Loading
Nota de Estudos
Study Reminders
Support
Text Version

Sensoriamento Remoto hiperespectral

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Vídeo 1

vamos nos concentrar principalmente nessa discussão e que o que é exatamente o sensoriamento remoto hiperespectral e quais são as aplicações e algumas limitações. Também, o que nós vamos discutir como você sabe que você sabe que o sensoriamento remoto hiperespectral também é considerado como espectrometria de imagem ou espectroscopia de imagem. Porque aqui a largura de banda é uma realmente nanometros. Por isso, bandas muito estreitas são usadas aqui uma e também você está tendo uma cobertura de cobertura contínua do espectro EM contra este sensor hiperespectral. Por isso, portanto, é chamado como espectrometria de imagem ou é espectroscopia de imagem e porque hiperespectral que significa, digamos que estamos tendo 100s de eventos às vezes até mesmo 256 bandas em um mesmo sensor tendo largura muito fina e aqui. Por isso, quando esta é a situação para muitas bandas ou bandas excessitas chamamos de sensoriamento remoto hiperespectral e também podemos ter 1000s de bandas, bandas estreitas, e então chamaremos ultra espectral. Até agora não há sensores ainda em sensoriamento remoto ultra espectral, mas definitivamente há sensores que fazem parte do sensoriamento remoto hiperespectral que significa 100s dos eventos. Então, seja qual for a radiação refletida ou emitida que pode ser medida mais cedo quando, se você se recorda em desde 1972 quando iniciamos Landsat MSS, tínhamos apenas 4 bandas cobrindo uma grande parte do espectro, aquela grande parte incluindo visível e quase infravermelho, e só nós tínhamos 4 bandas e aquelas bandas eram bastante relativamente. Agora, se compararmos com a referência de hoje, então estas são bandas bastante amplas. Eles estão lá e essas bandas eram naturalmente, contínuas naquele tempo para Landsat MSS, mas muito amplo alcance onde estão lá agora estamos falando de resolução espectral muito fina em vez de resolução relativamente grosseiros estamos falando agora, resolução espectral muito fina e não só bandas muito finas, mas também cobertura contínua dessa parte do espectro EM. Portanto, sensoriamento remoto hiperespectral basicamente esses sistemas detectam. Dados em 100s de bandas espectrais de muito estreitas às vezes de 5 10 nanômetros e que para simultaneamente em 100s dos eventos e destes com o tal detalhe se estamos a ter cerca de uma parte da terra mesmo agora Lua ou Marte, então podemos identificar e quando várias coisas que somos impossíveis com as bandas espectrais amplas. E especialmente relacionados com minerais ou alterações na vegetação ou talvez relacionados com constituintes atmosféricos. Então, nós vamos discutir todos os que estão na parte de candidatura. E o sensoriamento remoto hiperespectral também permite uma análise mais específica para a cobertura de terras, já que acabei de mencionar que se existem diferentes tipos de solo, rochas, minerais, vegetação, plantas, árvores ou cultivos, que estão sofrendo de algum tipo de, você sabe, estresses, todos estes podem ser detectados com sensoriamento remoto hiperespectral porque, você está tendo bandas contínuas e bandas muito estreitas disponíveis em toda uma grande parte do espectro EM. Quando vamos para esta parte térmica que são os níveis de emissividade de cada banda podem ser combinados para formar curva de reflectância espectral e estas curvas temos anteriormente também discute curva de resposta espectral ou curva de reflectância. Então, depende e onde em qual parte do espectro EM estamos falando. Geralmente, os sensores que foram desenvolvidos em domínio hiperespectral de sensoriamento remoto estão no sentido principalmente na parte visível e quase no infravermelho e no infravermelho, em vez de no sensoriamento remoto térmico. Então, se compararmos com o sensoriamento remoto Multispectral versus sensoriamento remoto hiperespectral como você pode ver aqui, que essas bandas em sensoriamento remoto multispectral estão em forma discreta. Isso significa, é difícil criar uma curva de resposta espectral como estamos vendo aqui contra o sensoriamento remoto hiperespectral. Então, aqui teremos apenas