Objektbasierte Klassifikation landwirtschaftlicher Nutzflächen
|
|
- Cornelius Fischer
- vor 7 Jahren
- Abrufe
Transkript
1 72 Objektbasierte Klassifikation landwirtschaftlicher Nutzflächen Marco RITTER, Matthias MÖLLER und Gerhard SCHELLMANN Zusammenfassung In dieser Untersuchung wird eine Methode zur semiautomatischen Klassifikation landwirtschaftlicher Nutzflächen auf Basis von WorldView-2 Bilddaten vorgestellt. Die entwickelte Methode wendet die Object-Based Image Analysis (OBIA), die objektbasierte Bildanalyse an, und wird auf einer Fläche nördlich von Nürnberg (175 km²) getestet. Ein wichtiger Bestandteil ist die empirische Datenerhebung durch eine Feldkampagne, um die Untersuchungsobjekte spektral definieren zu können. Die Klassifikationsergebnisse werden mithilfe von Felddaten über eine Konfusionsmatrix verifiziert und ergeben überwiegend zuverlässige Ergebnisse. Die Gesamtgenauigkeit ist mit ca. 64 % zufriedenstellend, während die Einzelklassengenauigkeiten zwischen unter 10 % und über 90 % stark schwanken. Mit dem objektbasierten Ansatz lassen sich räumliche Informationen aus hochaufgelösten Bilddaten mit einer großen spektralen Bandbreite semiautomatisch extrahieren. Die Ergebnisse werden mit thematischen Karten sowie Statistiken verglichen und abschließend werden Probleme und Verbesserungsvorschläge diskutiert. 1 Einleitung Die Gesamtfläche Deutschlands ist zu über 50 % ländlich geprägt und wird überwiegend für die Nahrungsmittelversorgung mit pflanzlichen und tierischen Produkten genutzt (vgl. INDUSTRIEVERBAND AGRAR 2012). Die Ableitung der landwirtschaftlichen Nutzung und die möglichst exakte Erfassung der Feldfrüchte aus Satellitenbilddaten ist bereits in verschiedenen Forschungsansätzen erprobt (vgl. MOTT 2005, WEHRMANN 2006). Das Ziel, die Feldfrüchte auf einer großen Fläche mit einer möglichst hohen Klassifikationsgenauigkeit gegeneinander abzugrenzen, treibt die Entwicklung neuer Methoden kontinuierlich voran. Wichtig sind exakte Erntevorhersagen für Versicherungen, um bei Ernteausfällen den vorherigen Zustand rekonstruieren zu können. Aber auch Makler an den Getreidebörsen sind an der Information der zu erwartenden Ernte interessiert, denn an der Börse wird der Wert und Preis der Ernte bereits weit im Voraus beziffert. 1.1 Problemstellung Seit der Einführung des CORINE (Coordination of Information on the Environment) Landcover Projekts existiert ein fortlaufend großer Bedarf an detaillierter Information der Bodenbedeckung und Landnutzung. Daher wurden Verfahren zur Analyse von Satellitendaten für die Detektion landwirtschaftlicher Flächen entwickelt, diese basieren aber auf räumlich weniger hoch auflösenden Bilddaten der Sensoren LANDSAT ETM+, TM, ASTER (15-30 m) (vgl. WEHRMANN 2006). Strobl, J., Blaschke, T. & Griesebner, G. (Hrsg.) (2012): Angewandte Geoinformatik Herbert Wichmann Verlag, VDE VERLAG GMBH, Berlin/Offenbach. ISBN
2 Objektbasierte Klassifikation landwirtschaftlicher Nutzflächen 73 Mit der neuesten Generation hochauflösender Satellitenbilddaten kann mithilfe eines semiautomatischen Klassifikationsansatzes die Auswertung zur Extraktion von Landbedeckungs- und Landnutzungsinformationen verbessert werden. 1.2 Zielsetzungen Um für eine landwirtschaftliche Inventur die Aktualisierungszeiten zu verkürzen, den Grad der thematischen Detailliertheit zu erhöhen und die Kosten für die Bearbeitung zu minimieren, werden Verfahren benötigt, die weitgehend automatisch die gewünschten Informationen aus Satellitenbilddaten ableiten. Das hier vorgestellte Verfahren ist auf die objektbasierte Klassifikation von bestimmten Feldfrüchten ausgerichtet und versucht in Ansätzen diese Zielsetzungen zu erfüllen. Lokale und regionale Landnutzungskarten stellen dabei das Endprodukt dar und können auf allen administrativen Ebenen zum Einsatz kommen. Aufgrund mangelnder Verfahren zur Extraktion der Landnutzungsinformationen aus hochauflösenden Satellitendaten müssen die verwendeten Bilddaten durch visuelle Bildinterpretation und semiautomatische Klassifikation auf einen großflächigen Einsatz vorbereitet werden. Der Fortschritt in der Informationstechnologie sollte ein Klassifikationsverfahren ermöglichen, welches kostengünstig und schnell auf große Flächen angewandt werden kann. Um die Klassifikationsgenauigkeit zu verbessern, wurde eine Prozesskette entwickelt, welche die Bilder vor der Segmentierung und eigentlichen Klassifikation aufbereitet. Diese Fragestellungen lagen der Untersuchung zu Grunde: Sind hochauflösende Bilddaten generell eine geeignete Datenquelle zur großflächigen Klassifikation von landwirtschaftlichen Nutzflächen? Mit welcher Genauigkeit können verschiedene Feldfruchtarten getrennt werden und können auch unterschiedliche Vegetationsphasen erfasst werden? 2 Stand der Forschung Landwirtschaftliche Nutzflächen sind in der Regel durch homogene, gradlinig abgegrenzte Raumeinheiten charakterisiert. Die multispektrale Klassifikation hat daher ein großes Potenzial für die Nutzungskartierung einzelner Feldfrüchte, insbesondere in den USA, wo große landwirtschaftliche Schlagflächen schon seit Beginn der LANDSAT Satellitenserie in den 1970ern erfolgreich analysiert werden (vgl. ANDERSON ET AL. 1976). Vor allem im Spektralbereich der Red Edge, also zwischen Rot und Nahem Infrarot, kann Vegetation zuverlässig klassifiziert und einzelne Arten differenziert werden. Dabei bestehen aber regionale Unterschiede, da die natürlichen Gegebenheiten und die landwirtschaftlichen Produktionsmethoden variieren. So konnte trotz langer Entwicklungsarbeit auf dem Gebiet der semiautomatischen Identifizierung von Objekten mithilfe der Multispektralklassifikation nur eine vergleichsweise geringe praktische Bedeutung erlangt werden (vgl. ALBERTZ 2010). Die OBIA Klassifikation übertrifft die Ergebnisse der multispektralen Klassifikationsmethoden, da bei den Trainings- bzw. Referenzdaten mehr Eingangsparameter als die spektralen Pixelwerte in die Klassifikation einfließen, z. B. auch die Form, die Größe und Nachbarschaftsbeziehungen (vgl. MOTT 2005).
