synergetische nutzung von optischen und sar daten für die ......sächsisches gis forum dresden,...
TRANSCRIPT
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
Synergetische Nutzung von optischen und
SAR Daten für die Ableitung von
Landbedeckungsprodukten
Tanja Riedel, Christian Thiel, Christiane Schmullius
Friedrich-Schiller-University Jena, Dept. for Earth Observation
Carsten Pathe
EOS GmbH, Jena
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
Gliederung
Einleitung
Enviland-2 Projekt
E2 Prozesskette
E2 Klassifikationsstrategie
Ergebnisse
Radarcover / AMOC II
SenThIS
Zusammenfassung & Ausblick
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
Einleitung
Sentinel-1 / -2
kostenfreie Verfügbarkeit
Sentinel-2
13 Spektralkanäle, 10-60m Auflösung
Wiederholrate 10 Tage (5 Tage S-2A/S-2B Konstellation)
Sentinel-1 C-Band SAR:
festgelegter Akquisitionsplan
Standard - Aufnahmemodus: Interferometric Wideswath, VV / VH Polarisation,
20m räumliche Auflösung, Wiederholrate 12 Tage (6 Tage S-1A/S-1B
Konstellation)
Aufnahme kontinuierlicher, dichter Zeitreihen
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
Einleitung
Enviland-2 (DLR / BMWi)
Ziel: Entwicklung einer Prozesskette zur Ableitung von Landnutzungs-
/Landbedeckungsprodukten einschließlich der Hauptanbauarten
Schwerpunkte: hoher Automatisierungsgrad, Ausnutzung Synergie optisch & SAR
RadarCover / AMOC-II (ESA)
Ziel: SAR-basierte großflächige Kartierung der Hauptlandbedeckungsklassen
SenThIS
Aktuell laufendes Projekt mit Beteiligung des EOS Jena GmbH
Sentinel-1/-2 zur Unterstützung der Durchführung von Landesaufgaben im Freistaat
Thüringen
Inhalt dieser Präsentation:
Methoden zur Auswertung multitemporaler Daten
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
ENVILAND2 - Prozesskette
Input layer
Geo-coding
Segmentation
Land Cover Map
• Optical and SAR • input data
• Multi-sensor geo- • coding / matching
• Pre-processing
• Information layer
• Edge detection
• Multi-sensor • segmentation
• Automated training areas
• Supervised classification
• Land cover and change • maps, thematic layers
Multi-channel
segmantation
Optical data Radar data
Automated extraction of
training areas
Edge detectionEdge detection
Land cover mapping
Segment-based supervised
classification
· Sensor calibration (L)
· Cloud masking
· Radiometr. normalisation
· Sensor calibration (s0)
· Radar shadow
· Topograph. normalisation
· Extraction of information
layer (e.g. NDVI)· Extraction of information
layer (e.g. STD, NGLD)
Change layer
Specific thematic layers
(biophysical / urban)
· Multi-sensor geocoding
(DEM and sensor parame-
ter based, optional GCPs)
· Image matching
· Multi-sensor geocoding
(DEM and sensor parame-
ter based, optional GCPs)
· Image matching
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
→ Nordhausen, Thüringen
→ Südlicher Teil des Harz
→ Intensive großflächige
landwirtschaftliche
Nutzung
→ Klein Altendorf
Nordrhein Westfalen
→ Südwestlich von Köln
→ Mittel- bis kleinflächige
Landwirtschaft
ENVILAND2 - Testgebiete
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
Referenzdaten
Fernerkundungsdaten
Nordhausen
2009
→ Feldkampagnen: Feldfrucht, biophysikalische Parameter
→ Amtliche Landbedekungsdaten, Biotoptypen-/Waldkartierungen, ATKIS, digitale
Orthophotos
Enviland-2 - Datengrundlage
Sentinels
Akquisitionsstrategie &
Wiederholrate
Höhere Wahrscheinlichkeit
wolkenfreier opt. Aufnahmen
Kontinuierliche SAR Zeit-
reihen mit Aufnahmen zu
kritischen phänologischen
Zeitpunkten
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
Enviland-2 - Klassifikationsstrategie
© FSU / ZFL
→ Automatisierung durch Ausweisung von Trainingsgebiete ohne Nutzerinteraktion
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
