Çevremizdeki nesneler tarafından yayılan toplam enerjinin gözümüzle sadece küçük bir kısmını görebiliriz. Gözlerimiz sadece elektromanyetik spektrumun görünür aralığını algılayabilir. Görünür aralık renkleri algılamamızı sağlarken, bazen sınırlayıcı olabilir.

Örneğin, iki farklı dönemde dağlık bir alanda çekilen aşağıdaki iki uydu görüntüsünü ele alalım.

Görsel bir incelemeden, yeşil renk nedeniyle bölgenin bitki örtüsüne sahip olduğu sonucuna varabiliriz. Bununla birlikte, bitki örtüsü türlerini ayırt edemiyoruz ve iki yıl arasındaki dağılımlarındaki değişiklikleri tespit etmek mümkün değildir.  Bunun nedeni, farklı bitki örtüsü türlerinin elektromanyetik spektrumun görünür aralığında neredeyse benzer yansımaya sahip olmalarıdır: çünkü bitkiler yeşil ışığı yansıtırlar.

Bununla birlikte, görünür aralığın ötesinde, bitki örtüsü türleri, ayırt edilmelerini kolaylaştıran farklı yansıtma özelliklerine sahiptir. Bu nedenle, bu örnekte, bitki örtüsünün yansıma özelliklerini görünür aralığın ötesinde kullanmak, farklı ağaç türlerini sınıflandırmamıza ve dağılımlarındaki değişiklikleri incelememize olanak tanır (haritalarda olduğu gibi)

Yukarıdaki örnek, görünür spektrumun ötesini görebilmenin avantajlarından birini göstermektedir. Neyse ki, bunun için gözlerimize güvenmek zorunda değiliz.

Bazı uydu sensörleri, elektromanyetik spektrumun görünen ve görünmeyen kısımlarını algılayabilir. Bu tür sensörlere multispektral veya hiperspektral sensörler denir ve ortaya çıkan görüntüler multispektral veya hiperspektral görüntülerdir  .

Multispektral görüntü, elektromanyetik spektrumun çoklu spektral bantlarını içeren görüntülerdir. Elektromanyetik spektrumun belirli bölümlerinde yansıyan enerjiyi ölçen sensörler tarafından toplanırlar.

Çoğu multispektral görüntü,  elektromanyetik spektrumun kızılötesi kısımlarına görünür 4-12 bant içerir. Bir USGS raporuna göre, multispektral görüntüler 36’ya kadar dalga boyu bandı içerebilir.

Multispektral görüntüleri her seferinde bir bantta tek renkli bir görüntü olarak veya bir renk bileşimi olarak birlikte görüntüleyebiliriz.

Elektromanyetik spektrum, elektromanyetik radyasyonun tüm dalga boyu aralığıdır. Analitik amaçlar için, elektromanyetik spektrum, her biri bir dalga boyu aralığını temsil eden bantlara (bölümlere) bölünmüştür. Bantlara isimleriyle atıfta bulunuyoruz: gama ışınları, x-ışınları, ultraviyole ışınları, görünür ışık (0.4μm – 0.7μm), kızılötesi (0.7μm – 100μm), mikrodalgalar (1mm – 1m) ve radyo dalgaları.

Görünür kısım – gözlerimizle algıladığımız – ayrıca mavi, yeşil ve kırmızı bölgelere ayrılmıştır. Benzer şekilde, kızılötesi bant yakın kızılötesi, orta kızılötesi ve uzak kızılötesi bölgelere ayrılmıştır.

Spektrumun farklı bölümleri, Dünya yüzeyindeki çeşitli özellikler hakkında bilgi sağlamakla ilgilidir. Ama önce hangi bandı veya bantları kullanacağımızı belirlememiz gerekiyor. Bu da spektral imzaların anlaşılmasını gerektirir.

