Einleitung:

Grundlage des folgenden Berichts bilden zwei Landsat-TM-Aufnahmen aus den Jahren 2001 (13.05.2001) und 2008 (08.08.2008).Zur Bearbeitung der Hausarbeit wurde das Programm ERDAS Imagine 2013, sowie TOP 50 genutzt.

Aufgabe 1: Erstellen eines Subsets

Zunächst wurde ein Bildausschnitt erstellt, der Geretsried beinhaltete und so ausgelegt war, dass Teilgebiete nicht mehr als nötig „beschnitten“ wurden, sowie Geretsried möglichst zentral darstellt.Die Pixelwerte des Subsets lauten wie folgt: ULX: 4126; ULY: -652,0; LRX: 4792; LRY: -1653. Die Berechnung der tatsächlichen Größe des Ausschnitts lautet:

LRX- ULX, das heißt vorliegend 4792 – 4126 = 666LRY – ULY, das heißt vorliegend 1653 – 652 = 1001

Diese Werte müssen nun in Meter umgerechnet werden:666 x 30m = 19980m1001 x 30m = 30030m

19980m x 30030m = 599.999.400 m² = 600 km²

Der Bildausschnitt liegt demnach in dem vorgeschriebenen Bereich von 600 km².

Abb.1: subset and chip (8may08)

Abb.2: Subset der Aufnahme LANDSAT 5 TM vom 8.5.2008 mit Pixelwerten

Aufgabe 2: Geokodieren und Entzerren

Folgend wird in Absprache mit Herrn Prof. Hank mit den ursprünglichen Subsets weitergearbeitet (vgl. Hausarbeit vor der Nachkorrektur).

Im zweiten Schritt mussten die Szenen geokodiert und geometrisch entzerrt werden, damit eine einheitliche Qualität sowie ein einheitlicher Raumbezug gewährleistet werden konnte.

Als Referenzkarte dazu diente das Kartenwerk TOP50 mit der Karte 1:50000 Bayern.

In dem Datensatz von 2008 wurden 12 über den kompletten Ausschnitt verteilte Passpunkte gesetzt, um eine größtmögliche Genauigkeit bei der Geokodierung zu erlangen.

Um eine möglichst hohe Genauigkeit zu erzielen wurde ein Polynom zweiter Ordnung gewählt.Je höher der Grad der Polynome ist, desto Stärker ist auch die Entzerrung der Bilder, wozu jedoch auch jeweils eine höhere Anzahl an Passpunkten benötigt wird.

Dem Bildausschnitt wird hierbei ein Koordinatensystem zugeteilt. In diesem Fall wurde als Koordinatensystem UTM (transversale Mercator Projektion) in der Zone 32 mit dem Referenzsystem WSG 84 genommen.Als Passpunkte wurden (in der TOP 50 Karte) Punkte gewählt, die in den einzelnen Bilddateien gut identifizierbar sind ( Albertz 2009, S.99 ), wie zum Beispiel Autobahnkreuze, Weggabelungen, Brücken u.ä.

Bei der Passpunktkorrektur konnte schlussendlich ein mittlerer quadratischer Fehler ( Root Mean Square Error, RMS Error ) bei der Wahl des Polygons 2. Grades zwischen 0,002 und 0,017 Pixeln erreicht werden, was einen sehr geringen Fehlerwert darstellt.

Abb.3: Passpunkte und RMS Error (2008)

Im nächsten Schritt wurde das Resampling nach dem „Nearest Neighbourhood“- Verfahren durchgeführt, bei dem der Grauwert desjenigen Pixels des ursprünglichen Eingabebildes übernommen wird, welches dem transformierten Pixel am nächsten liegt (Löffler et.al 2005, S.91).Dies führt zwar zu einem gewissen Verlust an Bildqualität (Löffler et.al 2005, S.91), erhält jedoch die Original Grauwerte, was für die spätere Multispektralklassifizierung von Bedeutung ist (Albertz 2009, S.102).

Abb.4 : Resampling der Aufnahme von 2008

Im folgenden Schritt wird das Bild von 2001 geokodiert und entzerrt. Hierbei wird als Referenzbild das bereits geokodierte und entzerrte Bild von 2008 hinzugezogen. Es werden wiederum Passpunkte gesetzte und zwar nach Möglichkeit dieselben, die bereits im TOP 50 für das Bild 2008 ausgewählt wurden. Nicht alle Passpunkte waren setzbar, da einige außerhalb des Bildausschnitts bei dem georeferenzierten Bild von 2008 lagen. Statt ursprünglich 12 Passpunkten konnten hier nur noch 10 gesetzt werden. Ab dem siebten gesetzten Passpunkt schlägt das System automatisch den Punkt vor. Der RMS Error sollte auch hier nicht höher als 1,0 sein. Wie auf der folgenden Abbildung zu sehen ist bewegt er sich bei dem georeferenzierten Bild von 2001 zwischen 0,329 und 0,895 Pixeln und ist demnach noch im akzeptablen Bereich.

Abb.5 : geokodiertes Bild 2001 mit RMS Error

Im folgenden wurde zur Kontrolle der Entzerrung der layerstack durchgeführt, das heißt das Aufeinanderstapeln von Kanälen der Bilder.Hierdurch kann überprüft werden, ob Strassenverläufe oder Siedlungen deckungsgleich sind.Ist dies der Fall war die Geokodierung, sowie die darauffolgend durchgeführte Entzerrung erfolgreich.

