Дистанционное зондирование Земли и других планет.

Введение

Получение информации на значительном расстоянии от объекта

Дистанционное зондирование – это получение информации об объекте или явлении без физического контакта с ним, в отличие от наблюдений in situ или непосредственных наблюдений на месте. Этот термин особенно часто применяется при получении информации о Земле и других планетах. Дистанционное зондирование используется в многочисленных областях, включая геофизику, географию, геодезию и большинство наук о Земле (например, разведочную геофизику, гидрологию, экологию, метеорологию, океанографию, гляциологию, геологию). Оно также находит применение в военной сфере, разведке, коммерции, экономике, планировании и гуманитарной деятельности, среди прочего. В современном понимании термин «дистанционное зондирование» обычно относится к использованию сенсорных технологий, основанных на спутниках или летательных аппаратах, для обнаружения и классификации объектов на Земле. Это включает в себя изучение поверхности, атмосферы и океанов на основе распространяющихся сигналов (например, электромагнитного излучения). Дистанционное зондирование может быть разделено на «активное» (когда сигнал излучается спутником или летательным аппаратом к объекту, а его отражение регистрируется сенсором) и «пассивное» (когда сенсор регистрирует отражение солнечного света).

Обзор

Дистанционное зондирование можно разделить на два типа методов: пассивное дистанционное зондирование и активное дистанционное зондирование. Пассивные датчики собирают излучение, которое испускается или отражается объектом или окружающей средой. Отраженный солнечный свет – наиболее распространенный источник излучения, измеряемый пассивными датчиками. Примеры пассивных датчиков включают фотопленку, инфракрасные датчики, приборы с зарядовой связью и радиометры. Активное зондирование, напротив, излучает энергию для сканирования объектов и областей, после чего датчик обнаруживает и измеряет излучение, отраженное от цели или рассеянное ею. Радары и лидары – примеры активного дистанционного зондирования, где измеряется временная задержка между излучением и приемом сигнала, что позволяет определить местоположение, скорость и направление объекта. Дистанционное зондирование позволяет собирать данные об опасных или труднодоступных районах. Области применения дистанционного зондирования включают мониторинг обезлесения, например, в бассейне Амазонки, изучение ледниковых образований в Арктике и Антарктике, а также измерение глубин прибрежных и океанических вод. Во время Холодной войны военная разведка использовала дистанционное получение данных об опасных приграничных территориях. Дистанционное зондирование также заменяет дорогостоящий и трудоемкий сбор данных на местности, при этом обеспечивая сохранность исследуемых объектов и территорий. Орбитальные платформы собирают и передают данные из различных диапазонов электромагнитного спектра, которые, в сочетании с более масштабными аэро- и наземными измерениями и анализом, предоставляют исследователям достаточно информации для мониторинга тенденций, таких как Эль-Ниньо, и других природных явлений долгосрочного и краткосрочного характера. Другие области применения включают различные отрасли наук о Земле, такие как управление природными ресурсами, сельское хозяйство (включая землепользование и охрану земель), мониторинг парниковых газов, обнаружение и мониторинг разливов нефти, а также обеспечение национальной безопасности и сбор информации с использованием воздушных, наземных и дистанционных средств в приграничных районах.

Типы методов сбора данных

Основой для многоспектральной съемки и анализа является то, что исследуемые области или объекты отражают или излучают радиацию, отличающуюся от окружающей среды. Обзор основных систем спутникового дистанционного зондирования представлен в сводной таблице.

Геодезическая

Геодезическое дистанционное зондирование может быть гравиметрическим или геометрическим. Сбор данных о гравитации с самолетов впервые применялся для обнаружения подводных лодок с воздуха. Эти данные выявили незначительные возмущения в гравитационном поле Земли, которые могут использоваться для определения изменений в распределении массы Земли и, в свою очередь, для геофизических исследований, как, например, в миссии GRACE. Геометрическое дистанционное зондирование включает в себя получение изображений положения и деформаций с использованием InSAR, LIDAR и других технологий.