3 74 M. Ritter, M. Möller und G. Schellmann 3 Methode 3.1 Untersuchungsgebiet Das Untersuchungsgebiet dieser Studie liegt im Bundesland Bayern, Deutschland, und beinhaltet den Siedlungsraum Nürnberg sowie die umliegende, weitgehend landwirtschaftlich geprägte Region. Für diese Region stand eine Satellitenbildszene des Sensors World- View-2 zur Verfügung, aufgenommen im Mai Die Satellitenbildszene erstreckt sich über eine Fläche von 650 km², wobei das Untersuchungsgebiet auf 175 km² (Ausdehnung 10,7 16,3 km) eingegrenzt wurde (siehe Abb. 1). Abb. 1: Das Untersuchungsgebiet als WorldView-2 Aufnahme (Kanaldarstellung 8-6-4) 3.2 Datengrundlage WorldView-2 wird von der amerikanischen Firma DigitalGlobe betrieben und lieferte 2009 die ersten Bilddaten der Erdoberfläche. Der Sensor ist mit einer geometrischen Auflösung im panchromatischen Kanal von 0,5 m super hochauflösend (vgl. MÖLLER 2011) und liefert neben den vier VNIR-Kanälen zusätzlich vier Kanäle: Coastal, Yellow, Red Edge und NIR2. Diese acht multispektralen Kanäle besitzen eine Bodenauflösung von 1,84 m und liegen einerseits im sichtbaren Bereich des elektromagnetischen Spektrums (Coastal: nm, Blue: nm, Green: nm, Yellow: nm, Red: nm) und andererseits im nahen Infrarotbereich (Red Edge: nm, NIR1: nm, NIR2: nm). Der panchromatische Kanal deckt den Bereich 450 bis 800 nm ab. Die WorldView-2 Bilddaten wurden am (Datensatz-ID DF9A200) nahezu wolkenfrei aufgezeichnet und durch European Space Imaging (EUSI) radiometrisch und geometrisch prozessiert.
4 Objektbasierte Klassifikation landwirtschaftlicher Nutzflächen Bildverarbeitung Praktische Bedeutung für die Vorbereitung einer objektbasierten Klassifikation haben verschiedene Methoden der Bildverbesserung. Einerseits wird dadurch die visuelle Bildinterpretation erleichtert, indem unauffällige Details für das menschliche Auge betont werden, andere Methoden verändern Bildeigenschaften zugunsten der digitalen Bildauswertung (vgl. ALBERTZ 2010). Durch diese Bildverbesserungen konnten die spektralen Signaturen der verschiedenen Feldfrüchte hervorgehoben werden: Geometrische Mosaikbildung mehrerer Teilszenen zu einem Gesamtbilddatensatz Kontrastverbesserung der Farbkanäle durch eine lineare Histogrammstreckung Erhöhung der Detailerkennbarkeit durch multisensorale Bildverbesserung (IHS-Transformation: PAN NIR2 Red Edge Yellow) Filteroperatoren zur Homogenisierung der landwirtschaftlichen Nutzflächen (Reihenfolge der Filteroperatoren: 5 5 Median 5 5 Median 5 5 Edge Enhance) 3.4 Empirische Datenerhebung In einer der Untersuchung vorangegangenen, mehrtägigen Feldkampagne wurden Referenzfelder im Untersuchungsgebiet erfasst (siehe Tabelle 1), damit eine aussagekräftige Anzahl an Trainings- und Verifizierungsfeldern für die Klassifikation zur Verfügung stand. Neben der genauen Abgrenzung der einzelnen Felder und der Bestimmung der Feldfrucht (=Objekt), wurde jede Objektkategorie fotografiert und über einen GPS Referenzpunkte lokalisiert. Da zwischen den einzelnen Feldern derselben Objektkategorie unterschiedliche Vegetationsphasen auftraten, wurde zudem die Wuchshöhe der Pflanzen als ein weiterer wichtiger Parameter festgehalten. Für die Klassifikation und Genauigkeitsanalyse konnten sechs Objektarten auf 433 Feldern genutzt werden, die für die weitere Bearbeitung in eine ESRI Geodatabase übertragen wurden. Tabelle 1: Aufgenommene Feldfrüchte nach Objekt, Anzahl und Fläche (in ha) 3.5 Objektbasierte Klassifikation Die objektbasierte Klassifikation wurde mit der Bildbearbeitungs- und Klassifikationssoftware Imagine Objective Workstation von Erdas durchgeführt, die neben den spektralen Pixelinformationen auch Farbton, Textur, Größe, Form, Schatten, Muster und die Umgebung eines Objekts in die Klassifikation aufnimmt. Diese Software bietet eine Werkzeugsammlung für Raster- sowie Vektoranalysen und stellt so eine Brücke zwischen rein pixelbasierten und objektbasierten Klassifikationsverfahren dar. Mithilfe sog. Feature Models werden Prozessabläufe definiert. Sie speichern Verarbeitungsschritte, die Segmentierungs-
5 76 M. Ritter, M. Möller und G. Schellmann und Klassifikationseinstellungen und können dann ggf. auf andere Datensätze übertragen werden. 3.6 Analyse der Klassifikationsgenauigkeit Für die Validierung von Klassifikationsergebnissen ist die Classification Error Matrix (CEM) ein effektives Werkzeug. Es können drei verschiedene Genauigkeiten errechnet werden: die Gesamtgenauigkeit, die Produzentengenauigkeit und die Benutzergenauigkeit. Die Gesamtgenauigkeit bezieht die sechs Objektkategorien mit ein, während die Produzenten- und die Benutzergenauigkeit auf die einzelnen Klassen angewandt werden (vgl. CON- GALTON, R. G. & GREEN, K. 2009). In dieser empirischen Fallstudie beträgt die Gesamtgenauigkeit 64 %. Im 6-Klassen Fall stellt sich Hafer mit einer Benutzergenauigkeit von 8,85 % als die Klasse mit den größten Unsicherheiten und Mais mit einer Produzentengenauigkeit von 99,98 % als die zuverlässigste Klasse heraus. In Abbildung 2 ist das Klassifikationsergebnis am Beispiel von drei 1 2 km großen Ausschnitten dargestellt: links ist die originale Satellitenaufnahme, in der Mitte ist die Originalaufnahme überlagert mit den digitalisierten Felderhebungen und rechts ist das Klassifikationsergebnis dargestellt. Abb. 2: Bildausschnitte mit Klassifikationsergebnissen (Größe jeweils ca. 1 2 km) 4 Diskussion der Ergebnisse Im Untersuchungsgebiet wurden 39,14 % der Fläche (ca. 66 km²) als landwirtschaftliche Nutzfläche klassifiziert. Die kleinsten Segmente waren aufgrund eines eingebauten Größen-
