Übung Vorprozessierung simulierter EnMAP Daten mit der EnMAP Box

Transkript

1

2 EnMAP Daten-Simulation EeteS Vorprozessierung Atmosphärenkorrektur Wassermaske / Schattenmaske Übung Vorprozessierung simulierter EnMAP Daten mit der EnMAP Box

3 Optimieren beim Instrumentendesign Einfluss der Instrumentenparameter auf DN, Strahldichte und Reflektanz Abschätzung von Fehlereinflüssen Aufbau einer Bilddatenbank für Methodenentwicklung und Methodenvalidation DN-Daten für die Vorprozessierung und Kalibration Strahldichtedaten und Reflektanzdaten für die Validation Reflektanzdaten für wissenschaftliche Anwendungen Abschätzung von Fehlereinflüssen

4 Vorwärtssimulation Calibration EnMAP Scene Simulator Input Data (Reflectance) DN Data L1 Processor L2 Processor Output Data (Reflectance) Rückwärtsimulation

5 Radiometric Module Output Data (DN) Spectral Module Spatial Module Input Reflektanzdaten und DEM Atmospheric Module Input Data (Reflectance) Data 1: Data 2: GSD = 3 m SSD = 1 nm ( nm) Cov. = ~ 40 km x 40 km GSD = 30 m SSD = 1 nm ( nm) Cov. = 30 km x 30 km

6 Radiometric Module Output Data (DN) Spectral Module Transformation von bodennahen Reflektanzdaten zu TOA-Spektraldichtedaten Considering: AOT Spatial Module CWV (Map) DEM Cloud maps Atmospheric Module Input Data (Reflectance)

7 Radiometric Module Output Data (DN) Räumlicher Aufnahmeprozess Spectral Module Spatial Module Atmospheric Module Input Data (Reflectance) Considering: Orbitparameters (SSO, semi-major axis, eccentricity, inclination, LTDN, argument of perigee, sensor position and orientation, pointing stability) Integrationszeit Erdrotation MTF (7 Komponenten) Telescope smile und distortion Double slit Detector keystone and spatial shift DEM

8 Simulation von: Satellitenbahn Orbit (major+minor axis, inclination, ) Starting position (Northing and Easting) Altitude (Latitude) Heading (Inclination, Latitude) Satellitenposition Integration Time Speed (Latitude, Orbit) Earth rotation (Latitude) Satellite Track SWIR FOV FOV separation 86 ms (~ 600 m) Earth Rotation yaw roll pitch Altitude VNIR FOV Satellitenbewegungen Roll, pitch and yaw angles Pointing stability (time) East Ergebnis: Simuliertes Pointing des Satelliten für jede Scanline North Cartesian coordinate system

9 Detector Dispersion Element (Prism) Scan line (1000 pixels) Entrance slit Telescope Aufnahmeprinzip von abbildenden Pushbroom Sensoren

10 Teleskop - Spalt FOV-splitting zwischen den Detektoren (Projektion zweier Spalts auf die Erdoberfläche) Detector Prism SWIR FOV FOV separation 86 ms (~ 600 m) VNIR FOV Scan line (1000 pixels) Entrance slit Telescope North

11 Teleskop - Spalt FOV-splitting zwischen den Detektoren (Projektion zweier Spalts auf die Erdoberfläche) Verzeichnungen durch das Teleskop (across und along track) Prism Detector Telescope distortion Scan line (1000 pixels) Entrance slit Telescope Telescope smile

12 Spalt - Detektor Lateral Distortion (incl. Keystone) (Spectral smile) Prism Detector Entrance slit 420 nm 585 nm 710 nm 855 nm 1000 nm Pix 1 Pix 250 Pix 500 Pix 750 Pix 1000 Lateral Distortion of VNIR Detector Keystone of VNIR Detector

13 Ziel: Modellierung des Detektorpointings Methode: Backtracking Für jedes Detektorelement wird die Koordinate im Spalt bestimmt Jede Spaltkoordinate entspricht einem best. Pointing des Teleskops definiert durch roll und pitch angle Hinzufügen des Pointing des Satelliten (position and attitude) Scan line (1000 pixels) Detector Prism Entrance slit Telescope Ergebnis: Projektion jedes Detektorelements auf die Erdoberfläche

