Fernerkundung 5. Bachelor

Die schwarze Oberfläche wird im Allgemeinen wärmer sein als die weiße Oberfläche, wenn beide für längere Zeit intensiver Sonneneinstrahlung ausgesetzt sind. Dies liegt an den unterschiedlichen Reflexions- und Absorptionseigenschaften der beiden Farben.

1.Weiße Oberfläche:

• Weiße Oberflächen reflektieren das meiste Licht, einschließlich der Sonnenstrahlen. Weniger Sonnenenergie wird absorbiert, da ein Großteil davon zurückgeworfen wird. Daher bleibt die Oberfläche kühler, da wenig Energie absorbiert wird.Schwarze Oberfläche:

2.Schwarze Oberfläche:

• Schwarze Oberflächen hingegen absorbieren das Licht stärker. Da dunkle Farben Licht absorbieren, wird mehr Sonnenenergie in Wärme umgewandelt. Daher erwärmt sich eine schwarze Oberfläche stärker unter intensiver Sonneneinstrahlung.

Dieses Phänomen kann durch das Stefan-Boltzmann-Gesetz erklärt werden, das besagt, dass die Wärmestrahlung eines schwarzen Körpers proportional zur vierten Potenz seiner absoluten Temperatur ist. Da die schwarze Oberfläche mehr Energie absorbiert und in Wärme umwandelt, wird ihre Temperatur im Vergleich zur weißen Oberfläche höher sein.

Dieses Prinzip wird oft in der Praxis genutzt, zum Beispiel bei solaren Heizsystemen, in denen schwarze Oberflächen verwendet werden, um Sonnenenergie effizienter zu absorbieren und in Wärme umzuwandeln.

• Landsat-Satellitenreihe

• Ikonos

• WorldView

• QuickBird

• BirdView

• RapidEye

• Envisat

• SMOS

• SMAP

• Sentinel-Satellitenreihe (ESA) von Copernicus und die Earth-Explorer

• MODIS (Moderate Resolution Imaging Spectroradiometer)

• GRACE (Gravity Recovery and Climate Expiriment)

• Terre-Aster

• TerraSAR-X und TanDEM-X (DLR)

Der prinzipielle Unterschied zwischen aktiven und passiven Beobachtungsverfahren in der Fernerkundung liegt in der Art und Weise, wie die elektromagnetische Strahlung zur Erfassung von Informationen über die Erdoberfläche genutzt wird.

Aktive Beobachtung:

• Bei aktiven Beobachtungsverfahren wird elektromagnetische Strahlung (zum Beispiel Radar oder Lidar) künstlich erzeugt und auf die Erdoberfläche gerichtet. Das System misst dann die reflektierte oder zurückgestreute Strahlung. Aktive Systeme senden also aktiv Strahlen aus und messen die Antwort, die von der Oberfläche oder den Objekten zurückkommt. Dies ermöglicht die Erstellung von 3D-Karten und die Untersuchung von Strukturen unabhängig von den Lichtverhältnissen, da sie ihre eigene Strahlungsquelle haben.

Passive Beobachtung:

• Bei passiven Beobachtungsverfahren hingegen werden natürliche Strahlungsquellen, wie die Sonne oder Infrarotstrahlung der Erde, genutzt. Passives Fernerkundungssystem misst die von der Oberfläche abgegebene Strahlung ohne künstliche Anregung. Satelliten oder Sensoren nehmen einfach die natürliche Strahlung auf, die von der Erdoberfläche reflektiert oder emittiert wird. Da passive Systeme von natürlichen Lichtquellen abhängen, sind sie oft auf Tageslicht angewiesen und können bei bewölktem Himmel eingeschränkt sein.

Zusammengefasst lässt sich sagen, dass aktive Systeme ihre eigene Strahlungsquelle haben und die reflektierte oder gestreute Strahlung messen, während passive Systeme natürliche Strahlung aufnehmen, die von der Erdoberfläche oder Atmosphäre ausgeht. Jede Methode hat ihre eigenen Vor- und Nachteile und wird je nach Anwendungsgebiet und den spezifischen Anforderungen ausgewählt.

Selektive Streuung und nicht-selektive Streuung sind Begriffe, die in der Fernerkundung im Zusammenhang mit der Wechselwirkung von elektromagnetischer Strahlung (wie Licht oder Mikrowellen) mit der Erdoberfläche verwendet werden.

Selektive Streuung:

• Bei der selektiven Streuung werden bestimmte Wellenlängen der elektromagnetischen Strahlung stärker gestreut als andere. Dies bedeutet, dass bestimmte Farben oder Frequenzen der Strahlung bevorzugt in verschiedene Richtungen abgelenkt werden. Dies kann zu einer Veränderung der Farbwahrnehmung oder zu spektralen Unterschieden in den aufgenommenen Bildern führen.