Analyse der verfügbaren
Fernerkundungsdaten
Wissensbasis - Tabelle
Automatische Definition der Decision Tree
Struktur in Abhängigkeit von den Inputdaten
klassen-
spezifische
Bildparameter:
• optisch und SAR
• stabil / robust
• übertragbar
Enviland-2 - Klassifikationsstrategie
Beispiel Bildparameter: C-HV zur Unterscheidung
von Landwirtschaft / Grünland
ASAR HV IS2 – 2005 MAV MMAX MMAX
© ESA
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
Testgebiet Nordhausen - Input: multitemporale X-, C- und L-Band Daten von 2009
Trainingsgebiete
Wasser
Nadelwald
Siedlung
Grünland
Laub-Mischwald
Winterweizen
Zuckerrüben
Andere
Feldfrüchte
Raps
Wintergerste/
Tritikale
Enviland-2 - Ergebnisse
Nordhausen
X-, C-, L-Band
Anzahl Trainingsgebiete
[Total / Referenz]
Korrekte Trainingsgebiete
[%]
Wasser 131 / 59 100,00
Nadelwald 150 / 75 100,00
Laub-/Mischwald 150 / 91 90,11
Siedlungen 150 / 121 99,17
Grünland 150 / 86 96,51
Winterweizen 150 / 91 100,00
Wintergerste / Tritikale 150 / 116 97,41
Raps 150 / 83 98,80
Zuckerrüben 12 / 9 100,00
Andere Feldfrüchte 20 / 18 100,00
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
SVM Klassifikationsergebnis
(ZFL Bonn)
Nordhausen
X-, C-, L-Band
Hersteller-genauigkeit
[%]
Nutzer-genauigkeit
[%]
Wasser 86,93 96,03
Nadelwald 85,86 83,86
Laub-/Mischwald 57,25 83,92
Siedlungen 85,86 79,28
Grünland 88,17 70,71
Winterweizen 96,38 96,63
Wintergerste / Tritikale 93,44 91,81
Raps 96,91 99,37
Zuckerrüben 74,81 99,82
Andere Feldfrüchte 96,47 90,74
Gesamtgenauigkeit 87,71
Kappa 0,86
Testgebiet Nordhausen - Input: multitemporale X-, C- und L-Band Daten von 2009
Enviland-2 - Ergebnisse
Wasser
Nadelwald
Siedlung
Grünland
Laub-Mischwald
Winterweizen
Zuckerrüben
Raps
Wintergerste/
Tritikale
Andere
Feldfrüchte
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
1. Neue Methode zur Ausweisung potentieller Traningsgebiete
Verkürzung der zeit- und kostenintensiven Definition von Trainingsdaten
Automatische Klassifikation
2. Methodischer Ansatz
Synergetische Nutzung von optischen und SAR Daten
Wissensbasierter Ansatz
Kombiniert pixel- und objektorientierter Ansatz
Szenenspezifische Schwellwerte (nicht fixiert)
3. Automatische Generierung von Trainingsgebieten ist möglich unter Verwendung von
optischen und SAR Daten oder auf alleiniger Basis von SAR-Daten – aktuelle
Klassentiefe: bis zu 12 Klassen
Enviland-2 - Zusammenfassung
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
4. Genauigkeit
Anteil fehlerhafter Trainingsgebiete für einzelne Klassen i.d.R. << 10%
Überwachte Klassifikation (ZFL): 80 – 90% Gesamtgenauigkeit
5. Übertragbarkeit
Räumliche Übertragbarkeit für Testgebiet Klein Altendorf demonstriert
Zeitliche Übertragbarkeit → Anwendung auf unterschiedliche Akquisitionsjahre
(2009 und 2010) sowie durch unterschiedliche Kombination der Inputdaten
Anwendbar auf verschieden Sensoren (Landsat TM/ETM, Spot, RapidEye
TerraSAR-X, ERS-2, Envisat ASAR, ALOS PALSAR)
Regionen anderen Landbedeckungsklassen / Anwendungen → Adaption des
Expertenwissen
Enviland-2 - Zusammenfassung
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
7. Feldfruchtartenklassifikation
Kritisch : extrem kleine Feldschläge
Kritisch: Verfügbarkeit von Fernerkundungsdaten zu optimalen
Aufnahmezeitpunkten
Enviland-2 - Zusammenfassung
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
Radarcover / AMOC II
ESA-Projekte
Ziele: Demonstration des Potentials von C-Band SAR Daten zur
großflächigen Kartierung der Hauptlandbedeckungsklassen
Vorbereitungsstudie für Sentinel-1
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
AMOC II - Landbedeckungsklassifikation
75.000 km² - 10 Frames (ASAR APP IS1 – IS3)
Decision Tree Klassifikation
DT - Beispiel für Track 0487, Frame 0999
