遥感数据概述

遥感是从远处获取信息。
NASA 通过卫星和飞机上的远程传感器来检测和记录反射或发射的能量，
从而进一步观察地球和其他行星体。
遥感器提供了全球视角和有关地球系统的大量数据，
可以根据星球的当前和未来状态做出基于数据的决策。
本文将介绍从传感器特性到不同类型的分辨率以及数据处理和分析。

• 轨道
• 电磁波谱观测
• 传感器
• 分辨率
• 数据处理、解释和分析
• 数据探路者

轨道

卫星可以被放置在地球周围的几种类型的轨道上。
三种常见的轨道类别是近地轨道（距地球约160至2000公里）、
中地球轨道（距地面约2000至35500公里）和高地球轨道（高于地球35500公里以上）。
绕35786公里轨道运行的卫星轨道速度与地球自转速度相匹配，
处于所谓的地球同步轨道（GSO）。
此外，位于赤道正上方的GSO卫星将拥有地球静止轨道。
地球静止轨道使卫星能够直接在地球表面的同一地点保持其位置。

近地轨道是一种常用的轨道，
卫星可以沿着地球的几个轨道运行。
例如，极地轨道卫星与赤道平面倾斜近90度，
并随着地球自转从一个极点移动到另一个极点。
这使得卫星上的传感器能够快速获取包括极地在内的整个地球的数据。
许多极地轨道卫星被认为是与太阳同步的，
这意味着卫星在每个周期的同一太阳时间经过同一地点。
美国国家航空航天局的 Aqua 卫星是太阳同步极地轨道卫星的一个示例，
该卫星的轨道距离地球表面约705公里。

NASA 的 Aqua 卫星每 99 分钟完成一个轨道并经过每个极点 10 度以内，
这使得 Aqua 上的中分辨率成像光谱仪 (MODIS) 能够每 1-2 天获取一次完整的全球图像。

另一方面，非极地近地轨道卫星不提供全球覆盖，
而是只覆盖部分纬度范围。
美国国家航空航天局、日本宇宙航空研究开发机构的联合全球降水测量核心观测站，
是非太阳同步近地轨道卫星的一个示例。
它的轨道从地球上空407公里处获取南北纬 65 度之间的数据。

一颗中等地球轨道卫星大约需要 12 个小时才能完成一个轨道。
在24小时内，
卫星每天穿越赤道上的同两个地点。
这个轨道是一致的，
并且高度可预测。
因此，这是许多电信和全球定位系统卫星使用的轨道。
中等地球轨道卫星星座的一个示例是欧洲航天局的伽利略全球导航卫星系统，
该系统在地球上空 23222 公里的轨道上运行。

虽然地球同步卫星和地球静止卫星都在地球上方 35,786 公里的轨道上运行，
但地球同步卫星的轨道可以在赤道上方或下方倾斜。
另一方面，地球静止卫星在与赤道相同的平面上绕地球运行。
这些卫星每次观测都会捕捉到相同的地球视图，
并几乎连续覆盖一个区域。
NASA/NOAA 联合地球静止运行环境卫星 ( GOES ) 系列气象卫星位于赤道上方的地球静止轨道上。

地球静止轨道上的航天器。

电磁波谱观测

带电粒子振动产生的电磁能以波的形式穿过大气层和太空真空，
这些波具有不同的波长（波峰到波峰的距离）和频率。
较短的波长意味着较高的频率，
如无线电波、微波和红外线，具有更长的波长，
而另一些，如紫外线、X 射线和伽马射线，具有更短的波长。
可见光位于长波到短波辐射范围的中间。
这一小部分能量是人眼能够检测到的全部能量。
需要仪器来检测所有其他形式的电磁能，
NASA 仪器利用全范围的光谱来探索和了解地球和其他行星体上发生的过程。

电磁频谱图。

一些波被大气成分吸收或反射，
如水蒸气和二氧化碳，
而一些波长允许在大气中畅通无阻地移动；
可见光的波长可以穿过大气层。
微波能量的波长可以穿过云层，
许多气象和通信卫星都利用了这一特性。