14 Filterung der Bodeninformation mit Point Spread Function (PSF) Modulationstransferfunktion (MTF) Detector MTF - Size - Cross Talk - Electronic Optical MTF - Diffraction - Aberration Vibration MTF - Jitter - Sinusodial motion MTF vibration total MTF optics total MTF motion MTF detector total MTF across track total MTF along track total 425 nm PSF along track 425 nm PSF along track 2455 nm PSF across track 425 nm PSF across track 2455 nm Motion MTF Distance from target [m]

15 Pixel sampling Pointing of the detector element for 1 nm bands Detector Subset of the 3D-surface image around the projected detector element is mapped to a plain grid of 3 m GSD using the collinearity equations Convolution with PSF y PSF(λ)

16 Radiometric Module Output Data (DN) Spectral Module Z roll yaw Spatial Module VNIR FOV pitch SWIR FOV Atmospheric Module North (Y) FOV separation 86 ms (~ 600 m) Input Data (Reflectance) East (X)

17 Radiometric Module Output Data (DN) Spectral Module Spatial Module Atmospheric Module Input Data (Reflectance) Simulated Makhtesh Ramon Red 2200 nm Green 800 nm Blue 460 nm

18 Radiometric Module Output Data (DN) Spektrales Resampling Spectral Module Considering: Instrument SRF Spatial Module Detector smile and spectral shift Atmospheric Module Input Data (Reflectance) VNIR mean: 6.5 nm (SSD) 8.1 nm (FWHM) 88 bands SWIR mean: 10.0 nm (SSD) nm (FWHM) 154 bands Smile of SWIR Detector 900 nm 1288 nm 1675 nm 2063 nm 2450 nm

19 Radiometric Module Output Data (DN) Considers: Spectral Module Integration time Quantum efficiency Full well capacity Spatial Module Optical transmission Readout (Map), shot, dark, SWIR IR-Background noise Dual gain (VNIR) Radiometric resolution (13/14 Bit VNIR/SWIR) Atmospheric Module Individual gain and offset for each detector element Individual detector non-linearity responses Bad and dead pixels Input Data (Reflectance)

20 Transfomation von TOA-Spektraldichtedaten zu DN-Daten At-Sensor-Spektraldichtedaten zu Photonen pro Pixel (flux) Photonen pro Pixel zu Elektronen pro Pixel Rauschsignal in Elektronen Elektronen pro Pixel zu DN pro Pixel Offset hinzu Nichtlinearität hinzu Bad und Dead Pixel hinzu

21 Radiometric Module Output Data (DN) Spectral Module Spatial Module Atmospheric Module Input Data (Reflectance) Subset VNIR (660/530/460 nm) Subset SWIR (2100/2200/2300 nm)

22 Output Data (DN) Processing: Korrektur des Nichtlinearitäten Dunkelstromkorrektur L1 Processor Co-Registration Gain - Multiplikation L2-Atm Processor L2-Geo Processor L2 Data (Reflectance)

23 Non-Linearity Calibration Output Data (DN) Parameters of FPA LEDs: VNIR: λ = 470 nm; Δλ = 40 nm SWIR: λ = 1300 nm; Δλ = 200 nm ~40 illumination levels using different integration times (radiance image) Processed by radiometric module Calculate lookup tables for nonlinearity correction from DN values Processing: Korrektur des Nichtlinearitäten Dunkelstromkorrektur Gain - Multiplikation L1 Processor Co-Registration L2-Atm Processor L2-Geo Processor L2 Data (Reflectance)

24 Parameters of FPA LEDs: VNIR: λ = 470 nm; Δλ = 40 nm; QE = 0.75 SWIR: λ = 1300 nm; Δλ = 200 nma; QE = 0.6 Number of illumination levels Processing: Create radiance image (Illumination level = image column) Call e_radiometric module with new parameters Calculate lookup tables for nonlinearity correction

25 Signal [DN] Linearization + Cubic spline interpolation Approach A: Linear Regression DN_lin SAT DN_nonlin origin 5000 A 0 T 0 T 1 T 2 T 3 T 4 T 5 T 6 T 7 T 8 T 9 T 10 Integration time Approximation by linear regression line Non-linearity function

26 Dark Current Calibration Output Data (DN) Processing: 256 image lines illuminated by zero radiance Processed by radiometric module Estimate dark current Processing: Korrektur des Nichtlinearitäten Dunkelstromkorrektur Gain - Multiplikation L1 Processor Co-Registration L2-Atm Processor L2-Geo Processor L2 Data (Reflectance)