6 Landbedeckungs-
klassen 4 Landbdeckungsklassen
(Landwirtschaft/ Grünland
kombiniert)
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
AMOC II - Ergebnisse
C-Band SAR basierte Klassifikation der
Hauptlandbedeckungsklassen ist mit hoher Genauigkeit möglich
Mindestanforderung: 4 dual-polarisierte SAR Aufnahmen
Bedeutung multitemporaler SAR-Parameter für Klassifikation
Keine konsistente und multitemporale Abdeckung großflächiger
Gebiete Mitteleuropas durch Envisat ASAR APP
SENTINEL-1: konsistente Abdeckung in Interferometric Wide Swath
Mode
Deutlich bessere Klassifikationsergebnisse sind zu erwarten
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
Themenbereich: Land-, Forst- und Wasserwirtschaft, Hochwasservorhersage
Fördergeber: BMVI, Bundesministerium für Verkehr und digitale Infrastruktur
Projektbeteiligte:
Thüringer Landesanstalt für Umwelt und Geologie (TLUG)
ThüringenForst – Anstalt des öffentlichen Rechts, Forstliches Forschungs- und
Kompetenzzentrum (FFK)
Als Unterauftragnehmer:
Earth Observation Services GmbH
Feiffer consult
SenThIS - Sentinels für Thüringer Informations-Systeme
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
SenThIS
Projektziele:
Demonstration der Potentiale von ESA Copernicus-Fernerkundungsdaten der Satelliten
Sentinel-1 (Radar) und Sentinel-2 (optischer Bereich) für den Einsatz in den Landesbehörden
TLUG: Unterstützung der hydrologischen Modellierung durch Bodenfeuchteinformationen
aus Sentinel-1-Daten
FFK: Ableitung forstlicher Bestandesparameter aus Sentinel-2-Daten
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
ESA Copernicus-Daten in SenThIS
ESA Scientific Data Hub
Lokale Datenhaltung und- verarbeitung
Sentinel-1 & 2
Zusatzinformationen aus Landesdiensten
Hilfsdaten
TLUG: Hydrolog. Modellierung
FFK: Ableitung forstl.
Bestandesparameter
EOS: Ableitung von Bodenfeuchte-
informationen + Landbedeckung für
hydrolog. Modellierung
feiffer: Ableitung von Produkten für
die Landwirtschaft
Bodenfeuchte-informationen
Forstliche Bestandesparameter
Landnutzung
Landwirtschaftl. Produkte
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
SenThIS – Bodenfeuchteableitung durch EOS GmbH
Bodenfeuchte abgeleitet mittels Change-Detection-Ansatz
Liefert relative Bodenfeuchteinformationen skaliert zwischen permanentem Welkepunkt
(Trockenreferenz) und Feldkapazität (Feuchtreferenz) → Einsatz von Sentinel-1
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
Zusammenfassung und Ausblick
Vorstellung dreier Projekte / Methoden, die als Input SAR-Zeitreihen benötigen und somit
optimal für den Einsatz von Sentinel-1 geeignet sind
Ausblick
WetlandRadar Projekt: (DLR / BMWi)
Start: Januar 2016
Verfahren zur automatischen Trainingsgebietsausweisung → Adaption und
Weiterentwicklung zur Kartierung und Monitoring von Feuchtgebieten
SAR-basierte Bodenfeuchte – Informationsgewinn für Kartierung / Monitoring von
Feuchtgebieten?
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
ENVILAND2 wurde durch die Raumfahrt-Agentur des Deutschen Zentrums
für Luft- und Raumfahrt e.V. mit Mitteln des Bundesministeriums für
Wirtschaft und Technologie aufgrund eines Beschlusses des Deutschen
Bundestages unter den Förderkennzeichen 50 EE 0844 - 50 EE 0847
gefördert
SenThIS wird durch das Bundesministerium für Verkehr und digitale
Infrastruktur BMVI gefördert
Radarcover / AMOC-II wurde durch Mittel der Europäischen
Raumfahrtbehörde ESA gefördert
Unser Dank gilt ESA, DLR and RESA für die Bereitstellung der EO-Daten
Danksagung
Sächsisches GIS Forum
Dresden, 27.01.2016
T. Riedel
Vielen Dank! Tanja Riedel
FSU Jena / Erdbeobachtung
Löbdergraben 32
D-07743 Jena
Tel.: +49/ (0)3641/ 948974
Fax.: +49/(0)3641/ 948882
e-mail: [email protected]