Earth Observation & Mapping

Transkript

1 Maritime Unterwassertopographie GMES Thementage 2012: Maritime Sicherheit EOMAP GmbH & Co. KG Airport Oberpfaffenhofen Germany Dr. Knut Hartmann Dr. Thomas Heege ESA Earth Observation & Mapping NASA

2 EOMAP business areas Coastal engineering and environmental monitoring and mapping Offshore and Oil & Gas companies (e.g. Australia, Qatar) Environm. Agencies (e.g. Mexico, Germany, UAE) Hydrographic Offices (e.g. UK, IR) Maritime security consultancies International research project participation Vietnam, Mexico, Australia, GB, Armenia, European Space Agency projects (ESA) EU FP7 projects (FRESHMON) Operational satellite VA processors e.g. ENMAP / DLR

3 EOMAP business areas Bathymetry Seegrund Kartierungen Wasserqualitätsmonitoring R&D

4 Bathymetry

5 Übersicht Bathymetry Gültigkeitsbereich: Abhängig von Wassertrübung: 0 m (10 m) 20 m (max: 40m) Genauigkeit: Ohne Kalibrationsdaten: < 20 % Abweichung Mit Kalibrationsdaten: < 10 % Abweichung Räumliche Auflösung: High resolution: WV 2, QB, IKONOS, RE: 2-5 m (Medium resolution: Sentinel-2: 10 m) Medium resolution: LANDSAT: m Low resolution: MERIS: 300 m Vorteile: Kosteneffektiv Geringe keine Messkampagnen nötig Ermöglicht Kartierung in unzugänglichen Gebieten Schnelle Datenverfügbarkeit, auch für große Gebiet In Flachwasserbereichen höhere Genauigkeit gegenüber Echo- Sounding

6 Bathymetry: Beispiel Rottnest Island Rottnest Island (West Australia), QuickBird satellite data July 17, 2005 Input: QuickBird data

7 Bathymetry: Rottnest Island, AUS Rottnest Island (West Australia), QuickBird satellite data July 17, 2005 Satellite retrieved by MIP White mask > 22m Echo sounding map VALIDATION: 0-18m R=0.94 SD=20% N=50439 points Depth [m]

8 Bathymetry: Product fusion optic and SAR Synergethic water depth product using QuickBird and TerraSAR-X data

9 Bathymetry: Beispiel Qatar Qatar, World-View 2

10 Bathymetry: Beispiel Maya Küste, MEX Mexiko, Maya Küste, World-View 2

11 Seegrund Kartierung

12 Seegrund Kartierung Rottnest Island (West Australia), QuickBird satellite data July 17, 2005 Modular Inversion and Processing System MIP 1km Seafloor coverage Bright sediment Mixed sediment Seagrass/Algae Mixed Seagrass Turf/Mixed Algae Canopy Algae I Canopy Algae II Land mask Depth > 22m

13 Seegrund Kartierung Qatar, World-View 2

14 Seegrund Kartierung- Quintana Roo coast, Mexico World View 2. MIP data processing. Spectral classes (Processing: clustering, classification) Spectral Classes Class 1 Class 2 Class 3 Class 4 Class 5 Class 6 Class 7 Class 8 Class 9 Class 10 Class 11 Class 12 Class 13 Class 14 Class 15 Class 16

15 Kartierung von Objekten und Hindernissen

16 Übersicht Kartierung von Hindernissen Gültigkeitsbereich: Unterwasserhindernisse: Abhängig von ihrer Größe und Wassertrübung: 0 m (5 m) 10 m Überwasserhindernisse: Abhängig von ihrer Größe Genauigkeit: Abhängig von Objekteigenschaften Räumliche Auflösung: High resolution: WV 2, QB, IKONOS, RE: m (Medium resolution: Sentinel-2: 10 m) Medium resolution: LANDSAT: m Zeitliche Auflösung: Mehrfache Abdeckung täglich (je nach Bewölkungsgrad) Vorteile: Erkennung von Unterwasserobjekten Ermöglicht Kartierung in unzugänglichen Gebieten Schnelle Datenverfügbarkeit, auch für große Gebiet Multitemporlares Monitoring ist unkompliziert umsetzbar

17 Kartierung von Objekten und Hindernissen Sea of Azov, LANDSAT 7 ETM+, Attributes: Length Width Heading AIS information (Name, Ship type, Status, Destination, etc ) (zeitliche) Ergänzung zu SAR basierten Verfahren (DLR)

18 Weitere Beispiele mit Bedeutung für NRT Zugriff + zentrale Verwaltung der GMES Daten

19 Dredge plume monitoring e.g. for Woodside Energy, Australia: Cost savings for Woodside Energy: AUD

20 Produkte für die Endkunden: Bsp. Apps NRT apps Wasserqualität Anwendungen für die breite Masse: Touristen, Taucher, Fischer, Küstenschutz, oil & gas, etc...