卫星观测到的能量的主要来源是太阳。
反射的太阳能量取决于表面的粗糙度及其反照率，
即表面反射光线而不是吸收光线的程度。
例如，雪的反照率非常高，
反射高达 90% 的入射太阳辐射。
另一方面，海洋仅反射约 6% 的入射太阳辐射并吸收其余部分。
通常，当能量被吸收时，
它会被重新发射，通常以更长的波长发射。
例如，海洋吸收的能量会以红外辐射的形式重新发射出去。

地球上的所有事物都反射、吸收或传输能量，
能量的大小因波长而异。
正如指纹对我们而言是独一无二的一样，
地球上的一切都有一个独特的光谱指纹。
研究人员可以使用这些信息来识别不同的地球特征以及不同的岩石和矿物类型。
给定仪器检测到的光谱带数量及其光谱分辨率决定了研究人员可以识别材料之间的差异程度。

正如铁和铜在可见光中看起来不同一样，
富含铁和铜的矿物在红外光谱中反射不同量的光。
这张图比较了赤铁矿（一种铁矿石）与孔雀石和温石棉（富含铜的矿物）在200至3000纳米范围内的反射率。

传感器

卫星和飞机上的传感器或仪器使用太阳作为照明源或提供自己的照明源，
测量反射回来的能量。
使用来自太阳的自然能量的传感器称为无源传感器，
那些自己提供能源的传感器称为有源传感器。

无源传感器与有源传感器的示意图。

无源传感器包括不同类型的辐射计（定量测量选定波段电磁辐射强度的仪器）和光谱仪（设计用于检测、测量和分析反射电磁辐射的光谱内容的设备）。
遥感应用程序使用的大多数无源系统都在电磁波谱的可见光、红外线、热红外线和微波部分工作。
这些传感器测量陆地和海洋表面温度、植被特性、云和气溶胶特性以及其他物理属性。
大多数无源传感器无法穿透浓密的云层，
因此在观察密集云层频繁出现的热带地区等区域时存在局限性。

有源传感器包括不同类型的无线电探测和测距（雷达）传感器、高度计和散射计。
大多数有源传感器在电磁频谱的微波波段工作，
这使它们能够在大多数情况下穿透大气层。
这些类型的传感器可用于测量气溶胶的垂直剖面、森林结构、降水和风、海面地形和冰等。

分辨率

分辨率在如何使用来自传感器的数据方面发挥着重要作用，
分辨率可能因卫星轨道和传感器设计而异。
任何数据集都需要考虑四种类型的分辨率、辐射、空间、光谱和时间。

辐射分辨率是每个像素中的信息量，
即表示记录能量的位数。
每一位记录一个2次方的指数。
例如，8位分辨率为 2⁸，
表示传感器有256个潜在的数字值（0-255）来存储信息。
因此，辐射分辨率越高，
可用于存储信息的值就越多，
即使是最细微的能量差异也能提供更好的区分。
例如，在评估水质时，
辐射分辨率对于区分海洋颜色的细微差异是必要的。

遥感技术的进步显着改善了卫星图像，
其中的进步包括辐射分辨率的改进，
或者仪器对电磁能的微小差异的敏感程度。
具有高辐射分辨率的传感器可以区分更多的细节和光的变化。

空间分辨率由数字图像中每个像素的大小以及该像素代表的地球表面区域定义。
例如，中分辨率成像光谱仪 ( MODIS )观测到的大部分波段的空间分辨率为 1km；
每个像素代表地面上 1 公里 x 1 公里的区域。
MODIS 还包括空间分辨率为 250 m 或 500 m 的波段。分辨率越高（数字越小），
可以看到的细节越多。
在下图中，可以看到 30 m/像素图像（左图）、
100 m/像素图像（中图）和 300 m/像素图像（右图）之间的像素化差异。

