Εκτίμηση της εκπεμπτικότητας της επιφάνειας εδάφους από δορυφορικά δεδομένα

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

Πρωτότυπος τίτλος: Land surface emissivity retrieval from satellite data

Συγγραφείς: Zhao-Liang Li, Hua Wu, Ning Wang, Shi Qiu, José A. Sobrino, Zhengming Wan, Bo-Hui Tang and Guangjian Yan

DOI: https://doi.org/10.1080/01431161.2012.716540

Πίνακας περιεχομένων

Εισαγωγή

Η εκπεμψιμότητα επιφάνειας γης (Land Surface Emissivity – LSE) αποτελεί θεμελιώδη φυσική ιδιότητα των φυσικών υλικών και συνδέεται άμεσα με τη χημική και ορυκτολογική τους σύσταση, ιδίως στα πυριτικά ορυκτά, ενώ επηρεάζεται από τη γωνία παρατήρησης (viewing angle) και την τραχύτητα της επιφάνειας (surface roughness). Η LSE είναι κρίσιμη παράμετρος για εφαρμογές όπως η μελέτη εδαφικής εξέλιξης και διάβρωσης (soil development and erosion), η εκτίμηση αραιής βλάστησης (sparse vegetation cover), η γεωλογική χαρτογράφηση (bedrock mapping) και η ανάλυση ενεργειακού ισοζυγίου επιφάνειας (surface energy budget). Η ανάκτησή της από δορυφορικά δεδομένα είναι ιδιαίτερα δύσκολη, διότι η μετρούμενη θερμική ακτινοβολία στην περιοχή του θερμικού υπερύθρου (Thermal Infrared – TIR) εξαρτάται ταυτόχρονα από τη θερμοκρασία επιφάνειας (Land Surface Temperature – LST) και την εκπεμψιμότητα, δημιουργώντας ένα μαθηματικά ακαθόριστο πρόβλημα (underdetermination). Επιπλέον, η ατμοσφαιρική απορρόφηση και εκπομπή (atmospheric absorption/emission) και η ανάκλαση της προσπίπτουσας ακτινοβολίας (surface reflection) περιπλέκουν το φαινόμενο, καθιστώντας απαραίτητη την ακριβή ατμοσφαιρική διόρθωση (atmospheric correction) και τη διαδικασία διαχωρισμού θερμοκρασίας–εκπεμψιμότητας (Temperature–Emissivity Separation – TES). Παρά τις δυσκολίες, η πρόοδος της τηλεπισκόπησης έχει οδηγήσει στην ανάπτυξη πολλαπλών μεθόδων, από εμπειρικές (empirical) έως φυσικά βασισμένες (physics-based), επιτρέποντας την εκτίμηση της LSE σε μεγάλη χωρική και χρονική κλίμακα.

Βασικό θεωρητικό background

Τι είναι η εκπομπή (emissivity)

Η εκπομπή (ε) ορίζεται ως ο λόγος της ακτινοβολίας που εκπέμπει μια πραγματική επιφάνεια στη θερμοκρασία Τ προς την ακτινοβολία που εκπέμπει ένα μέλαν σώμα (blackbody) στην ίδια θερμοκρασία.

Υπολογίζεται με βάση τον νόμο του Planck και λ είναι το μήκος κύματος.

Εικόνα27.png

Η θερμοκρασία που αφορά είναι η ακτινομετρική (radiometric ή skin temperature), η οποία διαφέρει από την θερμοδυναμική θερμοκρασία.

Channel-effective emissivity

Η εκπομπή μεταβάλλεται με το μήκος κύματος (λ).

Οι δορυφόροι βλέπουν εύρη και όχι μεμονωμένα λ. Άρα για κάθε κανάλι i χρειάζεται:

Εικόνα28.png

Πώς αλλάζει η εκπομπή στην πραγματικότητα

1) Με τη γωνία θέασης.

Η εκπομπή (ε) συνήθως μειώνεται όταν αυξάνει η γωνία θέασης από το ναδίρ (0°). Ξηρά εδάφη, νερό και πάγος έχουν τη μεγαλύτερη γωνιακή εξάρτηση. </p> 2) Με το υλικό (φασματική συμπεριφορά)

Πετρώματα:

  • Χαρακτηριστικές reststrahlen bands στις περιοχές 8–10 μm και 12–13 μm.
  • Ισχυρή φασματική υπογραφή ανάλογα με τον τύπο του πετρώματος.