Nicht-selektive Streuung:

• Im Gegensatz dazu tritt bei der nicht-selektiven Streuung keine bevorzugte Ablenkung bestimmter Wellenlängen auf. Die Streuung erfolgt gleichmäßiger für alle Wellenlängen der elektromagnetischen Strahlung. Dies führt zu weniger spektralen Verzerrungen in den aufgenommenen Daten.

In der Fernerkundung ist dieses Konzept wichtig, da es die Interpretation von Satelliten- oder Luftbildern beeinflusst. Selektive Streuung kann dazu führen, dass Farben verändert werden, was zu falschen Interpretationen der Oberflächenmerkmale führen kann. Es ist wichtig, diese Effekte zu berücksichtigen, um genaue und zuverlässige Informationen über die beobachtete Umgebung zu erhalten.

Beispielsweise kann selektive Streuung durch Atmosphärenbedingungen wie Staub, Wasserdampf oder Rauch verursacht werden. Die Kenntnis dieser Phänomene ist entscheidend, um Fernerkundungsdaten korrekt zu interpretieren und sicherzustellen, dass die extrahierten Informationen den tatsächlichen Zustand der Erdoberfläche widerspiegeln.

"Red Edge" bezieht sich auf einen spezifischen Bereich des elektromagnetischen Spektrums, der sich im Übergangsbereich zwischen dem roten und dem infraroten Teil des Lichtspektrums befindet. Genauer gesagt, handelt es sich um den Bereich zwischen etwa 680 Nanometer und 750 Nanometer Wellenlänge. Dieser Bereich ist für Pflanzen sehr relevant und wird in der Fernerkundung und Landnutzungsforschung intensiv genutzt. Hier sind einige wichtige Punkte zum Red Edge:

1. Pflanzenabsorption und Reflexion:

• In diesem Red-Edge-Bereich zeigen Pflanzen eine charakteristische Änderung in ihrer Reflexion. Chlorophyll absorbiert hauptsächlich im blauen und roten Bereich des Spektrums, aber im Red-Edge-Bereich wird Licht weniger stark absorbiert. Dies führt zu einer relativ hohen Reflexion, insbesondere im Vergleich zu den angrenzenden Wellenlängenbereichen.

2. Vegetationsindex:

• Der Red-Edge-Bereich wird oft zur Berechnung von Vegetationsindizes verwendet, die Aufschluss über den Gesundheitszustand von Pflanzen und die Vegetationsdichte geben. Beispiele für solche Indizes sind der Red-Edge NDVI (Normalized Difference Vegetation Index) oder der Red-Edge NDRE (Normalized Difference Red Edge).

3. Fernerkundung und Landwirtschaft:

• Durch die Nutzung von Sensoren, die den Red-Edge-Bereich erfassen können, können Forscher und Landwirte detaillierte Informationen über die physiologischen Eigenschaften von Pflanzen erhalten. Dies ist besonders nützlich für die Überwachung von Feldern, die Erkennung von Krankheiten oder Stresszuständen sowie die Bestimmung von Erntezeitpunkten.

4. Satelliten und Drohnen:

• Moderne Erdbeobachtungssatelliten und hochauflösende Drohnensensoren sind in der Lage, den Red-Edge-Bereich zu erfassen. Dies ermöglicht präzise und detaillierte Untersuchungen von Landnutzung und Vegetation auf globaler und lokaler Ebene.

Die Analyse des Red-Edge-Bereichs ist ein wertvolles Werkzeug für die Fernerkundung, insbesondere wenn es um die Überwachung von landwirtschaftlichen Flächen und natürlichen Ökosystemen geht.

Die Reflexion von elektromagnetischer Strahlung, die von Satelliten wie Sentinel-2 gemessen wird, kann von verschiedenen objektseitigen und aufnahmebedingten Faktoren beeinflusst werden. Hier ist eine Kategorisierung dieser Faktoren:

Objektseitige Faktoren:

1. Boden- oder Oberflächentyp:

• Der Typ der Erdoberfläche hat einen erheblichen Einfluss auf den Reflexionsgrad. Verschiedene Materialien (Wasser, Vegetation, Gestein, Asphalt usw.) weisen unterschiedliche Reflexionscharakteristika auf.

2. Vegetationszustand:

• Der Zustand der Vegetation, einschließlich ihrer Art, Höhe, Dichte und Gesundheit, beeinflusst die Reflexion erheblich. Gesunde Pflanzen können bestimmte Wellenlängen stärker reflektieren als gestresste oder kranke Pflanzen.

3. Oberflächentopographie:

• Die Topographie der Erdoberfläche, wie Hügel, Täler oder Hangneigungen, kann den Einfallswinkel des Lichts verändern und somit den Reflexionsgrad beeinflussen.

4. Feuchtigkeitsgehalt:

• Der Feuchtigkeitsgehalt des Bodens oder der Vegetation kann die Reflexion beeinflussen, insbesondere im nahen Infrarot-Bereich. Feuchte Oberflächen absorbieren in diesem Bereich stärker.

Aufnahmebedingte Faktoren:

1. Sonneneinfallswinkel:

• Der Winkel, unter dem das Sonnenlicht auf die Erdoberfläche fällt, beeinflusst den Reflexionsgrad. Ein flacher Einfallswinkel kann zu einer höheren Reflexion führen.

2. Atmosphärische Bedingungen:

• Wolken, Wasserdampf, Aerosole und andere atmosphärische Bestandteile können die Intensität und Zusammensetzung des einfallenden Lichts verändern, was den Reflexionsgrad beeinflusst.

3. Sensor-Charakteristika:

• Die Eigenschaften des Sensors, einschließlich seiner spektralen Auflösung, räumlichen Auflösung und radiometrischen Genauigkeit, haben einen Einfluss auf die Qualität der gemessenen Reflexionsdaten.

4. Bildbearbeitungstechniken:

• Die Anwendung von Bildkorrektur- und Verbesserungstechniken kann den Reflexionsgrad beeinflussen. Dazu gehören Atmosphärenkorrekturen, Normalisierungen und Entfernungen von atmosphärischen Störungen.

Das Verständnis dieser Faktoren ist entscheidend, um genaue und zuverlässige Informationen aus den von Satelliten gemessenen Daten zu extrahieren und um sicherzustellen, dass die Interpretation der Reflexionsdaten die tatsächlichen Eigenschaften der beobachteten Oberfläche widerspiegelt.

• für Weiterentwicklung Geodateninfrastruktur

• Entwicklung neuer Geoinformationsprodukte

• Optimieren von Prozessen für nachhaltiges Landmanagement

• Transparenz

• fest in der Nationalen Geoinformationsstrategie verankert!

• für erfolgreiche Umsetzung des europäischen Erdbeobachtungsprogramm

• Behörden: GeoSN, Sachsenforst, Umweltbundesamt, BKG, Bundeswehr, BND

• Wissenschaft: Helmholz Zentrum für Umweltforschung UFZ, DLR, Max-Planck-Institute, Leibnitz-Institut

• 
  

• Erkennen und Kartieren von Bodeneigenschaften und deren raumzeitlicher Dynamik

• Stichwort: Landdegradation im Zuge zunehmender Trockenheit durch den Verlust an Bodenfeuchte

z.B. zur Ableitung von

- Reifegrad

- Bestandsdichte

- Trockenstress

• Wann beginnt das Abreifen im Getreidebestand?

• Ist die Pflanzenentwicklung innerhalt eines Feldes homogen?

• Welcher Ertrag ist zu erwarten?

Der prinzipielle Unterschied zwischen überwachter und unüberwachter Klassifikation liegt in der Art und Weise, wie Algorithmen in der maschinellen Bildverarbeitung lernen, Muster in Daten zu erkennen.

Überwachte Klassifikation:

• Bei der überwachten Klassifikation werden Algorithmen mit bereits gekennzeichneten Trainingsdaten trainiert. Das bedeutet, dass jeder Datenpunkt im Trainingsdatensatz bereits einer bestimmten Klasse oder Kategorie zugeordnet ist. Der Algorithmus lernt auf der Grundlage dieser bekannten Zuordnungen, Muster zu identifizieren und kann dann auf neue, nicht gekennzeichnete Daten angewendet werden. Ein zentrales Merkmal ist also, dass der Algorithmus während des Trainings bereits mitgelieferte Informationen darüber hat, welche Kategorien existieren und wie die Muster aussehen.

Unüberwachte Klassifikation:

• Im Gegensatz dazu erfolgt die unüberwachte Klassifikation ohne vorgegebene Klassen oder Etiketten. Der Algorithmus analysiert die Daten selbstständig und gruppiert ähnliche Muster oder Merkmale zusammen, ohne zuvor zu wissen, wie viele Klassen es gibt oder welche Muster zu welcher Klasse gehören. Es wird keine vorherige Information über die zu erwartenden Klassen verwendet.

