การเปรียบเทียบข้อมูลไฮเปอร์สเปกตรัมจากดาวเทียมในการทำแผนที่ทางธรณีวิทยา—ส่วนข้อมูล

เซ็นเซอร์ไฮเปอร์สเปกตรัม (HS) รุ่นใหม่จากดาวเทียมมีศักยภาพสูงสำหรับการทำแผนที่แร่ธาตุในระดับภูมิภาคขนาดใหญ่ อย่างไรก็ตาม เช่นเดียวกับเซ็นเซอร์ดาวเทียมทั้งหมด ผลลัพธ์ที่ได้ขึ้นอยู่กับกระบวนการแก้ไขที่ซับซ้อน ซึ่งต้องกำจัดผลกระทบของชั้นบรรยากาศ ภูมิประเทศ และรูปทรงเรขาคณิตก่อนที่จะได้สเปกตรัมการสะท้อนแสงอย่างแม่นยำ การแก้ไขเหล่านี้มักทำด้วยตนเอง และวิธีการที่แตกต่างกันอาจให้ผลลัพธ์ที่แตกต่างกัน Rupsa และคณะได้เปรียบเทียบข้อมูลไฮเปอร์สเปกตรัมจากดาวเทียม PRISMA, EnMAP และ EMIT กับข้อมูลภาพถ่ายทางอากาศที่ได้จากเซ็นเซอร์ HyMap เพื่อตรวจสอบความสอดคล้องระหว่างชุดข้อมูลเหล่านี้และความเหมาะสมในการนำไปใช้ในการทำแผนที่ทางธรณีวิทยา โดยพิจารณาจากความสำคัญทางธรณีวิทยา การเปิดเผยที่ดีพอสมควร สภาพภูมิอากาศแห้งแล้ง และความพร้อมของข้อมูล Rupsa และคณะได้เลือกกลุ่มหินปูน Marinkas-Quellen และ Epembe ในนามิเบียมาเปรียบเทียบ ได้ทำการเปรียบเทียบเชิงคุณภาพและเชิงปริมาณที่แตกต่างกัน 3 แบบกับข้อมูลไฮเปอร์สเปกตรัมของสถานที่เหล่านี้ ได้แก่ (1) การเปรียบเทียบความสัมพันธ์ของค่าการสะท้อนแสงในช่วงสเปกตรัมที่มองเห็นได้ใกล้รังสีอินฟราเรด (VNIR) ถึงรังสีอินฟราเรดคลื่นสั้น (SWIR); (2) การเปรียบเทียบดัชนีสเปกตรัมสำหรับแร่ธาตุเฉพาะในแต่ละฉาก; และ (3) การเปรียบเทียบความอุดมสมบูรณ์ของสเปกตรัมที่ประเมินโดยใช้การแยกส่วนเชิงเส้น ผลลัพธ์แสดงให้เห็นถึงความแตกต่างอย่างมีนัยสำคัญในความสอดคล้องระหว่างเซ็นเซอร์ต่างๆ ในช่วงสเปกตรัมที่มองเห็นได้ถึงรังสีอินฟราเรดคลื่นสั้น (VNIR ถึง SWIR) โดยมีความสอดคล้องที่ดีกว่าในช่วง VNIR และความสอดคล้องที่แย่กว่าในช่วง SWIR การศึกษาพบว่าข้อมูลสเปกตรัม SWIR จากเซ็นเซอร์ EnMAP และ EMIT มีความสมเหตุสมผลมากที่สุด (แสดงลักษณะการดูดซับที่เด่นชัดที่สุด) ในขณะที่ความอุดมสมบูรณ์ของสเปกตรัมของเซ็นเซอร์ HyMap และ PRISMA สอดคล้องกับการเปลี่ยนแปลงทางธรณีวิทยา งานวิจัยนี้เน้นย้ำถึงความจำเป็นของการแก้ไขค่ารังสีและภูมิประเทศที่แม่นยำในช่วงคลื่นอินฟราเรดระยะสั้น (SWIR) สำหรับการทำแผนที่ทางธรณีวิทยา

