Obrada satelitskih snimaka: Od spektra do analize površine

Obrada satelitskih snimaka

Obrada i analiza digitalne slike

Obrada i analiza digitalne slike

Popularno predavanje

Šta su satelitski snimci?

Satelitski snimci su digitalne slike Zemljine površine snimljene senzorima postavljenim na satelitima u orbiti. Za razliku od fotografija koje vidimo golim okom, satelitski snimci mogu bilježiti svjetlost u različitim dijelovima elektromagnetnog spektra — od vidljivog, do infracrvenog i mikrovalnog dijela.

Ovi snimci omogućavaju posmatranje velikih površina u kratkom vremenskom roku, što ih čini nezamjenjivim alatom u nauci, planiranju i upravljanju resursima. Svaki piksel na snimku nosi numeričku vrijednost koja predstavlja intenzitet reflektovanog ili emitovanog elektromagnetnog zračenja.

Istorija satelitskog daljinskog istraživanja

Prva era satelitskog posmatranja Zemlje počela je lansiranjem Sputnjika 1957. godine. Međutim, pravi prodor u civilnoj primjeni donijelo je lansiranje programa Landsat 1972. godine — prvog satelita namijenjenog sistematskom promatranju kopna. Tokom 1970-ih i 1980-ih razvijeni su multispektralni senzori koji su omogućili snimanje izvan vidljivog spektra. Sa razvojem digitalne tehnologije i računarskih kapaciteta 1990-ih, obrada satelitskih snimaka postala je dostupna istraživačima širom svijeta. Danas postoji više od 700 aktivnih satelita za promatranje Zemlje, a rezolucija komercijalnih snimaka dostiže i manje od 30 cm po pikselu.

1957

Sputnik

1972

Landsat 1

1986

SPOT-1

1999

IKONOS

2014

Sentinel program

2020+

komercijalna era

Vrste satelita prema orbiti

Sateliti za promatranje Zemlje razlikuju se prema visini i tipu orbite, što direktno utiče na karakteristike snimaka koje proizvode.

Niskoorbitalni sateliti (LEO — Low Earth Orbit, 160–2000 km)

Nalaze se najbliže Zemlji i pružaju snimke visoke prostorne rezolucije. Prolaze iznad iste tačke jednom ili dva puta dnevno. Primjeri: Landsat, Sentinel, WorldView.

Geostacionarni sateliti (GEO — ~36.000 km)

Ostaju iznad iste tačke na Zemlji i konstantno prate određeno područje. Idealni za meteorologiju i praćenje vremenskih prilika. Primjeri: GOES, Meteosat.

Sunčano-sinhrone orbite (SSO)

Posebna vrsta LEO orbite u kojoj satelit prolazi iznad iste tačke uvijek u isto lokalno solarno vrijeme, čime se osigurava konzistentno osvjetljenje na snimcima.

Elektromagnetni spektar i daljinsko istraživanje

Elektromagnetni spektar obuhvata sve vrste elektromagnetnog zračenja, od gama zraka do radio talasa. Satelitski senzori bilježe energiju u različitim dijelovima ovog spektra, što im daje sposobnost da "vide" ono što ljudsko oko ne može.

Vidljivi spektar (0.4–0.7 μm):

Odgovara onome što vidimo — plava, zelena i crvena boja. Koristi se za vizuelnu interpretaciju terena.

Blisko infracrveno (NIR, 0.7–1.3 μm):

Vegetacija snažno reflektuje NIR zrake, pa se koristi za analizu zdravlja biljaka i biomase.

Kratkovalno infracrveno (SWIR, 1.3–2.5 μm):

Korisno za detekciju vlage u tlu i vegetaciji, kao i za geološke analize.

Termalno infracrveno (TIR, 8–14 μm):

Mjeri temperaturu površine. Koristi se za urbanu toplotnu analizu i praćenje vulkana.

Mikrovalno/radar (1 mm – 1 m):

Prodire kroz oblake i može snimati noću. Temelj SAR (Synthetic Aperture Radar) tehnologije.