6 Objektbasierte Klassifikation landwirtschaftlicher Nutzflächen 77 filters 0,5 ha groß, während das größte zusammenhängende Segment eine Fläche von 0,89 km² einnahm. Die Hauptanbauarten Getreide, Mais und Grünland konnten mit hoher Sicherheit identifiziert werden, die Objektklasse Mais konnte auf Basis des großen Bodenanteils ausgewiesen werden. Die niedrige Klassifikationsgenauigkeit der Objektklasse Hafer war auf die geringe Anzahl der Anbauflächen zurückzuführen. Eine Differenzierung des Getreides in Objektklassen Weizen, Roggen und Gerste war möglich, wobei die Klassifikationsgenauigkeit vom Aufnahmezeitpunkt abhängt. In diesen Klassen wurden Genauigkeiten zwischen 29 % und 65 % erzielt. Eine ungewöhnliche Trockenperiode im Februar, März und Mai des Jahres 2011, also direkt vor der Bildaufnahme, war die Ursache für unerwartet unterentwickelte Wuchshöhen vieler Feldfrüchte. Die spektralen Signaturen der Objektklassen waren daher durch einen höheren Bodenanteil überprägt, was auch zu Fehlklassifikationen führte. 5 Danksagung Die Autoren danken European Space Imaging für die Prozessierung und Bereitstellung der WorldView-2 Bilddaten, insbesondere Tine Flingelli und Michaela Weber sind hier zu nennen. Irmi Runkel von Geosystems hat im Rahmen einer Einführungsschulung wichtige Grundlagen der Software "Erdas Objective" vermittelt. Die Mitarbeiter der Firma Geo Creativ haben mit ihrem fachlichen Rat diese Studie wesentlich unterstützt. Literatur ALBERTZ, J. (2010), Einführung in die Fernerkundung. Grundlagen der Interpretation von luft- und Satellitenbildern. Wissenschaftliche Buchgesellschaft, Darmstadt. ANDERSON, J. R., HARDY, E. E., ROACH, J. T. & WITMER, R. E. (1976), A Land Use And Land Cover Classification System For Use With Remote Sensor Data. Geological Survey Professional Paper 964. U.S. Geological Survey Circular 671. Washington. CONGALTON, R. G. & GREEN, K. (2009), Assessing the Accuracy of Remotely Sensed Data. CRC Press, Florida. INDUSTRIEVERBAND AGRAR (2012), Landwirtschaft in Deutschland. branche/landwirtschaft-deutschland ( ). LILLESAND, T., KIEFER, R. & CHIPMAN, J. (2008), Remote Sensing and Image Interpretation. Wiley, Hoboken. MÖLLER, M. (2011), Systemvergleich hochauflösender optischer Satellitenfernerkundungssensoren. In: Angewandte Geoinformatik 2011, hrsg. von STROBL, J. et al. Wichmann, Heidelberg, MOTT, C. (2005), Objektorientierte Klassifikationsstrategien zur Erfassung der Landnutzung aus hochauflösenden Fernerkundungsdaten. TU München. RITTER, M. (2011), Semiautomatische Klassifikation landwirtschaftlicher Nutzflächen auf Basis von WorldView-2 Bilddaten. Otto-Friedrich-Universität Bamberg. WEHRMANN, T. (2006), Automatisierte Klassifikation von Landnutzung durch Objekterkennung am Beispiel von CORINE Land Cover. Julius-Maximilian Universität Würzburg.
Fernerkundung Sommersemester 2010 Prof. Dr. Christoph Kleinn Institut für Waldinventur und Waldwachstum Arbeitsbereich Fernerkundung und Waldinventur
Lehrveranstaltung Fernerkundung Vorlesungs- und Übungsplan 07.04.10 Einführung, Strahlung, Sensoren 14.04.10 Digitale Bilder, Bildstatistik& Kontraststreckung 21.04.10 Bild Verbesserung & Indexe 28.05.10
MehrUntersuchungen zur Segmentierung von Satellitenbilddaten für die Extraktion von GIS-Objekten
Untersuchungen zur Segmentierung von Satellitenbilddaten für die Extraktion von GIS-Objekten KRISTIN LEUKERT 1 Zusammenfassung: Objektbasierte Verfahren bieten besonders für hochaufgelöste Bilddaten neue
MehrUntersuchungen zur Segmentierung von Satellitenbilddaten für die Extraktion von GIS-Objekten
Untersuchungen zur Segmentierung von Satellitenbilddaten für die Extraktion von GIS-Objekten KRISTIN LEUKERT 1 Zusammenfassung: Objektbasierte Verfahren bieten besonders für hochaufgelöste Bilddaten neue
MehrModulbeschreibung. Remote Sensing of Environment. Titel des Moduls: LP (nach ECTS): 6. Stand: Ansprechpartner für das Modul:
Titel des Moduls: Remote Sensing of Environment Dt.: Fernerkundung Verantwortlich für das Modul: Kleinschmit, Birgit E-Mail: sekretariat@geoinformation.tu-berlin.de URL: http://www.geoinformation.tu-berlin.de
MehrDetektion von Waldflächen und Siedlungsstrukturen im alpinen Raum mittels kombinierter Fernerkundungstechnologien
21 Detektion von Waldflächen und Siedlungsstrukturen im alpinen Raum mittels kombinierter Fernerkundungstechnologien Patrick FRITZMANN, Magnus BREMER, Martin RUTZINGER und Hansjörg RAGG Einleitung Die
MehrDigitales Landbedeckungsmodell für Deutschland (DLM-DE) - Aktualisierung
Nationales Forum für Fernerkundung und Copernicus 2014 Berlin, 09.04.2014 Digitales Landbedeckungsmodell für Deutschland (DLM-DE) - Aktualisierung 2012 - Dr. Michael Hovenbitzer Bundesamt für Kartographie
MehrLuftbildanalyse und Fernerkundung
Luftbildanalyse und Fernerkundung Institut für Geographie und Regionalforschung 697031, VO+UE, 2 Std., Wintersemester 2004/2005, Do 14:00-16:00, Hörsaal 4C des Instituts Thomas Engleder, Mag. rer. nat.