27 Absolute Calibration Output Data (DN) Processing: 1024 image lines illuminated by solar radiance (new Kurucz model) Processing: Korrektur des Nichtlinearitäten Dunkelstromkorrektur Gain - Multiplikation L1 Processor Co-Registration L2-Atm Processor Processed by radiometric module using adapted integration times Estimate gains after non-linearity and dark current correction L2-Geo Processor L2 Data (Reflectance)

28 Output Data (DN) L1 Processor Co-Registration L2-Atm Processor L2-Geo Processor Subset VNIR (660/530/460 nm) Subset SWIR (2100/2200/2300 nm) L2 Data (Reflectance)

29 Output Data (DN) Displacement vector (20,-1); no resampling L1 Processor Adjust SWIR bands to VNIR bands Co-Registration L2-Atm Processor L2-Geo Processor Subset RGB (2200/800/460 nm) L2 Data (Reflectance)

30 Reflectance [% * 100] Output Data (DN) Conversion from TOA radiance to surface reflectance considering spectral smile and shift Estimating: AOT, CWV and optionally spectral smile L1 Processor Co-Registration L2-Atm Processor Calcite L2-Geo Processor Kaolinite Dry vegetation L2 Data (Reflectance)

31 Output Data (DN) Parametric orthorectification considering DEM and different resampling techniques L1 Processor Co-Registration L2-Atm Processor L2-Geo Processor RGB (2200/800/460 nm) L2 Data (Reflectance)

32 Atmosphärenkorrektur Wassermaske / Schattenmaske

33 einfallende solare Strahlung (100%) Reflexion durch Wolken (20%) Hülle der Atmosphäre Streuung durch die Atmosphäre (6%) Absorption durch Wolken (5%) Absorption durch die Atmosphäre (15%) Reflexion an der Erdoberfläche (4%) Absorption durch die Erdoberfläche (50%) verändert nach Richards & Jia 2005: 40

34 einfallende solare Strahlung (100%) Seiteneinstrahlung aus Atmosphäre Diffuse Strahlung vom Boden Indirekte Einstrahlung aus der Atmosphäre Atmosphäre Indirekte Einstrahlung durch Streuung am Boden Erdoberfläche Pixel Nachbarpixel verändert nach Richards & Jia 2005: 40

37 Original Images t1 Corrected Images t2 t3 Simulated EnMAP Data - Sacrow Lake Havel River

38 Internal Average Reflectance Ansatz: Berechnung des Mittelwertspektrums der Szene, pixelweise Division mit Mittelwert Vorbedingungen: keine Ergebnis: Relative Reflexion (unrealistische Absorptionsmerkmale) Flat Field Ansatz: Division aller Pixel durch ein neutrales Bildspektrum Vorbedingungen: Grundlegende Feld Kenntnisse Ergebnis: Relative Reflexion (unrealistische Absorptionsmerkmale) Empirical Line Ansatz: Lineare Regression der Bilddaten zu Feldmessungen zur Ableitung von Gain und Offs Anwendung der Parameter auf die Gesamtszene Vorbedingungen: Feldmessungen von hellen und dunklen Oberflächen Ergebnis: absolute Reflexion

39 Strahlungstransfermodelle Ansatz: Modellierung des Absorptions- und Streuungsverhaltens atmosphärischer Gase in Abhängigkeit der eingestrahlten Energie Vorbedingungen: Verfügbarkeit einer spektralen Atmosphärendatenbank (Modtran, Algorithmen: ATREM 6S Lowtran, Hitran, 6S, MOMO, ) FLAASH MODTRAN4 ACORN MODTRAN3 ATCOR MODTRAN5 EnAC MOMO Ergebnis: absolute Reflexion

40 Processing Chain Level 2geo geometric Correction Level 0 Product Calibration Products Orbit and Attitude Products Processing Chain Level 2geo Line-of-Sight Vector Improvement Reference Image Processing Chain Level 1 Systematic and Radiometric correction Land-Water Map Level 1 Product Processing Chain Level 2geo Orthorectification Digital Elevation Model Level 1 Product Processing Chain Level 2geo geometric correction Level 2geo Product Processing Chain Level 2atm Over Land Processing Chain Level 2atm - Atmospheric Correction Processing Chain Level 2atm Over Land Processing Chain Level 2atm Atmospheric Correction Level 2atm Product Level 2 Product User

