• Mapping the Invisible: Introduction to Spectral Remote Sensing

    Image result for Mapping the Invisible: Introduction to Spectral Remote Sensing
    আপনি যদি কখনও ক্যামেরা ব্যবহার করেন তবে বর্ণালী দূরবর্তী সেন্সিং সম্পর্কে আপনি কিছু জানেন। বৈদ্যুতিন চৌম্বকীয় বর্ণালী সম্পর্কিত "স্পেকট্রাল" যা আলোকিত করে যা উভয়ই চোখের দৃষ্টিভঙ্গি এবং অদৃশ্য এবং "রিমোট সেন্সিং" যার সাথে সরাসরি স্পর্শ না করে বস্তুর বৈশিষ্ট্যগুলি পরিমাপ করা জড়িত। আপনি যে সাধারণ ক্যামেরাটি ব্যবহার করেন সেগুলি এবং দৃশ্যমান আলো রেকর্ড করে যা গাছ এবং শৈলের মতো জিনিসের প্রতিফলন ঘটায়। এই আলো সূর্য থেকে আসতে পারে তবে এটি আলোর বাল্বের মতো অন্যান্য উত্স থেকেও আসতে পারে। আমরা যখন প্রায়শই আমাদের লোভনীয় বন্ধুদের সেলফি এবং নির্বাক ছবি তোলার জন্য ক্যামেরা ব্যবহার করি, তখন বিজ্ঞানীরা উচ্চ-শক্তিযুক্ত ক্যামেরা ব্যবহার করেন যা আমাদের পরিবেশের যেমন জলের গুণমান বা গাছপালা এবং স্বাস্থ্যের উপর প্রভাব ফেলে এমন পরিবর্তনগুলির পরিমাপ করতে ইমেজিং স্পেকট্রোমিটার বলে। বিমান এবং উপগ্রহে মাউন্ট করা ইমেজিং স্পেকট্রোমিটারগুলি পুরো মার্কিন যুক্তরাষ্ট্রের জন্য এই গাছপালা কভার ম্যাপের মতো মানচিত্র তৈরি করতে সহায়তা করে। তবে বিজ্ঞানীরা কীভাবে প্রতিবিম্বিত হালকা শক্তি ব্যবহার করে আমাদের পরিবেশের পরিবর্তনগুলি পরিমাপ করেন?
    Image result for Mapping the Invisible: Introduction to Spectral Remote Sensing
     এই প্রশ্নের উত্তর দিতে, আসুন একনজরে বৈদ্যুতিন চৌম্বকীয় বর্ণালী যা হাজার হাজার তরঙ্গদৈর্ঘ্যের শক্তি নিয়ে গঠিত। দৃশ্যমান আলো, যা আমরা আমাদের চোখ দিয়ে দেখি তা বর্ণালীটির নীল, সবুজ এবং লাল অংশে অন্তর্ভুক্ত। বাকি বর্ণালী হিউম্যানাইজ করার জন্য দৃশ্যমান নয় তবে ইমেজিং স্পেকট্রোমিটার নামক সেন্সরগুলির মতো সূক্ষ্ম ক্যামেরা দ্বারা এটি সনাক্ত এবং রেকর্ড করা যেতে পারে। বৈদ্যুতিন চৌম্বকীয় বর্ণালীতে রেকর্ড করার জন্য এখন কয়েক হাজার তরঙ্গদৈর্ঘ্য রয়েছে। এই সমস্ত তরঙ্গদৈর্ঘ্যের সাথে মোকাবিলা করার জন্য, ইমেজিং স্পেকট্রোমিটারকে বর্ণালীকে ব্যান্ড বলে তরঙ্গদৈর্ঘ্যের গোষ্ঠীতে বিভক্ত করা হয়। উদাহরণস্বরূপ, বর্ণালীটির নিকটস্থ ইনফ্রারেড অঞ্চলে একটি ব্যান্ড 800 থেকে 850 ন্যানোমিটার পর্যন্ত শক্তি অন্তর্ভুক্ত করতে পারে। স্বাস্থ্যকর গাছপালা মানচিত্র করতে এই ব্যান্ডটি কার্যকর। ব্যান্ডগুলির প্রস্থ এবং সংখ্যাটি আমরা একটি চিত্রের বর্ণালী রেজোলিউশনকে বলে থাকি। উচ্চ বর্ণালী রেজোলিউশন মানে আরও বেশি ব্যান্ড যা বর্ণালি আরও সংকীর্ণ। লোয়ার বর্ণালী রেজোলিউশনের অর্থ কম ব্যান্ড, যার প্রত্যেকটি স্পেকট্রামের আরও কভার করে এখন ইমেজিং স্পেকট্রোমিটারগুলি প্রতিফলিত হালকা শক্তি পরিমাপ করে। আপনি দেখতে পাচ্ছেন যে বিভিন্ন বস্তু তাদের রাসায়নিক এবং কাঠামোগত বৈশিষ্ট্যের উপর নির্ভর করে আলোককে আলাদাভাবে প্রতিবিম্বিত করে, শোষণ করে এবং সংক্রমণ করে। উদাহরণস্বরূপ, উদ্ভিদের পাতাগুলি সবুজ কারণ তারা নীল বা লাল আলোর চেয়ে সবুজ আলোকে প্রতিবিম্বিত করে। অন্যদিকে, ফিদো দ্য কুকুর