Εδάφη:

  • Ισχυρή επίδραση από χαλαζία (quartz) και ανθρακικά.
  • Οργανική ύλη μειώνει την αντίθεση του φάσματος.
  • Η υγρασία αυξάνει την εκπομπή.

Βλάστηση:

  • Πράσινα φύλλα έχουν υψηλή, σχεδόν ομοιόμορφη εκπομπή στο MIR/TIR.
  • Ξερά φυτά εμφανίζουν περισσότερη φασματική δομή.

Νερό – πάγος – χιόνι:

  • Διακριτές υπογραφές.
  • Σημαντικές διαφορές στα 10.5–12.5 μm επιτρέπουν διάκριση πάγου/χιονιού.

Γιατί είναι δύσκολο να εξαχθεί η εκπομπή από δορυφόρο

Η μετρούμενη ακτινοβολία περιέχει ταυτόχρονα:

  • τη θερμοκρασία επιφάνειας (LST)
  • την εκπομπή (LSE)

Γι’ αυτό το πρόβλημα είναι υποκαθορισμένο:

  • N κανάλια → N μετρούμενες ακτινοβολίες
  • N άγνωστες εκπομπές
  • +1 άγνωστη θερμοκρασία επιφάνειας
  • άρα έχουμε N + 1 άγνωστα αλλά μόνο N εξισώσεις

Δεν υπάρχει μοναδική λύση χωρίς πρόσθετες υποθέσεις, μοντέλα ή εμπειρικές σχέσεις.

Ρόλος της ατμόσφαιρας

Η ατμόσφαιρα απορροφά, επανεκπέμπει και αντανακλά ακτινοβολία. Αυτό περιπλέκει την ανάκτηση LSE και LST και απαιτεί ατμοσφαιρική διόρθωση.

Εκτίμηση της επιφανειακής εκπομπής από το διάστημα

Ημι-εμπειρικές μέθοδοι (Semi-Empirical Methods, SEMs)

Γενικά, χρησιμοποιούν οπτικά δεδομένα (κυρίως VNIR) και εμπειρικές σχέσεις/πίνακες για να εκτιμήσουν την εκπομπή (LSE) στα TIR.

Classification-Based Emissivity Method (CBEM)

Βήματα:

Κάνουμε κλασική ταξινόμηση χρήσεων γης / κάλυψης γης (land cover).

Σε κάθε κλάση αντιστοιχίζουμε τιμές εκπεμψιμότητας από lookup table.

Πλεονεκτήματα:

Απλή ιδέα, καλή για κλάσεις με πολύ καλά γνωστή ε (νερό, πυκνή βλάστηση).

Κατάλληλη για υψηλή χωρική ανάλυση (σχεδόν «καθαρά» pixels).

Προβλήματα:

Μικτά pixels (μίξη τύπων επιφάνειας) ρίχνουν την ακρίβεια → χρειάζεται linear mixing.

Η ταξινόμηση στο VNIR δεν συσχετίζεται πάντα καλά με την ε στο TIR (ιδίως για γεωλογικά υποστρώματα).

Δύσκολα μοντελοποιούνται δυναμικές καταστάσεις (υγρασία εδάφους, χιόνι/πάγος, senescent vegetation).

NDVI-Based Emissivity Methods (NBEM)

Απλή εμπειρική σχέση NDVI–ε

Παρατηρήθηκε ισχυρή συσχέτιση μεταξύ LSE (8–14 μm) και ln(NDVI):

ε=α+b ln⁡(NDVI)

Το NDVI είναι πιο εύκολο από VNIR, άρα η μέθοδος δουλεύει απευθείας σε επίπεδο pixel.

NDVI threshold method (Sobrino & Raissouni)

Χωρίζει τα pixels σε:

  • γυμνό έδαφος (NDVI < NDVIs),
  • μίξη εδάφους–βλάστησης (NDVIs < NDVI < NDVIv),
  • πλήρης βλάστηση (NDVI > NDVIv).

