Zuletzt geändert von Wai-Tim Ng am 2019/04/25 14:16
Zeige letzte Bearbeiter
1 Index
2
3 * Optische Dicke von Aerosol
4 * Wasserdampf
5 * Bildklassifikation
6 * Blattflächenindex
7 * Anteil der Vegetationdecke
8 * Anteil der absorbierten photosynthetisch aktiven Strahlung
9 * normierter differenzierter Vegetationsindex
10 * Cloud Maske
11 * Signal-Rausch-Verhältnis
12 * Breitband hemisphärisch-richtungsweisende Reflexionsfaktoren
13
14 (% style="height:642px; width:1421px" %)
15 |(((
16 Die** optische Dicke** (AOT) **von Aerosol** bietet eine Maßnahme zur visuellen Transparenz der Atmosphäre. Es wird mit dem DDV-Algorithmus (dichte dunkle Vegetation) abgeleitet, mit dem (SWIR) Frequenzbereich 12 und korreliert seine Reflexion mit den Frequenzbereichen 4 (rot) und 2 (blau). Der Algorithmus verlangt, dass die Bild Bezugsbereiche des bekannten Reflexionsverhaltens enthält, vorzugsweise dichte dunkle Vegetation (DDV) und/oder dunkle Boden-und Wasserkörper.
17
18 (% style="text-align:center" %)
19 [[image:AOT.JPG]]
20
21
22 )))
23 |(((
24 **Wasserdampf** Rückgewinnung über Land erfolgt mit dem atmosphärischen, vorkorrigierten Differentielle Absorptions Algorithmus (APDA, [6]), der auf die beiden Sentinel-2-Frequenzbereiche B8a und B9 angewendet wird. Bereich 8a ist der Referenzkanal in einer atmosphärischen Fensterregion. Der Bereich B9 ist der Messkanal in der Absorptionsregion. Die Absorptionstiefe wird durch die Berechnung der Ausstrahlung für eine Atmosphäre ohne Wasserdampf bewertet, vorausgesetzt, dass die Oberflächenreflexion für den Messkanal die gleiche ist wie für den Referenzkanal. Die Absorptionstiefe ist dann ein Maß für den Wasserdampf Spalteninhalt.
25
26 (% style="text-align:center" %)
27 [[image:WV.JPG]]
28
29
30 )))
31 |(((
32 Die Hauptausgabe des Moduls Cloud Screening und** Bildklassifikation** besteht aus einer Bildklassifikationskarte. Zusammen mit der Bildklassifikationskarte werden zwei Qualitätsindikatoren zur Verfügung gestellt: eine Cloud Confidence Karte und eine Schnee Confidence Karte mit Werten von 0 bis 100 ~(%).
33
34 (% style="text-align:center" %)
35 [[image:SCL2.JPG]]
36
37
38 (% style="text-align:center" %)
39 [[image:scl.jpg]]
40
41 Quelle:
42
43 Müller-Wilm, U., Louis, J., Richter, R., Gascon, F., Niezette, M., 2013. Sentinel-2 Level 2a Prototype Processor : Architecture , Algorithms and First Results. ESA Living Planet Symp. 2013, Edinburgh, UK 2013, 3–10.
44
45 Die folgende Abbildung vergleicht die Cloud Maske der Stufe 1C und die Bildklassifikation.
46
47 (% style="text-align:center" %)
48 [[image:image-20180807150446-1.png||height="319" width="627"]]
49 )))
50 |(((
51 Die [[**Blattflächenindex**>>https://de.wikipedia.org/wiki/Blattfl%C3%A4chenindex]] (LAI) ist eine maßlose Menge, die Pflanzen Laubflächen charakterisiert. Es ist definiert als die einseitige grüne Blattfläche pro Einheit  Bodenoberfläche (LAI = Blattfläche/Grundfläche, m2/m2) in breitblättrigen Laubflächen. In Nadelbäumen wurden drei Definitionen für LAI verwendet:
52
53 * die Hälfte der gesamten Nadelfläche pro Einheit Bodenoberfläche
54 * projiziert (oder einseitig, in Übereinstimmung mit der Definition für breitblättrigen Laubflächen) Nadelbereich pro Einheit Bodenfläche
55 * Gesamtfläche der Nadelflächen pro Bodenfläche
56
57 LAI reicht von 0 (freiliegender Boden) bis über 10 (dichte Nadelwälder)
58
59 Quellen:
60
61 Atzberger, C., Richter, K., 2012. Spatially constrained inversion of radiative transfer models for improved LAI mapping from future Sentinel-2 imagery. Remote Sens. Environ. https:~/~/doi.org/10.1016/j.rse.2011.10.035
62
63 Zheng, G., Moskal, L.M., 2009. Retrieving Leaf Area Index (LAI) Using Remote Sensing: Theories, Methods and Sensors. Sensors 9, 2719–2745. https:~/~/doi.org/10.3390/s90402719
64 )))
65 |(((
66 Der [[**Anteil der Vegetationsabdeckung**>>https://www.sciencedirect.com/science/article/pii/S0034425707000909]] (**FCover**) entspricht dem Anteil des Bodens der von grüner Vegetation bedeckt ist. Praktisch quantifiziert er das räumliche Ausmaß der Vegetation. Da es unabhängig von der Beleuchtungsrichtung ist und empfindlich auf die Vegetationsmenge ist, ist FCover ein sehr guter Kandidat für den Austausch klassischer Vegetationsindizes zur Überwachung von Ökosystemen.