MehrErkennbarkeit von Urbanisierungsprozessen mittels Satellitenbilder im Vergleich mit CORINE, ATKIS und amtlichen statistischen Daten
Erkennbarkeit von Urbanisierungsprozessen mittels Satellitenbilder im Vergleich mit CORINE, ATKIS und amtlichen statistischen Daten Ahmad Al-Hassideh Professur für Geodäsie und Geoinformatik Agrar- und
MehrKlassifikation von Wald und Sträuchern anhand multitemporaler RapidEye-Daten - eine Landbedeckungsklassifikation in Südhessen
Klassifikation von Wald und Sträuchern anhand multitemporaler RapidEye-Daten - eine Landbedeckungsklassifikation in Südhessen Neue Perspektiven der Erdbeobachtung Das Symposium zur angewandten Satellitenerdbeobachtung
MehrStadt Land Fluss: Landbedeckung und Landnutzung für Deutschland. Dr.-Ing. Michael Hovenbitzer
Stadt Land Fluss: Landbedeckung und Landnutzung für Deutschland Dr.-Ing. Michael Hovenbitzer Stadt Land - Fluss Stadt Land Fluss Name Beruf. Düsseldorf Deutschland Donau.. Felder mit Geobezug Zusammen
MehrDie Satellitenfernerkundung als Grundlage zur Vegetationskartierung in OL-Karten. Christian Hohl Gymnasium Oberwil Maturarbeit 2007/08
Die Satellitenfernerkundung als Grundlage zur Vegetationskartierung in OL-Karten Christian Hohl Gymnasium Oberwil Maturarbeit 2007/08 Fernerkundungssatelliten Evisat (Europa) Spot (Frankreich) ERS (Europa)
MehrWas sehen Sie auf diesem Bild? Nennen Sie bitte möglichst viele Details.
Was sehen Sie auf diesem Bild? Nennen Sie bitte möglichst viele Details. Man sieht nur, was man weiß Was würden unterschiedliche Menschen auf dem vorigen Bild wohl erkennen? Düsseldorfer Australier Neandertaler
MehrEinsatz von ecognition am Beispiel von Luftbilddaten von Rankweil - Vorarlberg
Einsatz von ecognition am Beispiel von Luftbilddaten von Rankweil - Vorarlberg Übersicht 1. Zielsetzungen 2. Gebäudeextraktion mit ecognition aus Luftbilddaten 3. Resultate und Validierung 4. Schlussfolgerungen
MehrQuantifizierung von Bodenabtragsflächen auf Alpinen Grashängen (Projekt QUA-BA)
Quantifizierung von Bodenabtragsflächen auf Alpinen Grashängen (Projekt QUA-BA) Clemens Geitner, Andreas Mayr & Martin Rutzinger Institut für Geographie, Universität Innsbruck Clemens Geitner Jahrestreffen
MehrSemiautomatische Klassifikation landwirtschaftlicher Nutzflächen auf Basis von WorldView-2 Bilddaten. Diplomarbeit
Semiautomatische Klassifikation landwirtschaftlicher Nutzflächen auf Basis von WorldView-2 Bilddaten Diplomarbeit im Diplomstudiengang Geographie in der Fakultät Geistes- und Kulturwissenschaften der Otto-Friedrich-Universität
MehrObjektorientierte Bildverarbeitung Methodische Grundlagen
ARC GmbH Objektorientierte Bildverarbeitung Methodische Grundlagen Klaus Steinnocher, Florian Kressler klaus.steinnocher@arcs.ac.at Geschäftsfeld Umweltplanung ARC http://www.arcs.ac.at/s 1 ARC GmbH Einleitung!
MehrDie Bodennutzungskarten der Großregion SaarLorLux von CORINE Landcover
Die Bodennutzungskarten der Großregion SaarLorLux von CORINE Landcover Malte Helfer CORINE Land Cover - Bodenbedeckungsdaten für Europa Die Karten zeigen für das Projekt CORINE Land Cover aufbereitete
MehrObjektbasierte Klassifizierung landwirtschaftlicher Nutzungsarten im Rahmen der InVeKoS-Kontrolle
615 Objektbasierte Klassifizierung landwirtschaftlicher Nutzungsarten im Rahmen der InVeKoS-Kontrolle Christian ULRICH Dieser Beitrag wurde nach Begutachtung durch das Programmkomitee als reviewed paper
MehrDas neue Landbedeckungsmodell Deutschlands (LBM-DE)
Das neue Landbedeckungsmodell Deutschlands (LBM-DE) 7. Dresdener Flächennutzungssymposium, 6./7. Mai 2015 Dr.-Ing. Michael Hovenbitzer Motivation Anforderung des Bundes Ziele des Landbedeckungsmodells
MehrCopernicus in der Praxis am Beispiel des Landbedeckungsmodells Deutschland (LBM-DE)
Copernicus in der Praxis am Beispiel des Landbedeckungsmodells Deutschland (LBM-DE) Management natürlicher Ressourcen mit Hilfe von Copernicus Diensten und Daten München, 12. November 2015 Landbedeckungsmodell
MehrReduktionsverfahren in der Bildverarbeitung
Reduktionsverfahren in der Bildverarbeitung Klaus BRAUN 1 Kompressionsverfahren 1.1 Grundlagen Fernerkundungsdaten sind aufgrund ihrer Flächendeckung, ihrer hohen räumlichen Auflösung und ihrer exakten
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrLehrveranstaltung Fernerkundung. Grundlagen der Fernerkundung. Mod. 1 p. 1. Lehrveranstaltung Fernerkundung
Lehrveranstaltung Fernerkundung Schwerpunkt WI: Fernerkundung und GIS Schwerpunkt FW: Waldinventur und Fernerkundung II Bis 19.05.2010: Fernerkundung 7 Wochen = 7 Lehr-Einheiten bestehend aus Vorlesung
MehrCopernicus - multisensoral, multispektral, multitemporal: Mehrwert für die Klassifizierung des LBM-DE
AUTOMOTIVE DIGITAL ASSURANCE MOBILITÄT, ENERGIE & UMWELT LUFTFAHRT RAUMFAHRT VERTEIDIGUNG & SICHERHEIT Copernicus - multisensoral, multispektral, multitemporal: Mehrwert für die Klassifizierung des LBM-DE
MehrMonitoring der Bodenversiegelung
Monitoring der Bodenversiegelung LfU-Versiegelungsstudie LfU-Versiegelungsstudie LfU-Versiegelungsstudie 2006-2007 Erstellung der Studie Satellitengestützte Erfassung der Bodenversiegelung in Bayern. Auftragnehmer
MehrFernerkundung in urbanen Räumen
Summeruniversität GRAZ IN SPACE 5. September 2008 in urbanen Räumen am Beispiel der Thermalbefliegung 2004 Graz Katharina Kern Institut für Geographie und Raumforschung Karl-Franzens-Universität Graz Was
MehrSonderaufnahmegebiet: Biodiversitäts Exploratorien
Sonderaufnahmegebiet: Biodiversitäts Exploratorien Paul Magdon a, Nils Nölke a, Hans Fuchs a, Thomas Nauss b and Christoph Kleinn a a Abteilung Waldinventur und Fernerkundung, Georg-August Universität
MehrThematische Klassifikation von DMC, RMK, DigiCAM, JAS-150 und UCX-Bildern
Thematische Klassifikation von DMC, RMK, DigiCAM, JAS-150 und UCX-Bildern Sascha Klonus Institut für Geoinformatik und Fernerkundung (IGF) Universität Osnabrück Inhalt Ziele Untersuchungsgebiet Klassifikationsverfahren
MehrObjektmerkmale für die räumlich-spektrale Klassifikation
Objektmerkmale für die räumlich-spektrale Klassifikation AG Geomatik Geographisches Institut Ruhr-Universität Bochum AK Fernerkundung, Bochum 2012 Übersicht Ansatz zur automatischen Bildinterpretation:
MehrAktuelle und kommende Fernerkundungsdaten und ihr Nutzungspotential. E F T A S Fernerkundung Technologietransfer GmbH
Aktuelle und kommende Fernerkundungsdaten und ihr Nutzungspotential E F T A S Fernerkundung Technologietransfer GmbH Oliver Buck Halle (Saale), 18.02. www.eftas.com 1 Den Überblick behalten EFTAS GmbH
MehrBGS UMWELT Brandt Gerdes Sitzmann Umweltplanung GmbH Anhang I Bodennutzungsklassifikation für die Südpfalz, Fernerkundung Anhang I-Fernerkundung.
