• Treffer 1 von 9
Zurück zur Trefferliste

Generation of Higher Level Earth Observation Satellite Products for Regional Environmental Monitoring

Generierung höherwertiger Erdbeobachtungs-Satellitenprodukte für regionale Umweltüberwachung

  • Earth observation (EO) is a prerequisite for sustainable land use management, and the open-data Landsat mission is at the forefront of this development. However, increasing data volumes have led to a "digital-divide", and consequently, it is key to develop methods that account for the most data-intensive processing steps, then used for the generation and provision of analysis-ready, standardized, higher-level (Level 2 and Level 3) baseline products for enhanced uptake in environmental monitoring systems. Accordingly, the overarching research task of this dissertation was to develop such a framework with a special emphasis on the yet under-researched drylands of Southern Africa. A fully automatic and memory-resident radiometric preprocessing streamline (Level 2) was implemented. The method was applied to the complete Angolan, Zambian, Zimbabwean, Botswanan, and Namibian Landsat record, amounting 58,731 images with a total data volume of nearly 15 TB. Cloud/shadow detection capabilities were improved for drylands. An integrated correction of atmospheric, topographic and bidirectional effects was implemented, based on radiative theory with corrections for multiple scatterings, and adjacency effects, as well as including a multilayered toolset for estimating aerosol optical depth over persistent dark targets or by falling back on a spatio-temporal climatology. Topographic and bidirectional effects were reduced with a semi-empirical C-correction and a global set of correction parameters, respectively. Gridding and reprojection were already included to facilitate easy and efficient further processing. The selection of phenologically similar observations is a key monitoring requirement for multi-temporal analyses, and hence, the generation of Level 3 products that realize phenological normalization on the pixel-level was pursued. As a prerequisite, coarse resolution Land Surface Phenology (LSP) was derived in a first step, then spatially refined by fusing it with a small number of Level 2 images. For this purpose, a novel data fusion technique was developed, wherein a focal filter based approach employs multi-scale and source prediction proxies. Phenologically normalized composites (Level 3) were generated by coupling the target day (i.e. the main compositing criterion) to the input LSP. The approach was demonstrated by generating peak, end and minimum of season composites, and by comparing these with static composites (fixed target day). It was shown that the phenological normalization accounts for terrain- and land cover class-induced LSP differences, and the use of Level 2 inputs enables a wide range of monitoring options, among them the detection of within state processes like forest degradation. In summary, the developed preprocessing framework is capable of generating several analysis-ready baseline EO satellite products. These datasets can be used for regional case studies, but may also be directly integrated into more operational monitoring systems " e.g. in support of the Reducing Emissions from Deforestation and Forest Degradation (REDD) incentive. In reference to IEEE copyrighted material which is used with permission in this thesis, the IEEE does not endorse any of Trier University's products or services. Internal or personal use of this material is permitted. If interested in reprinting/republishing IEEE copyrighted material for advertising or promotional purposes or for creating new collective works for resale or redistribution, please go to http://www.ieee.org/publications_standards/publications/rights/rights_link.html to learn how to obtain a License from RightsLink.
