Fernerkundung Bildverbesserungstechniken • Radiometrische Korrektur, Atmosphärenkorrektur • Ratios – Vegetationsindices, NDVI, Tasseled Cap-Index • Hauptkomponenten-Analyse Bildklassifizierung • Grundlagen • Prinzipien der (un)überwachten Klassifizierung • Trainingsgebiete (überwachte Klassifizierung) • Genauigkeitsanalyse (Accuracy Assessment) Korrektur von Sensor-Fehlern • Ein Sensor besteht aus vielen einzelnen Detektoren, welche Strahlung über einer definierten Bodenfläche (GIFOV) registrieren. • Im optimalen Fall sind diese Detektoren so kalibriert, dass sie exakt gleich arbeiten. • Fällt ein Detektor aus, dann entsteht eine schwarze Linie im Bild (line drop). Man könnte dann beispielsweise die fehlenden unbekannten Werte jeweils aus den nachbarpixeln berechnen (z.B. durch Interpolation). • Miskalibrierte Detektoren zu korrigieren ist aufwändig und geschieht über die sog. “transfer characteristics” der Detektoren. Die Darstellung einer bestimmten Strahlungsintensität als Helligkeits/Grauwert soll für alle Detektoren identisch sein. Dies wird überprüft durch einen Vergleich mit den “transfer characteristics” der Detektoren. • “Salt and Pepper”/Speckles: Zufallspixel über das Bild verteilt sind ausgefallen (0, schwarz) oder gesättigt (255). Nach Identifizierung: “Korrektur” durch Filter: “moving window algorithm”. Beispiel horizontaler Streifen (Landsat MSS band two) • Variationen im Response der einzelnen Detektoren innerhalb eines Kanals (=Bands) • Z.B. einer von 6 Detektoren des Bands verursacht höhere oder geringere Pixelwerte in jeder sechsten Zeile (Lösungsansatz: Histogrammbasierte Identifikation des fehlerhaften Detektors, Gray-Scale Adjustment Factor ableiten, um fehlerhaftes Histogram zu korrigieren)
• Ein Sensor besteht aus vielen einzelnen Detektoren, welche Strahlung über einer definierten Bodenfläche (GIFOV)registrieren.
• Im optimalen Fall sind diese Detektoren so kalibriert, dass sie exakt gleich arbeiten.
• Fällt ein Detektor aus, dann entsteht eine schwarze Linie im Bild (line drop). Man könnte dann beispielsweise die fehlenden unbekannten Werte jeweils aus den nachbarpixeln berechnen (z.B. durch Interpolation).
• Miskalibrierte Detektoren zu korrigieren ist aufwändig und geschieht über die sog. “transfer characteristics” der Detektoren. Die Darstellung einer bestimmten Strahlungsintensität als Helligkeits/Grauwert soll für alle Detektoren identisch sein. Dies wird überprüft durch einen Vergleich mit den “transfer characteristics” der Detektoren.
• “Salt and Pepper”/Speckles: Zufallspixel über das Bild verteilt sind ausgefallen (0, schwarz) oder gesättigt (255). Nach Identifizierung: “Korrektur” durch Filter: “moving window algorithm”.
Beispiel horizontaler Streifen (Landsat MSS band two)
• Variationen im Response der einzelnen Detektoren innerhalb eines Kanals (=Bands)• Z.B. einer von 6 Detektoren des Bands verursacht höhere oder geringere Pixelwerte
in jeder sechsten Zeile (Lösungsansatz: Histogrammbasierte Identifikation des fehlerhaftenDetektors, Gray-Scale Adjustment Factor ableiten, um fehlerhaftes Histogram zu korrigieren)
2
• Dasselbe Objekt auf der Erdoberfläche kann mit unterschied-lichen spektralen und radiometrischen Werten registriert werdenin Abhängigkeit von der atmosphärischen und topographischenSituation.
• Dunst kann das Bild verzerren und den Kontrast reduzieren.• Der Sonneneinstrahlungswinkel zusammen mit der Topographie
beeinflußt die Intensität der rückgestrahlten Energie: derselbeWaldtyp sieht z.B. in vollem Sonnenlicht anders aus als an einembeschatteten Hang.
Auswirkungen von Atmosphäre und Topographie
• Nur ein Teil der Strahlung, die auf die äußere Atmosphäre trifft, gelangt schließlich direkt an den Erdboden.