Rupsa และคณะ ใช้ข้อมูลไฮเปอร์สเปกตรัมคุณภาพสูง (ปราศจากเมฆ ควัน และฝุ่น) จากดาวเทียมสามดวง ได้แก่ EnMAP, EMIT และ PRISMA อย่างไรก็ตาม ข้อมูลไม่ได้ถูกเก็บรวบรวมในเวลาเดียวกัน และมีช่วงเวลาห่างกันระหว่างชุดข้อมูลต่างๆ ข้อมูลไฮเปอร์สเปกตรัมทั้งหมด รวมถึงข้อมูลจากดาวเทียมและแพลตฟอร์มบนเครื่องบิน จำเป็นต้องมีการปรับเทียบและแก้ไขผลกระทบจากชั้นบรรยากาศ เพื่อแปลงสัญญาณดิจิทัลที่วัดได้ให้เป็นค่าการสะท้อนแสงพื้นผิวที่แท้จริงบนเซ็นเซอร์

รูปที่ 1. พื้นที่ครอบคลุมของเซ็นเซอร์แต่ละตัว

ตารางที่ 1. ข้อมูลโดยละเอียดเกี่ยวกับเซนเซอร์ไฮเปอร์สเปกตรัมชนิดต่างๆ

พื้นที่ศึกษา

มารินคาส-เกลเลน ตั้งอยู่ทางตอนใต้ของนามิเบีย ใกล้กับชายแดนแอฟริกาใต้ เป็นกลุ่มหินปูนที่ประกอบด้วยหินซิลิเกตและหินปูน รวมถึงหินปูนที่มีแคลเซียม แมกนีเซียม และเหล็ก กลุ่มหินปูนนี้มีอายุตั้งแต่ยุคแคมเบรียนตอนต้น และการก่อตัวของมันเกี่ยวข้องกับกิจกรรมการแยกตัวของแผ่นดินภายใน

กลุ่มหินปูนเอเปมเบ ซึ่งตั้งอยู่ทางตอนเหนือของนามิเบีย ประกอบด้วยหินปูนแคลเซียม (โซไวต์) เป็นหลัก โดยมีบริเวณแคบๆ ของหินปูนแมกนีเซียมแทรกอยู่ กลุ่มหินปูนนี้มีอายุย้อนไปถึงยุคเมโซโซอิกตอนต้น และตั้งอยู่ในเขตที่ไม่ต่อเนื่องกันซึ่งทอดยาวไปทางทิศตะวันตกเฉียงเหนือจากเหนือจรดใต้

การคัดเลือกหัวข้อวิจัยทั้งสองนี้พิจารณาจากปัจจัยดังต่อไปนี้:

ความสำคัญทางธรณีวิทยา: กลุ่มหินปูนของนามิเบียมีความเกี่ยวข้องกับธาตุหายากซึ่งมีความสำคัญต่อการเปลี่ยนผ่านสู่พลังงานสีเขียว

สภาพแวดล้อมเอื้ออำนวย: โครงสร้างทางธรณีวิทยาของพื้นที่ศึกษาปรากฏให้เห็นชัดเจน ซึ่งเอื้อต่อการวิจัยโดยใช้เทคโนโลยีการสำรวจระยะไกล

ภูมิอากาศแห้งแล้ง: ภูมิอากาศแห้งแล้งทำให้พืชพรรณปกคลุมน้อยลง ส่งผลให้ดาวเทียมตรวจจับลักษณะทางธรณีวิทยาที่เป็นหินได้ง่ายขึ้น

ความพร้อมใช้งานของข้อมูล: มีข้อมูลมัลติสเปกตรัมจากดาวเทียมและข้อมูลตัวอย่างหินภาคพื้นดินสำหรับพื้นที่ศึกษา

รูปที่ 2. ที่ตั้งทางภูมิศาสตร์และลักษณะทางธรณีวิทยาของพื้นที่ศึกษา

วิธีการวิจัย

1. การประมวลผลข้อมูลเบื้องต้น

ผู้ให้บริการข้อมูลไฮเปอร์สเปกตรัมจากดาวเทียมมักนำเสนอข้อมูลที่ผ่านการประมวลผลล่วงหน้าในระดับต่างๆ ซึ่งรวมถึง:

• ข้อมูลการสอบเทียบทางเรขาคณิตและเซ็นเซอร์ (ระดับ L0): ข้อมูลดิบที่ยังไม่ได้ผ่านกระบวนการสอบเทียบใดๆ
• รังสีบรรยากาศระดับสูงสุดที่ปรับแก้ค่าแล้ว (ระดับ L1): ข้อมูลเหล่านี้ได้รับการปรับแก้ค่ารังสีแล้วเพื่อให้ได้ข้อมูลรังสีที่ดีขึ้น แต่ยังคงรวมถึงปัจจัยทางบรรยากาศและปัจจัยอื่นๆ ที่มีอิทธิพลอยู่ด้วย
• ค่าประมาณการสะท้อนแสงพื้นผิวที่ปรับแก้ผลกระทบจากชั้นบรรยากาศ (ระดับ L2): ข้อมูลที่ปรับแก้ผลกระทบจากชั้นบรรยากาศแล้วจะให้ค่าประมาณการที่ใกล้เคียงกับค่าสะท้อนแสงพื้นผิวที่แท้จริงมากที่สุด