  • Erdbeobachtung ist eine Grundvoraussetzung für nachhaltiges Landnutzungsmanagement. Hierbei kommt der Landsat Mission, nicht zuletzt wegen ihrer freien Datenpolitik, eine zentrale Rolle zu. Der hiermit verbundene starke Anstieg von verfügbaren Datenmengen hat allerdings zu einer "digitalen Kluft" geführt. Somit ist es von höchster Wichtigkeit, Methodenentwicklung voranzutreiben um die rechenintensivsten Vorverarbeitungsschritte zu automatisieren. Die damit verbundene Generierung von Analyse-fertigen, standardisierten, höherwertigen (Level 2 und Level 3) Satellitenbildbasisprodukten erhöht wiederum das operationelle Potential von Umweltüberwachungssystemen. Die übergreifende Forschungsaufgabe dieser Dissertation war die Entwicklung eines solchen Systems mit speziellem Fokus auf den noch untererforschten Trockengebieten des südlichen Afrikas. Eine vollautomatische und Speicher-residente radiometrische Vorverarbeitungskette (Level 2) wurde entwickelt, implementiert, und auf das gesamte Landsat-Archiv von Angola, Sambia, Simbabwe, Botswana und Namibia angewendet. Dies entspricht 58.731 Bildern und einem Gesamtdatenvolumen von ca. 15 TB. Eine Verbesserung der Wolken- und Wolkenschattendetektion wurde für Trockengebiete vorgenommen. Eine integrierte Korrektur für atmosphärische, topographische und bidirektionelle Effekte wurde auf Grundlage von Strahlungstransfertheorie inklusive Berücksichtigung von Mehrfachstreuungen und Nachbarschaftseffekten implementiert. Des Weiteren wurde ein mehrstufiges Verfahren zur Schätzung der Aerosol optischen Dicke über persistenten dunklen Objekten beziehungsweise der Rückgriff auf eine räumich-zeitlich variable Aerosolklimatologie entwickelt. Topographische und bidirektionelle Effekte wurden jeweils mit einer semi-empirischen C-Korrektur und einem globalen Korrekturparameterset reduziert. Anschließend wurde eine Kachelung und Reprojizierung vorgenommen, um die effiziente Weiterverarbeitung der Daten zu vereinfachen. Die Auswahl von phänologisch ähnlichen Beobachtungen ist eine wichtige Voraussetzung für Analysen im Bereich der Umweltüberwachung, und somit wurde ein Level 3 Produktgenerierungssystem entwickelt, das eine phänologische Normalisierung auf Pixelebene realisiert. Um dies zu erreichen, wurde zunächst ein räumlich grob aufgelöster Phänologiedatensatz erzeugt, dessen räumliche Auflösung anschließend unter Hinzunahme einiger weniger Level 2 Produkte verbessert wurde. Hierfür wurde auf Basis von mehrskaliger Information unterschiedlicher Datenquellen ein Datenfusionsansatz entwickelt. Phänologisch normalisierte Bildkomposite (Level 3) wurden schließlich erzeugt, indem der Zieltag (wichtigstes Auswahlkriterium) mit dem erzeugten Phänologiedatensatz gekoppelt wurde. Zur Demonstration des Ansatzes wurden Komposite zum Maximum, Ende und Minimum der Vegetationsperiode erzeugt, und mit einer statischen Variante verglichen (festgelegter Zieltag). Es konnte gezeigt werden, dass die phänologische Normalisierung Höhen- und Landnutzungsbedingte Unterschiede in der Vegetationsentwicklung ausgleichen kann. Außerdem hat sich gezeigt, dass die Nutzung der Level 2 Daten eine Vielzahl an Umweltüberwachungsoptionen bietet, unter anderem die Detektion gradueller Landschaftsveränderungen. In Zusammenfassung wurde eine Vorprozessierungskette entwickelt, die in der Lage ist mehrere grundlegende Analyse-fertige Erdbeobachtungs-Satellitenbildprodukte zu generieren. Diese Datensätze können nun für regionale Fallstudien, aber auch für die direkte Integration in operationellere Umweltüberwachungssysteme, wie z.B. im "Reducing Emissions from Deforestation and Forest Degradation" (REDD) Programm verwendet werden. In reference to IEEE copyrighted material which is used with permission in this thesis, the IEEE does not endorse any of Trier University's products or services. Internal or personal use of this material is permitted. If interested in reprinting/republishing IEEE copyrighted material for advertising or promotional purposes or for creating new collective works for resale or redistribution, please go to http://www.ieee.org/publications_standards/publications/rights/rights_link.html to learn how to obtain a License from RightsLink.

Volltext Dateien herunterladen

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar
Metadaten
Verfasserangaben:David Frantz
URN:urn:nbn:de:hbz:385-10465
DOI:https://doi.org/10.25353/ubtr-xxxx-a477-6262
Betreuer:Joachim Hill
Dokumentart:Dissertation
Sprache:Englisch
Datum der Fertigstellung:04.05.2017
Veröffentlichende Institution:Universität Trier
Titel verleihende Institution:Universität Trier, Fachbereich 6
Datum der Abschlussprüfung:27.01.2017
Datum der Freischaltung:04.05.2017
Freies Schlagwort / Tag:Big Data; Environmental Monitoring; Image Processing; Remote Sensing; Southern Africa
GND-Schlagwort:Bildverarbeitung; Erde; Fernerkundung; Massendaten; Phänologie; Radiometrie; Satellit; Umweltüberwachung; Wolke
Institute:Fachbereich 6 / Raum- und Umweltwissenschaften
DDC-Klassifikation:5 Naturwissenschaften und Mathematik / 55 Geowissenschaften, Geologie / 550 Geowissenschaften

$Rev: 13581 $