Brandt Gerdes Sitzmann Umweltplanung GmbH Anhang I Bodennutzungsklassifikation für die Südpfalz, Fernerkundung Anhang I-Fernerkundung.doc Inhalt 1 Datengrundlage 3 1.1 Vorbemerkung 3 1.2 Eingangsdaten
MehrEinsatz von Copernicus-Daten in der bayerischen Forstverwaltung Status Quo und Ausblick
Einsatz von Copernicus-Daten in der bayerischen Forstverwaltung Status Quo und Ausblick Holger Holland- Moritz Bayerische Landesanstalt für Wald und Forstwirtschaft Hans-Carl-von-Carlowitz-Platz 1 84534
MehrGeographie und Raumforschung Anwendungsorientierte Geographische
Anwendungsorientierte Die eröffnet neue Perspektiven! Anwendungsorientierte Fragestellungen in der Geographie Projektauswah Anwendungsorientierte was ist das R. Kostka (2000) definiert die Begriffe und
MehrZIELE DES TEILPROJEKTES
ZIELE DES TEILPROJEKTES Quantitative Flächenanalyse historischer und aktueller Daten Detektion von Landbedeckungseinheiten Einteilung in objektive Klassen Automatisierte Analysemöglichkeit Einbindung moderner
MehrFernerkundungsgestützte Kontrolle von Agrarsubventionen
Fernerkundungsgestützte Kontrolle von Agrarsubventionen Ein Beispiel aus der Europäischen Union Andreas Völker, Oliver Buck, Dr. Andreas Müterthies EFTAS Fernerkundung Technologietransfer GmbH, Münster
MehrSind Pleiades-Bilder mit 50cm Objektpixelgröße gerechtfertigt?
Sind Pleiades-Bilder mit 50cm Objektpixelgröße gerechtfertigt? KARSTEN JACOBSEN Zusammenfassung: Die Bilder der optischen Fernerkundungssatelliten Pleiades-1A und -1B werden mit einer Objektpixelgröße
MehrSatellitenbildeinsatz bei der österreichischen Waldinventur
Satellitenbildeinsatz bei der österreichischen Waldinventur Neue Wege mehr Information Überblick Allgemeines über Satellitenfernerkundung Warum Satellitenfernerkundung in der Waldinventur Projekt vorhandene
MehrDachflächen-Analyse durch Überfliegung: Inventarisierung, Begrünungspotenzial und weitere Aspekte. Rot ist das neue Grün
Dachflächen-Analyse durch Überfliegung: Inventarisierung, Begrünungspotenzial und weitere Aspekte Wolfgang Ansel, Geschäftsführer Deutscher Dachgärtner Verband e.v. Stadt Karlsruhe / DLR Rot ist das neue
MehrSensorenvergleich (Zeilen vs. Flächenscanner) Prof. Dr.-Ing. Manfred Ehlers
Sensorenvergleich (Zeilen vs. Flächenscanner) Prof. Dr.-Ing. Manfred Ehlers mehlers@igf.uni-osnabrueck.de Inhalt Sensorsysteme ADS-40 DMC Ultracam-D Flächen vs. Zeilensensor Geometrische Genauigkeit Pansharpening
MehrSind Pleiades-Bilder mit 50cm Objektpixelgröße gerechtfertigt?
Sind Pleiades-Bilder mit 50cm Objektpixelgröße gerechtfertigt? KARSTEN JACOBSEN 1 Zusammenfassung: Die Bilder der optischen Fernerkundungssatelliten Pleiades-1A und -1B werden mit einer Objektpixelgröße
MehrGeometrische Genauigkeiten, Stereophotogrammetrische Auswertung, Speicherbedarf. Dipl. Umweltwiss. Sascha Klonus
Geometrische Genauigkeiten, Stereophotogrammetrische Auswertung, Speicherbedarf Dipl. Umweltwiss. Sascha Klonus sklonus@igf.uni-osnabrueck.de Inhalt Geometrische Genauigkeit Angewandtes Verfahren Ergebnisse
MehrRapidEye - Das schnelle Auge für das Monitoring von Cross-Compliance-Landschaftselementen?