Акустические и почти акустические

Сонар: пассивный сонар, улавливающий звук, издаваемый другими объектами (судами, китами и т. д.); активный сонар, излучающий звуковые импульсы и принимающий эхо, используемый для обнаружения, определения расстояния и измерения подводных объектов и рельефа. Сейсмограммы, зарегистрированные в разных точках, позволяют определить местоположение и измерить силу землетрясений (после их возникновения) путем сравнения относительной интенсивности и точного времени прихода сейсмических волн. Ультразвук: ультразвуковые датчики, излучающие высокочастотные импульсы и принимающие эхо, применяемые для обнаружения волн и уровня воды, например, в приливных измерителях или для буксировочных установок. Для координации серии масштабных наблюдений большинство сенсорных систем зависят от: местоположения платформы и ориентации датчика. Современные высокоточные приборы часто используют данные о местоположении, получаемые от спутниковых навигационных систем. Информация о вращении и ориентации обычно предоставляется с точностью до одного-двух градусов с помощью электронных компасов. Компас может измерять не только азимут (угол в градусах до магнитного севера), но и угол места (угол в градусах над горизонтом), поскольку магнитное поле входит в Землю под разными углами на разных широтах. Для более точной ориентации требуется гироскопическая система ориентации, периодически корректируемая различными методами, включая навигацию по звездам или известным ориентирам.

Характеристики данных

Качество данных дистанционного зондирования определяется его пространственным, спектральным, радиометрическим и временным разрешением.

**Пространственное разрешение** – размер пикселя, зафиксированного в растровом изображении. Обычно пиксели могут соответствовать квадратным областям со стороной от…

**Спектральное разрешение** – длина волны различных частотных диапазонов, которые регистрируются. Как правило, это связано с количеством частотных диапазонов, регистрируемых платформой. Текущая коллекция Landsat включает семь диапазонов, в том числе несколько в инфракрасном спектре, с диапазоном спектрального разрешения от 0,7 до 2,1 мкм. Сенсор Hyperion на борту Earth Observing 1 определяет 220 диапазонов от 0,4 до 2,5 мкм, с спектральным разрешением от 0,10 до 0,11 мкм на диапазон.

**Радиометрическое разрешение** – количество различных интенсивностей излучения, которые может различить сенсор. Обычно это варьируется от 8 до 14 бит, что соответствует 256 уровням серой шкалы и до 16 384 интенсивностей или "оттенков" цвета в каждом диапазоне. Оно также зависит от шума прибора.

**Временное разрешение** – частота пролетов спутника или самолета. Оно имеет значение только в исследованиях временных рядов или тех, которые требуют усредненного или мозаичного изображения, например, при мониторинге обезлесения. Впервые это было использовано разведывательным сообществом, где повторные снимки выявляли изменения в инфраструктуре, передислокацию подразделений или модификацию/внедрение оборудования. Облачность над определенной областью или объектом требует повторной съемки данной территории.