Spektral imza, bir nesne tarafından elektromanyetik spektrumun farklı bölümlerine yansıtılan gelen enerji miktarıdır. Spektral imzaları genellikle farklı dalga boylarında yansıyan enerjideki değişimi gösteren bir grafik (spektral tepki eğrisi) olarak temsil ederiz.

Aşağıdaki grafik, farklı nesnelerin spektral imzalarını gösteren bir spektral tepki eğrisi örneğidir.

Ayrıca bir nesnenin spektral imzası sabit değildir. Diğer şeylerin yanı sıra, malzemenin fiziksel özelliklerine, atmosferik etkilere ve sensörün görüş açısına bağlı olarak değişir. Bu nedenle, spektral tepki eğrileri bazen değişkenliği göstermek için ince bir çizginin aksine gölgeleme olarak çizilir.

Spektral imzalar, uzaktan algılanan görüntülerdeki farklı nesneleri tanımlamaya yardımcı olur.

Örneğin, yukarıdaki spektral tepki eğrisinden…

• Bitki örtüsü, görünür kısımda daha fazla yeşil ışık yansıtır ve yakın kızılötesi bantta en yüksek yansımaya sahiptir.
• Çıplak toprak, görünür ve yakın kızılötesi bantlarda yansımada kademeli bir artış sergiler.
• Su, bitki örtüsüne ve görünür kısımda daha fazla yansımaya sahip topraklara kıyasla daha düşük bir yansımaya sahiptir.

Bu nedenle, farklı özelliklerin spektral tepki özelliklerini anlamak, bunların tanımlanmasını kolaylaştırır.

Ayrıca, spektral tepki özelliklerinin incelenmesi, çeşitli özellik özelliklerini ölçmek için kullanılan indekslerin geliştirilmesine yardımcı olur. Bir örnek,  bitki örtüsü olan alanları belirlemek ve durumlarını değerlendirmek için kullanılan Normalleştirilmiş Fark Bitki Örtüsü İndeksidir (NDVI).

https://uydushop.com.tr adresinden edinebileceğiniz Pleiades Neo,görüntüleri güçlü bir multispektral sensöre iyi bir örnektir.

Hiperspektral görüntüler, elektromanyetik spektrumun görünür ve kızılötesi bölgeleri boyunca dar, bitişik bölümlerde toplanan yüzlerce dalga boyu bandını içerir. USGS,37+ bantlı görüntüleri hiperspektral görüntüler olarak sınıflandırır.

Hiperspektral uzaktan algılamanın avantajı, bir görüntüdeki her piksel için neredeyse sürekli bir yansıma spektrumunun elde edilmesinde yatmaktadır. Dar bantlar, aksi takdirde multispektral görüntülerin nispeten geniş dalga boyu bantları kullanılarak tespit edilemeyecek olan özelliklerdeki küçük farklılıkların tespit edilmesini sağlar.

Bu nedenle hiperspektral görüntüler, örneğin bitki örtüsü, su, toprak, mineraller vb. gibi ilgilenilen nesnelerin fiziksel ve kimyasal özelliklerinin tanımlanmasını ve nicel değerlendirmesini geliştirir.

Aşağıdaki tabloda, bant sayısı, renk örneği ve çözünürlük gibi ayrıntılarla birlikte hiperspektral sensör örnekleri yer almaktadır.

Yukarıdaki tabloya güncelleme: EnMAP uydusu 1 Nisan 2022’de başarıyla fırlatıldı.

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

Elektromanyetik spektrumun aynı bölümündeki hiperspektral bantların (altta) sayısı ile karşılaştırıldığında multispektral bantların sayısı (üstte).

Aşağıdaki tablo farklılıkları özetlemektedir.

Multispektral görüntüler, bitki örtüsü türlerinin, toprakların, suyun ve insan yapımı yapıların ayırt edilmesi için kullanışlıdır. Daha yüksek spektral çözünürlükleri sayesinde, hiperspektral görüntüler, özelliklerin daha ince ölçekli bir şekilde ayırt edilmesini sağlar. Hiperspektral görüntüler, multispektral sensörler tarafından tespit edilemeyen spektral ayrıntıları ortaya çıkarmak için özellikle kullanışlıdır.