41 Processing Chain Level 2geo geometric Correction Level 0 Product Calibration Products Orbit and Attitude Products Processing Chain Level 2geo Line-of-Sight Vector Improvement Reference Image Processing Chain Level 1 Systematic and Radiometric correction Land-Water Map Level 1 Product Processing Chain Level 2geo Orthorectification Digital Elevation Model Level 1 Product Processing Chain Level 2geo geometric correction Level 2geo Product Processing Chain Level 2atm Over Land Processing Chain Level 2atm - Atmospheric Correction Processing Chain Level 2atm Over Water Processing Chain Level 2atm Atmospheric Correction Level 2atm Product Level 2 Product User

42 Systematische Korrektur und radiometrische Transformation (DN Strahldichte) Prozessierungsschema: Dead and Bad Pixel Flagging Nichtlinearitätskorrektur (Bild, Dunkelstrombild) Interne Streulichtkorrektur RNU Korrektur (DN Harmonisieren: 1 Gain und 1 Offset pro Band) Radiometrische Transformation basierend auf Kalibrationstabellen Erstellung von Metainformation (Wolkenmaske, Wasser-/Landmaske)

43 Processing Chain Level 2geo geometric Correction Level 0 Product Calibration Products Orbit and Attitude Products Processing Chain Level 2geo Line-of-Sight Vector Improvement Reference Image Processing Chain Level 1 Systematic and Radiometric correction Land-Water Map Level 1 Product Processing Chain Level 2geo Orthorectification Digital Elevation Model Level 1 Product Processing Chain Level 2geo geometric correction Level 2geo Product Processing Chain Level 2atm Over Land Processing Chain Level 2atm - Atmospheric Correction Processing Chain Level 2atm Over Water Processing Chain Level 2atm Atmospheric Correction Level 2atm Product Level 2 Product User

44 Processing Chain Level 2geo geometric Correction Level 0 Product Calibration Products Orbit and Attitude Products Processing Chain Level 2geo Line-of-Sight Vector Improvement Reference Image Processing Chain Level 1 Systematic and Radiometric correction Land-Water Map Level 1 Product Processing Chain Level 2geo Orthorectification Digital Elevation Model Level 1 Product Processing Chain Level 2geo geometric correction Vorprozessierung mit der EnMAP Box Level 2geo Product Processing Chain Level 2atm Over Land Processing Chain Level 2atm - Atmospheric Correction Processing Chain Level 2atm Over Water Processing Chain Level 2atm Atmospheric Correction Level 2atm Product Level 2 Product User

45 Wofür? Transformation Strahldichte -> Reflektanz = Ausstrahlung Einstrahlung Warum? Material Absorption = 1 Reflektanz Kontinuum Unabhängigkeit von Beleuchtungsstärke und atmosphärischen Einflüssen Vergleichbarkeit zu Bodenmessungen Ausgleich saisonaler Schwankungen Womit? EnMAP Atmospheric Correction EnAC Frei verfügbar, open source, Plattform unabhängig, integriert in die EnMAP Box, speziell für EnMAP entwickelt, publiziert

46 Wie? Kombination generischer Bodentargets (Vegetation, offener Boden etc.) mit einem Strahlungstransfermodell (MOMO) Abschätzung von Sichtweite Wasserdampfgehalt Reduktionen: Blickwinkelabhängigkeit der Beleuchtung Sensorbedingter Effekte: Smile/Frown Lokaler Überstrahlungen: Adjazenz Spektrale Glättung (optional)

47 L1/ L2geo Sichtweitenabschätzung Smilekorrektur Wasserdampfabschätzung Adjazenzkorrektur Spektrale Glättung (optional) L2atm / L2

48 Bestrahlungsstärke [W / m**2 * nm] L1 / L2geo Visibilty - abschätzung Sichtweitenabschätzung Smilekorrektur O 3 H 2 O O 2 /H 2 O H 2 O H 2 O Wasserdampfabschätzung H 2 O Adjazenzkorrektur H 2 O/CO 2 H2O/CO2 Spektrale Glättung (optional) L2atm / L Wellenlänge [µm]