alguns dizem algumas respostas agora em termos de digamos neste exemplo refletância, e se nos conectamos podemos chegar a um fechamento, você sabe curva perto deste 1, mas não aquele detalhamento fino não será possível sensoriamento remoto multispectral. No entanto, quando vamos para sensoriamento remoto hiperespectral como você pode ver aqui, que as bandas são bandas contínuas são contínuas ao longo de todo e portanto, e há 100s de eventos e, portanto, é possível criar uma curva de resposta espectral contínua como você está vendo aqui, há um multispectral irá fornecer uma discreta faixa são curva discreta, embora byinterpolações você possa criar. Por isso, portanto, você está em entre 2 bandas você está tendo uma lacuna, mas aqui e não há lacuna nenhuma em sensoriamento remoto hiperespectral. Então, a cobertura contínua é possível. Por isso, quando temos falado de banda larga, então você sabe então apenas parte infravermelha visível e de ondas curtas foi coberta em caso de multispectral quando fomos banda larga. Um dos melhores exemplos podem ser bandas pancromáticas como um IRS 1C 1D tivemos a câmera cromática da banda ou em outros sensores também, estamos tendo até em Landsat e vamos ver que estamos tendo banda pancromática. Geralmente, essas bandas pancromáticas em hiper multispectral sensoriamento remoto são muito amplas, mas quando vamos para sensoriamento remoto hiperespectral então podemos ter menos de 10s de bandas em diferentes partes do espectro EM como estamos vendo aqui, 100s de bandas em hiperespectral comparado a esta em multispectral teremos como 0,45 0,52 micro metro de 0,52 0,62 micro metro e da mesma forma. Por isso, essas bandas comparadas ao hiperespectral são banda relativamente larga mas Se vamos para parte visível e como câmera pancromática. Depois, aqueles são os mais amplos estão lá e se falarmos de hiperespectral como eu disse até agora, nenhum sensor está lá, e aí vamos ter dentro da mesma parte do espectro que significa, daqui até aqui, vamos ter em vez de 100s de bandas, vamos ter 1000s de bandas. Então, esta é essa é a vantagens do sensoriamento remoto hiperespectral. Então, que cobre o contínuo. E continuamente o espectro inteiro e por 5 10 nanômetros você está tendo 1 banda cada vez. E se pensarmos mais em termos nessas diferenças entre multispectral e hiperespectral. Como discutimos nos slides anteriores que o multispectral você está tendo apenas informações discretas e então usando esta informação discreta pode-se criar uma curva ou hiper a curva de resposta. Mas em hiperespectral você consegue uma curva contínua e 4 minerais diferentes ou cobertura de terra neste caso como um kaolinite e kaolinite é um mineral de argila e gesso é um mineral alunito é um dolomita mineral e então você está tendo calcite clorito mineral. Por isso, todos esses minerais, rochas vegetação, e depois o você pode ter uma curva de resposta espectral de curvas muito boa para o seu saber, identificação com alto nível de confiança, mas se eu estou tendo dados multispectrais a situação é assim, os dados são dados discretos não é contínua e a identificação mínima é possível. Em caso de bandas contínuas como em hiperespectral. Estamos a ter a identificação máxima é possível e o nível de confiança em multispectral relativamente será baixo enquanto que no hiperespectral vai ser muito elevado. E quando vamos para classificação de imagens multispectrais ou criando essas uma causa padrão, então o conhecimento do campo de conhecimento e posterior análise em laboratório é muito exigido. Considerando que, aqui, um banco de dados que foi criado através de sensoriamento remoto hiperespectral pode ser utilizado diretamente. E esse espectral e mixagem está aí que significa, digamos que obtemos características bem distintas de diferentes terras de cobertura e características ou características de terra que estão presentes ali. Como aqui exemplos começam logo a partir de cloro para kaolinite. Mais adiante quando vemos isso, essas comparações entre multispectral e hiperespectral e que são bandas espectrais separadas em caso de multispectral. E caso de hiperespectral não tem nenhuma lacuna espectral separada porque as bandas são contínuas termina outra começa.
