IN 84.21 Remote Sensing and GIS for Disaster Mitigation – Laboratory  

 

 

Lab Excercise Report #1 

Introduction of Basic Tool and Color Composition Images 

 

 

 

By: Wifandy RT Purba Sidadolog 

#114354 

 

 

 

 

 

 

 

 

 

 

 

Disaster Preparedness, Mitigation and Management (DPMM) Asian Institute of Technology ‐ AIT 

2012   

   

Laboratory Exercise 1 INTRODUCTION OF BASIC TOOL AND COLOR COMPOSITION IMAGES 

  

Date    : August 28, 2012 Students Name : Wifandy Raymond Tobias Purba Sidadolog ID    : 114354 Lab Instructor  : Dr. Sarawut Ninsawat and Mr. Chudech Losiri  INTRODUCTION Remote Sensing is the science and art of obtaining information about an object , area, or phenomenon through the analysis of data acquired by a device  that  is not  in  contact with  the object, area, or phenomenon under investigation[1].  In  relation with a disaster cccurence,  the  technology of Remote Sensing  is widely used,  if not said, a very significant aspect during the process of preparedness, mitigation and response of the disaster [2].  In relation with disaster management, the earth observation through satellite plays a significant role. Geospatial data sensed through space technology (satellite) has been widely used during the disaster management process for i.e.:  

‐ Monitoring of natural hazards potential for natural disaster occurence (i.e. flood) ‐ Rapid Assessment of disaster impact  ‐ Locating places for refugees ‐ Decission making for infrastructure repair priorities ‐ And so on. 

However,  to  deliver  its  purpose,  the  geospatial  data  received  from  satellites  need  to  be  processed  through certain computer technology by a competent person, before it can be used easily by decision makers.   ERDAS IMAGINE 9.3 is is a remote sensing application with raster graphics editor abilities designed by ERDAS for geospatial  applications.  This  software  allows  the  user  to  prepare,  display,  and  enhance  digital  images.  By manipulating  the  raw data using  this  software,  it  is possible  to analyze  some objects which are normally not visible [3].   OBJECTIVES This Lab Session is intended to make students familiar with this ERDAS 9.3 Image Processing Software and with the  multispectral  data.  The  image  processing  is  used  to  process  the  image  for  the  purpose  of  Disaster Management  (Preparedness, Mitigation, and Response). Student will open and manipulate  individual band of Landsat TM data using ERDAS IMAGINE.   DATA TO BE USED The image used during this lab is LANDSAT 5 TM Image. The TM Image always covers a 185 x 185 km area [4].  The LANDSAT 5 TM Image was stored in the AIT network address: //ibmserv/public_dellserv/  Landsat 5 is a Sun Synchronous Satelite launched on March 1, 1984 equipped with two multispectral sensors: a Multispectral  Scanner  (MSS  –  4  spectral  bands)  and  a  Thematic  Mapper  (TM  –  7  spectral  bands).  The characteristic of Landsat 5 is: Orbit Type  : Sun‐synchronous Polar. Altitude   : 705 km Orbit Period  : 98.9 min Total FOV  : 14.920 (185 x 185 km) 

   

Inclination  : 98.20 Repeat cycle  : 16 days (233 revolutions) Equatorial crossing time : 10.00 AM  The TM Sensor 7 Spectral Band characteristics[2],[5]. 

Band  Spectral Band (µm)  

Resolution  Use 

1 – Blue  0.45 – 0.52  30 x 30 m  Ground/plants differentiation, coastal zones, Bathymetric mapping, distinguishing soil from vegetation and deciduous from coniferous vegetation 

2 – Green  0.52 – 0.60   30 x 30 m  Vegetation: Emphasizes peak  vegetation, which  is useful for assessing plant vigor

3 – Red   0.63 – 0.69   30 x 30 m  Plant species differentiation, discriminates vegetation slopes  

4 – Near IR  0.76 – 0.90  30 x 30 m Emphasizes biomass content and shorelines 

5 – Shortwave IR  1.55 – 1.75  30 x 30 m  Snow/cloud differentiation, Discriminates moisture content  of  soil  and  vegetation;  penetrates  thin clouds 

6 – Thermal IR  10.4 – 12.5  120 x 120 m  Thermal mapping and estimated soil moisture 

7 – Shortwave IR   2.08 – 2.35   30 x 30 m  Hydrothermally  altered  rocks  associated  with mineral deposits 

 METHODOLOGY In this Lab session, students are particularly assigned to achieve two goals of skill set:  1. Display Satellite Image in Color Composite of True Color, False Color, Pseudo Color, Gray scale and Relief[5] 

A color composite is the color of image generated by composing three selected multi‐band images with the use of three primary color (RGB). The RGB indicates three different objects. We can display images in different colors, depending by the selection of three band images asigned to the three primary colors.   The true color composite is when three filters of R, G and B are assigned to the same spectral regions of red (Band 3), green (Band 2) and blue (Band 1), almost the same color as the natural scale. The reproduced image is called a True color or natural color composite. While the False color composition is when the visible regions  (1, 2, 3) or other invisible regions (such as IR Bands) are assigned/allocated to RGB Filters   For displaying images with different Band combination assigned to the RGB filters we use Tools from View Tab. The steps are  ‐ Open a file and choose the original image (Landsat5.img) ‐ Use the Raster tab, choose display as True Color. ‐ Change Band combination and assign to RGB. For True Color Composite, Red is assigned with Band 3, 

Green with Band 2, and Blue with Band 1. For False Color Composite, we are trying several combination to see the results 

 Pseudo color image is displayed when difference of colors are assigned to the subdivided grey scale of a single image.  For displaying a pseudocolor image, we use tools from View Tab. The steps are 

   

