Alai

Mitä eroa on multispektraalisen vs. hyperspektraalisen kuvantamisen välillä?

Multispektraalisen ja hyperspektraalisen kuvantamisen tärkein ero on kaistojen määrä ja se, kuinka kapeita kaistat ovat.

Multispektraalisella kuvantamisella tarkoitetaan yleensä 3-10 kaistaa. Jokaisella kaistalla on kuvaava otsikko.

Esimerkiksi alla olevat kanavat sisältävät punaista, vihreää, sinistä, lähi-infrapunaista ja lyhytaaltoista infrapunaista.

Hyperspektrinen kuva koostuu paljon kapeammista kaistoista (10-20 nm). Hyperspektrikuvassa voi olla satoja tai tuhansia kaistoja. Yleensä niillä ei ole kuvaavia kanavanimiä.

Multispektrinen kuva Esimerkki

Esimerkki multispektrisestä sensorista on Landsat-8. Landsat-8 tuottaa esimerkiksi 11 kuvaa, joissa on seuraavat kaistat:

• RANNIKON AEROSOLI kaistalla 1 (0,43-0,45 um)
• SININEN kaistalla 2 (0,45-0,51 um)
• VIHREÄ kaistalla 3 (0.53-0,59 um)
• PUNAINEN kaistalla 4 (0,64-0,67 um)
• NEAR INFRARED (NIR) kaistalla 5 (0,85-0,88 um)
• SHORT-WAVE INFRARED (SWIR 1) kaistalla 6 (1,57-1.65 um)
• LYHYTAIKAINEN INFRARED (SWIR 2) kaistalla 7 (2,11-2,29 um)
• PANCHROMATIC kaistalla 8 (0,50-0,68 um)
• CIRRUS kaistalla 9 (1,36-1,38 um)
• LYHYTAIKAINEN INFRARED (TIRS 1) kaistalla 10 (10.60-11.19 um)
• THERMAL INFRARED (TIRS 2) kaistalla 11 (11.50-12.51 um)

Kullakin kaistalla on 30 metrin spatiaalinen resoluutio lukuun ottamatta kaistoja 8, 10 ja 11. Kun kaistan 8 spatiaalinen resoluutio on 15 metriä, kaistojen 10 ja 11 pikselikoko on 100 metriä. Koska ilmakehä absorboi valoa näillä aallonpituuksilla, 0,88-1,36-alueella ei ole yhtään kaistaa.

Hyperspektrikuvayhteysesimerkkiä

Vuonna 1994 NASA suunnitteli ensimmäisen hyperspektrisen satelliittinsa nimeltä TRW-Lewis. Valitettavasti NASA menetti yhteyden siihen pian sen laukaisun jälkeen.

Mutta myöhemmin NASA:lla oli onnistunut laukaisulento. Vuonna 2000 NASA laukaisi EO-1-satelliitin, joka kantoi hyperspektristä anturia ”Hyperion”. Itse asiassa Hyperion-kuvausspektrometri (osa EO-1-satelliittia) oli ensimmäinen hyperspektrianturi avaruudesta.

Hyperion tuottaa 30 metrin tarkkuudella kuvia 242 spektrikaistalla (0,4-2,5 um). Jos haluat testata Hyperion-kuvia itse, voit ladata tiedot ilmaiseksi USGS Earth Explorerista.

Hyperion todella aloitti hyperspektrikuvantamisen avaruudesta. Muita hyperspektrikuvantamistehtäviä avaruudesta käsin ovat esimerkiksi:

• PROBA-1 (ESA) vuonna 2001
• PRISMA (Italia) vuonna 2019
• EnMap (Saksa) vuonna 2020
• HISUI (Japani) vuonna 2020
• HyspIRI (Yhdysvallat) vuonna 2024

Intuitio multispektraaliseen ja hyperspektraaliseen

Kun luet tätä viestiä, silmäsi näkevät heijastuneen energian. Mutta tietokone näkee sen kolmella kanavalla: punaisena, vihreänä ja sinisenä.

• Jos olisit kultakala, näkisit valon eri tavalla. Kultakala voi nähdä infrapunasäteilyä, joka on ihmissilmälle näkymätöntä.
• Kimalaiset voivat nähdä ultraviolettivaloa. Ihminen taas ei näe ultraviolettisäteilyä silmillämme, mutta UV-B-säteily vahingoittaa meitä.

Kuvittele nyt, jos voisimme tarkastella maailmaa ihmisen, kultakalan ja kimalaisen silmin? Itse asiassa voimme. Teemme sen monispektristen ja hyperspektristen antureiden avulla.

Sähkömagneettinen spektri

Näkyvä (punainen, vihreä ja sininen), infrapuna ja ultravioletti ovat sähkömagneettisen spektrin kuvaavia alueita. Me ihmiset keksimme nämä alueet omaan tarkoitukseemme – voidaksemme kätevästi luokitella niitä. Kukin alue luokitellaan sen taajuuden (v) perusteella.

Multispektrinen ja hyperspektrinen kuvantaminen antavat näkevät niin kuin ihminen näkee (pun, vihreä ja sininen), kultakala (infrapuna) ja kimalaiset (ultravioletti). Itse asiassa pystymme näkemään vieläkin enemmän sensoriin heijastuvana EM-säteilynä.

Multispektraalinen vs. hyperspektraalinen

Hyperspektraalisten kuvien korkeampi spektraalinen detaljitarkkuus antaa paremmat kyvyt nähdä näkymätöntä. Esimerkiksi hyperspektrinen kaukokartoitus erottaa 3 mineraalia toisistaan korkean spektrisen erotuskykynsä ansiosta. Monispektrinen Landsat Thematic Mapper ei kuitenkaan pystynyt erottamaan näitä kolmea mineraalia toisistaan.

Mutta yksi haittapuoli on, että se lisää monimutkaisuutta. Jos käytössä on 200 kapeaa kaistaa, miten kanavien välistä redundanssia voidaan vähentää?

Hyperspektri- ja multispektrikuvilla on monia reaalimaailman sovelluksia. Käytämme esimerkiksi hyperspektrikuvia kartoittaaksemme vieraslajeja ja auttaaksemme malminetsinnässä.

On vielä satoja muita sovelluksia, joissa moni- ja hyperspektrikuvat auttavat meitä ymmärtämään maailmaa. Käytämme niitä esimerkiksi maatalouden, ekologian, öljyn ja kaasun sekä ilmakehän tutkimisen aloilla.