RapidEye - Das schnelle Auge für das Monitoring von Cross-Compliance-Landschaftselementen? Eine Potentialanalyse mit simulierten Satellitendaten Andreas Völker & Cordt Büker EFTAS Fernerkundung Technologietransfer
MehrDer Grüne Planet Umweltmonitoring aus dem Weltall
Der Grüne Planet Umweltmonitoring aus dem Weltall Vortragender: Prof. Dr. Mathias Schardt Technische Universität Graz Institut für Fernerkundung und Photogrammetrie Steyrergasse 30/I, 8010 Graz, Austria
MehrProzesskette für Fernerkundungsdaten
Technologien für den Markt Catena Prozesskette für Fernerkundungsdaten Wachsende Städte und Bevölkerungen führen mehr und mehr zu einer Verknappung lebenswichtiger Ressourcen, wie sauberes Trinkwasser
MehrPalmenidentifizierung aus digitalen Luftbildern
Jahrestagung DGPF AKFE 2009 Palmenidentifizierung aus digitalen Luftbildern Javier González Heinrich Heine Universität, 40225 Düsseldorf, Deutschland 1.EINLEITUNG 2. UNTERSUCHUNGSGEBIET 3. MATERIAL UND
MehrPotentiale und Grenzen bei der Walderfassung durch Satellitenfernerkundung in den Wäldern Pomeranias
Potentiale und Grenzen bei der Walderfassung durch Satellitenfernerkundung in den Wäldern Pomeranias EU-Interreg IV A-Projekt ForseenPomerania Abschlussveranstaltung: Biomasseschätzung mittels Fernerkundung
Mehr> Master Thesis Konstruktion künstlicher Schatten > U1474 Kaufhold
www.dlr.de Folie 1/20 Konstruktion künstlicher Schatten und Genauigkeitsanalysen der Ergebnisse auf Basis hochauflösender digitaler Oberflächenmodelle und True Ortho Mosaike. Dipl.Ing. (FH) Stephanie Kaufhold
Mehr$XWRPDWLVFKH)RUWI KUXQJYRQ$7.,6'/0
$XWRPDWLVFKH)RUWI KUXQJYRQ$7.,6'/0 Volker Walter In diesem Arbeitbericht wird in Kurzform der Stand der Arbeiten in dem Projekt Nutzung von MOMS-02-PRIRODA-Daten zur Fortführung von ATKIS vorgestellt.
MehrObjektbasierte Klassifikation von Grünlandbiotoptypen im Bio- sphärengebiet
Universität Hohenheim Institut für Landschafts- und Pflanzenökologie Fachgebiet Landschaftsökologie und Vegetationskunde Proposal für die Masterarbeit Objektbasierte Klassifikation von Grünlandbiotoptypen
MehrVorlesung: Fernerkundung
Erfassung von Veränderungen Änderungen und deren Erfassung sind wichtigster Gegenstand des forest monitoring. Veränderungen werden durch drei Kräfte verursacht: Interne : Wachstum. Natürliche : Naturkatastrophen.
MehrOptimierung spektraler Indizes aus multisensoralen Satellitenbildzeitreihen für Landnutzungsklassifkationen
Optimierung spektraler Indizes aus multisensoralen Satellitenbildzeitreihen für Landnutzungsklassifkationen Henning Gerstmann & Cornelia Gläßer, FG Fernerkundung und Kartographie henning.gerstmann@geo.uni-halle.de
MehrEinsatz höchstauflösender Satellitendaten für Gefahrenzonenkartierungen in den Alpen
Stand Montafon Forstfonds Einsatz höchstauflösender Satellitendaten für Gefahrenzonenkartierungen in den Alpen Copyright: Space Imaging, GeoVille Donnerstag, 13.11.2003 Projektpräsentation im Rahmen des
MehrGrossflächige hochaufgelöste Schneehöhenkarten aus digitalen Stereoluftbildern
Grossflächige hochaufgelöste Schneehöhenkarten aus digitalen Stereoluftbildern Christian Ginzler 1, Mauro Marty 1 & Yves Bühler 2 1 Eidg. Forschungsanstalt für Wald, Schnee und Landschaft WSL 2 WSL-Institut
MehrRegionale fernerkundliche Erfassung des aktuellen landwirtschaftlichen Ertragspotenzials
Copernicus-Dienste für den öffentlichen Bedarf Regionale fernerkundliche Erfassung des aktuellen landwirtschaftlichen Ertragspotenzials RiflE Förderkennzeichen: 50EE1315 Dr. Holger Lilienthal, Dr. Heike
MehrEinsatzmöglichkeiten von Fernerkundungssensoren für forstliche Fragestellungen
Einsatzmöglichkeiten von Fernerkundungssensoren für forstliche Fragestellungen Universität für Bodenkultur Wien Department für Raum, Landschaft und Infrastruktur Institut für Vermessung, Fernerkundung
MehrProjektleitung: Dipl.-Ing. A.d.M. Norbert Benecke Deutsche Steinkohle AG
Aufbau eines Informationssystems zur Überwachung der Umweltauswirkungen von Bergehalden unter Einsatz moderner Methoden der Geoinformationstechnologie sowie der digitalen Bildverarbeitung Teilprojekt:
MehrBestimmung der Biomasse durch Fernerkundung
Bestimmung der Biomasse durch Fernerkundung Kurt P. Günther, Marion Schroedter-Homscheidt, Markus Tum, Markus Niklaus DLR-Cluster Angewandte Fernerkundung Bremerhaven, 6. April 2011 Signal = f(biomasse)
MehrSystemvergleich hochauflösender optischer Satellitenfernerkundungssensoren
66 Systemvergleich hochauflösender optischer Satellitenfernerkundungssensoren Matthias MÖLLER Dieser Beitrag wurde nach Begutachtung durch das Programmkomitee als reviewed paper angenommen. Zusammenfassung
MehrCOP4EE Copernicus für Erneuerbare Energien
COP4EE Copernicus für Erneuerbare Energien 23. Workshop Arbeitskreis Umweltinformationssysteme UIS 2016 Umweltbeobachtung Nah und Fern Silke Richter (M.O.S.S.) COP4EE: Agenda 1. Einführung 2. Projektaufbau
MehrBildfolgenanalyse Bildanalyse und Bildfusion. Registrierung Segmentierung. Klassifikation. Bildrestauration