冰岛雷克雅未克（Reykjavik, Iceland）的 Landsat 8 图像于 2019 年 7 月 7 日获取，
说明了像素分辨率的差异。

光谱分辨率是传感器辨别更精细波长的能力，
即具有更多和更窄的波段。
许多传感器被认为是多光谱的，
这意味着它们有 3-10 个波段。
一些传感器有数百甚至数千个波段，
被认为是高光谱的。
给定波段的波长范围越窄，
光谱分辨率越高。
例如，机载可见光/红外成像光谱仪 ( AVIRIS) 在 224 个光谱通道中捕获信息。
下图的立方体表示数据中的详细信息。
在此详细级别上，
可以区分岩石和矿物类型、植被类型和其他特征。
在立方体中，图像右角的高响应小区域位于可见光谱的红色部分（约 700 纳米），
这是由于蒸发池中存在1厘米长（半英寸）的红色盐水虾。

立方体的顶部是一张假色图像，
用于突出右侧水和蒸发池中的结构。
立方体的侧面是显示所有 224 个 AVIRIS 光谱通道顶部边缘的切片。
侧面的顶部位于光谱的可见部分（波长为 400 纳米），
底部位于红外线（2,500 纳米）。

时间分辨率是卫星完成轨道并重新访问同一观测区域所需的时间。
该分辨率取决于轨道、传感器的特性和测绘带宽。
因为地球静止卫星与地球自转的速度相匹配，
所以时间分辨率要好得多。
极地轨道卫星的时间分辨率从 1 天到 16 天不等。
例如，NASA 的 Terra 和 Aqua 卫星上的 MODIS 传感器具有 1-2 天的时间分辨率，
使传感器能够在地球每天发生变化时将其可视化。
另一方面，
NASA/USGS Landsat 8 联合卫星上的可操作陆地成像仪 (OLI) 具有较窄的测绘带宽度和 16 天的时间分辨率；
显示的不是每日变化，而是双月变化。

MODIS 的轨道条带（蓝色框）与 Landsat 8 上 OLI 的轨道条带（带红点的框）。
由于其更广泛的成像范围，
MODIS 每 1-2 天提供一次全球覆盖，
而 OLI 为 16 天。
红点表示每个 Landsat 瓦片的中心点。

为什么不构建一个结合了高空间、光谱和时间分辨率的传感器？
很难将所有需要的功能组合到一个远程传感器中。
例如，要获取具有高空间分辨率的观测结果（如 Landsat 8 上的 OLI），
需要更窄的测绘带，
这需要在给定区域的观测之间花费更多时间，
从而导致时间分辨率较低。
研究人员必须做出权衡。
这就是为什么了解给定研究领域所需的数据类型非常重要的原因。
在研究随时间变化的天气时，
高时间分辨率至关重要。
另一方面，在研究季节性植被变化时，
可能会牺牲高时间分辨率来换取更高的光谱或空间分辨率。

数据处理、解释和分析

从卫星上的仪器获取的遥感数据，
需要经过处理才能被大多数研究人员和应用科学用户使用。
大多数原始 NASA 地球观测卫星数据在 NASA 的科学研究者主导的处理系统 ( SIPS ) 设施中进行处理。
所有数据都至少处理到 1 级，
但大多数都具有相关的 2 级（导出的地球物理变量）和 3 级（均匀时空网格尺度上映射的变量）产品。
许多甚至拥有 4 级产品。
NASA 地球科学数据在特定学科的分布式活动存档中心 ( DAAC ) 存档，
并且完全、公开且不受数据用户限制地可用。

大多数数据以分层数据格式 (HDF) 或网络通用数据格式 (NetCDF) 格式存储。
许多数据工具可用于子集化、转换、可视化和导出为各种其他文件格式。

处理完数据后，
它们可以用于各种应用，
从农业到水资源再到健康和空气质量。
单个传感器无法解决给定应用中的所有研究问题。
用户通常需要利用多个传感器和数据产品来解决他们的问题，
同时牢记不同光谱、空间和时间分辨率提供的数据的局限性。