Há, em multispectral pode haver alguma lacuna dependendo dessa condição mais frequente. Então, é por isso que em lá existem lacunas, há bandas separadas estão lá. Em caso de multispectral estamos tendo maior largura de banda, é claro, é a largura de banda muito estreita apenas talvez de 5 10 nanômetros e 100s de bandas estão lá, representação grosse-grossa de assinaturas espectrais. Considerando que aqui se encontra representação completa em vez de discreta em caso de multispectral. Aqui estamos a ter uma representação completa uma representação contínua de assinaturas espectrais de diferentes características em terra e superfície terrestre e ela às vezes ela com sensores multispectrais ou dados é possível.
Que essas pequenas diferenças nas curvas espectrais podem não ser captadas, mas em caso de sensoriamento hiperespectral e remoto ou de imagens ou dados seja ele é capaz ou para detectar características espectrais sutis. Por isso, porque você está tendo 100s de bandas e está tendo bandas contínuas e, portanto, e suas curvas espectrais são muito boas e, portanto, e elas são uma detecção de diferentes recursos fica muito mais fácil. E lá é que você sabe obviamente que vai haver algum trade off então, trade off aqui é multispectral. Esse volume de dados é um menor é relativo a em caso de sensoriamento remoto hiperespectral muitos dados, grande volume de dados nosso hoje em dia, um novo termo é usado os big data. Você é você está tendo em hiperespectral sensoriamento remoto os big data para analisar enquanto que em multispectral você pode estar tendo eu conhecido 4, 5, 10 ou até mesmo em como um sensores MODIS você está tendo 36 bandas. Então, estes são o número máximo de bandas. Que são possíveis em sensoriamento remoto multispectral, que são sensores operacionais eu estou falando, mas em hiperespectral você terá para 256 banda 100 bandas ou talvez mais banda e, portanto, o grande volume de análise de dados tem que ser feito. Então, esse é um comércio de fora que pode-se argumentar e claro, quanto menos problemas com a calibração existem, pois sabemos qual parte do espectro em que somos que mais freqüentes são os que existem. E, portanto, esses problemas serão muito mínimos com o sensoriamento remoto multispectral. No entanto, com as calibrações espectrais radiométricas de sensoriamento remoto hiperespectral são realmente demoras demoradas. Por isso, não é relativamente fácil o tempo todo usar dados hiperespectrais, há outras questões também existem como disponibilidade de dados hiperespectrais dados multispectrais para todo o globo a partir de diferentes sensores de diferentes países hoje disponíveis livres de custo em rede. Mas, tais conjuntos de dados de sensoriamento remoto hiperespectral não são facilmente disponíveis.