তার পশমের রাসায়নিক এবং কাঠামোগত মেকআপের কারণে বর্ণালীটির লাল অংশে বেশি আলো প্রতিবিম্বিত করে। ফিদোর রাসায়নিক ও কাঠামোগত মেকআপ যদি গাছের মতো হয় তবে তাকে সবুজ দেখাবে। এখন যখন আপনি আপনার প্রিয় কাইনিনের দিকে আপনার ক্যামেরাটি নির্দেশ করে নিছক কিছু করছেন তখন ক্যামেরা কুকুর এবং তার চারপাশের অঞ্চল থেকে বৈদ্যুতিন চৌম্বকীয় বর্ণালীতে দৃশ্যমান, বা লাল, সবুজ এবং নীল ব্যান্ডের প্রতিফলিত পরিমাণের রেকর্ড করে। ক্যামেরা এমন একটি আরজিবি চিত্র বলে যা তৈরি করে যা কয়েক মিলিয়ন পিক্সেলের সমন্বয়ে গঠিত। চিত্রের প্রতিটি পিক্সেলটিতে লাল, সবুজ এবং নীল আলো প্রতিফলিত পরিমাণের প্রতিনিধিত্ব করে contains আমরা চিত্রটি তার লাল সবুজ এবং নীল ব্যান্ডগুলিতেও ভেঙে ফেলতে পারি। এখানে নিজেই লাল ব্যান্ড। উজ্জ্বল পিক্সেল মানে আরও বেশি আলো চিত্রের বস্তুগুলির দ্বারা প্রতিবিম্বিত হয়েছিল এবং ক্যামেরা দ্বারা তড়িৎ চৌম্বকীয় বর্ণালীটির লাল অংশে রেকর্ড করা হয়েছিল। গাer় অংশগুলি এমন অঞ্চল যেখানে কম আলো রেকর্ড করা হয়েছিল। যখন আমরা লাল সবুজ এবং নীল ব্যান্ডগুলি একত্রিত করি তখন আমরা একটি চিত্র পাই যা ক্যামেরা লেন্সের মাধ্যমে আমরা দেখতে পাই তার অনুরূপ similar বর্ণালী স্বাক্ষর নামে পরিচিত যা তৈরি করতে আমরা প্রতিটি পিক্সেলটিতে রেকর্ড লাল সবুজ এবং নীল আলোকে প্লট করতে পারি। স্বাক্ষরে y অক্ষরেখার মতো নির্দিষ্ট তরঙ্গ দৈর্ঘ্যের প্রতিফলিত শক্তির পরিমাণ এবং ক্যামেরা দ্বারা পরিমাপ করা তরঙ্গদৈর্ঘ্যের পূর্ণ পরিসীমা, এক্ষেত্রে নীল, সবুজ এবং লাল x- অক্ষে রয়েছে। ফিদোর বর্ণালি স্বাক্ষর আমাদের গাছের বর্ণালি স্বাক্ষরের থেকে একেবারেই আলাদা এটি এটিকে আমাদের চোখের চেয়েও দৃশ্যত আলাদা করে তোলে। পার্থক্য এবং বর্ণালী স্বাক্ষর বিজ্ঞানীদের চিত্রের মধ্যে বিভিন্ন ধরণের পৃষ্ঠ এবং পদার্থ সনাক্ত করতে সহায়তা করতে পারে। বেশিরভাগ ক্যামেরা দৃশ্যমান বা লাল, সবুজ এবং নীল ব্যান্ডগুলিতে আলোক রেকর্ড করে, তবে, পৃথিবীতে গাছপালা, কুকুর এবং অন্যান্য জিনিসগুলিও এমন আলোকে প্রতিবিম্বিত করে যা আমরা আমাদের চোখ দিয়ে দেখতে পারি না। উদাহরণস্বরূপ, গাছপালা বর্ণালীগুলির সবুজ অংশের তুলনায় তড়িৎচুম্বকীয় বর্ণালীর নিকটবর্তী ইনফ্রারেড অংশে ষাট শতাংশ বেশি আলো প্রতিবিম্বিত করে। এই কারণেই বর্ণালীটির নিকটবর্তী ইনফ্রারেড অংশে প্রতিফলিত আলোতে পার্থক্যগুলি ভূমিতে উদ্ভিদকে ম্যাপ করার জন্য গুরুত্বপূর্ণ। বর্ণালীগুলির অ দৃশ্যমান অংশে এই পার্থক্যগুলি পরিমাপ করার জন্য আমরা ইমেজিং স্পেকট্রোমিটার ব্যবহার করি, যা বর্ণালীটির দৃশ্যমান এবং অদৃশ্য অংশ উভয় ক্ষেত্রেই রেকর্ড করে। ইমেজিং স্পেকট্রোমিটারগুলি মাল্টি এবং হাইপারস্পেকট্রাল রিমোট সেন্সিং ডেটা বলে তাকে উত্পাদিত করে। "মাল্টি" অর্থ অনেকগুলি ব্যান্ড, তিনটিরও বেশি এবং "হাইপার" মিলন প্রায় শতাধিক ব্যান্ড খুব উচ্চ বর্ণালী রেজোলিউশনে ক্লিক করেছে। আমরা হালকা শক্তি আর পরিমাপ করতে এই বহু এবং হাইপারস্পেকট্রাল রিমোট সেন্সিং ডেটা সেট ব্যবহার করি
    Image result for Mapping the Invisible: Introduction to Spectral Remote Sensing