Обработка данных

Для создания карт на основе данных сенсоров, большинство систем дистанционного зондирования предполагают экстраполяцию данных сенсоров относительно опорной точки, включая расстояния между известными наземными точками. Это зависит от типа используемого сенсора. Например, в обычных фотографиях расстояния точны в центре изображения, а искажение измерений увеличивается по мере удаления от центра. Другой фактор заключается в том, что плита, к которой прижимается пленка, может вызывать значительные ошибки при измерении наземных расстояний по фотографиям. Эта проблема решается на этапе, называемом геопривязкой, который включает в себя компьютерное сопоставление точек на изображении (обычно 30 или более точек на изображение), экстраполируемых с использованием установленного опорного значения, "деформируя" изображение для получения точных пространственных данных. Начиная с начала 1990-х годов, большинство спутниковых изображений продаются уже с геопривязкой. Кроме того, изображения могут потребовать радиометрической и атмосферной коррекции. Радиометрическая коррекция позволяет избежать радиометрических ошибок и искажений. Освещенность объектов на поверхности Земли неоднородна из-за различных свойств рельефа. Этот фактор учитывается в методе коррекции радиометрических искажений. Радиометрическая коррекция задает шкалу значениям пикселей, например, монохромная шкала от 0 до 255 преобразуется в фактические значения излучения. Топографическая коррекция (также называемая коррекцией рельефа) В гористой местности, из-за рельефа, эффективная освещенность пикселей значительно варьируется. На изображении дистанционного зондирования пиксель на затененном склоне получает слабое освещение и имеет низкое значение излучения, в то время как пиксель на освещенном склоне получает сильное освещение и имеет высокое значение излучения. Для одного и того же объекта значение излучения пикселя на затененном склоне будет отличаться от значения на освещенном склоне. Кроме того, различные объекты могут иметь схожие значения излучения. Эти неоднозначности серьезно влияют на точность извлечения информации из изображений дистанционного зондирования в горных районах. Это стало основным препятствием для дальнейшего применения изображений дистанционного зондирования. Цель топографической коррекции – устранить этот эффект, восстановив истинную отражательную способность или излучение объектов в горизонтальных условиях. Это необходимое условие для количественного применения дистанционного зондирования. Атмосферная коррекция – устранение атмосферной дымки путем перемасштабирования каждой частотной полосы таким образом, чтобы ее минимальное значение (обычно реализуемое в водных объектах) соответствовало значению пикселя 0. Оцифровка данных также позволяет манипулировать данными, изменяя значения серого масштаба. Интерпретация – это критически важный процесс осмысления данных. Первым применением была аэрофотосъемка, которая использовала следующий процесс: пространственные измерения с использованием светового стола как в обычном, так и в стереографическом покрытии, а также навыки, такие как фотограмметрия, создание фотомозаик, повторные съемки, использование известных размеров объектов для обнаружения изменений. Анализ изображений – это недавно разработанное автоматизированное компьютерное приложение, которое все шире используется. Анализ изображений на основе объектов (OBIA) – это подраздел GIScience, посвященный разделению изображений дистанционного зондирования (RS) на значимые объекты изображений и оценке их характеристик по пространственному, спектральному и временному масштабам. Старые данные дистанционного зондирования часто ценны, поскольку они могут предоставить единственные долгосрочные данные для обширных географических территорий. В то же время данные часто сложны для интерпретации и занимают большой объем памяти. Современные системы, как правило, хранят данные в цифровом виде, часто с использованием сжатия без потерь. Сложность этого подхода заключается в том, что данные хрупки, формат может быть устаревшим, а данные могут быть легко подделаны. Одной из лучших систем для архивирования серий данных является создание компьютером машиночитаемых ультрафиш, обычно в шрифтах, таких как OCR B, или в виде оцифрованных растровых изображений. Ультрафиши хорошо сохраняются в стандартных библиотеках, срок службы которых составляет несколько столетий. Они могут быть созданы, скопированы, отсортированы и извлечены с помощью автоматизированных систем. Они примерно так же компактны, как и архивные магнитные носители, но могут быть прочитаны людьми с использованием минимального, стандартизированного оборудования. В общем, дистанционное зондирование работает по принципу обратной задачи: хотя интересующий объект или явление (состояние) может быть не измерено напрямую, существует другая переменная, которую можно обнаружить и измерить (наблюдение), которая может быть связана с интересующим объектом посредством вычислений. Распространенная аналогия, используемая для описания этого, – попытка определить тип животного по его следам. Например, невозможно напрямую измерить температуру в верхних слоях атмосферы, но можно измерить спектральную эмиссию известного химического вещества (например, углекислого газа) в этом регионе. Частота эмиссии может быть связана с температурой в этом регионе посредством термодинамики.