Vídeo 2

Se vemos e este sensoriamento remoto hiperespectral este é chamado de cubo. Basicamente cubo que na parte frontal você está tendo apenas uma imagem de banda que você está vendo, mas no código de profundidade na direção z você está tendo uma banda espectral e 100s de bandas e, portanto, você está tendo fatias contínuas de 5 10 nanômetros largura de bandas estão lá. Então, basicamente esse espectrômetro de imagem e basicamente eles começaram com o nível microscópico, mas agora fomos para uma base de satélites fazer como aqui este é o exemplo de 224 imagens espectrais tiradas simultaneamente de diferentes parte do espectro EM. E quando estes são você sabe que diferentes recursos são olhados como um primeiro exemplo é o corpo da água, então é assim que a curva espectral em diferentes partes do espectro EM um vai ter. Por isso, você sabe que o corpo de água então solo você está tendo atmosfera de curso incluindo atmosfera é lá então a água está lá e então a vegetação está lá. E cada um desses objetos que estão presentes na superfície terrestre terá curvas de resposta diferentes. Por isso, são espectros de 2 materiais ou espectros entre, de diferentes materiais com características muito diferentes que você pode ver por causa de diferentes propriedades de absorção de reflexão e reflexão. Quando o sentido é a wideband em caso de multispectral, uma nota média em mas pode não ser capaz de discriminar entre diferentes objetos, mas quando estes mesmos objetos são vistos através de sensoriamento remoto hiperespectral, então através deste espectro contínuo de elementos especiais é analisado, então é possível detectar cada tipo de objetos que ali se encontram presença, mesmo as variações como variações dentro da variação de vegetação dentro da variação dos corpos hídricos, dentro desse atmosférico constitui-se todas essas variações também podem ser captadas através de sensoriamento remoto hiperespectral e análise de imagem hiperespectral. Quando chegamos a esta parte de análise porque os dados são enormes são um dado realmente grande e embora a cintura geralmente de imagens hiperespectrais seja muito estreita relativamente, ainda assim, o número de bandas é enorme. Assim, essa análise do sensoriamento remoto hiperespectral, derivada no campo da espectroscopia, e que se relaciona com composição molecular de material particular com relação ao correspondente padrão de absorção e reflexão da luz em comprimento de onda individual. Como estamos tendo bandas contínuas e, portanto, é possível ir até essa extensão para estudar e objetos diferentes e isto dizer isso e a curva de resposta espectral ou as informações espectrais de material conhecido e podem ser coletadas e estas podem se tornar uma espécie de padrões em nossa biblioteca. E sempre que obtemos uma nova curva podemos comparar com a biblioteca existente e então a identificação de tais objetos ou tais materiais que estão presentes torna-se muito mais fácil. Por isso, as bibliotecas estão sendo criadas hoje em dia, sobre hiperespectral de diferentes minerais de diferentes solos têm diferentes vegetações diferentes condições de corpos d' água e diferentes constituintes atmosféricos e essas bibliotecas após certas iterações se torna uma biblioteca padrão e, portanto, estas podem ser usadas para comparar e os novos datasets e identificação se tornam muito mais fáceis. Outra abordagem é uma reemissão espectral que significa, quando vamos para a reemissão, e vamos reduzir o número de bandas e obter um neste índice e como área de folha ou índice de vegetação e outras coisas. Então, então outra abordagem na análise do sensoriamento remoto hiperespectral é ir para a reemissão, que está dividindo cada valor de reflectância no reflectancespectrum pela outra banda e o que se estamos a ter 100 bandas se criarmos rácios entre eles então poderemos acabar com 50 bandas. De modo que e as coisas podem se tornar muito mais fáceis de manusear e quais são o sensor que estão operacionais. Por isso, vejamos como cada diz é aquele que está cobrindo parte do espectrômetro de imagem visível e infravermelho e este é um sensor aerotransportado da NASA, não a base de satélite airborne one tem que ter pouco conhecimento sobre isso e há 224 bandas e a parte de seu espectro que está sendo coberta. Ele é visível e infravermelho que significa 0,4 micro metro a 2,5 micro metro. Por isso, dentro desta banda de visível e infravermelho e há 224 bandas contínuas bandas de espessura muito estreita e que voa em ER 2 ou de baixa altitude twin otter o nome da aeronave.
