GEO 113 Fernerkundung I: Terms& Definitions

Raum-Zeit-Volumen der individuell möglichen Aufenthaltsorte, basierend auf deren Maximalgeschwindigkeit und Zeitbudge.

Potential path area: 2-D Area, welche in einer gegebenen Zeit und Geschwindigkeit erreicht werden kann. Dies ist wichtig in Zugänglichkeitsstudien.

Beschränkte Area, in welcher eine Bewegung stattfinden kann (bspw. Landesgrenzen).

Alle Anwendungen des GIS, welche sich auf das menschliche Umfeld beziehen und dessen assoziierten Disziplinen.

Bsp: 

• Human-related engineering: Karte über die Kabel der Tram.
• Economics: Wo gibt es noch Kundenpotential?
• Sozialwissenschaften: Soziodemographische Variablen wie das Bruttoinlandprodukt darstellen.
• Gesundheitswissenschaften: "Walkability" (was kann ich zu Fuss erreichen), Aussetzung zu Umwelteinflüssen.
• Geisteswissenschaft (Humanities): Evolution von Sprache über Raum und Zeit modellieren.

RS ist v.a. für Überwachung und Beaufsichtigen von natürlichen Ressourcen, welche für Menschlichen Leben wichtig sind, nützlich. Es werden Daten für Leute gesammelt!

RS kann jedoch Daten über Menschen nicht verarbeiten, dort kommt GIS ins Spiel.

Beispiele:

• Flood mapping
• Reisfeld Vorhersagen
• Überwachung von Friedensverträgen
• Abholzung und Überwachung von Waldressourcen

«Everything is related to everything else, but near things are more related than distant things»

Sind zwei Raumstellen nahe beieinander, hat der Ort A einen Einfluss auf den Ort B. Zwei Ereignisse an der Ortschaft A und B werden einen grösseren Zusammenhang aufweisen, je kürzer die Distanz zwischen A und B ist. Bsp.: Meteorologische Eigenschaften

Es wirkt intuitiv logisch, dass Dinge, welche räumlich nahe beieinander sind, auch ähnliche Eigenschaften haben. Das umgekehrte Argument, dass Dinge, welche weit voneinander entfernt sind, nicht ähnlich sind, kann nicht getroffen werden!

Stattdessen sollten wir uns fragen, ab welcher Distanz zwei Standort keinen Einfluss mehr aufeinander haben.

Viele geographische Phänomene variieren kontinuierlich über Raum ohne abrupte Veränderungen (bspw. Luftdruck/-Temperatur, Landpreise).

Es gibt jedoch auch Phänomene, welche das TFL Gesetz brechen! Bspw. eine teure Siedlung, welche direkt neben einem Armutsviertel liegt.

Einwohnerzahl an manchen Orten stark zentriert, an einem anderen Ort wirkt es eher zufällig.

Leute, welche dasselbe Einkommen haben, leben an ähnlichen Orten. Räumliche Autokorrelation widerspricht der konventionellen Statistik, da benachbarte Beobachtungen nicht voneinander unabhängig sind.

Nach TFL Gesetzt ist die räumliche Autokorrelation verbunden mit:

• Der räumlicher Distanz
• Der Ähnlichkeit von Eigenschaften von Objekten in verschiedenen Ortschaften

Wenn wir mit Daten arbeiten, welche in Gebietseinheiten (areal units) repräsentiert sind, können wir versuchen diese zwei Elemente folgendermassen zu erfassen:

1. Die Ortschaft/Nähe eines Objektes -> Nachbarschaftsmatrix W_ij bzw. spatial weights matrix

2. Eigenschaften der Objekte -> Kovarianz: Ähnlichkeit der Attributwerte (y_i – y_Mittelwert)*(y_j – y_Mittelwert)

Einfacher Index um räumliche Autokorrelation zu messen. Immer über Nachbarschaft, nicht grosse Gebiete. Dazu verwendet man die zwei oben definierte Aspekte Nähe und Eigenschaftsähnlichkeit.

I > 0 Positive Räumliche Autokorrelation

I = 0 Unabhängig, keine Korrelation

I < 0 Negative Räumliche Autokorrelation

Modifiable Areal Unit Problem: 

Ein Problem, welches durch das Erzwingen von künstlich gezogenen Grenzen entsteht, um die geographischen Variablen, welche über den Raum variieren, zu aggregieren.

Zwei Probleme:

Massstabsproblem: Räumliche Einheiten können auf unterschiedlichen Skalen aggregiert werden (Kanton vs. Gemeinde).

Zonierungsproblem/Aggregationsproblem: Es gibt viele verschiedene Möglichkeiten für eine Zonierung, wobei jedes zu einem anderen Resultat führt.