创建卫星图像

许多传感器采集不同光谱波长的数据。
例如，Landsat 8 上的 OLI 波段 1 获取 0.433-0.453 微米的数据，
而 MODIS 波段 1 获取 0.620-0.670 微米的数据。
OLI 共有 9 个波段，
而 MODIS 有 36 个波段，
它们都测量电磁波谱的不同区域。
可以组合波段以生成数据图像，
以揭示景观中的不同特征。
通常使用数据图像来区分正在研究区域的特征或确定研究区域。

真彩色图像显示地球在人眼中的样貌。
对于 Landsat 8 OLI 真彩色（红、绿、蓝 [RGB]）图像，传感器波段 4（红色）、3（绿色）和 2（蓝色）组合在一起。
其他光谱波段组合可用于特定的科学应用，
例如洪水监测、城市化描绘和植被测绘。
例如，使用 M11、I2 和 I1 波段创建假色可见红外成像辐射计套件（VIIRS，
搭载于 Suomi 国家极地轨道合作组织 [Suomi NPP] 卫星）图像，
有助于区分烧伤疤痕和低植被或裸露土壤，以及暴露洪水地区。

火痕在 Landsat 的波段 7 中强烈反射，
该波段在短波红外范围内获取数据。
左侧图像中看不到火痕，
这是标准的真彩色图像。
右侧图像中的火痕以红色清晰可见，
这是一张假色红外图像。

图像解读

一旦将数据处理成具有不同波段组合的图像，
这些图像就可以帮助资源管理决策和灾害评估。
这需要对图像进行正确的解释。

• 了解比例：根据图像的空间分辨率有不同的比例，
  每个比例提供不同的重要特征。
  例如，在跟踪洪水时，
  详细的高分辨率视图将显示哪些房屋和企业被水包围。
  更广泛的景观视图显示了一个县或大都市区的哪些部分被洪水淹没，
  以及可能的水源。
  更广阔的视野将显示整个地区，
  洪水泛滥的河流系统或控制水流的山脉和山谷。
  半球视图将显示与洪水相关的天气系统运动。

• 寻找图案、形状和纹理：许多特征很容易根据它们的图案或形状来识别。
  例如，农业区一般呈几何形状，
  通常是圆形或长方形。
  直线通常是人类创造的结构，如道路或运河。

• 定义颜色：当使用颜色来区分特征时，
  了解创建图像时使用的波段组合很重要。
  真彩色或自然彩色图像是使用波段组合创建的，
  这些波段组合复制了我们从太空俯视时亲眼所见的景象。
  水吸收光线，
  因此在真彩色图像中通常呈现黑色或蓝色；
  水面反射的阳光可能使它呈现灰色或银色。
  沉积物可以使水的颜色看起来更棕色，
  而藻类可以使水看起来更绿。
  植被的颜色随季节而变化：在春季和夏季，
  它通常是鲜艳的绿色；
  秋天可能有橙色、黄色和棕褐色；
  冬天可能会有更多的棕色。
  裸露的地面通常是棕色的，
  尽管这取决于沉积物的矿物成分。
  由于混凝土的广泛使用，
  城市地区通常是灰色的。
  冰雪在真彩色图像中是白色的，
  但云也是。
  当利用颜色来识别对象或特征时，
  重要的是还要使用周围的特征来将事物置于上下文中。

• 考虑您所知道的：了解正在观察的区域有助于识别这些特征。
  例如，了解某个区域最近被野火烧毁，
  可以帮助确定为什么植被在遥感图像中可能看起来不同。

定量分析

利用图像分类算法可以更容易地区分不同的土地覆盖类型。
图像分类使用单个图像像素的光谱信息。
使用图像分类算法的程序可以在所谓的无监督分类中自动对像素进行分组。
用户还可以指定已知土地覆盖类型的区域，
以“训练”程序对像素进行分组；
这称为监督分类。
地图或图像也可以集成到地理信息系统 (GIS) 中，
每个像素都可以与其他 GIS 数据（例如人口普查数据）进行比较。

卫星还经常携带各种传感器来测量生物地球物理参数，
例如海面温度、二氧化氮或其他大气污染物、风、气溶胶和生物量。
这些参数可以通过统计和频谱分析技术进行评估。