Então, a cada digamos foi um dos primeiros sensores hiperespectrais desenvolvidos pela NASA e foi naturalmente aerotransportado e alguma parte de nós estamos cobertos por isso e dados ficaram disponíveis e, mais tarde, no então Hyperion e que está a bordo de satélites humanos. Então, este é realmente um satélite baseado em vez de sensores baseados em espaço baseado em aerotransportados Hyperion dados estão disponíveis e dados estão em 220 bandas e novamente, a largura de banda em que estas 220 bandas estão localizadas é a mesma que em caso de média que de 0,4 2,5 micro metro e o você sabe que isso tem que ser considerado aqui a faixa, a largura de quadrado tem apenas 7,5 e comprimento é de 100 quilômetro. Assim, uma cena vai cobrir uma parte muito estreita ou minúscula da terra embora continue com bandas contínuas e com 220 bandas e para um espectro part.EM muito pequeno a partir de 0,4 que é parte invisível a parte infravermelha que é de até 2,5. Por isso, dentro dessa parte do espectro EM 220 bandas contínuas estão lá, mas com quadras muito estreitas lá o problema são os dados. Estas 220 bandas eles vão criar enormes dados e ao mesmo tempo o satélite e o sensor a bordo dos EUA 1 tem que transmitir esses dados em direção à terra rapidamente e, portanto, o esgarçamento não pode ser mantido muito amplo. Por isso, esgarçons muito estreitos são possíveis dados de Hyperion para algumas partes do mundo já estão disponíveis. E este Hyperion foi desenvolvido e primeiro tendo uma experiência sobre airbornes pela NASA e eles testaram primeiro desenvolver o sensor testado aerotransportado e quando eu sei e lá foi que foi bem sucedido, então ele foi a bordo de satélite e um novo sensor foi nomeado como Hyperion. Agora, isso basicamente é para uma demonstração de tecnologia. E é claro que muitos testes estão sendo feitos muitas pessoas são iniciadas usando e esses datasets e algumas partes da Índia também foram cobertos pelo Hyperion. Mas o problema permanece sobre o esgarçamento mas muito estreito. Então, o Hyperion basicamente é eu acabei de mencionar que é uma NASA. Earth Observando satélite um, que está demonstrando nova tecnologia de sensores. O objetivo desta missão foi e o sensor é o sensor pushbroom, e pouca tecnologia mais antiga nesse sentido.
E a altitude sábia é de 7,5 705 quilômetro e esgarçamento mas é claro, cerca de 7,6 quilômetros quadrados de largura e perto de órbita polar como satélites de sensoriamento remoto normais voando informações com o Landsat e um minuto de intervalo para que tenhamos cobertura em multispectral assim como em hiperespectral. Ao mesmo tempo, portanto, as comparações podem ser feitas, pois o objetivo principal é demonstrar a nova tecnologia de novo sensor de tecnologia e, portanto, foi projetada como esta que um minuto antes e um minuto de intervalo. Ele cobrirá a mesma parte da terra e as faixas de espectro do curso, discutimos 0,4 ou outros 0,43 2,4 micrômetro e 10 e a largura de banda de nanômetros está lá e que está cobrindo parte visível e infravermelha de bandas de espectro EM 220 bandas contínuas são seu espaço e resolução.