‐ Open a file and choose the original image (Landsat5.img) ‐ Use the Raster tab, choose display as Pseudocolor with Layer 6 (Thermal IR) ‐ On the Viewer window choose Raster, then select Attributes, Edit, than Colors ‐ Change Colors to see different combinations.  For displaying a Gray scale image, we use tools from View Tab. The steps are ‐ Open a file and choose the original image (Landsat5.img) ‐ Use the Raster tab, choose display as Grey scale with Layer 4 (Near IR)  For displaying a Relief image, we use tools from View Tab. The steps are ‐ Open a file and choose the original image (Landsat5.img) ‐ Use the Raster tab, choose display as Relief with Layer 4 (Near IR) 

 2. Create Subsection a data set [5] 

Subsetting an image is a process to delimit a small area of interest from the input image that covers larger area than necessary. For creating a subset data, we use tools from Data Preparation Tab. The steps are: ‐ Select Subset Image ‐ Choose Input File “Landsat5.img” and create a output file name in a selected folder ‐ Specify the coordinates of all for edges of our area of interest. In this Lab session the coordinates are as 

follows: ULX  : 659995 ULY  : 1565845 LRX  : 693832 LRY  : 1542288 

‐ Click ok.  RESULT AND DISCUSSION Below are the screenshots of the output images during the Laboratory Excercise on August 28, 2012. There are several combination excercised during the Lab session (more than 20 combinations), which some of the screenshots are represented below (not all combination’s screenshots are displayed in this report).  

a. Output of True Color Composite (3, 2, 1 Bands assigned to the R‐G‐B Filters).  This is the combination of Band 3, 2 and 1 assigned to  the  RGB  Filter. With  this  image  we  can  easily identify  the River  (Blue‐Greenish), Buildings  (White rectangulars),  vegetations  (Green  Gradations),  and Barelands  (Brownish).  The  different  greens (gradation)  can be  interpreted  as different  kind or different condition of the vegetations.         

   

b. Output of False Color Composite (several combinations of Band assigned to the RGB Filters)  4‐3‐2 Band Combination         5‐3‐2 Band Combination 

 7‐2‐1 Band Combination                6‐4‐5 Band Combination 

  

   

   

2‐5‐3 Band Combinations         7‐5‐4 Band Combinations 

By selecting different of Band Combination, we can identify the different objects which are in different color grade. However, except the river stream which shape is very unique, it is difficult to interprete the other objects and meaning of the colors.   

c. Output of Pseudo Color Image  Pseudo Color Image of Layer 6 (Thermal IR) in Cyan‐to‐Red Gradation 

  The use of pseudocolor is especially useful for displaying data that are not reflection measures, for example the Thermal  infrared  red data. By displaying  this Pseudocolor  Image of  Layer 6  (Thermal  IR) we  can  see  the  the association of cold‐warm with red‐yellow data, which is more intuitive [6].  

   

d. Output  of Gray Color Image and Relief Image  Gray Scale Image Output                   Relief Image Output 

From both image output, we can identify the boundary and shape of the objects, however, except the river stream which shape is very unique, it is difficult to interprete and conclude the actual form of the object, whether it is a building, a farm, a fields, or barelands.  

e. Output of Subsetting the image   

Subset image (wifandy.img ‐ A) compared with source image (Landsat5.img ‐ B) in True Color Composition. 

By inputting the coordinate of the edges/corner in the subset parameter, we can create a subset image covering our area of interest and discard other part of the image. 

A  B 

   

CONCLUSION We can display the satellite image from Landsat 5 Thematic Mapper (Landsat 5.img)  in several ways, using the Raster Options (True Color Image, False Color Image, Pseudo Color Image, Gray Color Image, and Relief Image). This option  is very  important  in the concept of data visualization and contrast enhancement, as  it gives us the ability  to  choose  the  best  combination  of  TM  Spectral  Bands  assigned  to  the  R‐G‐B  filter.  By  having  the knowledge  of  the  Landsat  5  TM  Bands  characteristic, we  can  analyze  the  output  images  and  interprete  the objects. The selection of Bands assigned to the RGB Filters, depends on the purpose of image analysis.  For  Land  Surface Observation Analysis,  the  combination  I  like  the most  is  the True Color Composition 3‐2‐1. Using this True Color Composition, we can interprete the buildings, the river stream and the vegetation as their real  color.  The  different  gradation  Green‐Blue  of  the water  body  and  the  different  gradation  of  the  Green vegetation  represents  some divergent  condition of  the water body  and  vegetations. Also  the Brownish  area represents the bareland. This kind of  Image  is widely used  in Disaster Management such as on disaster prone area monitoring,  rapid  damage  assesments,  flood  spread  analysis,  etc.  This  image  output  accesibility  is  also critical during the decission making process of Public Authorities related with disaster.   By performing Image Subsetting on the original image, we can have a smaller/delimited area of interest, without loosing  its  resolution and band properties.  It  is  important  to  select  the accurate area of  interest,  to be more focus when working with the image.    REFERENCES [1] Lillesand, T. M., Kiefer, R. W., and Chipman, J. W. Remote Sensing and Image Interpretations, fith ed. John Wiley & Sons, New York, NY, 2004 [2] Nirupama, Simonovic, S. P., Role of Remote Sensing in Disaster Management, Paper Series No. 21, ICLR Research, 2004. [3] http://en.wikipedia.org/wiki/Erdas_Imagine [4] http://eoedu.belspo.be/en/satellites/landsat.htm [5] IN 84.21 Remote Sensing and GIS for Disaster Mitigation Lab Manual provided by the Faculty [6] Kerle, N., Janssen, L. F., Hurneeman, G. H., Principles of Remote Sensing, 3rd ed. ITC, Enshede, The Netherlands, 2004