Daljinsko Istraživanje

Spektralni opsezi

Prostorna, spektralna i vremenska rezolucija

Kvalitet i upotrebljivost satelitskog snimka određuju tri ključne vrste rezolucije:

Prostorna rezolucija

Predstavlja veličinu najmanjeg objekta koji se može razlikovati na snimku, tj. veličinu jednog piksela na tlu. Kreće se od kilometra (meteorološki sateliti) do manje od 30 cm (komercijalni sateliti visoke rezolucije poput WorldView-3). Što je veća prostorna rezolucija, to je manji obuhvat jedne scene.

Spektralna rezolucija

Odnosi se na broj i širinu spektralnih kanala (traka) koje senzor bilježi. Multispektralni senzori imaju 4–10 traka, dok hiperspektralni senzori mogu imati i više od 200 uskih traka. Veća spektralna rezolucija omogućava finije razlikovanje materijala na površini.

Vremenska rezolucija

Koliko često satelit ponovo snima istu lokaciju. Može biti od nekoliko sati (konstelacije satelita) do 16 dana (Landsat). Ključna je za praćenje dinamičnih pojava kao što su poplave, požari ili usjevi.

Vrste rezolucije

Obrada satelitskih snimaka

Senzori i tipovi snimaka

Senzori na satelitima mogu biti pasivni ili aktivni, što određuje način na koji prikupljaju podatke.

Pasivni senzori

Mjere prirodno Sunčevo zračenje reflektovano od površine ili termalno zračenje koje emituje sama površina. Ovi senzori ne mogu raditi noću (osim u termalnom infracrvenom) niti kroz guste oblake.

Landsat OLI/TIRS, Sentinel-2 MSI, MODIS.

Aktivni senzori

Emituju vlastito elektromagnetno zračenje prema površini i mjere povratni signal. Mogu raditi danonoćno i u svim vremenskim uvjetima. Najvažniji tip je SAR (Synthetic Aperture Radar) koji koristi mikrovalove.

Sentinel-1 SAR, TerraSAR-X, ALOS PALSAR.

Lidar (Light Detection and Ranging)

Aktivni laserski senzori koji mjere visine i 3D strukturu terena i vegetacije. Koriste se za izradu digitalnih modela terena (DEM) iznimne preciznosti.

Predobrada satelitskih snimaka

Prije bilo kakve analize, satelitski snimci moraju proći kroz niz koraka predobrade kako bi bili geometrijski ispravni, radiometrijski usporedivi i vizualno interpretabilni.

Radiometrijska korekcija

Pretvara digitalne vrijednosti piksela (DN) u fizikalne veličine (radijansa/reflektansa). Uklanja efekte senzora i osigurava usporedivost između različitih scena.

Atmosferska korekcija

Uklanja uticaj atmosfere (raspršivanje i apsorpcija) da bi se dobila stvarna reflektansa. Može biti relativna ili apsolutna (npr. MODTRAN, 6S).

Geometrijska korekcija i orto-rektifikacija

Ispravlja izobličenja uzrokovana nagibom terena i karakteristikama senzora. Koristi se digitalni model terena (DEM) i tačke oslonca (GCP).

Mozaikovanje i rezanje

Spajanje više scena u jednu bezšavnu cjelinu i isjecanje na područje interesa (AOI).

Vegetacijski indeksi — NDVI i drugi

Vegetacijski indeksi su matematički izrazi koji kombinuju vrijednosti iz različitih spektralnih traka kako bi istaknuli određena svojstva vegetacije ili površine.

NDVI

(Normalized Difference Vegetation Index)

Najpoznatiji i najkorišteniji indeks. Računa se kao: <strong>NDVI = (NIR − Crvena) / (NIR + Crvena)</strong>. Vrijednosti se kreću od -1 do +1. Visoke pozitivne vrijednosti (> 0.6) označavaju gustu zdravu vegetaciju, vrijednosti oko nule označavaju golo tlo, a negativne vrijednosti vodu i snijeg.