Abb.3 : screenshot layerstack

Abb.4: screenshot layerstack mit der Kanalkombination 12-3-3, vergrößerter Ausschnitt

Aufgabe 3: BildinterpretationAufgabe 3a: Statistikvergleich

Des weiteren folgt der Vergleich der Statistiken beider Bilder (jeweils links 2008, rechts 2001):

Abb.9: Statistiken layer 1

Abb. 10 : statistik layer 2

Abb.11 :Statistiken layer 3

Abb.12: Statistiken layer 4

Abb.13: Statistiken layer 5

Abb.14: Statistiken layer 7

2008:Kanal Min Max Mean

1 42 255 55,561

2 14 244 25,218

3 4 254 23,526

4 9 255 82,204

5 3 255 63,870

7 1 255 23,825

2001:Kanal Min Max Mean

1 51 255 66,1

2 31 255 54,42

3 22 255 45,45

4 12 255 86,37

5 9 255 74,36

7 6 255 42,18

Vor allem bei den Kanälen 2, 3 und 7 gibt es relativ hohe Unterschiede bei den Mean-, das heißt den durchschnittlichen Grauwerten. Dies bedeutet, dass die Aufnahme von 2008 im Vergleich zu der von 2001 dunkler ist, was wiederrum darauf schließen lässt, dass ?????????

Aufgabe 3b: Haze Korrektur

Im sichtbaren Bereich (das heißt Kanäle 1-3) erfolgt nun die Haze Korrektur, um den atmosphärischen Einfluss auf die spektrale Strahldichte, die am Sensor ankommt zu eliminieren

(Albertz 2009, 102). Es wird also die durch die Rayleigh Streuunung entstandene atmosphärische Verblauung reduziert, wodurch ein Vergleich der zu verschiedenen Zeipunkten aufgenommenen Bilder erleichtert wird.Die Kanäle 1, 2 und 3 werden dafür im Modelmaker korrigiert (Streulicht Reduktionsmethode), die Kanäle 4, 5 und 7 hingegen werden korrekturlos übernommen.

Abb.15: Model maker / Haze correct (2008)

Abb.16: haze korrigiertes Bild (2008)

Abb.17: Modelmaker /haze correct (2001)

Abb.18: haze korrigiertes Bild (2001)

Aufgabe 3c: Kanalkombinationen

Objekt 5 – 4 – 3 enthält drei wichtige Spektralbereiche: sichtbarer Bereich (rot), nahes Infrarot, mittleres Infrarot

4 – 3 – 2 Begründung

Tiefes Wasser schwarz Dunkelblau /schwarz

5-4-3Wasser absorbiert alle hier dargestellten Wellenlängen, was dazu führt, dass der Sensor nicht in der Lage ist Reflexionen zu empfangen. Dies ist der Grund, warum das Wasser nahezu schwarz erscheint.

4-3-2 Im Gegensatz zur Kanalkombination 5-4-3 wird bei der Kombination 4-3-2 ein minimaler Teil der grünen sichtbaren Lichts reflektiert, was auf den Satellitenbildern blau dargestellt ist.

Flaches Wasser

dunkelblau hellblau 5-4-3Im Gegensatz zum tiefen Wasser wird im flachen Wasser ein Teil des roten Bodens reflektiert, was zu einer blauen Farbgebung führt.

4-3-2

Vegetation Grün

Anteile des mittleren

rot 5-4-3:Die starke Reflektion von Vegetation in NIR Bereich wird im Bild grün dargestellt.

Infrarots kann Hinweise auf Vegetationsschäden geben

4-3-2Die Böden erscheinen rot, da frische, wasserhaltige Vegetation viel NIR reflektiert. Es besteht eine hohe Sensitivität gegenüber Grüner Vegetation.

Versiegelte Fläche(Siedlung)

Magenta Türkis 5-4-3Siedlungsflächen reflektieren im 5. und 3. Kanal. Aus der Mischung der Kanalfarben rot und blau ergibt sich ein magentafarbener Ton der Siedlungen.

4-3-2Hier wird der dritte Kanal grün dargestellt, was zu einer türkisen Färbung der Siedlungen führt.

Aufgabe 3d: Erstellung von Spektren

Zuletzt mussten Spektren in beiden Bildern für Nadelwälder, Laub- bzw. Mischwäldern, Grünland, Ackerflächen und Wasser erstellt werden.

Abb.19: Reflexivität verschiedener Oberflächen in verschiedenen Kanälen im Mai 2001

Abb.20: Reflexivität verschiedener Oberflächen in verschiedenen Kanälen im Mai 2008

Warum ergeben sich eventuell im Verlauf der Spektren Unterschiede?

Die sich ergebenden Unterschiede sind darauf zurückzuführen, dass sich für jeden Kanal für die

jeweiligen Objektoberflächen ein anderer Wert ergibt, was wiederum auf die verschiedenen Reflexionseingenschaften der Oberflächen zurückzuführen ist ( Clarke 2007, S.454f. ).

Sehen die ausgewählten Ackerflächen und Wiesen in beiden Bildern gleich aus?

Die ausgewählten Acker- und Grünflächen in beiden Bildern unterscheidet sich, was auf die verschiedenen Aufnahmejahre zurückzuführen ist. Die Vegetationsentwicklung ist nicht in jedem Jahr gleich, die Umwelteinflüsse differenzieren und folglich auch von Jahr zu Jahr die Vegetationsentwicklung (Löffler et.al 2005, S.214). Auch wenn die Bilder in demselben Monat gemacht wurden, ist demnach ein Unterschied nicht ungewöhnlich, da die Vegetation einen entscheidenden Einfluss auf die spektrale Oberflächeneigenschaft und demnach das Reflexionsvermögen verschiedener Objekte hat.