In order to create sensor based maps, most remote sensing systems expect to extrapolate sensor data in relation to a reference point including distances between known points on the ground. This depends on the type of sensor used. For example, in conventional photographs, distances are accurate in the center of the image, with the distortion of measurements increasing the farther you get from the center. Another factor is that of the platen against which the film is pressed can cause severe errors when photographs are used to measure ground distances. The step in which this problem is resolved is called georeferencing and involves computer aided matching of points in the image (typically 30 or more points per image) which is extrapolated with the use of an established benchmark, "warping" the image to produce accurate spatial data. As of the early 1990s, most satellite images are sold fully georeferenced. In addition, images may need to be radiometrically and atmospherically corrected. Radiometric correction Allows avoidance of radiometric errors and distortions. The illumination of objects on the Earth's surface is uneven because of different properties of the relief. This factor is taken into account in the method of radiometric distortion correction. Radiometric correction gives a scale to the pixel values, e. g. the monochromatic scale of 0 to 255 will be converted to actual radiance values. Topographic correction (also called terrain correction) In rugged mountains, as a result of terrain, the effective illumination of pixels varies considerably. In a remote sensing image, the pixel on the shady slope receives weak illumination and has a low radiance value, in contrast, the pixel on the sunny slope receives strong illumination and has a high radiance value. For the same object, the pixel radiance value on the shady slope will be different from that on the sunny slope. Additionally, different objects may have similar radiance values. These ambiguities seriously affected remote sensing image information extraction accuracy in mountainous areas. It became the main obstacle to the further application of remote sensing images. The purpose of topographic correction is to eliminate this effect, recovering the true reflectivity or radiance of objects in horizontal conditions. It is the premise of quantitative remote sensing application. Atmospheric correction Elimination of atmospheric haze by rescaling each frequency band so that its minimum value (usually realised in water bodies) corresponds to a pixel value of 0. The digitizing of data also makes it possible to manipulate the data by changing gray scale values. Interpretation is the critical process of making sense of the data. The first application was that of aerial photographic collection which used the following process; spatial measurement through the use of a light table in both conventional single or stereographic coverage, added skills such as the use of photogrammetry, the use of photomosaics, repeat coverage, Making use of objects' known dimensions in order to detect modifications. Image Analysis is the recently developed automated computer aided application that is in increasing use. Object Based Image Analysis (OBIA) is a sub discipline of GIScience devoted to partitioning remote sensing (RS) imagery into meaningful image objects, and assessing their characteristics through spatial, spectral and temporal scale. Old data from remote sensing is often valuable because it may provide the only long term data for a large extent of geography. At the same time, the data is often complex to interpret, and bulky to store. Modern systems tend to store the data digitally, often with lossless compression. The difficulty with this approach is that the data is fragile, the format may be archaic, and the data may be easy to falsify. One of the best systems for archiving data series is as computer generated machine readable ultrafiche, usually in typefonts such as OCR B, or as digitized half tone images. Ultrafiches survive well in standard libraries, with lifetimes of several centuries. They can be created, copied, filed and retrieved by automated systems. They are about as compact as archival magnetic media, and yet can be read by human beings with minimal, standardized equipment. Generally speaking, remote sensing works on the principle of the inverse problem: while the object or phenomenon of interest (the state) may not be directly measured, there exists some other variable that can be detected and measured (the observation) which may be related to the object of interest through a calculation. The common analogy given to describe this is trying to determine the type of animal from its footprints. For example, while it is impossible to directly measure temperatures in the upper atmosphere, it is possible to measure the spectral emissions from a known chemical species (such as carbon dioxide) in that region. The frequency of the emissions may then be related via thermodynamics to the temperature in that region.

Уровни обработки данных

Для облегчения обсуждения обработки данных на практике, несколько "уровней" обработки были впервые определены NASA в 1986 году в рамках своей системы наблюдения за Землей и с тех пор последовательно применяются как внутри NASA (например), так и за его пределами (например); эти определения следующие:
Уровень 0 – Реконструированные, необработанные данные приборов и полезной нагрузки в полном разрешении, с удалением любых артефактов связи (например, кадров синхронизации, заголовков связи, дубликатов данных).
Уровень 1a – Реконструированные, необработанные данные приборов в полном разрешении, с привязкой ко времени и аннотациями, включающими радиометрические и геометрические коэффициенты калибровки и параметры геопривязки (например, эфемериды платформы), вычисленные и добавленные, но не примененные к данным уровня 0 (или, если применены, то таким образом, чтобы данные уровня 0 могли быть полностью восстановлены из данных уровня 1a).
Уровень 1b – Данные уровня 1a, обработанные до единиц измерения приборов (например, радиолокационное поперечное сечение, температура яркости и т.д.); не все приборы имеют данные уровня 1b; данные уровня 0 не могут быть восстановлены из данных уровня 1b.
Уровень 2 – Выводные геофизические переменные (например, высота волн океана, влажность почвы, концентрация льда) с тем же разрешением и в том же местоположении, что и исходные данные уровня 1.
Уровень 3 – Переменные, отображенные на единой пространственно-временной сетке, обычно с некоторой полнотой и согласованностью (например, интерполированные отсутствующие точки, полные области, собранные из нескольких орбит и т.д.).
Уровень 4 – Выходные данные модели или результаты анализа данных более низкого уровня (то есть переменные, которые не измерялись приборами, а выводятся из этих измерений).
Запись данных уровня 1 является наиболее фундаментальной (то есть наивысшим обратимым уровнем) записью данных, имеющей значительную научную ценность, и служит основой для создания всех последующих наборов данных. Уровень 2 – первый уровень, который непосредственно пригоден для большинства научных приложений; его ценность значительно выше, чем у более низких уровней. Наборы данных уровня 2, как правило, менее объемны, чем данные уровня 1, поскольку они были уменьшены во времени, пространстве или по спектру. Наборы данных уровня 3 обычно меньше, чем наборы данных более низкого уровня, и поэтому с ними можно работать без значительных затрат на обработку данных. Эти данные, как правило, более полезны для многих приложений. Регулярная пространственная и временная организация наборов данных уровня 3 позволяет легко объединять данные из разных источников. Хотя эти уровни обработки особенно подходят для типичных конвейеров обработки спутниковых данных, были определены и другие терминологии уровней данных, которые могут быть подходящими для более гетерогенных рабочих процессов.