• Ein Teil der Strahlung wird in der Atmosphäre gestreut und gelangt dann teilweise als diffuses Licht an den Erdboden.
• Der Anteil diffusen Lichtes beträgt zwischen 10 and 100%, abhängig von der Zusammesetzung der Atmosphäre (Wolken, Wasserdampf, Aerosole), insbesondere im Bereich der kürzerenWellenlängen.
• Bereiche des Spektrums mit einer guten Transmission durch die Atmosphäre werden “atmosphärische Fenster” genannt.
• Diffuses Licht bewirkt,• dass Schatten weniger dunkel sind (positiv aus Sicht der
Fernerkundung),• dass der Kontrast reduziert wird (negativ).
Auswirkungen von Atmosphäre und Topographie
Streuung in der Atmosphäre
Streuung an
- Luftmolekülen (Rayleigh Scattering, Partikel-Ø << λ);An einem klaren Tag bewirkt dieses Rayleigh Scatteringdass der Himmel blau aussieht.
- Wasserdampfpartikeln und Staub (0.1-10µm) (= Mie Scattering, Partikel-Ø ≈ λ),Betrifft auch die größeren Wellenlängen , aber insgesamtweniger (speziell bei Bewölkung einflussreich).
- Wassertröpfchen (>10µm; Nonselective Scattering, Partikel-Ø >> λ);Bewirkt, dass abgebildete Objekte Farbe und Kontrastverlieren (reduzierte Auswertbarkeit von Bildern).Wolken und Nebel sehen weisslich aus, da die Streuung an großen Partikeln für alle Wellenlängen in etwa gleich ist.
3
Atmosphärenkorrektur• “Atmosphärenkorrektur” bedeutet, dass Pixel für Pixel die
Grauwerte so korrigiert werden, dass die atmosphärischenStörungen eliminiert werden.
• Wenn z.B. Dunst gleichmäßig über das ganze Bild vorkommt, dann kann eine einheitliche Korrektur für das ganze Bildangewendet werden.Falls nicht, dann müssen verschiedene Bildteile unterschiedlich behandelt werden.
• Die Atmosphärenkorrektur verbessert den Kontrast einesBildes.
Einfache Techniken zur AtmosphärenkorrekturHaze Removal:• Die verschiedenen Spektralkanäle werden durch Dunst in
unterschiedlicher Weise beeinflusst:Rayleigh und Mie Scattering betreffen vor allem die kurzen Wellenlängen, so dass wir erwarten können, dass Blau und Grün (im Histogramm) weiter nach rechts verschoben sind als z.B. Rot und Infrarot.
• Man sucht Flächen mit (bekannter) Null-Rückstrahlung in allen Kanälen, z.B. homogene tiefe Schatten oder tiefes Wasser (= zero-brightness areas).
für jeden Kanal wird dann der für diese Bereiche registrierte Grauwert ermittelt und für alle Pixel des Bildes im jeweiligen Kanal abgezogen.
4
Bildverbesserung: Anstelle der origi-nalen Grauwerte werden Kombinatio-nen von Grauwerten gebildet.Grüne Vegtationreflektiert sehr unterschiedlich im roten und im nahen IR Bereich des Spektrums.
Source: Wilkie & Finn 1996.
Reflektionseigenschaften natürlicher Objekte
Hohe Diskrepanz in der Reflektion lebender Biomasse im Rot- und NIR-Bereich
• Das unterscheidet Vegetation von anderen Dingen. Die Differenzist typisch je Vegetationstyp.
• Man kann diese Charakteristik der Rückstrahlung verwenden- um Vegetation von Nicht-Vegetation zu unterscheiden,- um verschiedene Vegetationstypen zu unterscheiden.
• Die Rückstrahlungsintensität im roten und IR-Bereich mussdafür in zwei verschiedenen Kanälen des Sensors getrenntgemessen werden.
• Die Grauwerte dieser beiden Bänder kann man dann zueinem einzigen Wert kombinieren (Differenz oder Verhältnis).
5
Unterschiede in der spektralen Reflexion derselben Objekte wg. Beleuchtung bzw. Terrain-Eigenschaften
Die absolute Differenz zwischen roter und IR-Rückstrahlung hängt auch von Beleuchtungsgeometrie und Topographie ab.
