Wie lassen sich aus Satellitenbildern mehr Informationen gewinnen als mit Standard-Bandenkombinationen und Spektralindizes? In diesem Blended-Learning-Kurs lernen Sie, spektrale Muster und Merkmale zu erkennen und in verwertbare Geoinformationen umzuwandeln. Sie beschäftigen sich eingehend mit Spektralanalyse und Merkmalsextraktion, um Unterschiede in Vegetation, Wasser, Boden, Materialien und Landbedeckung genauer zu analysieren.
In diesem Blended-Learning-Kurs vertiefen Sie Ihre Kenntnisse in der Analyse spektraler Informationen und der Ableitung von Merkmalen aus Satellitenbildern. Sie lernen, wie sich verschiedene Oberflächen und Materialien spektral voneinander unterscheiden und wie Sie relevante Merkmale für die weitere Analyse auswählen und ableiten. Damit gehen Sie einen Schritt über die Standard-Bildauswertung, Bandkombinationen und Spektralindizes hinaus.
Materialien auf der Erdoberfläche absorbieren und reflektieren elektromagnetische Strahlung jeweils auf ihre eigene Weise. Dadurch entsteht für Vegetation, Wasser, Boden, Mineralien und künstliche Materialien ein charakteristisches Spektralmuster. Diese Muster bilden die Grundlage für die fortgeschrittene Spektralanalyse.
Du lernst, wie Spektralkurven und Reflexionsprofile interpretiert werden können und wie Absorptions- und Reflexionsmerkmale Aufschluss über die Eigenschaften der Erdoberfläche geben. Dabei untersuchst du, welche Teile des Spektrums die größte Unterscheidungskraft zwischen verschiedenen Materialien und Landbedeckungsklassen aufweisen.
Außerdem lernst du, Faktoren zu berücksichtigen, die Spektralwerte beeinflussen, wie beispielsweise die Atmosphäre, Feuchtigkeit, Vegetationsstruktur, Bodenbeschaffenheit, Schatten und Aufnahmebedingungen. So lernst du zu beurteilen, wann ein spektraler Unterschied tatsächlich etwas über das untersuchte Objekt oder Material aussagt.
Eine spektrale Signatur beschreibt, wie ein bestimmtes Material oder eine bestimmte Landbedeckungsart auf verschiedene Wellenlängen reagiert. Du lernst, spektrale Signaturen aus Satellitenbildern abzuleiten, zu vergleichen und zu interpretieren.
Du untersuchst beispielsweise, warum gesunde und gestresste Vegetation unterschiedliche Spektralmuster aufweisen kann, wie sich Wasser von feuchtem Boden unterscheidet und warum sich verschiedene Boden- oder Materialtypen spektral voneinander unterscheiden können.
Indem du spektrale Signaturen bekannter Standorte oder Referenzdaten mit unbekannten Gebieten vergleichst, kannst du untersuchen, wo vergleichbare Eigenschaften auftreten. Damit bilden spektrale Signaturen eine wichtige Verbindung zwischen Satellitenbeobachtungen und den physikalischen Eigenschaften der Erdoberfläche.
Satellitenbilder enthalten oft weitaus mehr Informationen, als für eine einzelne Analyse benötigt werden. Die Merkmalsextraktion zielt darauf ab, Merkmale abzuleiten und auszuwählen, die für die jeweilige Fragestellung relevant sind.
Sie lernen, wie ursprüngliche Spektralbänder durch abgeleitete Merkmale ergänzt werden können, wie beispielsweise Bandverhältnisse, spektrale Eigenschaften, Texturmerkmale und räumliche Muster. Außerdem untersuchen Sie, wie redundante Informationen reduziert und wie verschiedene Merkmale zu einem kompakten Datensatz kombiniert werden können, der sich besser für die weitere Analyse eignet.
Dabei lernen Sie Techniken zur Dimensionsreduktion kennen, wie beispielsweise die Hauptkomponentenanalyse (PCA). Damit lassen sich Informationen aus mehreren korrelierten Bändern in einer geringeren Anzahl von Komponenten zusammenfassen, in denen wichtige Variationen in den Satellitendaten sichtbar werden.
Nicht jedes Objekt lässt sich ausschließlich anhand von Spektralwerten zuverlässig erkennen. Zwei Arten der Bodenbedeckung können sich spektral ähneln, während sich ihre Form, Struktur oder räumliche Umgebung stark unterscheiden.
Deshalb lernst du, spektrale Merkmale mit räumlichen Informationen und Textur zu kombinieren. Du untersuchst beispielsweise, wie homogene landwirtschaftliche Parzellen, städtische Strukturen, Wälder oder andere Landschaftselemente zusätzliche Merkmale liefern, die dabei helfen können, Muster besser zu unterscheiden.
Dadurch entsteht eine umfassendere Beschreibung von Satellitenbildern, bei der nicht nur der Wert einzelner Pixel berücksichtigt wird, sondern auch die räumliche Struktur und der Zusammenhang im Bild.
Die bei der Merkmalsextraktion abgeleiteten Merkmale bilden häufig die Grundlage für Folgeanalysen. Sie können beispielsweise für die Bildklassifizierung, die Erkennung von Veränderungen, die Mustererkennung und Modelle des maschinellen Lernens verwendet werden.
Sie lernen daher nicht nur, Merkmale zu berechnen, sondern vor allem zu beurteilen, welche Merkmale tatsächlich Informationen zur Fragestellung beitragen. Dabei vergleichen Sie verschiedene Merkmale, untersuchen deren Zusammenhänge und verhindern, dass eine Analyse durch eine große Anzahl ähnlicher Variablen unnötig komplex wird.
Du arbeitest mit offenen Satellitendaten und Open-Source-Techniken. QGIS ist eine wichtige Arbeitsumgebung für das Kombinieren, Analysieren und Visualisieren von Daten. Bei Bedarf können zusätzliche Open-Source-Tools und -Algorithmen für spezialisierte Spektralanalysen eingesetzt werden.
Im Rahmen des Blended-Learning-Programms arbeitest du mit realistischen Satellitendaten und praxisnahen Fragestellungen. Du untersuchst, welche spektralen und räumlichen Merkmale erforderlich sind, um Unterschiede auf der Erdoberfläche sichtbar und messbar zu machen.
Du bearbeitest unter anderem folgende Aufgaben:
Im Anschluss daran kannst du spektrale Satellitendaten vertiefend analysieren und relevante Merkmale aus den Bildern ableiten. Du kannst spektrale Signaturen interpretieren, verschiedene Merkmale entwickeln und auswählen sowie spektrale, räumliche und Texturinformationen kombinieren. Damit kannst du komplexe Satellitendaten in einen nutzbaren Satz von Merkmalen für weitere Fernerkundungsanalysen umwandeln.
Sie erhalten eine persönliche Betreuung. Nach Ihrer Anmeldung wird sich unser Kurskoordinator mit Ihnen in Verbindung setzen, um Ihren ersten Termin zu vereinbaren.
Haben Sie Fragen zum Inhalt des Kurses? Oder sind Sie sich nicht sicher, ob der Kurs Ihren Lernzielen oder Wünschen entspricht? Bevorzugen Sie einen Inhouse- oder einen Privatkurs? Wir helfen Ihnen gerne weiter.