21 Schnelle und effektive Zeitreihenanalysen Suspended matter (mg/l) Bsp. Wasserqualität: Bodensee Lake Constance - MERIS timeseries insitu same day plus/ minus 1 day plus/ minus 2 days

22 Wirtschaftliche Erfolgsfaktoren für GMES Anwendungen

23 Erfolgsfaktoren wirtschaftliche Nutzung GMES Aus Kundensicht: Sehr schnelle Produktverfügbarkeit. Sowohl für NRT-Abos wie auch für Archiv-Zeitreihen Kosten Produktqualität, etc. Aus technischer Sicht: Infrastruktur zum sehr schnellen Zugriff auf NRT und Archiv-Daten ALLER GMES-Satelliten. Bereitstellung von Infrastruktur mit signifikante Produktionskapazitäten GMES-CORE-Infrastruktur NICHT ausreichend. Benötigt werden nationale Collaborative Ground-Segments sowie exzellenter Zugriff über nationale Einrichtungen - siehe z.b. nationale Strategie UK, F,..

24 UK / CEMS ISIC CEMS Architecture

25 Erfolgsfaktoren wirtschaftliche Nutzung GMES.. Deutschland: Zentrale Facility (wie von Bayern unterstützt mit GMES Zentrum) Harmonisierung, Skalierung, Management, Verteilung Leicht & schnell zugängliche Basisprodukte + spezielle Anwendungen Erforderliche GMES-Infrastruktur-Maßnahme vergleichbar zu Straßen / Bahn Nationale Aufgabe Ohne deutsche nationale Strategie für GMES-Infrastruktur: Wettbewerbsnachteile deutsche Unternehmen zur Nutzung GMES

26 Vielen Dank! Weiter Informationen und Demodaten:

27 Additional info

28 UK / CEMS Well defined concept, clear vision

29 Core Technology Water Quality and Water Depth Product generation workflow Input satellite radiance image L Processing Atmosphere vertical profiles of optical properties Sensor sensor parameters Optical models specific opt. properties of water, sea floor, land Land-water-cloud detection Adjacency correction Sunglitter correction Atmospheric correction coupled with retrieval of water constituents subsurface reflectance R Water column inversion coupled retrieval Radiative transfer database Global and regional land-water database water constituents: Suspended matter S Phytoplankton (CHL-a) P Yellow Substances Y Output Water depth z Sea floor albedo

30 Bathymetry: Beispiel Rottnest Island Rottnest Island (West Australia), QuickBird satellite data July 17, km Water depth [m] Areas deeper than 22m: white

31 Bathymetry: validation Mexico, Australia, Gulf of Arabia, Indonesia. Sensors WordView, IKONOS, QuickBird Product generation by: EOMAP data processing system Bathymetry measurements from space, processed by MIP/EOMAP WV-2 in comparison with echo soundings 16 N=4774 soundings Water depth [m] WV-2 / MIP R=0.98 RMS = 11% Water depth [m] (echo sounding) 14 16

32 Water Quality

33 Water Quality products Charateristics of water quality products PRODUCT RANGE: Turbidity [NTU] or [FTU] Total Suspended Matter [mg/l] Chlorophyll [µg/l] Dissolved organic components absorption [1/m] SPATIAL RESOLUTION: Low resolution with MODIS, MERIS: m Medium resolution with Landsat, ASTER: 30m High resolution with WorldView 2m, THEOS, SPOT, RapidEye Quickbird, IKONOS: 2-15m QUALITY CONTROL: Pixel wise quality indicators Quality summary in meta data ADVANTAGES: High spatial and temporal resolution Time series, seasonal averages and statistics Near-Real-Time (NRT) Processing possibe INSPIRE conform metadata

34 Multi-sensor coastal water quality products Gulf of Thailand. Sensor: MODIS Terra, Aqua 500m 11. Jan 2008 Terra 03:40 UTC TSM [mg/l] CHL a [µg/l] Land Cloud > RECORD < Sensor: MODIS Aqua and Terra, 500m resolution Blind MIP data processing without regionalization > COMMENTS < Regional optical properties should be applied Chlorophyll could be lower after optimization

35 Turbidity, Mekong Delta (Vietnam) MODIS Terra and SPOT, 08 Januar 2008, MIP processor 1000 m 500 m 250 m 20 m SPOT Turbidity [NTU]

36 Yucatan, Mexico- Harmful algae bloom monitoring August Current algae bloom

37 Product Visualization Google Earth Lake Constance, Germany. Sensor: RapidEYE, 5m