Die Berechung eines ratio sorgt für “einheitliche” Ergebnisse.
Source: Lillesand & Kiefer 2000.
• Ziel: Ausnutzen der beschriebenen Eigenschaften desReflexionsmusters der Vegetation, indem ein Indexberechnet wird:
• DVI = difference vegetation index
• RVI = ratio vegetation index
• DVI und RVI: Vergleiche sind schwierig, weil der Wertebereichje nach Bildort und aktuellen Bedingungen variieren kann.
• NDVI = Normalized Difference Vegetation Index:
“Normalized”: Wertebereich zwischen +1 und -1
Der NDVI
NIR redDVI BV BV= −
NIR red
NIR red
BV BVNDVIBV BV
−=
+
NIR
red
BVRVIBV
=
• In Forst- und Landwirtschaft, Ökologie, ... besitzenVegetationsindizes eine große Bedeutung und werden häufigverwendet.
Jackson et al. 1983: A vegetation index should be particularly sensitive to vegetative covers, insensitive to soil brightness, insensitive to soil color, little affected by atmospheric effects, environmental effects and solar illumination geometry and sensor viewing conditions.
• Grüne Vegetation kommt aber meist nicht vollständigflächendeckend vor: Rückstrahlung der Vegetation istvermischt mit Schatten, Boden (Farbe und Struktur) etc.
• Auch atmosphärische Einflüsse können die typischenReflexionsmuster der Vegetation beeinflussen.
• Es wurden viele weitere Vegetationsindizes entwickelt, umeinige dieser Störfaktoren zu eliminieren.
Vegetationsindizes
6
Bannari, Bonn, Morin, Huete. 1995. A review of vegetationindexes. RemoteSensing Reviews13:95-120
Indices sind oft korreliert mit Vegetations- / Wald-Attributen, die in Inventuren von Interesse sind
Quelle: Gillespie et al. 2006. Predicting and quantifying the structure of tropical dry forests in South Florida and the Neotropics using spaceborne imagery. Global Ecology and Biogeography, 15:225-236
Beispiel:
Andere Möglichkeiten der Datentransformation: „Tasseled cap transformation“ (Kauth & Thomas 1976)
• Entwickelt für landwirtsch. Anwendungen mit Landsat MSS.• Die verschiedenen Kanäle werden verwendet, um neue
“Dimensionen” zu berechnen, wobei die ersten beiden(brightness und greenness) oft schon 95% der Gesamtvarianzerklären.- Brightness : Böden.- Greenness : Wachsende
Vegetation.- Yellowness : Alternde
Vegetation.- Non-such : Grauwerte, die nicht den vorigen Dimensionenzugeordente werden können.
Die konkrete Berechnunghängt vom Sensor ab!
Vegetations-Pixel in Landsat MSS-1/2/3,Kanäle 4, 5, 6 und 7:
Source: Jensen 1996.
7
Andere Möglichkeiten der Datentransformation: „Tasseled cap transformation“ (Kauth & Thomas 1976)
• Entwickelt für landwirtsch. Anwendungen mit Landsat MSS.• Vier Kanäle werden verwendet (blau, grün, rot, NIR), um neue
“Dimensionen” zu berechnen, wobei die ersten beiden(brightness und greenness) oft schon 95% der Gesamtvarianzerklären.- Brightness : Böden.- Greenness : Wachsende
Vegetation.- Yellowness : Alternde
Vegetation.- Non-such : Grauwerte, die nicht den vorigen Dimensionenzugeordente werden können.
Die konkrete Berechnunghängt vom Sensor ab!
Source: Jensen 1996.
Vegetations-Pixel in Landsat MSS-1/2/3,Kanäle 4, 5, 6 und 7:
Tasseled cap transformation• Aus den originalen spektralen Informationen werden nach einer
mathematischen Transformation neue “Indices” (brightness, …) berechnet.
• Diese Idee kann auch auf andere Sensoren angewendetwerden, z.B. Landsat ETM: die sechs nicht-thermischen Kanälekönnen damit “komprimiert” werden auf die drei Dimensionen“soils”, “vegetation”, und “transition = wetness”.
• Für Landsat-7 ETM, ergeben sich als Transformations-vorschrift die folgenden einfachen linearen Gleichungen:
