Satellitenfernerkundung

Katastrophen, Umwelt- und Vegetationsbeobachtungen, Monitoring, Landwirtschaft, Landnutzung und Bodenbedeckung, Militär

Grossflächige DHM’s (je nach dem sogar Weltweit)

Orthophotos

Karten zu umwelt-/politischen Analysen, schnelle Übersicht in Katastrophengebiet

Daten der Militärspionage ;-)

Radar, da aufgrund Reflexionseigenschaften Wasser gut erkennbar ist...

Oder Bildspektroskopie mit mehreren Spektren zur Detektion von Wasser mit hohem Sedimentsgehalt. Die Spektren aus dem Infrarot-Bereich sollten hierbei die beste Auskunft geben.

Vor allem Linien-CCDs. Aufgrund des stabilen Orbits von Satelliten (im Vergleich zu Flugzeugen), ist die Orientierung eines Zeilensensors trotz allem relativ einfach, die Zeilen CCDs sind billiger als die Flächen CCDs, einfacher herzustellen und brauchen weniger Platz

Vorteile: Zeilensensoren ermöglichen im Gegensatz zu Flächensensoren grössere Bildformate und eine Mehrfachüberdeckung.

Zeilensensoren ermöglichen zudem eine höhere Auflösung bei geringeren Kosten.

Flächensensoren werden somit selten verwendet.

Nachteile: CCD-Zeilensensoren haben eine bedeutend kompliziertere Sensormodellierung (die Flächen-CCDs sind einfacher zu modellieren). Pro Bild gibt es mehr als eine Äussere Orientierung, jede Zeilenaufnahme besitzt ihre eigenen Orientierungswinkel und Positionskoordinaten.

a) Die Basisgeometrie in Zeilenrichtung ist perspektivisch (Zentralprojektion)

b) jene in Flugrichtung (also zwischen den Zeilen) quasi-parallel bzw für Nadir-Viewing quasi-orthogonal (orthographisch).

Nicht konstante oder falsche Brennweite

Anderer Bildhauptpunkt

Geometrische Verzeichnung

CCD Zeilen sind nicht kollinear oder nicht parallel zueinander (Rotation)

CCD Zeilen oder ihre Bestandteile in der Fokal-Ebene sind verschoben

Krümmung der Zeile

Diese Fehler können mit Zusatzparametern modelliert werden.

Die ersten drei Probleme können auch bei Flächen-CCDs auftreten.

GPS, INS, Startracker auf dem Satellit

Ephemeriden (Vektorform der Kepler-Bahnelemente) ?

RPCs (Rational Polynomial Coefficients) sind ein approximatives Sensor-Modell (das strenge Modell wird durch die RPCs ganz gut approximiert). Es sind die Koeffizienten für eine rationale Transformationsfunktion vom Objektraum (3D) in den Bildraum (2D) bzw. für die Beziehung zwischen 3D-Objektkoordinaten und Sensorkoordinaten (Linien- oder Flächensensor). Sie werden aus den Satelliten-Ephemeriden und der Sensorstellung abgeleitet.

Mit Messung von GCPs

Vorteile:

- Einfache und genaue Beschreibung der Objekt-Bild Beziehung.

- Einfach, schnell und praktisch gleich genau wie das strenge Sensormodell.

- RPC Modelle können mehrere Sensorsysteme beschreiben und eignen sich damit für die Softwareimplementierung.

- Sensorunabhängig. Wenn die RPCs mitgeliefert werden, braucht man nichts über das Sensormodell zu wissen.

- Die Benutzer berechnen nichts; sie setzen einfach die mit den Bildern gelieferten Koeffizienten in die rationalen kubischen Polynome ein, die die Transformation beschreiben.

Nachteile:

- Keine physikalische Bedeutung der Parameter (wobei aber solche mit Hilfe eines Korrekturparameters eingeführt werden können).

- Manchmal sind mehr Koeffizienten vorhanden als notwendig, was die Rechenzeit erhöht.

- Teilweise hohe Korrelationen zwischen den verwendeten Parametern (nur ein Teil davon unterschiedlich).

- Geringe absolute Genauigkeit falls keine Passpunkte (nur Sensororientierung) verwendet werden.

Ungefähr so genau wie das strenge geometrische Modell; es gibt keinen wesentlichen Genauigkeitsunterschied. In einem publizierten Test betrug die maximale Differenz für IKONOS 0.04 Pixel.

Ikonos, Quickbird, Auflösung 1m bis max. 0,6m

PAN: 2,5m GSD und kleiner

MS: 2-4 mal grösser

Stereofähigkeit, Definiton ändert mit der Zeit/Entwicklung (akutell: HR => besser als 3m)

Die Auflösung :-)

Damit verbunden => FOV (Field of View), bei HRS kleiner

sehr eng, across-track, Ikonos bis 0.9°

kleinerer Höhen- und Radialfehler

Radialverzerrung

HRS, hyperspektrale Sensoren, Radar, z.B. SAR

Die Satelliten werden kleiner. Sie tragen nur noch wenige Sensoren

geometrische, räumlich, radiometrische, zeitliche/temporale, spektral

Geometrische Auflösung: (engl. GRD -Ground Resolved Distance) Für die geometrische bzw. räumliche Auflösung gibt es viele Definitionen.

Man versteht unter dem Begriff nach klassischer Definition die Fähigkeit eines Systems, benachbarte Punkte oder Linien noch erkennbar wiedergeben zu können.