67
68 Quelle:
69
70 Verrelst, J., Muñoz, J., Alonso, L., Delegido, J., Rivera, J.P., Camps-Valls, G., Moreno, J., 2012. Machine learning regression algorithms for biophysical parameter retrieval: Opportunities for Sentinel-2 and -3. Remote Sens. Environ. https:~/~/doi.org/10.1016/j.rse.2011.11.002
71 )))
72 |(((
73 Der [[**Anteil der absorbierten photosynthetisch aktiven Strahlung**>>https://de.wikipedia.org/wiki/FPAR]] (**FAPAR**) ist der Anteil der eingehenden Sonneneinstrahlung in der photosynthetisch aktiven Strahlungsspektralregion, die von einem photosynthetischen Organismus absorbiert wird, der typischerweise das Licht beschreibt Absorption über ein integriertes Pflanzen  Laubdach. Diese biophysikalische Variable steht in direktem Zusammenhang mit der primären Produktivität der Photosynthese und einige Modelle nutzen diese um die Anpassung von Kohlendioxid in der Vegetation zu schätzen.
74
75 F. Baret, M. Weiss, R. Lacaze, F. Camacho, H. Makhmara, P. Pacholcyzk, B. Smets, 2013 GEOV1: LAI and FAPAR essential climate variables and FCOVER global time series capitalizing over existing products. Part1: Principles of development and production, Remote Sens. Environ 2013, Vol 137, 299-309,
76 )))
77 |(((
78 Der [[**normierter differenzierter Vegetationsindex**>>https://de.wikipedia.org/wiki/Normalized_Difference_Vegetation_Index]] (**NDVI**) ist ein einfacher grafischer Indikator, der verwendet werden kann, um Fernerkundungsmessungen, typischerweise, aber nicht unbedingt, von einer Weltraum Plattform aus zu analysieren und zu beurteilen, ob das beobachtete Ziel lebenden grünen Vegetation oder nicht enthält. Der Index kann ein Computer sein, mit dem atmosphärisch korrigierten nahe an Infrarot (NIR) und roten Bereichen, sehen sie die Formel im Folgenden.
79
80 (% style="text-align:center" %)
81 [[image:ndvi-formula-300x123.png]]
82
83
84 )))
85 |(((
86 Die [[**Cloud Maske**>>https://sentinel.esa.int/web/sentinel/technical-guides/sentinel-2-msi/level-1c/cloud-masks]] wird auf Stufe-1C erzeugt und basiert auf den 60 m Auflösung einzelner Spektralbereiche (Bereich1 bei 443 nm oder Bereich 2 bei 490 nm, Bereich 10 bei 1 375 nm und einem SWIR der beiden Bereiche 11 bei 1 610 Nm oder Bereich 12 bei 2 190 Nm). Um die möglichen Fehler zu minimieren, die sich aus einem äußeren Wert ergeben (wie z.B. geometrischer Fehler oder das Vorhandensein eines stark reflektierenden Objekts im VIR) und um sicherzustellen, dass alle Pixel, die als Cloud-frei gekennzeichnet sind, wirklich Cloud-frei sind, ist eine zusätzliche morphologisch basierte Filterschritt unternommen wird. Unter dieser Filterung wird das Vorhandensein von räumlich isolierten Pixelwerten abgemildert (Erosion), gefolgt von einer Vergrößerung der lokalen Werte in die Lücke.
87 )))
88 |(((
89 Das [[**Signal-Rausch-Verhältnis**>>https://sentinel.esa.int/web/sentinel/user-guides/sentinel-2-msi/resolutions/radiometric]] Bereiche werden aus Bildern des MSI Sonnendiffusor berechnet, die auf Stufe-1C zur Verfügung gestellt werden und aus drei 60 Meter räumlichen Auflösungsbereichen bestehen, die hauptsächlich für Cloud-Screening und atmosphärische Korrekturen sind.
90
91 (% style="text-align:center" %)
92 [[image:image-20180807154810-1.png||height="232" width="631"]]
93 )))