ในการศึกษาครั้งนี้ใช้ข้อมูล L2 (ดูตารางที่ 2) ได้คำนึงถึงประสิทธิภาพของเซ็นเซอร์และความไม่สอดคล้องกันระหว่างเซ็นเซอร์ที่เกิดจากความไม่แม่นยำในขั้นตอนการประมวลผลล่วงหน้าของแต่ละเซ็นเซอร์แล้ว โดยกระบวนการประมวลผลล่วงหน้าต่างๆ มีดังนี้:

• การแก้ไขทางเรขาคณิต: ช่วยให้มั่นใจได้ถึงความถูกต้องเชิงพื้นที่ของภาพ และแก้ไขความบิดเบี้ยวใดๆ ที่เกิดจากการเคลื่อนที่ของเซ็นเซอร์หรือการเปลี่ยนแปลงของภูมิประเทศ
• การแก้ไขค่ารังสี: แปลงสัญญาณดิจิทัลที่บันทึกไว้ให้เป็นค่ารังสีจริงที่สามารถนำไปใช้ในการวิเคราะห์ได้ โดยขจัดอิทธิพลของลักษณะเฉพาะของเซ็นเซอร์
• การแก้ไขผลกระทบจากชั้นบรรยากาศ: ขจัดผลกระทบจากการกระเจิงและการดูดกลืนแสงของชั้นบรรยากาศ เพื่อให้ได้ค่าการสะท้อนแสงที่ใกล้เคียงกับพื้นผิวโลก

ตารางที่ 2 ข้อมูลเกี่ยวกับชุดข้อมูลแต่ละชุดในการศึกษา

ปริสมา

กระบวนการสร้างข้อมูลการแผ่รังสี PRISMA L1 ประกอบด้วยการแก้ไขค่าเกณฑ์สนามราบและการแก้ปัญหาพิกเซลมืด เพื่อสร้างและปรับปรุงพารามิเตอร์การแผ่รังสี สเปกตรัม และเรขาคณิต จากนั้น ตัวประมวลผล L2 จะใช้ข้อมูลการแผ่รังสีบรรยากาศระดับสูงสุด L1 และแถบแพนโครมาติกเป็นอินพุตเพื่อสร้างข้อมูลการสะท้อนแสงพื้นผิวที่ได้รับการแก้ไขบรรยากาศขั้นสุดท้าย

เอ็นแมป

ข้อมูล L2 ที่ใช้ในการศึกษาครั้งนี้โดย EnMAP ได้มาจากการใช้โมดูลแก้ไขสภาพภูมิอากาศที่ใช้ Python (PACO) ซึ่งพัฒนาโดยศูนย์การบินและอวกาศแห่งเยอรมนี (DLR) แม้ว่า PACO จะใช้โค้ด ATCOR-IDL เป็นหลัก แต่ก็เป็นที่รู้จักกันดีในด้านขั้นตอนการสอบเทียบและการตรวจสอบความถูกต้องที่เป็นเอกลักษณ์และเข้มงวด แบบจำลองจะกำหนดความหนาแน่นของชีวนิเวศ ระดับโอโซน และฤดูกาลเฉพาะฉากโดยอัตโนมัติ โดยใช้พารามิเตอร์การกำหนดค่าเซ็นเซอร์ เช่น มุมสูงสุดของดวงอาทิตย์และมุมเบี่ยงเบนจากการสังเกต จากนั้นพารามิเตอร์เหล่านี้จะถูกนำมาใช้ในการแก้ไขโอโซน เมฆเซอร์รัส และหมอกควัน ผลลัพธ์ที่ได้จากกระบวนการนี้ ได้แก่ มาสก์ภาพ ความหนาแน่นเชิงแสงของละอองลอย แผนที่ความยาวคลื่น และภาพสะท้อนแสงในชั้นบรรยากาศระดับต่ำ ผลิตภัณฑ์สะท้อนแสง L2A ขั้นสุดท้ายเป็นการรวมกันของผลลัพธ์เหล่านี้ นอกจากนี้ EnMAP ยังมีพารามิเตอร์การรับข้อมูลที่ผู้ใช้สามารถเลือกได้หลากหลาย เช่น มุมการสังเกต ซึ่งมีความสำคัญอย่างยิ่งในพื้นที่ที่มีความแปรผันทางภูมิประเทศสูง

