(English below)

Vệ tinh gần đây nhất trong chương trình Landsat - Landsat 8 có chất lượng dữ liệu (tỷ lệ tín hiệu trên nhiễu) và lượng tử hóa bức xạ (12 bit) Operational Land Imager (OLI) và Cảm biến Hồng ngoại Nhiệt (TIRS) cao hơn các thiết bị Landsat trước đây (8 bit cho TM và ETM + ). Kể từ khi ra mắt vào ngày 11 tháng 2 năm 2013, Landsat 8 đã cung cấp một số hình ảnh thực sự tuyệt đẹp về bề mặt trái đất. Ngoài tính thẩm mỹ, những hình ảnh này chứa đầy đủ thông tin có thể được thao tác để trích xuất các đặc điểm và nhận biết những thay đổi trên bề mặt trái đất theo thời gian.

Khi làm việc với hình ảnh Landsat, bước đầu tiên hợp lý là tải hình ảnh vào chương trình phân tích hình ảnh và bắt đầu hình dung những gì có trong cảnh. Cảm biến OLI trên Landsat 8 có chín dải để thu nhận phản ứng quang phổ của bề mặt trái đất ở các bước sóng rời rạc dọc theo quang phổ điện từ. Ngoài ra, cảm biến TIRS trên Landsat 8 thu thập thông tin ở hai bước sóng riêng biệt trong phần hồng ngoại nhiệt của phổ điện từ. Các bước sóng này đã được lựa chọn cẩn thận dựa trên nhiều năm nghiên cứu khoa học.

Máy ảnh kỹ thuật số tiêu chuẩn được thiết kế để tái tạo những gì chúng ta nhìn thấy bằng mắt người, vì vậy chúng chỉ bắt ánh sáng ở các bước sóng đỏ, lục và lam, sau đó áp dụng các bộ lọc màu đỏ, xanh lục và xanh lam (còn được gọi là các kênh) cho các bước sóng này, tương ứng. khi kết hợp tạo ra hình ảnh RGB trông tự nhiên. Với hình ảnh đa khung hình từ hệ thống cảm biến như Landsat 8, chúng tôi có nhiều thông tin hơn để làm việc. Các bước sóng khác nhau thường có thể giúp chúng ta phân biệt một số đặc điểm tốt hơn những đặc điểm khác hoặc thậm chí giúp chúng tôi "nhìn thấu" các đặc điểm như mây hoặc khói. Ví dụ, bước sóng Hồng ngoại gần (NIR) là một trong những bước sóng được sử dụng phổ biến nhất trên cảm biến đa quang bởi vì thảm thực vật phản xạ rất mạnh trong phần này của phổ điện từ nên thông tin này tỏ ra rất hữu ích khi thực hiện phân tích thảm thực vật. Các dải hồng ngoại sóng ngắn (SWIR) trên Landsat 8 rất hữu ích để nhận biết sự khác biệt giữa đất trống và để phân biệt đâu là ướt và đâu là khô trong một cảnh.

Có nhiều ví dụ khác về lợi thế của các dải có sẵn trong hình ảnh Landsat, nhưng những gì chúng tôi muốn làm ở đây chỉ đơn giản là cho thấy cách tải các kết hợp khác nhau của các dải này vào các kênh đỏ, lục và lam làm cho các tính năng khác nhau trở nên nổi bật. Bài viết sẽ  thêm một tài nguyên bổ sung vào world wide web để chỉ ra cách các tổ hợp dải này có thể được sử dụng để hình dung hình ảnh Landsat 8.

Tổ hợp 4, 3, 2 - Hình ảnh màu tự nhiên, Fresno, California

Sự kết hợp dải này càng gần với "màu thực" như bạn có thể nhận được với hình ảnh Landsat OLI. Một nhược điểm đáng tiếc với sự kết hợp kênh phổ này là các kênh phổ này có xu hướng dễ bị giao thoa khí quyển, vì vậy chúng đôi khi xuất hiện mờ ảo.

Tổ hợp 5, 4, 3 - Hình ảnh hồng ngoại màu truyền thống (CIR), Colorado / Utah

Lưu ý cách thảm thực vật thực sự có màu đỏ, với những thảm thực vật khỏe mạnh hơn thì có màu sắc rực rỡ hơn. Việc phân biệt các loại thảm thực vật khác nhau cũng dễ dàng hơn so với hình ảnh màu tự nhiên. Đây là tổ hợp kênh phổ được sử dụng rất phổ biến trong viễn thám khi quan sát thảm thực vật, cây trồng và đất ngập nước.

