Hiperspektral ve Multispektral Görüntüler

Çevremizdeki nesnelerden yayılan toplam enerjinin sadece küçük bir kısmını gözle algılayabiliyoruz, zira gözlerimiz elektromanyetik spektrumun sadece görünür aralığını yakalayabilir. Bu görünür aralık, renkleri görmemize olanak tanırken, bazen sınırlayıcı olabilir.

Örneğin, aynı dağlık bölgede farklı zamanlarda çekilen iki uydu görüntüsünü düşünelim.

Görsel bir inceleme, yeşil renk nedeniyle bölgenin bitki örtüsüne sahip olduğu sonucuna varmamıza olanak tanır. Ancak, bu gözlemin ötesinde, bitki örtüsü türlerini ayrıştırmak ve iki yıl arasındaki değişiklikleri tespit etmek zordur. Bunun temel nedeni, farklı bitki örtüsü türlerinin elektromanyetik spektrumun görünür aralığında neredeyse benzer yansımaya sahip olmalarıdır, çünkü bitkiler genellikle yeşil ışığı yansıtırlar.

Ancak, görünür aralığın ötesinde, bitki örtüsü türleri farklı yansıtma özelliklerine sahiptir. Bu nedenle, bu örnekte, bitki örtüsünün yansıma özelliklerini görünür aralığın dışında kullanmak, farklı ağaç türlerini sınıflandırmamıza ve zaman içindeki değişiklikleri incelememize olanak tanır. Bu bilgiler, özellikle harita üzerinde, bitki örtüsünün dağılımındaki çeşitliliği ve değişiklikleri daha ayrıntılı bir şekilde anlamamıza yardımcı olabilir.

Yukarıdaki örnek, görünür spektrumun ötesini görebilmenin avantajlarını ortaya koymaktadır. Şans eseri, bu avantajı elde etmek için sadece gözlerimize güvenmek zorunda değiliz.

Bazı uydu sensörleri, elektromanyetik spektrumun görünen ve görünmeyen kısımlarını algılayabilme yeteneğine sahiptir. Bu tür sensörlere multispektral veya hiperspektral sensörler denir ve bu sensörler tarafından üretilen görüntüler, multispektral veya hiperspektral görüntülerdir. Bu teknoloji, bitki örtüsü, su kalitesi, toprak özellikleri gibi çeşitli alanlarda daha ayrıntılı ve kapsamlı veri elde etmemize olanak tanır.

Elektromanyetik spektrum, elektromanyetik radyasyonun tüm dalga boyu aralığını kapsar. Analitik amaçlar için, elektromanyetik spektrum genellikle dalga boyu aralıklarını temsil eden farklı bantlara bölünmüştür. Bu bantlara genellikle isimlerle atıfta bulunulur, örneğin gama ışınları, x-ışınları, ultraviyole ışınları, görünür ışık (0.4μm – 0.7μm), kızılötesi (0.7μm – 100μm), mikrodalgalar (1mm – 1m) ve radyo dalgaları.

Görünür kısım, yani gözlerimizle algıladığımız bölüm, genellikle mavi, yeşil ve kırmızı olarak ayrılır. Benzer şekilde, kızılötesi bant, yakın kızılötesi, orta kızılötesi ve uzak kızılötesi bölgelere ayrılır. Bu bölünmeler, elektromanyetik spektrumdaki farklı bantlardaki radyasyon türlerini ve özelliklerini anlamamıza yardımcı olur.

Farklı spektrum bölgeleri, Dünya yüzeyindeki çeşitli özellikler hakkında bilgi sağlamak amacıyla kullanılır. Ancak, hangi bantları veya bandı kullanacağımızı belirlemek için öncelikle spektral imzaların anlaşılması gerekir.

Spektral imza, bir nesne tarafından elektromanyetik spektrumun çeşitli bölümlerine yansıtılan enerji miktarını ifade eder. Bu imzalar genellikle farklı dalga boylarında yansıyan enerjideki değişimi gösteren bir grafik olarak, yani spektral tepki eğrisi olarak gösterilir.

Aşağıdaki grafik, çeşitli nesnelerin spektral imzalarını gösteren bir spektral tepki eğrisi örneğini sunmaktadır.

Ayrıca, bir nesnenin spektral imzası sabit değildir. Malzemenin fiziksel özelliklerine, atmosferik etkilere ve sensörün görüş açısına bağlı olarak değişebilir. Bu nedenle, spektral tepki eğrileri bazen değişkenliği göstermek için ince bir çizginin aksine gölgeleme yöntemiyle çizilir.

