Landsat 8 的多种波段组合
131160 对此文章评分:
3.7
Landsat 8 的多种波段组合
匿名 星期四，2015年1月29日
Landsat 8 是 Landsat 计划中最新的一颗卫星。Landsat 8 上的 Operational Land Imager 陆地成像仪（OLI）和 Thermal Infrared Sensor 热红外传感器（TIRS）的数据质量（信噪比）和辐射量化（12位）均高于之前的 Landsat 仪器（TM 和 ETM+ 为8位）。自2013年2月11日发射以来，Landsat 8 一直提供着一些真正令人惊叹的地球表面图像。除了美观之外，这些图像还包含了丰富的信息，可以经过处理来提取特征并识别地球表面随时间的变化。
处理 Landsat 影像时，合理的首要步骤是将图像加载到影像分析程序中，并开始可视化场景中的内容。Landsat 8 上的 OLI 传感器有九个波段，用于在电磁波谱的离散波长处捕获地球表面的光谱响应。此外，Landsat 8 上的 TIRS 传感器在电磁波谱热红外部分的两个离散波长处收集信息。这些波长是根据多年的科学研究精心选择的。
标准的数码相机旨在复现人眼所见，因此它们只捕获红、绿和蓝波长的光，然后分别对这些波长应用红、绿和蓝滤镜（也称为通道），组合后生成看起来自然的 RGB 图像。对于来自 Landsat 8 等多光谱传感器的多光谱图像，我们有更多的信息可供利用。不同的波长通常可以帮助我们更好地识别某些特征，甚至帮助我们“看透”云或烟雾等特征。例如，近红外波段是多光谱传感器中最常用的波长之一，因为植被在电磁波谱的这一部分反射非常强烈，这些信息在植被分析中非常有用。Landsat 8 上的短波红外波段对于区分裸地的差异以及判断场景中哪些区域湿润、哪些区域干燥非常有用。关于 Landsat 影像中可用波段优势的例子还有很多，但我想在此展示的是，简单地将这些波段的不同组合加载到红、绿和蓝通道中，如何使不同的特征凸显出来。我并非第一个这样做的人，但我认为可以为万维网添加一个额外的资源，展示如何使用这些波段组合来可视化 Landsat 8 图像。
4, 3, 2 - 自然色彩图像，加利福尼亚州弗雷斯诺
这种波段组合是与 Landsat OLI 图像能达到的“真彩色”最接近的组合。这种波段组合的一个不足之处是，这些波段容易受到大气干扰，因此有时看起来会有雾霾。
5, 4, 3 - 传统彩色红外图像，科罗拉多州/犹他州
注意植被如何以红色突出显示，更健康的植被颜色更鲜艳。与自然色彩图像相比，也更容易区分不同类型的植被。这是在遥感中观察植被、作物和湿地时非常常用的波段组合。
7, 6, 4 - 有助于可视化城市环境的假彩色图像，加利福尼亚州洛杉矶
由于该波段组合利用了 Landsat 8 上的两个 SWIR 波段，因此图像比利用较短波长（更容易受雾霾影响）的波段组合清晰得多。
5, 6, 4 - 有助于区分陆地与水域的假彩色图像，加拿大哈德逊湾
在这幅假彩色图像中，陆地呈现橙色和绿色色调，冰以鲜艳的洋红色突出显示，而水呈现蓝色调。
7, 5, 3 - 具有良好大气穿透性的假彩色图像，华盛顿州/俄勒冈州
该波段组合类似于上面所示的 5, 6, 4 波段组合，但植被呈现出更鲜艳的绿色调。NASA 创建的全球 Landsat 镶嵌图就使用了该波段组合。
6, 5, 2 - 农业应用假彩色图像，科罗拉多州弗鲁塔
该波段组合可用于监测农作物，农作物呈现为鲜艳的绿色。裸地呈现洋红色，非作物植被呈现为较柔和的绿色调。
7, 5, 2 - 常用于可视化森林火灾火烧迹区的假彩色图像，加利福尼亚州 Rim Fire
该波段组合类似于上面所示的 6, 5, 2 波段组合，但由于进一步深入到电磁波谱的 SWIR 范围，受燃烧火灾产生的烟雾和雾霾的影响更小。
6, 3, 2 - 用于区分裸地差异的假彩色图像，犹他州 Canyonlands NP
该波段组合有助于识别不包含大量植被的地貌变化。适用于地质应用。
5, 7, 1 - 用于植被和水域的假彩色图像，坦桑尼亚维多利亚湖
该波段组合分别利用了 NIR、SWIR2 和 Coastal Aerosol 海岸气溶胶波段。Coastal Aerosol 波段是 Landsat 8 独有的，主要用于追踪灰尘和烟雾等细小颗粒，也用于观测浅水区域。使用这种颜色组合时，植被呈现橙色。
当然还有其他几种可用于可视化 Landsat 8 场景的波段组合。在某些情况下，加载单个波段的灰度图像也可能有助于可视化特定特征或现象。例如，在下方的灰度图像中，我们正在查看来自 Landsat 8 TIRS 传感器的热红外1波段。这幅在冰岛上空捕获的图像显示，Bardarbunga 火山在图像顶部中央呈现亮白色。由于我们使用的是热红外波段，该特征与熔岩流南侧的冰盖形成了显著对比。
对于灰度图像，我们还可以选择应用颜色表来更清晰地突出特征。在下方的图像中，我们正在查看同一幅 Bardarbunga 火山的灰度图像，但现在我们应用了一个颜色表，用更深的蓝色色调表示冰川的极冷区域，用更深的红色色调表示熔岩流的极热区域。
有许多分析技术可以应用于多光谱图像以提取感兴趣的具体特征。这些算法基于不同波段的反射和吸收原理，这些原理使得我们能够在使用不同波段组合可视化时看到某些特征。需要注意的重要一点是，如果一个特定的波段或波段组合能很好地帮助您可视化感兴趣的特征，那么该波段或波段组合很可能也可用于帮助您从图像中分离出该特征。有关此主题的更多信息，请查看我们文档中心中专门介绍光谱指数的部分。