树林。
浏览城市并了解有关空间分辨率的信息
现在,您需要将注意力转向另一个重要的影像概念:空间分辨率。 您将浏览不同空间分辨率的示例,同时查看南非的开普敦市。
开普敦是南非第二大城市,同时也是南非的立法首都。 它位于大西洋的非洲最南端,以其引人注目的自然地标(如桌山和信号山)以及港口和风景秀丽的海岸线而闻名。

设置并浏览影像
首先,您需要将地图设置为以开普敦市为中心。
- 在搜索框中,键入 Cape Town, South Africa,然后按 Enter 键。
地图更新为显示新位置。
- 关闭搜索结果窗口,因为您不再需要此窗口。
- 单击三次放大按钮。
- 如有必要,请调整地图的位置,使其看起来大致类似于以下示例图像:
显示的影像仍为使用“含 DRA 农业”渲染的 Sentinel-2 Annual GeoMAD 图层。 借助此渲染,可以标识紫色的建筑区域(建筑物和街道)以及棕色调的信号山和桌山。 在北面,您可以看到亮绿色的绿点公园、紫色的甜甜圈形状的开普敦体育场,再往东是海港。
在本部分中,您将地图设置为以开普敦市为中心,并将自己定位到该位置。
比较不同数据集的空间分辨率
空间分辨率是指图像中像素所表示的距离。 例如,如果以 30 米分辨率捕获图像,则意味着每个像素表示地面上 30 米乘以 30 米的正方形。 在较高分辨率的影像中,您能够区分更多细节,并且更易于标识较小的要素。 较低分辨率的影像看起来更加粗糙,但它会生成更易于存储的较小文件。 请参阅下图以了解不同级别的空间分辨率:

您将使用比较影像工具来比较不同影像数据集的空间分辨率。
- 在侧边栏上,单击比较影像按钮。
随即显示比较影像窗口。 使用此工具,您可以指定两个影像以显示在地图的左侧和右侧,并在两个影像之间滑动。
- 在比较影像窗口中,为左侧影像设置以下选项:
- 验证是否已选中左侧影像。
- 对于图层,确认选择 Sentinel-2 Annual GeoMAD。
- 对于渲染,确认选择 Agriculture with DRA。
- 在比较影像窗口中,为右侧影像设置以下选项:
- 单击右侧影像以将其选中。
- 对于图层,确认选择 Landsat 8 Annual GeoMAD。
- 对于渲染,确认选择 Agriculture with DRA。
注:
Landsat 8 Annual GeoMAD 影像图层的生成方法与 Sentinel-2 Annual GeoMAD 相同,但其源自 Landsat 8 影像。 有关如何创建 GeoMAD 图层的详细信息,请参阅 Digital Earth Africa 文档
Landsat 是美国的一项地球观测卫星计划,可生成多光谱影像。 Landsat 8 是第 8 次 Landsat 任务,于 2013 年发射。 了解有关 Landsat 8 的详细信息
- 在地图中,可以使用滑动控点从左向右重复滑动以比较两个影像。
Sentinel-2 Annual GeoMAD 图层(左侧)的空间分辨率为 10 米,而 Landsat 8 Annual GeoMAD 图层(右侧)的空间分辨率为 30 米。 观察借助较高分辨率图层,如何能够更加详细、精确地查看要素。
现在,您将比较 Sentinel-2 Annual GeoMAD 数据集和 Imagery 底图的空间分辨率。
- 在比较影像窗口中,为右侧影像设置以下选项:
- 确认选择右侧影像。
- 对于图层,选择无。
Landsat 8 Annual GeoMAD 图层随即消失,仅显示底层 Imagery 底图。
即 Esri 的 World Imagery 底图。 它包含来自多个源的影像,包括 TerraColor、Maxar 和社区提供的数据。 此影像将提供不同的空间分辨率,普遍非常高,通常高达 0.3 米或更高。
您将更改 Sentinel-2 Annual GeoMAD 图层的波段组合,使其更类似于 Imagery 底图。
- 在比较影像窗口中,为左侧影像设置以下选项:
- 单击左侧影像以将其选中。
- 对于图层,确认选择 Sentinel-2 Annual GeoMAD。
- 对于渲染,选择含 DRA 自然色。
左侧图层随即进行更新,以使用含 DRA 自然色显示 Sentinel-2 Annual GeoMAD 图层。 含 DRA 自然色组合了蓝色、绿色和红色波段,用于显示接近于人眼看到的颜色。
- 在地图中,可以使用滑动控点从左向右重复滑动以比较两个影像。
虽然两个图层在渲染方面相对相似,但右侧底图具有较高的空间分辨率。
- 单击一次放大按钮并重复滑动。
在此缩放级别下,您可以更加清晰地看到空间分辨率的差异。
- 单击四次放大按钮并重复滑动。
在此缩放级别下,空间分辨率的差异显而易见。 左侧现在非常模糊,但您可以清晰地看到右侧的房屋和汽车。
在选择影像数据集时,必须考虑其空间分辨率,以选择最适合您目的的数据集。 但是,这不是唯一的考虑因素。 例如,虽然影像底图由于其较高的空间分辨率而可用于详细浏览某个位置,但其还具有其他局限性。 它仅包含 3 个光谱波段:蓝色、绿色和红色。 因此,无法将其用于光谱分析。 这与 Sentinel 和 Landsat 派生的影像图层形成对比,后者由于具有许多波段,因此在光谱上更加丰富。 影像数据集的光谱丰富程度称为光谱分辨率。 与空间分辨率一样,将其考虑在内以确定影像数据集是否符合您的目标至关重要。
有关空间分辨率、光谱分辨率和其他类型影像属性的详细信息,请参阅影像类型文档。
在本教程中,您学习了有关影像的基本概念,例如光谱图和特征、光谱散点图以及空间分辨率,同时浏览了非洲的各个位置。 现在,您已经具备了理解影像并在您的工程中使用影像的能力。
可以在浏览非洲卫星影像系列中查找更多此类教程。