Spektral imzalar, uzaktan algılanan görüntülerdeki çeşitli nesneleri tanımlamak için önemli bir araçtır.

Örneğin, yukarıdaki spektral tepki eğrisinden çıkarılabilecek bilgiler şu şekildedir:

• Bitki örtüsü, görünür kısımda daha fazla yeşil ışık yansıtarak kendini belirginleştirir ve yakın kızılötesi bantta en yüksek yansımaya sahiptir.
• Çıplak toprak, görünür ve yakın kızılötesi bantlarda kademeli bir artış göstererek fark edilebilir.
• Su ise, bitki örtüsüne ve görünür kısımda daha fazla yansımaya sahip topraklara kıyasla daha düşük bir yansıma seviyesine sahiptir.

Bu özelliklerin spektral tepki özelliklerini anlamak, nesneleri uzaktan algılama verilerinde tanımlamayı kolaylaştırır. Ayrıca, spektral tepki özelliklerinin incelenmesi, çeşitli özellikleri ölçmek için kullanılan indekslerin geliştirilmesine katkı sağlar. Örneğin, bitki örtüsü olan alanları belirlemek ve durumlarını değerlendirmek için kullanılan Normalleştirilmiş Fark Bitki Örtüsü İndeksi (NDVI) gibi indeksler, spektral bilgileri daha anlamlı hale getirir. Pleiades Neo’nun güçlü multispektral sensörleri, bu tür analizlerde etkili bir araç olabilir ve uydushop.com.tr adresinden temin edilebilir.

Hiperspektral görüntüler, elektromanyetik spektrumun görünür ve kızılötesi bölgeleri boyunca dar, bitişik bölümlerde yüzlerce dalga boyu bandını içerir. USGS, 37 ve daha fazla bant içeren görüntüleri hiperspektral olarak tanımlar.

Multispektral ve hiperspektral görüntüler arasındaki en büyük fark, elektromanyetik spektrumun aynı kısmındaki bantların sayısıdır.

Multispektral görüntüler, bitki örtüsü türlerinin, toprakların, suyun ve insan yapımı yapıların ayırt edilmesi amacıyla kullanışlıdır. Hiperspektral görüntüler, daha yüksek spektral çözünürlükleri sayesinde özellikleri daha ince detaylarda ayırt etme yeteneği sunar. Özellikle multispektral sensörlerin tespit edemediği spektral ayrıntıları ortaya çıkarmak için hiperspektral görüntüler öne çıkar.

Bu bölümde, multispektral görüntülerin uygulamalarına odaklanarak, hiperspektral görüntülerin nerede etkili olabileceğine değiniyoruz. Elektromanyetik spektrumun çeşitli bölgelerinin önemini vurgulamak adına, her uygulama için uygun olanları özetliyoruz.

Uygulamaları, bitki örtüsü, toprak, su ve kayalar/mineraller gibi ilgilenilen konulara göre kategorize ediyoruz.

Yukarıdaki spektral tepki özellikleri, multispektral ve hiperspektral verilerden vejetasyon özelliklerinin çıkarılması için yararlı olan vejetasyon indekslerinin geliştirilmesine yardımcı olur. Ayrıca, bitki örtüsü analizleri için aşağıdaki multispektral ve hiperspektral görüntüleme uygulamalarına yol açarlar.

Bitki örtüsü için, yansımadaki artış oranı, görünür kırmızı ve yakın kızılötesi bantlar arasındaki bölgede en yüksektir, bu bölge kırmızı kenar bandı (red-edge) olarak bilinir.

Kırmızı kenar bandı, bitki sağlığının ve stresinin önemli bir göstergesidir.

Bu nasıl işler?

Sağlıksız veya stres altındaki bir bitki, daha az klorofil üretir. Daha az klorofil, görünür kırmızı bölgede daha yüksek yansıma anlamına gelir (klorofil, özellikle mavi ve kırmızı dalga boylarında görünür radyasyonu emer). Aynı zamanda, yapraklardaki su içeriği azaldıkça, yakın kızılötesi bölgedeki yansıma artar. Bu değişiklikler, kırmızı kenar bandının konumunu ve şeklini değiştirir.

Örneğin, aşağıdaki resim, üç farklı su stresi seviyesindeki bitkiler için kırmızı kenar bandının şekli ve konumundaki değişiklikleri göstermektedir.

Bitki büyüme döngüsünün başlarında bitki örtüsü stresini tespit etmek için kırmızı kenar bandından nasıl yararlanabileceğinizi öğrenin.