Multi-channel TES methods

Οι μέθοδοι TES (Temperature–Emissivity Separation) είναι μια κατηγορία αλγορίθμων που χρησιμοποιούν πολλαπλά θερμικά κανάλια (multi-channel) για να υπολογίσουν ταυτόχρονα:

  1. LST (Land Surface Temperature)
  2. LSE (Land Surface Emissivity)

Emissivity spectrum character-based methods

GBE method

Η μέθοδος GBE υπολογίζει την εκπομπή θεωρώντας ότι το φάσμα της παραμένει πρακτικά επίπεδο (flat) για μήκη κύματος μεγαλύτερα από 10 μm. Με αυτή την υπόθεση, αναζητά τις τιμές εκπομπής που αναπαράγουν καλύτερα τη μετρούμενη ακτινοβολία, ελαχιστοποιώντας το σφάλμα ανάμεσα στο θεωρητικό και στο παρατηρούμενο φάσμα. Απαιτεί τουλάχιστον δύο κανάλια με παρόμοια εκπομπή και χρειάζεται ατμοσφαιρική διόρθωση. Η μέθοδος είναι ιδιαίτερα κατάλληλη για υπερφασματικά δεδομένα, όπου υπάρχουν περισσότερα κανάλια με σχεδόν σταθερή εκπομπή.

ΤΤΜ

Η μέθοδος TTM βασίζεται στην ιδέα ότι αν η ίδια επιφάνεια παρατηρηθεί σε δύο διαφορετικές θερμοκρασίες (συνήθως ημέρα–νύχτα) και η εκπομπή της θεωρείται σταθερή, τότε μπορούμε να λύσουμε το σύστημα των εξισώσεων και να υπολογίσουμε ταυτόχρονα την εκπομπή και τη θερμοκρασία επιφάνειας. Απαιτεί τουλάχιστον δύο κανάλια, ακριβή ατμοσφαιρική διόρθωση και πολύ καλή γεωμετρική αντιστοίχιση μεταξύ των δύο εικόνων. Λειτουργεί καλύτερα με γεωστατικούς δορυφόρους όπου η γωνία θέασης δεν αλλάζει. Παρότι δεν χρειάζεται υπόθεση για το σχήμα του φάσματος εκπομπής, είναι ευαίσθητη σε θόρυβο και μπορεί να δώσει ασταθή λύση αν η διαφορά θερμοκρασίας είναι μικρή.

ISSTES (Iterative Spectrally Smooth Temperature Emissivity Separation)

Η μέθοδος ISSTES (Iterative Spectrally Smooth Temperature Emissivity Separation) αξιοποιεί το γεγονός ότι το φάσμα εκπομπής (emissivity spectrum) των φυσικών επιφανειών είναι ομαλό σε σχέση με τα απότομα φασματικά χαρακτηριστικά της ατμόσφαιρας. Χρησιμοποιεί υπερφασματικά δεδομένα TIR και υπολογίζει την εκπομπή ξεκινώντας από μία αρχική τιμή θερμοκρασίας. Αν η θερμοκρασία είναι λάθος, τότε το ανακτημένο φάσμα παρουσιάζει «κοφτερές» ατμοσφαιρικές υπογραφές. Η μέθοδος βελτιώνει επαναληπτικά τη θερμοκρασία μέχρι το φάσμα να γίνει όσο πιο «ομαλό» γίνεται, και στη συνέχεια εξάγει την εκπομπή. Απαιτεί υψηλό signal-to-noise ratio και καλή ατμοσφαιρική διόρθωση, όμως μπορεί να λειτουργήσει πολύ καλά σε υπερφασματικά TIR δεδομένα.

Emissivity Bounds Method (EBM)

Το EBM εκτιμά την εκπομπή (emissivity) και τη θερμοκρασία επιφάνειας (LST) χωρίς να κάνει υποθέσεις για το φάσμα εκπομπής, απλώς περιορίζει τις λύσεις μέσα σε φυσικά επιτρεπτά όρια. Για κάθε κανάλι δημιουργείται μια καμπύλη πιθανών συνδυασμών θερμοκρασίας–εκπομπής (T–ε). Επειδή η πραγματική θερμοκρασία ενός pixel είναι μοναδική, η λύση περιορίζεται στο σημείο όπου οι καμπύλες των καναλιών τέμνονται μέσα στα επιτρεπτά όρια εκπομπής (0 ≤ ε ≤ 1). Έτσι, το EBM δεν δίνει ακριβείς τιμές, αλλά εύρος πιθανών τιμών για την εκπομπή και τη θερμοκρασία, και η ακρίβεια εξαρτάται από το πόσο καλά γνωρίζουμε τα πραγματικά όρια της εκπομπής για κάθε υλικό.