To facilitate the discussion of data processing in practice, several processing "levels" were first defined in 1986 by NASA as part of its Earth Observing System and steadily adopted since then, both internally at NASA (e. g.,) and elsewhere (e. g.,); these definitions are:
Level Description 0 Reconstructed, unprocessed instrument and payload data at full resolution, with any and all communications artifacts (e. g., synchronization frames, communications headers, duplicate data) removed. 1a Reconstructed, unprocessed instrument data at full resolution, time referenced, and annotated with ancillary information, including radiometric and geometric calibration coefficients and georeferencing parameters (e. g., platform ephemeris) computed and appended but not applied to the Level 0 data (or if applied, in a manner that level 0 is fully recoverable from level 1a data). 1b Level 1a data that have been processed to sensor units (e. g., radar backscatter cross section, brightness temperature, etc. ); not all instruments have Level 1b data; level 0 data is not recoverable from level 1b data. 2 Derived geophysical variables (e. g., ocean wave height, soil moisture, ice concentration) at the same resolution and location as Level 1 source data. 3 Variables mapped on uniform spacetime grid scales, usually with some completeness and consistency (e. g., missing points interpolated, complete regions mosaicked together from multiple orbits, etc.). 4 Model output or results from analyses of lower level data (i. e., variables that were not measured by the instruments but instead are derived from these measurements). A Level 1 data record is the most fundamental (i. e., highest reversible level) data record that has significant scientific utility, and is the foundation upon which all subsequent data sets are produced. Level 2 is the first level that is directly usable for
most scientific applications; its value is much greater than the lower levels. Level 2 data sets tend to be less voluminous than Level 1 data because they have been reduced temporally, spatially, or spectrally. Level 3 data sets are generally smaller than lower level data sets and thus can be dealt with without incurring a great deal of data handling overhead. These data tend to be generally more useful for many applications. The regular spatial and temporal organization of Level 3 datasets makes it feasible to readily combine data from different sources. While these processing levels are particularly suitable for typical satellite data processing pipelines, other data level vocabularies have been defined and may be appropriate for more heterogeneous workflows.