อีมิต

EMIT แสดงถึงความก้าวหน้าอย่างมีนัยสำคัญในด้านการถ่ายภาพไฮเปอร์สเปกตรัม โดยใช้ตัวตรวจจับที่เป็นนวัตกรรมใหม่เพื่อจับภาพสเปกตรัม VNIR-SWIR ทั้งหมดบนเซ็นเซอร์เดียว เทคโนโลยีนี้เปิดโอกาสใหม่ ๆ สำหรับภารกิจ SBG (Surface Biology and Geology) ของ NASA ที่กำลังจะเกิดขึ้น ช่วยลดความคลาดเคลื่อนระหว่างช่วง VNIR และ SWIR EMIT ใช้เครื่องมือจำลองการถ่ายโอนรังสีเพื่อสร้างผลิตภัณฑ์การสะท้อนแสงขั้นสุดท้าย และทำการสอบเทียบทางรังสีวิทยาเพื่อให้มั่นใจในความสอดคล้องของสมมติฐานและลดข้อผิดพลาดที่เกิดจากแบบจำลอง นอกจากนี้ยังใช้ประโยชน์จากคุณลักษณะของเมฆที่สว่างในภาพเพื่อตรวจสอบการสอบเทียบความยาวคลื่นสั้น (VNIR) ยิ่งไปกว่านั้น EMIT ยังใช้การสอบเทียบร่วมกับเครื่องมืออื่น ๆ ในวงโคจรเพื่อประเมินความแม่นยำสัมบูรณ์ของโปรโตคอลการสอบเทียบที่กำหนดไว้ล่วงหน้า กระบวนการทำงานการประมวลผลล่วงหน้าแบบใหม่ของ EMIT ช่วยให้มั่นใจได้ถึงคุณภาพของผลิตภัณฑ์ที่สม่ำเสมอตลอดวงจรชีวิต ความละเอียดเชิงพื้นที่ 60 เมตรตอบสนองความต้องการของภารกิจทางวิทยาศาสตร์ขนาดใหญ่ได้อย่างมีประสิทธิภาพ เช่น การทำแผนที่แร่ธาตุและการไหลของฝุ่น การติดตั้ง EMIT ในวงโคจรต่ำของโลกบนสถานีอวกาศนานาชาติยังเปิดโอกาสให้สามารถเก็บรวบรวมข้อมูลความถี่สูงได้อีกด้วย

แผนที่ไฮแมป

ชุดข้อมูลไฮเปอร์สเปกตรัมทางอากาศได้มาจากการใช้เซ็นเซอร์ HyMap ที่ระดับความสูง 2,000 เมตร โดยมีการสุ่มตัวอย่างเชิงพื้นที่ทุกๆ 5 เมตร การแก้ไขทางเรขาคณิตและทางรังสีวิทยาได้ดำเนินการโดย HyVista ซึ่งเป็นบริษัทที่ได้มาซึ่งข้อมูล การแก้ไขบรรยากาศใช้แบบจำลองละอองลอยภาคพื้นทวีปและแบบจำลองบรรยากาศฤดูร้อนในละติจูดกลาง โดยสมมติความเข้มข้นของโอโซนที่ 340 ppm และทัศนวิสัย 75 กิโลเมตร เพื่อประมาณค่าการสะท้อนแสงของพื้นผิว

ในภาพ HyMap ที่ได้รับจาก Eppembe นั้น พื้นที่ที่มีพืชพรรณถูกปิดบังไว้ อย่างไรก็ตาม การปิดบังแบบนี้ไม่ได้ทำในภาพอื่นๆ เนื่องจากที่ความละเอียด 30 เมตรและ 60 เมตร พิกเซลส่วนใหญ่จะมีพืชพรรณอยู่บ้าง

อ้างอิง: Chakraborty, R.; Rachdi, I.; Thiele, S.; Booysen, R.; Kirsch, M.; Lorenz, S.; Gloaguen, R.; Sebari, I. การเปรียบเทียบเชิงสเปกตรัมและเชิงพื้นที่ของข้อมูลไฮเปอร์สเปกตรัมจากดาวเทียมสำหรับการทำแผนที่ทางธรณีวิทยา Remote Sens. 2024, 16, 2089. https://doi.org/ 10.3390/rs16122089