Zentrum für Bild-und Image processing for quality control in food industry ZBS als Kooperationspartner für Bildverarbeitung und -Auswertung Bildfolgenanalyse Bildanalyse und Bildfusion Registrierung Segmentierung
MehrEntwicklung eines GDI-basierten Ansatzes zur Validierung klassifizierter Fernerkundungsdaten mithilfe von Crowdsourcing
440 Entwicklung eines GDI-basierten Ansatzes zur Validierung klassifizierter Fernerkundungsdaten mithilfe von Crowdsourcing Christoph Wiedekind, Stefan Wiemann und Pierre Karrasch Technische Universität
MehrPhänologische Strukturierung von Satellitendaten zur Detektion optimaler Zeitfenster für Landnutzungsklassifikationen
Workshop des AK Fernerkundung der DGPF, TU Berlin Phänologische Strukturierung von Satellitendaten zur Detektion optimaler Zeitfenster für Landnutzungsklassifikationen, Markus Möller & Cornelia Gläßer
MehrAbleitung von CORINE Land Cover aus dem Digitalen Landbeckungsmodell für die Zwecke des Bundes
Ableitung von CORINE Land Cover aus dem Digitalen Landbeckungsmodell für die Zwecke des Bundes Stefan Feigenspan Umweltbundesamt FG Beurteilung der Luftqualität Inhalt Überblick CORINE LandCover (CLC)
MehrAnalyse der Relevanz der aus Fernerkundungsdaten abgeleiteten urbanen Struktureinheiten für ein integriertes Wasserressourcenmanagement
46 Analyse der Relevanz der aus Fernerkundungsdaten abgeleiteten urbanen Struktureinheiten für ein integriertes Wasserressourcenmanagement Linda FIRMBACH, René HÖFER, Michael THIEL, Carsten LORZ und Holger
MehrÜberwachte & Unüberwachte Klassifizierung
Lehrveranstaltung Fernerkundung Vorlesungs- und Übungsplan 07.04.10 Einführung, Strahlung, Sensoren 14.04.10 Digitale Bilder, Bildstatistik& Kontraststreckung 21.04.10 Bild Verbesserung & Indexe 28.05.10
MehrVirtuelle Luftbild-Archäologie
VSVI Seminar GIS Universität Hannover - 19.09.2007 Virtuelle Luftbild-Archäologie Feldblockfinder im Vergleich mit GoogleEarth Dipl.-Ing. Eckhard Heller, Rodewald Ü b e r s i c h t Die Welt der Informationen,
MehrMonitoring von Biodiversitäts-Hotspots: Zustand und Entwicklung von Flussauen
E.1 Monitoring von biologischer Vielfalt Monitoring von Biodiversitäts-Hotspots: Zustand und Entwicklung von Flussauen Markus Probeck (GAF) Nationales Forum für Fernerkundung und Copernicus 2017 Kontext:
MehrDie Ressource Boden Neue Informationen aus optischen Satellitenbild-Zeitreihen
www.dlr.de Chart 1 Die Ressource Boden Neue Informationen aus optischen Satellitenbild-Zeitreihen D. Rogge, J. Zeidler, T. Esch, A. Müller, M. Bachmann, U. Heiden, Deutsches Zentrum für Luft- und Raumfahrt
MehrVegetationsindices und phänologische Kenngrößen aus Satellitendaten. Jonas Eberle Friedrich-Schiller-Universität Jena Lehrstuhl für Fernerkundung
Vegetationsindices und phänologische Kenngrößen aus Satellitendaten Jonas Eberle Friedrich-Schiller-Universität Jena Lehrstuhl für Fernerkundung Landsat 5 11.06.2006 Echtfarben (Darstellung: Rot = Rot;
MehrGeoTief BASE (2D) Klima- und Energiefonds FORUM mission innovation Wien Energie GmbH, DI Peter Keglovic
GeoTief BASE (2D) Klima- und Energiefonds FORUM mission innovation 13.06.2018 Wien Energie GmbH, DI Peter Keglovic Agenda Geothermiepotenzial und Nutzbarmachung für Wien GeoTief Base (2D) - Neue Forschungsansätze
Mehr1. Definition 1.1 Begriffe und Definition...2 1.2 Geschichte der Fernerkundung...3 1.3 Anwendungen der Fernerkundung...3 1.4 Literatur...
Fernerkundung Lernmodul 6 Projektpartner: UniversitÄt Karlsruhe - Institut für Photogrammetrie und Fernerkundung Datum: 04.09.2003 Einleitung In dieser Lerneinheit werden kurz die wichtigsten Definitionen
MehrFernerkundung - Stand der Technik aktuelle Entwicklungen - neue Sensoren
ARC GmbH Fernerkundung - Stand der Technik aktuelle Entwicklungen - neue Sensoren Klaus Steinnocher klaus.steinnocher@arcs.ac.at Geschäftsfeld Umweltplanung ARC http://www.arcs.ac.at/s 1 ARC GmbH Fernerkundung!
MehrLand Observation Satellites
Introduction to Remote Sensing Campbell und Wynne (2011) Kapitel 6: Seminar: Satellitenfernerkundung Leiter: Dr. Ralf Sussmann Caroline Brosy 10.05.2013 GLIEDERUNG 1. Einleitung 2. Satellitenumlaufbahnen
MehrVáclav Metelka, Andreas Barth,Lenka Baratoux, MarkJessell,Séta Naba
Václav Metelka, Andreas Barth,Lenka Baratoux, MarkJessell,Séta Naba Die Ressource von ökonomisch wichtigen Rohstoffen Einfluss auf Prospektionsstrategien Wichtig für Modelle der Entwicklung von Landschaft
MehrGIS Einführungsschulung
Datentypen 1. Rasterdaten Datenquellen: Gescannte analoge Karten und Pläne Digitale Kameras Framegrabber Satellitenaufnahmen (Scanner und optische Sensoren) Datentypen: binär (Synonyme: 1-Bit, Schwarz-weiß)
MehrEinfluss und Auswirkung verschiedener Methoden des Pansharpening auf die multispektrale Klassifikation
368 Einfluss und Auswirkung verschiedener Methoden des Pansharpening auf die multispektrale Klassifikation Philipp Gottsmann und Christine Wessollek TU Dresden philipp.gottsmann@gmx.de Full paper double
MehrAktualisierung der Informationen zur tatsächlichen Nutzung. Neue Wege in Thüringen!