Bu bölümde, multispektral görüntülerin uygulamalarına bakıyoruz ve hiperspektral görüntülerin nerede devreye girebileceğine işaret ediyoruz. Elektromanyetik spektrumun farklı bölümlerinin önemini göstermek amacıyla, her uygulama için uygun olanları özetliyoruz.

Uygulamaları, bitki örtüsü, toprak, su ve kayalar/mineraller gibi ilgilenilen olgulara göre gruplandırıyoruz.

Işık bitki örtüsüne çarptığında yansıma, absorpsiyon veya iletim meydana gelir. Bunlar yaprakların kimyasal, yapısal ve biyolojik özelliklerinden etkilenir. Bitkiler ve ışık arasındaki bu etkileşim, bitki özelliklerinin keşfedilmesini sağlar.

Özetle:

• Sağlıklı bitkiler ultraviyole ışığı emer (100-400 nm)
• Bitki örtüsü yeşil görünür çünkü elektromanyetik spektrumun görünür yeşil kısmını yansıtır, ancak görünür kırmızı ve mavi kısımları emer
• Klorofil gibi yaprak pigmentleri, görünür aralıktaki (400-700 nm) yansımayı etkiler
• Yaprak hücrelerinin yapısı, yakın kızılötesi bölgedeki (700-1000 nm) yansımayı etkiler

Bitki su içeriği ve biyokimyası (örneğin, protein ve selüloz içeriği) kısa dalga kızılötesi bölgesindeki (1000-2500 nm) yansımayı etkiler

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.

Spektral tepki modeli, farklı bitki türleri arasında farklılık gösterir ve uzaktan algılanan görüntüleri kullanarak türlerin tanınmasını sağlar.

Örneğin, aşağıdaki grafik kozalaklı, yaprak döken ve çim bitki örtüsünün spektral tepki modellerini göstermektedir. Görünür aralıktaki yansımaları hemen hemen aynı olsa da, yakın kızılötesi aralıkta farklı yansıma desenleri sergilerler ve sınıflandırmalarını sağlarlar.

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 çalışır?

Bir bitki sağlıksız veya stres altında olduğunda, daha az klorofil üretir. Daha az klorofil, görünür kırmızı bölgede daha yüksek yansıtma 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(red-edge) 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.

Hiperspektral görüntüler, multispektral görüntülerden ziyade bitki örtüsünün ince spektral özellikleri hakkında daha fazla bilgi içerir. Bu nedenle bitki çeşitleri arasında ayrım yapmak, bitki örtüsü stresini tespit etmek ve hatta biyokütleyi daha ayrıntılı olarak tahmin etmek için kullanışlıdırlar.

Ek olarak, bazı durumlarda, hiperspektral görüntülerin dar bantlarını kullanarak bitki örtüsü indekslerinin oluşturulması, multispektral görüntülerden türetilen bitki örtüsü indekslerinden daha iyi biyofiziksel parametreler (örneğin, biyokütle ve yaprak alanı indeksi) tahminleri verir.

Toprakların spektral yansıması, fiziksel ve kimyasal özelliklerine göre değişir. Bu etkileşimler, nem içeriği, organik madde içeriği, demir içeriği, doku, pürüzlülük ve mineral bileşimi gibi toprak özelliklerini incelemek için multispektral veri uygulamalarına yol açar.

Toprak nemi tahmini, diğerlerinin yanı sıra tarım, hidrolojik ve karbon döngüsü çalışmalarında önemlidir.

Görünür dalga boylarındaki toprak yansıması, daha fazla değişimin olmadığı doyma noktasına kadar artan toprak nemi azalır. Benzer şekilde, yakın kızılötesi bölgedeki toprak yansıması, artan nem ile azalır. Bu yansıtma özellikleri, multispektral bantlar kullanılarak nem içeriğinin belirlenmesine izin verir.