Vor- und Nachteile:

Überwachte Klassifikation:

- Vorteile:

• Präzise Ergebnisse, da der Algorithmus auf bekannten Daten trainiert wird.

• Gezielte Zuordnung von Klassen ermöglicht genaue Klassifizierung.

- Nachteile:

• Erfordert gekennzeichnete Trainingsdaten, was zeitaufwändig und kostspielig sein kann.

• Möglicher Bias, wenn die Trainingsdaten nicht repräsentativ für das gesamte Spektrum der Daten sind.

Unüberwachte Klassifikation:

- Vorteile:

• Keine Notwendigkeit für vorherige Klassenzuordnung, was den Prozess flexibler macht.

• Kann Muster identifizieren, die in der überwachten Methode möglicherweise übersehen werden.

- Nachteile:

• Ergebnisse können ungenauer sein, da der Algorithmus ohne vorherige Klasseninformationen arbeitet.

• Schwieriger zu validieren, da es keine vorher festgelegten Klassen gibt.

In der Praxis hängt die Wahl zwischen überwachter und unüberwachter Klassifikation von den spezifischen Anforderungen des Anwendungsfalls und der Verfügbarkeit von gekennzeichneten Trainingsdaten ab.

Visualisieren der Wirkungskette:

Landnutzung – Temperatur

Wozu?

• Nachhaltiges Landmanagement

• Klimaanpassung unserer Landschaften und Siedlungen

• Strategische Planung/ Optimierung von Frischluftzufuhr und Vermeidung von Hitzeinseln

• Bodenschutz

• Aufnahmeplattform zu Geometrische Auflösung: z.B. Flughöhe, Sensorauswahl…

• Spektrale Eigenschaft zu Geometrische Auflösung: Signalabhängig! Verlust von Information aufgrund spektraler Durchmischung!

• Detektion von Schädigungen an der Grasnarbe am Deich

• Ölteppiche und andere Wasserverschmutzung in Hafengebiet

• Radardaten z.B. für Waldsterben, Monitoring/Deformation in Änderung des Grundwasserspiegels

• QGIS

• SNAP

• EnMAP

• ENVI

• ERDAS Imagine

• ArcGIS

Entstehung von Luft- und Satellitenbildern

EMS

Strahlungsvorgänge

Wechselwirkung zwischen Strahlung und Materie

• Strahlungsinteraktionen

• Atmosphärenkorrektur

• Material- und wellenlängenabhängiges Reflexions, Absorptions- und Transmissionsverhalten elektromagnetischer Strahlung!

Fernerkundung und Bildinterpretation beschreiben den Komplex der Erfassung, Speicherung,

thematischen Verarbeitung und Interpretation von objektbeschreibender elektromagnetischer

Strahlung mittels (bildgebender) Sensoren, Datenträger und Bildanalyseverfahren.

„Fernerkundung ist die Gewinnung von Information über Art und Eigenschaften entfernter Objekte“

• haben direkten Einfluss auf die Qualität / Nutzbarkeit der Daten!

Umfasst folgende Eigenschaften:

• die Anzahl einzelner spektraler Bänder / Kanäle

• die Lage der spektralen Kanäle

• die Breite der spektralen Kanäle

Ein hyperspektraler Datensatz enthält Informationen/ Daten von mindestens 20 verschiedenen (i.d.R. aneinandergrenzenden) Spektralbereichen. Die Anzahl der Layer im GIS entspricht der Anzahl der spektralen Bänder/ Kanäle!

Das Signal-Rausch-Verhältnis (SNR) gibt das Verhältnis zwischen der Stärke des interessierenden Signals und der Stärke des Hintergrundrauschens an. In der Formel ausgedrückt:

SNR=Signalstärke /Rauschstärke

• Signalstärke: Die Intensität oder Stärke des interessierenden Signals.

• Rauschstärke: Die Intensität des Hintergrundrauschens oder der unerwünschten Störeinflüsse.

Ein höheres SNR bedeutet, dass das Signal im Vergleich zum Rauschen dominanter ist. In verschiedenen Bereichen wie der Fernerkundung, Kommunikationstechnik, Medizin und anderen Wissenschaftszweigen ist ein hohes SNR wichtig, um genaue und zuverlässige Informationen aus den gemessenen Daten zu erhalten.

Fernerkundung:

• Atmosphärisches Rauschen: Aerosole, Wasserdampf und andere atmosphärische Bestandteile können die auf die Erdoberfläche treffende Strahlung streuen oder absorbieren, was das Signal beeinträchtigt.

• Wolken: Wolken können die Erfassung elektromagnetischer Strahlung von der Erde blockieren oder verzerren.