История

Современная дисциплина дистанционного зондирования возникла с развитием авиации. Воздухоплаватель Г. Турнахон (известный как Надар) сделал фотографии Парижа со своего воздушного шара в 1858 году. Для получения первых изображений также использовались почтовые голуби, воздушные змеи, ракеты и беспилотные воздушные шары. За исключением воздушных шаров, эти первые отдельные снимки не представляли особой пользы для картографии или научных целей. Систематическая аэрофотосъемка была разработана для военных наблюдений и разведки, начиная с Первой мировой войны. После Первой мировой войны технология дистанционного зондирования была быстро адаптирована для гражданских нужд. Это демонстрирует первая строка учебника 1941 года под названием «Аэрофотография и аэросъемка», в которой говорилось следующее:
«Больше нет необходимости пропагандировать аэрофотосъемку в Соединенных Штатах, поскольку ее использование стало настолько широко распространенным и ценным, что даже фермер, обрабатывающий свои поля в отдаленном уголке страны, знает о ее преимуществах».
Более поздним развитием стало создание все более компактных сенсорных модулей, используемых правоохранительными органами и военными как на пилотируемых, так и на беспилотных платформах. Преимущество этого подхода заключается в том, что он требует минимальной модификации конструкции летательного аппарата. К более поздним технологиям визуализации относятся инфракрасная, обычная, доплеровская и синтетическая апертурная радиолокация. Развитие искусственных спутников во второй половине 20-го века позволило дистанционному зондированию выйти на глобальный масштаб к концу холодной войны. Оборудование на борту различных спутников наблюдения за Землей и погодой, таких как Landsat, Nimbus и более поздние миссии, такие как RADARSAT и UARS, обеспечивало глобальные измерения различных данных для гражданских, исследовательских и военных целей. Космические зонды к другим планетам также предоставили возможность проводить исследования дистанционного зондирования во внеземной среде: синтетическая апертурная радиолокация на борту космического аппарата «Магеллан» предоставила подробные топографические карты Венеры, а приборы на борту SOHO позволили изучать Солнце и солнечный ветер, и это лишь несколько примеров. Недавние разработки включают, начиная с 1960-х и 1970-х годов, развитие обработки изображений со спутниковых снимков. Использование термина «дистанционное зондирование» началось в начале 1960-х годов, когда Эвелин Пруитт поняла, что достижения в науке означают, что аэрофотосъемка больше не является адекватным термином для описания потоков данных, генерируемых новыми технологиями. С помощью своего коллеги из Управления военно-морских исследований Уолтера Бейли она предложила термин «дистанционное зондирование». Несколько исследовательских групп в Силиконовой долине, включая Исследовательский центр Эймса НАСА, GTE и ESL Inc., разработали методы преобразования Фурье, что привело к первому заметному улучшению качества изображений. В 1999 году был запущен первый коммерческий спутник (IKONOS), собирающий изображения с очень высоким разрешением.

The modern discipline of remote sensing arose with the development of flight. The balloonist G. Tournachon (alias Nadar) made photographs of Paris from his balloon in 1858. Messenger pigeons, kites, rockets and unmanned balloons were also used for early images. With the exception of balloons, these first, individual images were not particularly useful for map making or for scientific purposes. Systematic aerial photography was developed for military surveillance and reconnaissance purposes beginning in World War I. After WWI, remote sensing technology was quickly adapted to civilian applications. This is demonstrated by the first line of a 1941 textbook titled "Aerophotography and Aerosurverying," which stated the following:
Cquote|quote= "There is no longer any need to preach for aerial photography not in the United States for so widespread has become its use and so great its value that even the farmer who plants his fields in a remote corner of the country knows its value. "|author=James Bagley|source= A more recent development is that of increasingly smaller sensor pods such as those used by law enforcement and the military, in both manned and unmanned platforms. The advantage of this approach is that this requires minimal modification to a given airframe. Later imaging technologies would include infrared, conventional, Doppler and synthetic aperture radar. The development of artificial satellites in the latter half of the 20th century allowed remote sensing to progress to a global scale as of the end of the Cold War. Instrumentation aboard various Earth observing and weather satellites such as Landsat, the Nimbus and more recent missions such as RADARSAT and UARS provided global measurements of various data for civil, research, and military purposes. Space probes to other planets have also provided the opportunity to conduct remote sensing studies in extraterrestrial environments, synthetic aperture radar aboard the Magellan spacecraft provided detailed topographic maps of Venus, while instruments aboard SOHO allowed studies to be performed on the Sun and the solar wind, just to name a few examples. Recent developments include, beginning in the 1960s and 1970s, the development of image processing of satellite imagery. The use of the term "remote sensing" began in the early 1960s when Evelyn Pruitt realized that advances in science meant that aerial photography was no longer an adequate term to describe the data streams being generated by new technologies. With assistance from her fellow staff member at the Office of Naval Research, Walter Bailey, she coined the term "remote sensing". Several research groups in Silicon Valley including NASA Ames Research Center, GTE, and ESL Inc. developed Fourier transform techniques leading to the first notable enhancement of imagery data. In 1999 the first commercial satellite (IKONOS) collecting very high resolution imagery was launched.

