درباره LDCM landat برای منابع آب چه می دانیم؟

۰۱ ارديبهشت ۹۸ ، ۲۰:۱۴ نويسنده: بهزاد سرهادی

ماهواره لندست یک روز دوشنبه (11 فوریه 2013) از پایگاه نیروی هوایی وانتبربرگ در کالیفرنیا راه اندازی شد. ماموریت تداوم اطلاعات LDCM یا لندست به لندست 7 به صورت 15 ساله و لندست 5 به صورت 30 ساله پیوسته است. از آنجا که ماهواره ها با گرانش زمین جذب می شوند، راه اندازی ماهواره های جدید برای حفظ تداوم ثبت نام تصویر مهم است.

خروجی ماهواره های لندست تقریبا 40 سال از تصاویر زمین و مادون قرمز ساخته شده اند. تصاویری از مأموریت لندست، فرایند فیزیکی مربوط به پوشش گیاهی، اکوسیستم و تأثیر انسان بر روی زمین را توصیف می کند. با توجه به مدت زمان طولانی تصاویر ثبت شده، ماموریت لندست یک مرجع قوی برای درک تغییرات اقلیمی و تاثیرات انسانی در محیط زیست است.

Landsat LCDM دو ابزار اختصاص داده شده برای گرفتن تصاویر چند بعدی و مادون قرمز را برای یک عمر طراحی 5 ساله در نظر گرفته است. متاسفانه، رزولوشن فضایی تصاویر چندتایی 30 متر است، همانطور که در لندست 7 است. تصاویر مادون قرمز دارای یک رزولوشن 100 متری هستند.

LDCM لندست در منابع آب

مهندسان، دانشمندان و محققان محیط زیست به تصاویر ماهواره ای برای درک رشد گیاه و تقاضای آب مرتبط با آن متکی هستند. داده های تصویری لندست نیز برای تعیین تالاب هایی هستند که می توانند یک هدف کالیبراسیون در مدل سازی جریان آب های زیرزمینی باشند.

تعریف تالاب در یک حوضه آند با استفاده از محصولات داده شده حاصل از لندست.

بیشتر محصولات مربوط به پوشش گیاهی از ماموریت لندست NDVI (شاخص عادی گیاه شناسی تفاوت) و EVI (شاخص رشد گیاه شناسی) است. تبخیر تعریف واقعی می تواند با الگوریتم METRIC محاسبه شود. برای تعیین کاربری زمین و پوشش زمین، یک سری از الگوریتم هایی وجود دارد که بر تحلیل فضایی نوارهای طیفی تکیه می کنند. اگر شما مایل به مطالعه یخچال ها و دریاچه ها هستید، دیگر محصولات داده های تخصصی وجود دارد.

تصاویر Landsat LCDM توسط Reverb ECHO از NASA به صورت رایگان عرضه خواهند شد: اینجا

نتیجه گیری

لندست LDCM برای ارزیابی منابع آب و حفاظت اکوسیستم مفید خواهد بود. اینترفیس های وب به عنوان ECHO Reverb تصاویر و داده ها را ارائه می دهد.

وضوح تصویر چندمتغیره 30 متری برای مدلسازی منطقه ای کافی است. مطالعات هیدروژئولوژیکی محلی مستلزم تفکیک فضایی بهتر است.