Reference Channel Method (RCM)

Η μέθοδος RCM υποθέτει ότι σε ένα συγκεκριμένο κανάλι η εκπομπή (ε) είναι σταθερή για όλα τα pixels. Με αυτή τη γνωστή τιμή υπολογίζει πρώτα τη θερμοκρασία επιφάνειας (LST) και μετά, χρησιμοποιώντας αυτή τη LST, υπολογίζει την εκπομπή στα υπόλοιπα κανάλια. Είναι πολύ απλή μέθοδος, αλλά έχει σοβαρούς περιορισμούς: δεν υπάρχει ένα μοναδικό «σωστό» σταθερό ε για όλους τους τύπους επιφανειών, μικρό σφάλμα στην τιμή του ε προκαλεί μεγάλα σφάλματα στη LST και στα άλλα κανάλια, και τελικά το αποτέλεσμα εμφανίζει πολύ «θόρυβο» επειδή η υπόθεση του σταθερού ε είναι μη ρεαλιστική.

Normalization emissivity method (NEM)

Η μέθοδος NEM υποθέτει ότι όλα τα κανάλια ενός pixel έχουν αρχικά την ίδια εκπομπή. Έτσι υπολογίζονται Ν διαφορετικές θερμοκρασίες και η μεγαλύτερη από αυτές θεωρείται η πραγματική θερμοκρασία επιφάνειας (LST). Στη συνέχεια αυτή η LST χρησιμοποιείται για να εξαχθεί η εκπομπή στα υπόλοιπα κανάλια, με μεγαλύτερη ευελιξία από το RCM, αφού το κανάλι με τη μέγιστη εκπομπή δεν είναι προκαθορισμένο αλλά προκύπτει από τα δεδομένα.

TES method

Η μέθοδος TES συνδυάζει τρία στάδια (NEM, Spectral Ratio και Min–Max Difference) για να ανακτήσει ταυτόχρονα τη θερμοκρασία επιφάνειας (LST) και την εκπομπή (emissivity) από πολυφασματικά δεδομένα TIR. Πρώτα εκτιμά μία αρχική θερμοκρασία, στη συνέχεια υπολογίζει το σχήμα του φάσματος εκπομπής και τέλος χρησιμοποιεί μια εμπειρική σχέση μεταξύ ελάχιστης εκπομπής και φασματικής αντίθεσης (MMD) για να ανακτήσει τις πραγματικές τιμές. Δίνει γενικά πολύ καλή ακρίβεια (±1.5 K για LST και ±0.015 για emissivity), δεν απαιτεί apriori πληροφορία επιφάνειας και είναι κατάλληλη για φυσικές επιφάνειες με επαρκή φασματική αντίθεση. Η μέθοδος όμως επηρεάζεται από σφάλματα ατμοσφαιρικής διόρθωσης, από χαμηλή φασματική αντίθεση και από θόρυβο, και απαιτεί τουλάχιστον τρία TIR κανάλια στο ατμοσφαιρικό παράθυρο.

TISI (Temperature-Independent Spectral Indices)

Η μέθοδος TISI (Temperature-Independent Spectral Indices) βασίζεται στο ότι μπορούμε να συνδυάσουμε τις μετρούμενες θερμικές ακτινοβολίες από διαφορετικά κανάλια με τέτοιο τρόπο ώστε να εξαφανιστεί η επίδραση της θερμοκρασίας επιφάνειας. Έτσι, το αποτέλεσμα εξαρτάται κυρίως από την εκπομπή (emissivity) των καναλιών και όχι από τη θερμοκρασία. Η μέθοδος χρησιμοποιεί μια προσέγγιση power-law του νόμου του Planck και δημιουργεί δείκτες (indices) που είναι σχεδόν ανεξάρτητοι της θερμοκρασίας. Είναι χρήσιμη για φασματική ανάλυση στο TIR και μπορεί να συνδυαστεί με NDVI για καλύτερη ταξινόμηση εδαφών και καλύψεων.

Physically based methods (PBMs)

Τα Physically Based Methods (PBMs) προσπαθούν να ανακτήσουν ταυτόχρονα την επιφανειακή θερμοκρασία (LST) και την εκπομπή (LSE) απευθείας από μετρήσεις στο TOA, λαμβάνοντας υπόψη ότι η ατμόσφαιρα εισάγει πρόσθετες άγνωστες παραμέτρους που κάνουν το πρόβλημα υποκαθορισμένο. Για να το αντιμετωπίσουν, χρησιμοποιούν φυσικούς περιορισμούς και διαφορετικές προσεγγίσεις όπως την TISI-based μέθοδο, τη μέθοδο ημέρας/νύχτας και το TSRM με PCA ώστε να μειώσουν τα άγνωστα και να επιτρέψουν λύση.