    পৃথিবীর পৃষ্ঠের বস্তু থেকে উদ্ভূত হয়েছে এবং এমন অনেকগুলি শারীরিক এবং রাসায়নিক গুণাগুণ অনুমান করার জন্য যা আমরা নিজের চোখে দেখতে পাই না। এরপরে আমরা মাটিতে যা আছে তা শ্রেণিবদ্ধ করতে পরিমাপ ব্যবহার করি। উদাহরণস্বরূপ, পিক্সেলগুলির নিকট-ইনফ্রারেড হালকা শক্তির সাথে বর্ণালী স্বাক্ষরযুক্ত প্রায়শই উদ্ভিদ হয়। পর্যালোচনা করতে, বিভিন্ন বস্তু দৃশ্যমান আলো এবং হালকা শক্তি উভয়ই প্রতিফলিত করে, শোষণ করে এবং সংক্রমণ করে যা আমরা আলাদাভাবে দেখতে পারি না। ইমেজিং স্পেকট্রোমিটারগুলি এই বিষয়গুলি প্রতিফলিত করে এমন পরিমাণের পরিমাণ রেকর্ড করে। বৈদ্যুতিন চৌম্বকীয় বর্ণালী জুড়ে যে কোনও বস্তুর দ্বারা প্রতিফলিত হালকা শক্তির পরিমাণকে তার বর্ণালী স্বাক্ষর বলা হয় যা বস্তুর দৈহিক কাঠামো এবং রাসায়নিক মেকআপ দ্বারা পরিচালিত হয়। আমরা সেই স্বাক্ষরটি কোনও ছবিতে এবং পৃথিবীর তল জুড়ে উভয়ই আলাদা আলাদা জিনিস সনাক্ত করতে ব্যবহার করতে পারি। এবং আমার বন্ধুরা, আমরা কীভাবে উভয় মানচিত্রে প্রতিবিম্বিত হালকা শক্তি ব্যবহার করি এবং আমাদের পরিবেশের পরিবর্তনগুলি পরিমাপ করি।
  • 0 comments:

    Post a Comment

    New Research

    Attention Mechanism Based Multi Feature Fusion Forest for Hyperspectral Image Classification.

    CBS-GAN: A Band Selection Based Generative Adversarial Net for Hyperspectral Sample Generation.

    Multi-feature Fusion based Deep Forest for Hyperspectral Image Classification.

    ADDRESS

    388 Lumo Rd, Hongshan, Wuhan, Hubei, China

    EMAIL

    contact-m.zamanb@yahoo.com
    mostofa.zaman@cug.edu.cn

    TELEPHONE

    #
    #

    MOBILE

    +8615527370302,
    +8807171546477