Este é outro ponto em que devemos pensar que uma resolução especial embora espectro tenha aumentado significativamente bastante, em vez de ter 4 bandas 10 bandas ou até mesmo 36 bandas em caso ou sensor MODIS, aqui estamos tendo 220 bandas, mas uma resolução espectral permaneceu por volta de 30 metro quando a maioria desses sensoriamento remoto hiperespectral. Então, que um deles pode considerar ter largura de cintura e resolução espacial, pode-se considerar o limite, você sabe limitações de sensoriamento remoto hiperespectral. Mas, ao mesmo tempo, a resolução espectral aumentou tremendamente melhorou tremendamente. A resolução radiométrica de quantização é de 12 bit o que é bastante bom e porque é afinal para detectar as diferenças de minuto na taxa, você conhece objetos que estão presentes na superfície dessa diferença de talvez minuto em minerais e espectro de respeito, carga de resposta espectral talvez solos ou em vegetação. E, portanto, e esta quantização de 12 bit é muito necessária

Vídeo 3

E quais são as aplicações onde este sensoriamento remoto hiperespectral pode ser aplicado, tocamos pouco sobre e essas coisas mas aqui vamos estar indo em muito detalhes as aplicações. Por isso, se começarmos como na atmosfera, vapor de água e diferentes densidades de vapor de água assim, o mapeamento de vapor de água pode ser feito para aquela parte do curso, ou onde para o qual os dados de sensoriamento remoto hiperespectral estão disponíveis e talvez para mapeamento mineral, isso é muito exigido, pois esses sensores de banda larga ou multispectral, às vezes não somos capazes de detectar diferenças de minuto em minerais e o monitoramento de rejeitos de minas porque em áreas de mineração muito em um desperdício ou durante o processo, muitos resíduos são dispensados. E, assim, essas coisas também podem ser detectadas de forma muito clara usando sensoriamento remoto hiperespectral. Em estudos ligeiramente enquanto fração é de estudos é possível usar sensoriamento remoto hiperespectral, novamente no dosso como eu disse que em caso de vegetação, portanto, teor de água, talvez índice de área de folhas que seja concentração de clorofila. Também lá e então você pode ter fechos de coroa que como e o topo dessas árvores estão lá e seu respeito às curvas também pode ser desenvolvido. E é claro que diferentes tipos de argila mineral como caulinita e montmorilonita todos aqueles minerais argilosos também podem ser identificados e muito facilmente. Então, estes são os alguns dos aplicativos de sensoriamento remoto hiperespectral, como na exploração mineral ou petrolífera, é possível na exploração de petróleo apenas se for possível, se houver um derramamento ou deslizamento na superfície ou no corpo d' água. Em seguida, acontece em muitos casos e, portanto, é possível detectar.
Se há petróleo natural que está vindo de baixo da terra, em caso de corpo de água ou sobre a terra. Em caso de na parte de terra, depósito mineral pode haver algum vai em frente. Por isso, alguns depósitos minerais que podem ser algumas assinaturas na superfície da terra. E se weare ter sensoriamento remoto hiperespectral, então diferenças de minuto podem ser detectadas através dessas banda contínua. Por isso, na exploração mineral, enquanto explorações e sensoriamento remoto hiperespectral está desempenando papel importante em claro na agricultura e diferentes condições de plantas ou lavouras podem ser identificadas com muita facilidade com essas bandas contínuas, e através de estudos hiperespectrais de sensoriamento remoto relacionado é basicamente nessa parte atmosférica e depois a vigilância também, o meu sensoriamento remoto hiperespectral pode ser implicado.
A imagem química significa meramente em caso de estudos relacionados à poluição, como na mina de rejeitos ou poluição nos rios de poluição na parte do mar. Então, esse tipo de imagem química também é possível. Isso não é claro que lista exaustiva de outros aplicativos também estão sendo desenvolvidos à medida que os dados se tornam disponíveis com mais facilidade para o globo inteiro, mais novas aplicações virão no futuro.