Обучение и образование

Удаленное зондирование приобретает все большую значимость в современном информационном обществе. Оно представляет собой ключевую технологию в рамках аэрокосмической промышленности и имеет растущее экономическое значение – постоянно разрабатываются новые датчики, например TerraSAR X и RapidEye, и спрос на квалифицированную рабочую силу неуклонно растет. Кроме того, дистанционное зондирование оказывает все большее влияние на повседневную жизнь, начиная от прогнозов погоды и заканчивая сообщениями об изменении климата или стихийных бедствиях. Например, 80% немецких студентов используют сервисы Google Earth; только в 2006 году программное обеспечение было загружено 100 миллионов раз. Однако исследования показали, что лишь немногие из них обладают глубокими знаниями о данных, с которыми они работают. Существует значительный разрыв между применением и пониманием спутниковых изображений. В школах дистанционное зондирование играет лишь второстепенную роль, несмотря на политические заявления о необходимости усиления поддержки преподавания этой дисциплины. Многие компьютерные программы, разработанные специально для школьных уроков, до сих пор не внедрены из-за их сложности. В результате, предмет либо вообще не включается в учебную программу, либо ограничивается этапом интерпретации аналоговых изображений. На самом деле, для изучения дистанционного зондирования требуется объединение знаний физики и математики, а также развитие компетенций в области медиа и методов, помимо простой визуальной интерпретации спутниковых снимков. Многие учителя проявляют большой интерес к теме "дистанционное зондирование" и мотивированы включить ее в учебный процесс, при условии учета требований учебных планов. Однако в большинстве случаев эта инициатива сталкивается с трудностями из-за недостатка четкой и понятной информации. Для устойчивой интеграции дистанционного зондирования в образовательный процесс организации, такие как EGU или Digital Earth, поддерживают разработку учебных модулей и образовательных порталов. Примеры включают: FIS – Дистанционное зондирование в школьных уроках, Geospektiv, Ychange и Spatial Discovery, направленные на развитие медиа- и методической грамотности, а также навыков самостоятельного обучения.

Remote Sensing has a growing relevance in the modern information society. It represents a key technology as part of the aerospace industry and bears increasing economic relevance – new sensors e. g. TerraSAR X and RapidEye are developed constantly and the demand for skilled labour is increasing steadily. Furthermore, remote sensing exceedingly influences everyday life, ranging from weather forecasts to reports on climate change or natural disasters. As an example, 80% of the German students use the services of Google Earth; in 2006 alone the software was downloaded 100 million times. But studies have shown that only a fraction of them know more about the data they are working with. There exists a huge knowledge gap between the application and the understanding of satellite images. Remote sensing only plays a tangential role in schools, regardless of the political claims to strengthen the support for teaching on the subject. A lot of the computer software explicitly developed for school lessons has not yet been implemented due to its complexity. Thereby, the subject is either not at all integrated into the curriculum or does not pass the step of an interpretation of analogue images. In fact, the subject of remote sensing requires a consolidation of physics and mathematics as well as competences in the fields of media and methods apart from the mere visual interpretation of satellite images. Many teachers have great interest in the subject "remote sensing", being motivated to integrate this topic into teaching, provided that the curriculum is considered. In many cases, this encouragement fails because of confusing information. In order to integrate remote sensing in a sustainable manner organizations like the EGU or Digital Earth encourage the development of learning modules and learning portals. Examples include: FIS – Remote Sensing in School Lessons, Geospektiv, Ychange, or Spatial Discovery, to promote media and method qualifications as well as independent learning.

Программное обеспечение

Данные дистанционного зондирования обрабатываются и анализируются с помощью компьютерного программного обеспечения, называемого приложением дистанционного зондирования. Существует множество проприетарных и программных продуктов с открытым исходным кодом для обработки данных дистанционного зондирования.

Далекое зондирование гамма-лучами

Гамма-лучи применяются для разведки полезных ископаемых методом дистанционного зондирования. В 1972 году на применение гамма-лучей в дистанционном зондировании при разведке полезных ископаемых было потрачено более двух миллионов долларов. Гамма-лучи используются для поиска месторождений урана. По радиоактивности калия можно определить местоположение порфировых месторождений меди. Высокое соотношение урана к торию связано с наличием гидротермальных месторождений меди. Радиационные аномалии также наблюдаются над нефтегазовыми месторождениями, однако некоторые из них, как предполагается, обусловлены поверхностными почвами, а не самими нефтью и газом.