EVI

(Enhanced Vegetation Index)

Poboljšana verzija NDVI koja smanjuje uticaj atmosfere i saturacije u gustoj vegetaciji.

NDWI

(Normalized Difference Water Index)

Koristi zelenu i NIR traku za detekciju vodenih površina.

NDBI

(Normalized Difference Built-up Index)

Naglašava izgrađene i urbane površine korištenjem SWIR i NIR trake.

Ovi indeksi nalaze primjenu u praćenju stanja usjeva, procjeni suše, kartiranju šuma, detekciji poplavnih zona i upravljanju vodnim resursima.

Praćenje i procjena vegetacije

Spektralna Analiza

Klasifikacija satelitskih snimaka

Obrada i analiza digitalne slike

Popularno predavanje

Detekcija promjena

Change Detection

Detekcija promjena je postupak identifikacije razlika između dva ili više snimaka snimljenih u različitim vremenskim trenucima. Jedna je od najvažnijih primjena satelitske daljinske detekcije.

Razlika slika (Image Differencing):

Najjednostavnija metoda — oduzimanje vrijednosti piksela između dva snimka. Značajne pozitivne ili negativne razlike ukazuju na promjenu.

Analiza glavnih komponenti (PCA):

Statička metoda koja transformiše višestruke snimke u nepovezane komponente, pri čemu kasnija komponente često sadržavaju informacije o promjenama.

Post-klasifikacijska usporedba:

Svaki snimak se zasebno klasifikuje, a zatim se uspoređuju klasifikacijske mape. Omogućava identifikaciju tipa promjene (npr. šuma → urbano).

Primjene

Praćenje deforestacije tropskih šuma, širenje urbanih područja, erozija obalne linije, posljedice prirodnih katastrofa (požari, poplave, klizišta), promjene u korišćenju poljoprivrednog zemljišta.

Obrada satelitskih snimaka

Fuzija snimaka i poboljšanje rezolucije

Fuzija snimaka (Image Fusion ili Pansharpening) je tehnika kombiniranja snimaka različitih prostornih i spektralnih rezolucija kako bi se dobio snimak koji istovremeno ima visoku prostornu i spektralnu rezoluciju.

Pansharpening

PAN (Panchromatic)

Snima u jednoj širokoj spektralnoj traci (uglavnom vidljivi spektar) s visokom prostornom rezolucijom.

MS (Multispektralni)

Snima u više spektralnih traka, ali nažalost s nižom prostornom rezolucijom.

IHS transformacija (Intensity-Hue-Saturation), Brovey transformacija, PCA fusija, Gram-Schmidt metoda.

Super-rezolucijska rekonstrukcija

Koristi modele dubokog učenja za povećanje prostorne rezolucije snimka iznad izvornih hardverskih mogućnosti senzora. Algoritmi poput SRCNN i ESRGAN pokazali su se jako uspješnima na satelitskim snimcima.

Fuzija podataka (Data Fusion)

Kombiniranje optičkih i SAR (radarskih) snimaka za dobivanje informacija koje nijedan senzor ne može pružiti samostalno.

Obrada satelitskih snimaka

Primjene u poljoprivredi i šumarstvu

Satelitski snimci su postali nezamjenjiv alat u preciznoj poljoprivredi i upravljanju šumskim resursima.

Praćenje zdravlja usjeva

Korištenjem NDVI i srodnih indeksa moguće je pratiti razvoj vegetacije tokom sezone, rano detektovati stres od suše ili bolesti, i planirati navodnjavanja.

Procjena prinosa

Modeli temeljeni na satelitskim indeksima mogu predvidjeti prinos usjeva na nivou parcele, regije ili čitave države za planiranje sigurnosti.

Kartiranje korišćenja zemljišta

Razlikovanje pšenice, kukuruza i drugih kultura na osnovu fenološkog potpisa (vremenskog profila NDVI).

Deforestacija i degradacija šuma

Programi kao što su PRODES i Global Forest Watch prate gubitak šumskog pokrivača u realnom vremenu koristeći Landsat i Sentinel-2.