Toprak organik madde içeriğinin belirlenmesi, toprak yönetimi, hassas tarım için mevcut besin maddelerinin tahmini ve iklim değişkenliği çalışmaları için önemlidir.

Çalışmalar, farklı multispektral bantlardaki toprak yansıtma özelliklerinin toprak organik maddesini tahmin etmek için kullanılabileceğini göstermiştir. Örneğin, organik maddedeki bir artış (sadece %2’yi aşan miktarlar bile) toprak yansıması üzerinde önemli bir etkiye sahiptir. Spesifik olarak, organik madde, genel toprak yansıtıcılığını,  ötesinde daha fazla değişiklik olmayan %5’lik bir organik madde içeriğine kadar azaltır.

Su, gelen enerjinin yalnızca yaklaşık %10’unu yansıtır. Bunların çoğu, elektromanyetik spektrumun görünür kısmındadır ve yakın kızılötesi bölgede çok az yansıma vardır veya hiç yansıma yoktur.

Bununla birlikte, derinlik, asılı çökeltiler ve su bitki örtüsü gibi su özelliklerine bağlı olarak, su kütlelerinin benzersiz yansıtma özellikleri vardır. Bu nedenle multispektral görüntüler, bu değişken su ortamlarının incelenmesinde yararlıdır.

Bir uygulama alanı da su kalitesinin belirlenmesidir.

Su kalitesi,  çözünmüş mineraller, askıda malzeme, bakteri seviyeleri, oksijen seviyeleri, tuzluluk vb. dahil olmak üzere çeşitli göstergeler kullanılarak değerlendirilir. Bu göstergeler, görünür ve yakın kızılötesi kısımlardaki suyun optik özelliklerini etkiler ve bu nedenle bunların tanımlanması uzaktan algılama tekniklerinden yararlanabilir.

Dünya yüzeyinde çok sayıda kaya ve mineral var. Her birinin renk, doku, kimyasal bileşim vb. tarafından belirlenen benzersiz yansıtma özellikleri vardır.

Multispektral görüntüler, maden aramanın ilk aşamalarında hayati bir rol oynar: spektrumun görünür ve kızılötesi kısımlarındaki yansımalarına dayalı olarak farklı kayaların ve minerallerin ayırt edilmesini ve haritalandırılmasını sağlar.

Maden aramanın yanı sıra, multispektral görüntüler madencilik alanlarının çevresel olarak izlenmesini de kolaylaştırır. Geoinformasyon teknolojisinin, maden operatörlerinin çevreyi korumasına ve maden yaşam döngüsü boyunca iyileştirme planlamasına nasıl olanak tanıdığını inceleyebilirsiniz.

Geniş spektral bantları nedeniyle, multispektral görüntüler, kayaların ve minerallerin ayrıntılı sınıflandırılmasında sınırlıdır, bir piksel içindeki mineral bileşenlerin dağılımını tahmin edebilirsiniz.

Bununla birlikte, ince spektral çözünürlüklü hiperspektral görüntülerin uygulanması, çok çeşitli minerallerin tanımlanmasını sağlar ve bileşimlerinin ve bolluklarının belirlenmesine izin verir.

İnsan gözü, elektromanyetik spektrumun görünür kısmı ile sınırlıdır. Bununla birlikte, uzaktan algılama sistemleri, görünenin ötesinde ve tüm spektrumda ölçüm yapma fırsatı sağlar.

Multispektral ve hiperspektral görüntüler, insan deneyimimizin ötesinde değişen dünyamız hakkında içgörüler ortaya koyuyor. Bize toprağın mineral bileşimi, biyokütle ve bitki sağlığı, yüzey pürüzlülüğü, bitki örtüsü türleri, okyanus sıcaklıkları ve çok daha fazlası hakkında bilgi veriyorlar.

Sedat Bakıcı