Tổ hợp 7, 6, 4 - Màu giả hữu ích để hình dung môi trường đô thị, Los Angeles, California

Bởi vì sự kết hợp kênh phổ này sử dụng cả hai kênh phổ SWIR trên Landsat 8, hình ảnh sắc nét hơn nhiều so với những tổ hợp kênh phổ sử dụng các kênh phổ có bước sóng ngắn hơn, dễ bị sương mù hơn.

Có nhiều kỹ thuật phân tích có thể được áp dụng cho hình ảnh đa khía cạnh để trích xuất các đặc điểm cụ thể mà bạn quan tâm. Các thuật toán này dựa trên các nguyên tắc tương tự về hệ số phản xạ và hấp thụ ở các bước sóng khác nhau cho phép chúng ta nhìn thấy một số tính năng nhất định khi hình dung chúng bằng các tổ hợp kênh phổ khác nhau. Một điểm quan trọng cần lưu ý là nếu một tổ hợp cụ thể hoặc sự kết hợp của các tổ hợp, thực hiện tốt công việc giúp bạn hình dung một tính năng mà bạn quan tâm, thì rất có thể tổ hợp này, hoặc sự kết hợp của các kênh phổ, có thể được sử dụng để giúp bạn tách biệt tính năng đó khỏi hình ảnh của mình.

------

The Many Band Combinations of Landsat 8 - P1
Landsat 8 is the most recent satellite in the Landsat program. The data quality (signal-to-noise ratio) and radiometric quantization (12-bits) of the Landsat 8 Operational Land Imager (OLI) and Thermal Infrared Sensor (TIRS) are higher than previous Landsat instruments (8-bit for TM and ETM+). Since it's launch on February 11, 2013, Landsat 8 has been providing some truly stunning images of the earth's surface. Beyond their beauty, these images are packed with information which can be manipulated to extract features and discern changes to the earth's surface over time.

When working with Landsat imagery, a logical first step is to load an image into an image analysis program and begin to visualize what is in the scene. The OLI sensor aboard Landsat 8 has nine bands for capturing the spectral response of the earth's surface at discrete wavelengths along the electromagnetic spectrum. Additionally, the TIRS sensor aboard Landsat 8 collects information at two discrete wavelengths within the thermal infrared portion of the electromagnetic spectrum. These wavelengths have been chosen carefully based on years of scientific research.

Standard digital cameras are designed to replicate what we see with the human eye, so they capture light only in the red, green and blue wavelengths and then apply red, green and blue filters (also known as channels) to these wavelengths, respectively, that when combined generate a natural looking RGB image. With a multispectral image from a sensor system such as Landsat 8, we have a lot more information to work with. Different wavelengths can often help us discern some features better than others or even help us "see through" features such as clouds or smoke. For example, the Near Infrared (NIR) wavelength is one of the most commonly used wavelengths on multispectral sensors because vegetation reflects so strongly in this portion of the electromagnetic spectrum that this information proves very useful when performing vegetation analyses. The Shortwave Infrared (SWIR) bands aboard Landsat 8 are very useful for discerning differences in bare earth and for telling what is wet and what is dry in a scene. There are many other examples of the advantages of the available bands in Landsat images, but what I would like to do here is simply show how loading different combinations of these bands into the red, green and blue channels makes different features stand out. I am not the first to do this, but I just thought I would add an additional resource to the world wide web for showing how these band combinations can be used to visualize Landsat 8 images.

4 , 3 , 2 - Natural Color Image, Fresno, California

This band combination is as close to "true color" as you can get with a Landsat OLI image. One unfortunate drawback with this band combination is that these bands tend to be susceptible to atmospheric interference, so they sometimes appear hazy.

5, 4, 3 - Traditional Color Infrared (CIR) Image, Colorado/Utah

Note how vegetation really pops in red, with healthier vegetation being more vibrant. It's also easier to tell different types of vegetation apart than it is with a natural color image. This is a very commonly used band combination in remote sensing when looking at vegetation, crops and wetlands.

7, 6, 4 - False Color useful for visualizing urban environments, Los Angeles, California

Because this band combination makes use of both of the SWIR bands aboard Landsat 8, the image is much more crisp than band combinations that make use of bands in shorter wavelengths, which are more susceptible to haze.
 

There are many analysis techniques that can be applied to multispectral imagery to extract specific features of interest. These algorithms rely on the same principles of reflectivity and absorption at various wavelengths that allow us to see certain features when visualizing them with different band combinations. An important point to note is that if a particular band, or combination of bands, does a good job of helping you visualize a feature that is of interest to you, then it is highly likely that this band, or combination of bands, can be used to help you isolate that feature from your image. 

Geolink tổng hợp từ l3harrisgeospatial