Physically based methods (PBMs)

Η μέθοδος TISI-based χρησιμοποιεί την ιδιότητα ότι το TISI (Temperature-Independent Spectral Index) παραμένει σχεδόν σταθερό μεταξύ ημέρας και νύχτας. Μετρώντας MIR (3–5 μm) και TIR (10–13 μm) κανάλια σε δύο χρόνους (day/night), η μέθοδος αφαιρεί τη νυχτερινή εκπομπή από την ημερήσια ώστε να απομονώσει τη δι-κατευθυντική ανακλαστικότητα (bidirectional reflectivity) (ρ). Στη συνέχεια, από τη ρ υπολογίζεται η κατευθυντική εκπομπή (directional emissivity) (ε).

Η μέθοδος δεν απαιτεί προϋπάρχουσα γνώση του τύπου επιφάνειας, αλλά απαιτεί:

  1. ακριβή συνεγγραφή εικόνων ημέρας-νύχτας
  2. σταθερή γεωμετρία θέασης
  3. καλά διορθωμένη ατμόσφαιρα
  4. διαθέσιμα MIR & TIR κανάλια
Οι περιορισμοί της είναι ότι τα σφάλματα αυξάνονται όταν:
  1. οι εικόνες δεν ταιριάζουν χωρικά
  2. αλλάζει η γωνία θέασης ημέρας/νύχτας
  3. η ατμόσφαιρα δεν διορθώνεται σωστά

Physics-based Day/Night (D/N) method

Η μέθοδος Day/Night χρησιμοποιεί ζεύγη εικόνων ημέρας–νύχτας σε MIR και TIR κανάλια για να ανακτήσει ταυτόχρονα θερμοκρασία επιφάνειας (LST) και εκπομπή (LSE) χωρίς να απαιτείται εκ των προτέρων γνώση της επιφάνειας.

Η βασική ιδέα είναι ότι η εκπομπή της επιφάνειας δεν αλλάζει σημαντικά σε 1–3 ημέρες, ενώ η ακτινοβολία στο MIR κατά τη μέρα περιέχει ισχυρή ηλιακή συνιστώσα που βοηθά στη σταθεροποίηση του συστήματος εξισώσεων. Η μέθοδος λύνει τις 2Ν μη-γραμμικές εξισώσεις που προκύπτουν από τις μετρήσεις ημέρας–νύχτας, εκτιμώντας ταυτόχρονα:

  1. N εκπομπές,
  2. 2 θερμοκρασίες επιφάνειας,
  3. 2 τιμές θερμοκρασίας αέρα,
  4. 2 ποσότητες υδρατμών,
  5. 1 παράγοντα γωνιακής συμπεριφοράς.
Για να γίνει λύσιμο το σύστημα απαιτούνται τουλάχιστον 7 κανάλια. Η λύση σταθεροποιείται με αρχική παλινδρόμηση και βελτιστοποιείται με least-squares.

Κύρια πλεονεκτήματα

  1. Το MIR την ημέρα «σπάει» τις εξαρτήσεις και κάνει το πρόβλημα λυσμένο.
  2. Μπορεί να ανακτήσει LST ακόμη και όταν ημέρα/νύχτα έχουν ίδια θερμοκρασία.
  3. Η ενσωμάτωση Ta και CWV βελτιώνει σημαντικά την ακρίβεια.

Περιορισμοί

  1. Απαιτεί πολλά κανάλια (≥7).
  2. Χρειάζεται καλή ατμοσφαιρική διόρθωση.
  3. Επηρεάζεται από νυχτερινή δρόσο (σε υγρές περιοχές).
  4. Χρειάζεται σταθερή εκπομπή μεταξύ των δύο λήψεων.

Two-step physical retrieval method (TSRM)

Η μέθοδος TSRM προσπαθεί να βγάλει ταυτόχρονα:

  1. τη θερμοκρασία της επιφάνειας (LST)
  2. την εκπομπή (emissivity)
  3. το προφίλ θερμοκρασίας και υγρασίας της ατμόσφαιρας
  4. χρησιμοποιώντας δεδομένα από πολλά θερμικά κανάλια (MIR και TIR).

Για να το πετύχει, κάνει το εξής:

  1. Ξεκινά με μια πρώτη πρόχειρη εκτίμηση της θερμοκρασίας, της εκπομπής και των ατμοσφαιρικών παραμέτρων.
  2. Απλοποιεί τις εξισώσεις της μεταφοράς ακτινοβολίας γύρω από αυτή την αρχική εκτίμηση.
  3. Μειώνει τον αριθμό των άγνωστων (με PCA), ώστε το πρόβλημα να γίνει υπολογιστικά λύσιμο.
  4. Βελτιώνει σταδιακά τη λύση με δύο βήματα.