Aktualisierung der Informationen zur tatsächlichen Nutzung 1 sinkende personelle und materielle Ressourcen 2 sinkende personelle und materielle Ressourcen Personalabbau im TLVermGeo um etwa 20 % bis 2020
MehrMethoden der Fernerkundung
Vorlesung für geographischen Studiengänge Modul MNF-Geogr. 14 Hyperspektrale und thermale Fernerkundung Prof. Dr. Natascha Oppelt Arbeitsgruppe Fernerkundung & Umweltmodellierung Geographisches Institut
MehrAuftrag und Vorgehensweise
Prüfung von Luftbilddaten zweier unterschiedlicher Aufnahmesensoren hinsichtlich eines optimalen Aufnahmesystems zur Erfüllung von Aufgaben von Vermessungs- und Umweltverwaltung für das Landesamt für Natur
MehrMethoden der Fernerkundung
Methoden der Fernerkundung Wolfgang Wagner Institut für Photogrammetrie und Fernerkundung Technische Universität Wien DIN 18716/3 Was ist Fernerkundung? Die Fernerkundung (englisch: Remote Sensing) ist
MehrWIND-AREA automatisierte Berechnung von Windpotenzialkarten für Kleinwindanlagen auf der Basis hochauflösender Fernerkundungsdaten
513 WIND-AREA automatisierte Berechnung von Windpotenzialkarten für Kleinwindanlagen auf der Basis hochauflösender Fernerkundungsdaten Martina KLÄRLE und Anne FUCHS Fachhochschule Frankfurt am Main martina.klaerle@fb1.fh-frankfurt.de
MehrLehrveranstaltung Fernerkundung. Mod. 1 p. 1. Typische Schritte in einem Fernerkundungsprojekt. Bildgeometrie. Vorlesungs- und Übungsplan SS 2010
Lehrveranstaltung Fernerkundung Vorlesungs- und Übungsplan 07.04.10 Einführung, Strahlung, Sensoren 14.04.10 Digitale Bilder, Bildstatistik& Kontraststreckung 21.04.10 Bild Verbesserung & Indexe 28.05.10
MehrObjekt-orientierte Klassifizierung von LiDAR Daten und Orthofotos zur Vegetations- und Gebäudekartierung
Vermessung & Geoinformation 4/2009, S. 403 407, 4 Abb. 403 Objekt-orientierte Klassifizierung von LiDAR Daten und Orthofotos zur Vegetations- und Gebäudekartierung Michael Pregesbauer, St. Pölten; Christian
MehrZur Nutzung von TMC-Verkehrsmeldeinformationen mit OpenStreetMap
170 Zur Nutzung von TMC-Verkehrsmeldeinformationen mit OpenStreetMap Pascal NEIS und Georg WALENCIAK 1 Einleitung Durch ein immer größer werdendes Verkehrsaufkommen in Deutschland sind Staumeldungen beispielsweise
MehrSommersemester Prof. Dr. Christoph Kleinn Institut für Waldinventur und Waldwachstum Arbeitsbereich Fernerkundung und Waldinventur
Fernerkundung Grundlagen geometrischer Korrekturen und von resampling Techniken. Verschiebung der Scan-Linien bei Satellitenbildern Die Erdrotation ist einer der wesentlichen Gründe für die geometrischen
MehrGeostatistik und Anwendungen im Precision Farming
Geostatistik und Anwendungen im Precision Farming Irina Kuzyakova Institut für Pflanzenbau und Grünland Precision Farming Managementstrategie, die die räumlichen Informationstechnologien benutzt, um Entscheidungen
MehrAuf dem Weg zu einem Monitoring der Bodenversiegelung Herausforderungen und Lösungsansätze
Auf dem Weg zu einem Monitoring der Bodenversiegelung Herausforderungen und Lösungsansätze Dr. Wieke Heldens, Dr. Thomas Esch Deutsches Zentrum für Luft- und Raumfahrt e.v. (DLR) Deutsches Fernerkundungsdatenzentrum
MehrInhalt: In nahezu allen raumrelevanten Planungen spielt das Feststellen und Nachweisen von Veränderungen eine herausragende Rolle.
Inhalt: In nahezu allen raumrelevanten Planungen spielt das Feststellen und Nachweisen von Veränderungen eine herausragende Rolle. Flächennutzungsänderung, Katasteraktualisierung, FFH- Flächenmonitoring,
MehrOperative Zusatzdaten - Grundlage neuer fernerkundungsbasierter Anwendungen und Dienstleistungen
Operative Zusatzdaten - Grundlage neuer fernerkundungsbasierter Anwendungen und Dienstleistungen B. Fichtelmann, E. Borg DLR-Cluster Angewandte Fernerkundung Halle/Saale, 26. November 2011 Motivation der
MehrBildanalyse von UAS Flächenbefliegungen
Bildanalyse von UAS Flächenbefliegungen in der Landwirtschaft CiS GmbH, Hansestraße 21, 18182 Rostock, Telefon 0381/ 62 03 700, Telefax: 0381/ 63 02 730, E-Mail: info@cis-rostock.de Workflow für einen
MehrLISA Land Informationssystem Austria aus Nutzersicht
LISA Land Informationssystem Austria aus Nutzersicht Gebhard Banko Technologiezentrum Salzkammergut 8. November 2011 www.landinformationsystem.at Übersicht Warum brauchen wir LISA? Was ist LISA? Wie wurde
MehrValidierung von Wattklassifikationen aus Fernerkundungsdaten und Erstellung von Produkten mit ArcGIS
Validierung von Wattklassifikationen aus Fernerkundungsdaten und Erstellung von Produkten mit ArcGIS J. Geißler, K. Stelzer, G. Müller AG GIS Küste, 8. April 2014 Einleitung - Wattklassifikationen Wo?
MehrFernerkundung für das Krisenmanagement und die zivile Sicherheit
Fernerkundung für das Krisenmanagement und die zivile Sicherheit Aktuelle Forschungs- und Entwicklungsarbeiten Prof. Dr. Günter Strunz Deutsches Zentrum für Luft- und Raumfahrt (DLR) Erdbeobachtungszentrum
MehrBericht zum Interreg IV A - Projekt
Eo beorf.at RESEARCH STUDIOS AUSTRIA R S A - i S P A C E F O R S C H U N G S S T U D I O F Ü R G E O R E F E R E N Z I E R T E M E D I E N U N D T E C H N O L O G I E N Bericht zum Interreg IV A - Projekt
MehrResearch Collection. Satellitenfernerkundung. Educational Material. ETH Library. Author(s): Grün, Armin; Baltsavias, Emmanuel P.
Research Collection Educational Material Satellitenfernerkundung Author(s): Grün, Armin; Baltsavias, Emmanuel P. Publication Date: 1999 Permanent Link: https://doi.org/10.3929/ethz-a-004658698 Rights /
MehrKombination von Geobasisdaten mit Fernerkundungsdaten am Beispiel des DLM-DE und CORINE Land Cover
Kombination von Geobasisdaten mit Fernerkundungsdaten am Beispiel des DLM-DE und CORINE Land Cover Michael Hovenbitzer Bundesamt für Kartographie und Geodäsie 1. Strategie-Forum des DLR / BMI / BKG Oberpfaffenhofen,
MehrVIS/NIR HSI Basic. » High Performance Hyper Spectral Imaging. » Datenblatt. Kontinuierlicher VIS/NIR Hyperspektral Pushbroom Imager
» High Performance Hyper Spectral Imaging» Datenblatt Der HSI Basic Pushbroom Imager ist ein integriertes Laborgerät für die kombinierte Farb- und chemische Analyse. Das System setzt die Chemical Color
MehrNatur- und Umweltmonitoring im LANUV. Dr. Dirk Hinterlang Kompetenzzentrum Fernerkundung am LANUV NRW
Copernicus @work Natur- und Umweltmonitoring im LANUV Dr. Dirk Hinterlang Kompetenzzentrum Fernerkundung am LANUV NRW Thementag Copernicus Geo-Netzwerk Münsterland, 27.4.2018 Woher kommen wir und was haben
Mehr