E mais poucos, você sabe pontos que eu gostaria de mencionar aqui sobre aplicações hiper de sensoriamento remoto hiperespectral, quando dizemos sobre atmosfera, então quais são aqueles constituintes para os quais o sensoriamento remoto hiperespectral pode ser implícito, e como propriedades de nuvem de vapor d' água, aerossóis. E isso é muito importante porque aerossóis e criando muitas mudanças na atmosfera ou no clima. E não só na mudança de recursos em si é um problema. Mas o fato destes aerossóis serem podem ser de saída, a radiação de ondas longas está a ser afetada e muitas outras coisas estão a acontecer. Então, é possível mensurar e mapear e através de sensoriamento remoto hiperespectral esses aerossóis. Se falarmos em ecologia então clorofila, área de folhas, água de folhas, celulose, pigmentos e lignina todas essas coisas podem ser estudadas através de sensoriamento remoto hiperespectral, se falarmos de geologia, então tipos minerais e solos e onde o barro temos papel importante quando discutimos sobre os tipos de solos, os depósitos minerais, os depósitos de petróleo, todos aqueles podem ser identificados com base em se as assinaturas de superfície estiverem disponíveis em águas costeiras como e mapeamento químico. Como mencionei anteriormente, e talvez o fitoplâncton de clorofila dissolvido material orgânico, sedimentos suspensos, em lá pode haver muitas coisas que dizem em águas costeiras ou do lago e aquelas coisas em onde esses sensoriamento remoto hiperespectral podem ser aplicadas. Claro que em glaciares também as pessoas têm um iniciado usando sensoriamento remoto hiperespectral. Por isso, é fração de cobertura de neve se e qual é a densidade de neve se a fração de cobertura de neve e o que é o conteúdo da água e que para essa finalidade é claro sensoriamento remoto hiperespectral. Depois, desempenham um papel importante, depois o tamanho de grãos dos grãos de neve individualmente, eles também são ele pode ser aplicado e derreter claro, é lá então queima de biomassa. Isso é muito você sabe comum, especialmente no mês de novembro, início de dezembro na parte ocidental da Índia, Punjab, Haryana western UP e somos muita queima de biomassa está lá depois da lavoura esporádica e isso cria muitos aerossóis na atmosfera e basicamente depois de algum tempo. E há os aerossóis que são queimados através desta biomassa queima de aerossóis na atmosfera e desde uma durante aquela época do ano, não temos muito vento em nada. Então, esses aerossóis permanecerão por mais algum tempo naquela atmosfera vai criar problemas na atmosfera e também e criar mais neblina sobre nesta parte do país. Por isso, aerossóis e essa biomassa queimando a ligação direta.
E desempenha nota muito importante o sensoriamento remoto hiperespectral pode ser empregado para medir ou mapear aerossóis e após esta queima de biomassa e o lado comercial de aplicações, exploração mineral, agricultura e produção florestal e eles são ele pode ser aplicado. Por isso, se eu for para aplicações geológicas como na exploração mineral, a ideia básica aqui é que usar sensoriamento remoto hiperespectral para distinguir são características espectrais ou minerais em diferentes partes do espectro EM e talvez em região infravermelha de infravermelho ou de ondas curtas e por causa de flexão do recurso de estiramento de OH este CO 3, amônio e outros minerais ostentando estão lá, eles podem ser distinguidos muito facilmente. E este é um dos exemplos de usos de sensoriamento remoto hiperespectral e depois disso a classificação foi realizada e aqui e diferentes minerais pode-se identificar, estes são os minerais de ferro Fe que foram identificados aqui como um jarosite, hematita, goethita e algumas árvores com minerais de ferro também estão lá. E, às vezes, você pode acabar sem nenhuma detecção também não é todo o tempo para detectar cada característica ou superfície terrestre. O que está presente lá. Então, pode haver algumas novas áreas de detecção também. Então, é possível que essas coisas tenham sido confirmadas pela análise do XRD e esses locais de recuperação espectral também são mencionados lá. Assim, estes podem se tornar suas curvas padrão também após análise SRD. Então, a confirmação pode ser feita através de que uma e então essas curvas se torna mais ou menos padrão. Assim, no futuro e na campanha de sensoriamento remoto hiperespectral ou imagens futuras, se curvas medidas com as curvas da biblioteca padrão, então pode-se identificar facilmente diferentes minerais da experiência passada dos outros. E é uma grande variedade e a fim de detectar e mapear com grande variedade de materiais, tendo uma característica