Ist also nicht das selbe wie GSD

Die Bildqualität wird unter anderem beeinflusst durch die Auflösung (geometrisch, temporal, spektral, radiometrisch), die Aufnahmeart (synchron, asynchron), die Optik (Aberrationen), Rauscheffekte (durch äussere Störungen und abhängig von Sensorgrösse und –art), die Komprimierungsart bei digitalen Bildern und durch atmosphärische Bedingungen (Wolkenbedeckungen).

Naturkatastrophen, Wetter, Militär

grosse zeitliche Auflösung hat z.B. IKONOS: 2-3T. bzw. ~14T für revisit und repeat

Am Äquator wegen der geringeren geographischen Breite

Stereo-fähige optische Satelliten können zwei oder mehrere Aufnahmen quasi-simultan machen (Along-Track Stereo), oder mit grösseren Zeitunterschieden (Across-Track Stereo).

Stereo-Messungen setzen z.B. einen agilen Satelliten voraus (Auch bei Across-Track?). Eine Stereoauswertung wird zudem ermöglicht durch Mehrzeilen-CCDs (z.B. 3-Zeilen), ist aber auch mit nur einer einzelnen Zeile möglich, sofern ein Spiegel für die Strahlenumlenkung eingesetzt wird.

Sonnensynchrone Orbits (SSO): Der Winkel zwischen Sonne und Bahnebene ist konstant. Die Umlaufbahn ist polnah. Sonnensynchrone Satelliten nehmen jeden Erdteil immer zur gleichen solaren Zeit auf bzw. passieren einen Punkt auf der Erdoberfläche immer zur selben Ortszeit. Pro Tag sind mehrere Umläufe um die Erde möglich.

Die Flughöhe liegt zwischen 450-850km (Low Earth Orbit) und die Inklination (Winkel zwischen Äquatorebene und Bahnebene) bei ca. 97-99°

Geostationäre Orbits (GSO):

Die Umlaufzeit der Satelliten um die Erde bzw. die Periode entspricht exakt der Rotationsdauer der Erde um ihre eigene Achse (23 Stunden, 56 Minuten, 4 Sekunden). Die Kreisbahn liegt immer über dem Äquator, die Inklination beträt 0°. Die Flughöhe ist dann 35.786km.

Der erste zivile Erdbeobachtungssatellit wurde 1972 von der NASA gestartet. Er heisst Landsat-1.

Satellit + grosse Gebietsabdeckung, geringe persp. Verzeichnung (da grosse Flughöhe), Orbitstabilität, weltweite Verfügbarkeit.

Die Bahn bei Satelliten ist recht stabil, was die Sensormodellierung bei Zeilensensoren vereinfacht, weil die Orientierung benachbarter Zeilen hochkorreliert ist.

Satellit - Teuer, komplex, Wartung, Orbit ist nur erschwert oder gar nicht veränderbar (Aufnahmeort und Zeitpunkt mehr oder weniger vorgegeben)

Flugzeug + Flugweg und damit Aufnahmegebiete und Zeitpunkt flexibel, Kontrolle Wettereinflüsse, bessere Bildqualität da geringere Flughöhe, vergleichsweise günstig,

Flugzeug - Bahn nicht stabil (Orientierung)

=> Satelliten für wiederholte Aufnahmen grosser und unzugänglicher Gebiete, oft spezialisiert auf thematische Anwendungsbereiche

=> Flugzeug vorallem für hochauflösende Aufnahmen zur Extraktion geometrischer Daten

Rohdaten mit verschiedenen geometrischen Auflösungen

Produkte mit radiometrischer Korrektur

Produkte mit radiometrischer und geometrischer Korrektur

Produkte mit zusätzlich Projektion auf ein Ellipsoid und einer kartographischen Projektion

Mit Hilfe eines DTMs und Passpunkten orthorektifizierte Bilder

Mosaikierungen

Georeferenzierte Bilder

DTMs

Viewer

Import/Export

Geometrische Modellierung: Polynomentzerrung, seltener Berechnung von äusserer Orientierung, Bündelblockausgleichung/Orthorektifizierung, Mosaikierung

Orthofotogenerierung

DTM-Generierung

Stereomessungen

Bildverarbeitung und Rasterdaten-Analyse

Hyperspektrale und multispektrale Klassifikation

3D Visualisierungen

Vektor GIS Funktionen

Radarprozessierung

Verarbeitung sonstiger Arten von Daten(typen)

Radar, grösserer Bereich wird jeweils aufgenommen, unabhängig von Lichtverhältnissen (auch bei Nacht), Wetterunabhängig, automatische Auswertung, etc.

Matching-DSM: Stereobildpaar, Sensormodell, Passpunkte

Methoden:

Stereobildauswertung (aus sichtbar + nahes IR, Radar)

Radar (interferometrische SAR Methode)

Laser Scanner

Die Genauigkeit für die Einzelpunktmessung unter Annahme einer vernünftigen Sensormodellierung, einer genügenden Anzahl Passpunkte und eines guten Basis/Höhen-Verhältnisses liegt für die Einzelpunktmessung bei ca. 1 GSD (bei guten Bedingungen, d.h. flaches oder leicht hügeliges Gebiet, gute Textur) oder 2-8 GSD (bei steilem oder rauem Relief und ungünstiger Bodenbedeckung).

Geländeneigung/Relief, Oberflächenbedeckung (Schatten, Textur und Bedeckungen bei Gebäuden; Textur und zeitliche Unterschiede bei Vegetation) (gut: 1 GSD, schlecht: 2 bis 8 GSD), zudem Matching-Algorithmus und Parameter

Homogene Oberflächenbedeckungen: Sand, Schnee / Eis / Wasser, Wald, Wiese