In sozio-ökonomischen Anwendungen arbeiten wir öfter mit zusammengefassten Daten als mit individuellen Daten (microdata).

Mögliche Gründe:

• Daten werden nur im community level berichtet aus administrativen Gründen (bspw. Wahlen)
• Daten können kumuliert werden, um sie mit anderen kumulierten Daten zu vergleichen.

DSS

Allgemein gedacht, meist computisiert, wir haben eine Problemorientierung und dieses System kann für diese bestimmte Problemdomäne den Entscheidungsfindungsprozess unterstützen.

SDSS

Ein Decision support system, mit einer starken räumlichen Komponente, räumlichen Datenmodellen und einer räumlichen Analyse um dem Benutzer zu einer Lösung zu verhelfen.

Wichtig ist, dass solche Systeme typischerweise eingesetzt werden, um semi-strukturierte Probleme zu lösen. Diese Probleme können nur teilweise definiert werden, da manche Bedingungen/Konditionen nicht gegeben oder ungenau sind. Typischerweise keine klare und eindeutige Lösung.

Beispiel: Planungsprobleme, was bringt uns die Zukunft?

Kann high- oder low-tech sein, das individuelle Mapping kann von einer Person oder einer Gruppe gemacht werden. Wichtig ist v.a., dass die Personen direkt involviert werden. Hilfreich können auch beschreibende Daten sein (lautes Denken, Notizen, Kommentare). Solche qualitative Informationen können im GIS dann miteingefügt werden.

Vorteile:

• PM erlaubt es, individuelle Ansichten, Erfahrungen und Werte miteinzubeziehen
• Das Miteinbeziehen von direkt betroffenen Personen unterstützt den Entscheidungsprozess
• Es können geographische Informationen (Polygone, Linien) wie auch qualitative Informationen gesammelt und miteinbezogen werden.

Herausforderungen:

• PM produziert häufig ungenaue räumliche Daten (von Hand gezeichnete Daten)
• Es ist teilweise unklar, mit welchen Koordinaten/Objekt eine bestimmte Anmerkung verbunden ist
• Es ist oft schwierig solche Daten in das map overlay miteinzubeziehen aufgrund der eingeschränkten Genauigkeit.

Zeit zwischen zwei Bildaufnahmen (image acquisitions)

für eine vorgegebene Lokalisation.

- Revisit time or repeat cycle (in Tagen gemessen)

Anzahl der spectral bands und ihre Wellenlängeintervalle

(wavelength intervals).

- Panchromatisch (1 Spektralkanal), multispektral (2 - 10 Spektralkanäle) (remote sensing radiometer) und hyperspektral (10

bis mehrere hundert Spektralkanäne).( Imaging spectrometer)

Es kommt zu Interaktionen zwischen Luftstreuung, Direktstreuung und Nachbarschaftsstreuung.

Aufgenommen wird also die Streuung der Nachbarschaft auf das Ziel, die direkte Reflektion des Ziels,

die Nachbarsreflektion und die Luftstreuung.

Adjacent = Nachbar

Die Rate, in der die Solarenergie auf die Oberfläche fällt (W/m2).

Die Menge an Strahlung (emittiert, reflektiert, transmissioniert) welche von einer Area kommt.

Abhängig von der Oberfläche, dem Winkel und der Wellenlänge. (Watt pro Steradian pro m2 pro

nm)

Die Proportion der auftreffenden und reflektierten Strahlung einer Fläche.

Pixelwerte, welche noch nicht in physikalische Einheiten kalibriert wurden.

Die Studie des Lichts als eine Funktion von Wellenlängen, welche emittiert, reflektiert oder gestreut wurde von soliden/flüssigen Flächen oder Gas (meist in %).

Die Technologie um die Power von optischen Strahlen in engen, zusammenhängenden Wellenlängenintervallen zu messen.

Sammelt multiple, spektral nicht zusammenhängende Bänder des elektromagnetischen Spektrums. (Landsat 8 = Multispectral satellite)

Multispektrale Satelliten

1. Sentinel-2
2. Landsat 8
3. Meteosat
4. MODIS
5. ASTER

Sammelt hunderte von spektral zusammenhängende Bänder, sodass für jeden Pixel ein reflektiertes Spektrum abgeleitet werden kann.

Hyperspektrale Satelliten

1. Airborne Prism Experiment (APEX)
2. Medium Resolution Imaging Spectrometer (MERIS)

Man hat bspw. auf der X/YAchse die räumliche Auflösung und auf der Z-Achse die Spektrale Auflösung.

Elektromagnetische Welle;

Wellenlänge: 1m-1mm

Frequenz: 300MHz – 300GHz

Instrument, welches (passive) elektromagnetische Strahlung misst.

- Imager: imaging passive sensor

- Sounder: measuring along transects