da curva de refletância por exemplo para detectar e mapear minerais e suportar sensoriamento remoto hiperespectral para detectar propriedades do solo incluindo a umidade de conteúdo orgânico salinidade etcetera. as pessoas têm pessoas diferentes fizeram o trabalho E suas diferenças também são mencionadas aqui. E este Clark et al em 1995 eles identificaram espécies de vegetação e para mapear a extensão de uma espécie vegetal diferente e que podem ser feitas para estudar planta não podem ser química e determinar a concentração de produtos químicos de folhas que foi feita por Aber e Martin em 1995. Para detectar a vegetação é o estresse, se a vegetação está sofrendo de alguns problemas ou a água é estresse ou algum mineral é estresse que também pode ser estudado através de veículos militares hiperespectrais momento que também podem ser detectados. E então área pode conhecer contaminados por rejeitos de minas ou outros poluentes, aqueles também podem ser detectados e também o sensoriamento remoto hiperespectral pode ser implícito para detectar a cor da água tombada a cor da água para basicamente determinar quais microrganismos estão presentes e localizar fontes de poluição. Então, muitas aplicações estão lá. O único requisito que digo mencionar é a disponibilidade dos dados para o globo inteiro. Por ser um usado é uma grande análise de dados também não é tão fácil quanto o meu hiperespectral. E, portanto, se dados se tornarem disponíveis, muitas novas aplicações também virão. Este é um exemplo de exploração, geologia, e onde diferentes minerais. E você sabe, estão lá como pirophyllite, calcita, muscovite, gesso, todos estes ter curvas diferentes E minerais de argila diferentes estão lá, caulinita, montmorillonite, alunite todos estes terão curvas diferentes quando você vê um espectral contínuo mas eles imitam as bandas e em lacunas e quando obtemos os únicos pontos para além das curvas contínuas, assim, a identificação fica muito mais fácil. É isso que em caso de aplicação de vegetação se eles estiverem tendo algum estresse, então haverá um deslocamento na borda vermelha e isso pode ser detectado através de sensoriamento remoto hiperespectral se eu estiver tendo você sabe que múltiplos meios de cobertura em resolução temporal é alto então é possível porque na vegetação e esta acentuada alteração de refletância ocorre se a vegetação está sofrendo de alguma angústia ou de água relacionada está morta ou alguns minerais ou alguma doença. E então há um deslocamento em 680 para 750 nanômetros parte disso, e a vegetação é curva espectral e que pode ser detectada. Assim, chama-se comprimento de onda de borda vermelha e que se encontra em parte de perto do infravermelho. Então, ele se move em direção ao lado esquerdo na curva e se essas alterações são atribuídas como uma que a vegetação sofre de estresse porque o teor de clorofila, que é muito alto em infravermelho, o reflexo da clorofila é muito alto em infravermelho subitamente muda em direção ao visível e há um deslocamento vermelho e na borda e pode ser detectado. Inventário de identificação de culturas baseado em unicamente ou espectros que tenham sido feitos. Por isso, campos agrícolas diferentes estão lá, como cevada, oat, canola outras partes espinafre e essas coisas podem ser detectadas com base nessas curvas. Que foram desenvolvidas através de sensoriamento remoto hiperespectral, detecção mineral como eu sou apenas discutir que isso é possível muito facilmente. Também mais um exemplo de que esta é verdadeira imagem de cor e não imagem realmente hiperespectral, mas os próximos 2 e estes 2 são os dados hiperespectrais e você pode ver que como a identificação de diferentes características ou diferentes capas de terra se torna muito mais fácil com o sensoriamento remoto hiperespectral. E isto é um tal demonstram a cintura basicamente também e diferentes curvas que estão aí basicamente ao longo do corpo da água. Por isso, a claridade da água ou a análise do tubo T é possível e hiperespectral sensoriamento remoto e por isso, diz que rio aerotransportado ao longo do rio o voo foi levado. Por isso, diferentes estágios são diferentes claridade da água podem ser identificados com muita facilidade. Também foram levados para cá locais de amostragem também para confirmar e em ordem de água a clareza que foi detectada através de sensoriamento remoto hiperespectral. Assim, em caso de água em caso de mineral em caso de atmosfera em caso de vegetação em todos os lugares hiperespectral sensoriamento remoto pode ser usado, então, basicamente no final desta discussão, gostaria de mencionar mais uma vez para você saber e no final desta