Jag accepterar att kakor lagras på min dator

Läs mer

Estimation of atmosphere and object properties in hyperspectral longwave infrared data.

Estimation of atmosphere and object properties in hyperspectral longwave infrared data. Beställ tryckt exemplar Lägg i kundvagnen
Författare: Ahlberg Jörgen
Ort: Linköping
Sidor: 38
Utgivningsår: 2006
Publiceringsdatum: 2006-01-01
Rapportnummer: (FOI-R--2095--SE)
Nyckelord hyperspektral, långvågsinfrarött, atmosfärskorrektion, hyperspectral, longwave infrared, atmospheric correction
Sammanfattning Vi presenterar en metod för estimering av atmosfärsparametrar ur hyperspektrala långvågsinfraröda (LWIR) data. Metoden involverar även estimering av objektparametrar (temperatur och emissivitet) begränsat av att emissiviteten är konstant för alla våglängder. Metoden analyseras med avseende på känslighet för brus och antalet spektralband. Simuleringar med syntetiska signaturer samt signaturer från riktig vegetation har använts för att validera analysen. Simuleringar inkluderar än så länge inte en särskilt realistisk sensormodel. Flera ämnen för fortsatta studier har identifierats, bland dem behovet av mer realistiska sensormodeller, robust estimering från multipla observationer, samt fortsättningen mot temperatur-emissivitetsseparation (TES) och materialklassificering. En slutsats är att den föreslagna metoden kan användas med så få som 10-20 spektralband vid måttliga brusnivåer. Mer än 20 band förbättrar inte estimaten.
Abstract We present a method for atmospheric estimation in hyperspectral longwave infrared (LWIR) data. The methods also involves the estimation of object parameters (temperature and emissivity) under the restriction that the emissivity is constant for all wavelenghts. The method is analyzed with respect to its sensitivity to noise and number of spectral bands. Simulations with synthetic signatures and signatures from real vegetation are performed to validate the analysis. However, the simulations do not yet include a realistic model of sensor noise. Several issues for further studies have been identifies, among them the need for more realistic sensor models, robust estimation using multiple observations, and the continuation towards temperature-emissivity separation (TES) and material classification. In conclusion, the proposed method allows estimation with as few as 10-20 spectral bands at moderate noise levels. More than 20 bands does not improve the estimates.

Kundvagn

Inga rapporter i kundvagnen

FOI, Totalförsvarets forskningsinstitut

FOI
Totalförsvarets forskningsinstitut
164 90 Stockholm

Tel: 08-555 030 00
Fax: 08-555 031 00

Orgnr: 202100-5182