跳转至

光谱数据揭示的无限问题与答案

原文链接: https://www.nv5geospatialsoftware.com/Learn/Blogs/Blog-Details/unlimited-questions-and-answers-revealed-with-spectral-data

18611 为本文评分:

4.5

光谱数据揭示的无限问题与答案

阿曼达·奥康纳 2021年1月8日,星期五

使用 ENVI 处理的福克兰群岛 DESIS 影像。影像由 Teledyne Brown Engineering 提供

“光谱”这个词,自从我1998年在科罗拉多大学开始接触 Landsat 和 AVIRIS 数据以来,就成了我日常使用的术语。那时我了解到,太空或飞机上的传感器能够告诉我一些我肉眼无法看到的地面信息。它能告诉我植被有多干或多湿,我脚下的是哪种岩石,以及岩石下面可能有什么。

当时的问题多到我无法回答。随着传感器的进步、计算能力的扩展和算法的改进,这些问题只增不减……甚至“光谱数据”这一概念的定义本身也在演变。曾几何时,光谱数据仅供专家和研究人员使用。然而,光谱数据的可获得性已经扩大,随之而来的是遥感领域一场新的光谱革命。

毫无疑问,高光谱和多光谱仪器生产高质量数据已有一段时间。如今,数据采集更加频繁,具有更高的空间和光谱分辨率以及更好的保真度。关于单一时间点的无限问题,已演变成关于“随时间”和“跨传感器”变化的问题。描述图像在光谱上具有“n”维(其中 n 是波段数),随着时间域的加入(请注意,我并没有说复杂),这个概念变得更加广阔。

光学遥感人员是一个务实坚韧的群体,他们想要自己研究区域的数据,来源和日期或许没那么重要。第一步是尽可能在无云的情况下获取你能得到的数据(我们可以在另一篇博客中谈论合成孔径雷达 SAR 的奇迹)。第二步是预处理这些数据,而现在第三步常常是组合/比较数据集,而不仅仅是处理单一时刻或单一传感器的数据。目前以及即将进入轨道的多光谱小卫星扩展了这第三步,高光谱小卫星、无人机和航空选项也是如此。我对光谱数据无限问题的概念,已经演变成某种超越无限的东西(我知道,这不是一个数字概念),但感觉比我最初“大量可能性”的概念要大得多。

当然,和任何领域一样,你需要经过培训才能达到你想知道的境界。当然,它有时需要一点艺术和技巧。无知在生活或科学中通常不是一件好事,但我的职业生涯已经到了一个地步,我可以坦然地说:“对于光谱影像,我不知道能做什么事情,远比我知道能做什么事情要多。”这是一个令人兴奋的状态,因为知道增加一个波段或一个日期就能揭示你从未想过能看到的东西。

人工智能打开的大门让一些人有所迟疑,认为所有问题都可以通过算法和计算能力解决。添加深度学习这样的新计算尺度,将让我们能够提出更多问题,并推断出我们以前无法推断的事物。而我们可以肯定的一件事就是变化……世界永远不会停止变化。将有更多人需要食物,栖息地需要得到更好的保护,而冲突也令人遗憾地将始终存在。

由影像生成的地图,在发布的那一刻就已经过时了。我们的气候正在快速变化……作为一个星球要生存下去,我们必须理解这些变化,以及它们何时开始、停止、加速或减缓。结合传感器、日期和尺度,给了我们一种不同的理解方式,其排列组合,就像问题一样,是无限的。


我从未想过我会去搜寻企鹅、海洋垃圾、石油、灰熊栖息地指标、火灾顶级可燃物、追踪疾病、研究森林砍伐模式、测量水质、寻找坦克、观察植被如何随气候变化,并听到朋友/同事研究珊瑚礁、发现毕加索画作下的底稿、为核不扩散提出政策建议、通过陶器碎片寻找古代迁徙路线、对连环杀手的墨水和纸张进行法医分析、定位隐藏的文化和社区、估算人口、绘制电力来源地图,以及许多其他应用。但现在,数据源、软件工具、计算能力的激增,可以使这些用例自动化和易于消费。

跳岩企鹅

NV5 Geospatial 最近举办了一场为期半天的光谱思想领导力活动——光谱会议。与会者从该领域的专家那里了解到其中一些应用,而不是像我这样的业余爱好者。如果您错过了这次活动,仍然可以免费观看所有演讲的录像。您将看到专家小组讨论这个行业如何准备随着拥有各种知识水平的光谱用户而发展,并了解一些令人兴奋的传感器和软件发展,这些发展将为这些永无止境的问题提供动力。

了解更多

ENVI 深度学习模块

自动化分析

通过深度学习实现分析自动化,获得快速、准确的结果。

了解更多

来自光谱专家的见解

思想领导力活动

2021年1月27日加入我们

了解更多

利用深度学习解决地理空间问题

录制的网络研讨会

了解 ENVI 深度学习如何用于环境、自然资源和灾害响应。

立即观看

2020:嗯,那真是相当不平凡的一年! 热情如何发展:为政府提供遥感见解