Upravljanje požarima

Detekcija aktivnih požara, procjena opožarenih površina i praćenje prirodnog oporavka vegetacije na pogođenim područjima.

Obrada i analiza digitalne slike

Popularno predavanje

Primjene u urbanizmu i klimatskim promjenama

Satelitski snimci igraju ključnu ulogu u praćenju urbane ekspanzije i klimatskih indikatora.

Kartiranje urbanog rasta

Analiza vremenskih serija satelitskih snimaka otkriva kako se gradovi šire tokom decenija. Posebno su vrijedni podaci o neplanskoj izgradnji i suburbanizaciji u zemljama u razvoju.

Urban Heat Island (UHI) efekat

Termalni infracrveni snimci (Landsat Band 10) otkrivaju razlike u temperaturi površine između gusto izgrađenih gradskih područja i zelenih zona, što je kritično za planiranje klimatski otpornih gradova.

Praćenje ledenjaka i polarnog leda

Multitemporalne satelitske serije dokumentuju povlačenje alpskih ledenjaka i smanjenje arktičkog morskog leda — jedno od najtragičnijih vizualnih svjedočanstava klimatskih promjena.

Porast razine mora i erozija obale

Kombinovanjem satelitske altimetrije i optičkih snimaka moguće je pratiti promjene u obalnoj liniji i rizike od plavljenja.

Praćenje kvaliteta zraka

Sentinel-5P TROPOMI senzor mjeri koncentracije NO₂, SO₂, CO i metana u atmosferi s globalnim pokrićem.

Obrada i analiza digitalne slike

Popularno predavanje

Alati i platforme za obradu snimaka

Postoji niz besplatnih i komercijalnih alata koji omogućavaju preuzimanje, predobradu, analizu i vizualizaciju satelitskih snimaka.

QGIS + GRASS GIS

Besplatni open-source GIS alati koji podržavaju učitavanje, vizualizaciju i analizu rasterskih snimaka, uključujući izračun indeksa i klasifikaciju.

ESA SNAP (Sentinel Application Platform)

Specijalizovani alat Evropske svemirske agencije za obradu Sentinel podataka. Uključuje module za SAR obradu, atmosfersku korekciju (Sen2Cor) i klasifikaciju.

Google Earth Engine (GEE)

Moćna cloud platforma koja nudi pristup petabajtima satelitskih arhiva i omogućava obradu direktno u oblaku putem JavaScript ili Python API-ja.

Python ekosistem

Biblioteke poput rasterio, GDAL, xarray, scikit-image, sentinelsat i earthpy čine Python primarnim programskim jezikom za naprednu obradu satelitskih podataka.

Copernicus Open Access Hub

ESA portal za besplatno preuzimanje Sentinel podataka s latencijom od svega nekoliko sati od snimanja.

Obrada i analiza digitalne slike

Satelitske tehnologije

Zaključak

Budućnost obrade satelitskih snimaka

Obrada satelitskih snimaka je dinamična i brzorastuća oblast na razmeđi daljinskog istraživanja, računarskog vida i prostorne analize. Uz sve veću dostupnost podataka — zahvaljujući open-data politikama ESA i NASA — i eksplozivni razvoj metoda dubokog učenja, satelitska analiza postaje moćnija i demokratičnija nego ikad.

Ključni trendovi za budućnost uključuju: sve veće konstelacije malih satelita (smallsats) s vremenskom rezolucijom od svega nekoliko sati; integraciju AI modela za automatsku detekciju i klasifikaciju u realnom vremenu; primjenu cloud computinga (Google Earth Engine, Microsoft Planetary Computer) za globalnu analizu bez lokalnog hardvera; te sve širu primjenu u klimatskim naukama, humanitarnom djelovanju i upravljanju prirodnim katastrofama.

Satelitski snimci više nisu privilegija svemirskih agencija — oni su postali globalni javni resurs u službi nauke, politike i čovječanstva.

Hvala na pažnji!

Obrada i analiza digitalne slike