Ωστόσο, η μέθοδος είναι πολύ βαριά υπολογιστικά, θέλει καλή αρχική εκτίμηση για να δουλέψει και βασίζεται σε υποθέσεις (ότι η ατμόσφαιρα είναι οριζόντια ομοιογενής, κλπ) που δεν ισχύουν πάντα.

Σύγκριση

Οι διάφορες μέθοδοι ανάκτησης εκπομπής (LSE) από δορυφόρο έχουν διαφορετικές απαιτήσεις, υποθέσεις και ακρίβειες. Οι SEM και PBM είναι λιγότερο ευαίσθητες στην ατμόσφαιρα, ενώ οι multi-channel TES μέθοδοι χρειάζονται πολύ καλή ατμοσφαιρική διόρθωση. Συγκριτικές μελέτες δείχνουν ότι όλες οι μέθοδοι επηρεάζονται από ατμοσφαιρική αβεβαιότητα και θόρυβο αισθητήρων, αλλά οι TISI και NEM θεωρούνται ελαφρώς πιο σταθερές. Οι TISI-based, TES και NBEM χρησιμοποιούνται συχνά ως "σημεία αναφοράς" για σύγκριση. Τα αποτελέσματα διαφέρουν ανά περιοχή, τύπο επιφάνειας και αισθητήρα, γεγονός που αναδεικνύει τη μεγάλη σημασία της ανεξάρτητης επικύρωσης των προϊόντων LSE.

Μελλοντικές εξελίξεις και προοπτικές στην εκτίμηση της εκπομπής (LSE)

Η εκπομπή (LSE) είναι κρίσιμος παράγοντας για χαρτογράφηση επιφανειών και για την ακριβή ανάκτηση της θερμοκρασίας εδάφους (LST). Παρότι υπάρχουν πολλές μέθοδοι, καμία δεν θεωρείται «τέλεια» και όλες έχουν περιορισμούς.

Οι βασικές δυσκολίες που πρέπει να λυθούν στο μέλλον είναι:

Ατμοσφαιρική διόρθωση
Η ατμόσφαιρα απορροφά, εκπέμπει και ανακλά ακτινοβολία, κάνοντας δύσκολη τη σωστή ανάκτηση LSE και LST. Χρειάζεται ανάπτυξη πιο ακριβών μοντέλων και βελτίωση της χρήσης υπερφασματικών δεδομένων για αυτόματη διόρθωση.
Αποσύζευξη θερμοκρασίας–εκπομπής
Ο αισθητήρας μετρά μια ακτινοβολία που είναι προϊόν της LSE και της θερμοκρασίας, άρα πρέπει να προσδιοριστούν ταυτόχρονα.
Πρόβλημα κλίμακας (scaling problem)
Οι επιφάνειες είναι ετερογενείς και ένα δορυφορικό pixel μπορεί να περιέχει πολλά υλικά.
Δυσκολία επικύρωσης (validation)
Δεν υπάρχουν πραγματικές μετρήσεις LSE σε κλίμακα pixel για σύγκριση με δορυφορικά προϊόντα.

Κύριες ερευνητικές κατευθύνσεις για το μέλλον

  1. Εμπλουτισμός βιβλιοθηκών φασματικής εκπομπής
  2. Ανάπτυξη φυσικού μοντέλου εκπομπής
  3. Εύρεση ενδογενών σχέσεων μεταξύ καναλιών
  4. Καλύτερη ατμοσφαιρική διόρθωση για υπερφασματικά δεδομένα
  5. Ενιαίος αλγόριθμος που να υπολογίζει και τα τρία μαζί (LSE + LST + ατμοσφαιρικών προφίλ)
  6. Υπολογισμός της συνολικής εκπομπής που απαιτείται για ενεργειακό ισοζύγιο.
  7. Πειραματικές μέθοδοι όπου laser ενεργοποιεί την επιφάνεια για πιο άμεση μέτρηση εκπομπής.
  8. Ανάπτυξη νέων μεθόδων επικύρωσης σε κλίμακα pixel
Ανακτήθηκε από το "http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B5%CE%BA%CF%80%CE%B5%CE%BC%CF%80%CF%84%CE%B9%CE%BA%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CF%82_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82_%CE%B1%CF%80%CF%8C_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AC_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1".
Προσωπικά εργαλεία