49 Bestrahlungsstärke [W / m**2 * nm] L1 / L2geo Sichtweitenabschätzung Smilekorrektur Wasserdampfabschätzung O 3 H 2 O Smileabschätzung O 2 /H 2 O H 2 O H 2 O H 2 O oder Onboard-Kalibrierung Adjazenzkorrektur H 2 O/CO 2 H2O/CO2 Spektrale Glättung (optional) L2atm / L Wellenlänge [µm]

50 Spectral ( ) L1 / L2geo Spatial (X) Sichtweitenabschätzung Prism Smilekorrektur Wasserdampfabschätzung Entrance slit Adjazenzkorrektur Spektrale Glättung (optional) Ideal and real image geometry aligned to detector axis L2atm / L2

51 Spectral ( ) L1 / L2geo Spatial (X) Sichtweitenabschätzung Prism Smilekorrektur Wasserdampfabschätzung Entrance slit Adjazenzkorrektur Spektrale Glättung (optional) L2atm / L2 Smile = spectral curvature effect Typically it is a simple curvature of the monochrome images of the entrance slit

52 L1 / L2geo Sichtweitenabschätzung Smilekorrektur Wasserdampfabschätzung Adjazenzkorrektur Spektrale Glättung (optional) L2atm / L2 Vegetation Dolomit

53 L1 / L2geo Sichtweitenabschätzung Smilekorrektur Wasserdampfabschätzung Adjazenzkorrektur Spektrale Glättung (optional) True band position Shifted by smile True band position Shifted by smile L2atm / L2 Radiance Reflectance

54 L1 / L2geo Spectral Interpolation Sichtweitenabschätzung Smilekorrektur Wasserdampfabschätzung Adjazenzkorrektur Spektrale Glättung (optional) True band position Shifted by smile Corrected band position True band position Shifted by smile Corrected band position L2atm / L2 Radiance Reflectance

55 Radianz [W / m**2 * nm * sr] L1 / L2geo Sichtweitenabschätzung Smilekorrektur Wasserdampfabschätzung Adjazenzkorrektur Spektrale Glättung (optional) L2atm / L O 3 H 2 O Wasserdampfabschätzung O 2 /H 2 O H 2 O H 2 O H 2 O H 2 O/CO 2 H2O/CO Wellenlänge [µm]

56 L1 / L2geo einfallende solare Strahlung (100%) Sichtweitenabschätzung Smilekorrektur Wasserdampfabschätzung Seiteneinstrahlung aus Atmosphäre Diffuse Strahlung vom Boden Adjazenzkorrektur Indirekte Einstrahlung aus der Atmosphäre Atmosphäre Spektrale Glättung (optional) Indirekte Einstrahlung durch Streuung am Boden L2atm / L2 Erdoberfläche Pixel Nachbarpixel

57 L1 / L2geo Sichtweitenabschätzung Smilekorrektur Wasserdampfabschätzung Adjazenzkorrektur Spektrale Glättung (optional) L2atm / L2

58 L1 / L2geo Sichtweitenabschätzung Smilekorrektur Wasserdampfabschätzung Adjazenzkorrektur Spektrale Glättung (optional) L2atm / L2

59 Schatten beinhalten nützliche Informationen für die Bildauswertung Reliefinformationen Ableitung von Objekthöheninformationen Schattendetektion: erster Schritt ist die Restaurierung der ursprünglichen Oberflächenreflexion unter Verwendung von Entschattungsalgorithmen h α l

60 Einfacher Schwellwertansatz: Albedo < 5 % Hauptprobleme der Schattendetektion: Differenzierung zwischen Schatten und dunklen Oberflächen z.b.: Wasser Dachbitumen Dunkles Gestein (z.b. Basalt, Lava)

61 ???? Potentiell beschattete Pixel Nach Entfernung von Wasserpflanzen Nach Entfernung von Wasserflächen Finale Schattenmaske nach räumlicher Optimierung Identifikation potentieller beschatteter Pixel Identifikation und Entfernung dunkler aber nicht beschatteter Oberflächen Räumliche Optimierung

62 Frage: Wie hell kann das hellste beschattete Pixel sein? Methode: Überlagerung der kompletten Scene mit einem Schatten durch Multiplikation mit MODTRAN-simulierten Anteil diffuser Strahlung Graph sortierter Mittelwerte Berechnung des Punktes maximaler Krümmung MAX( ) zwischen 3-6% mittlerer Reflexion Ausschluss von Pixeln mit spiegelnder Reflexion

63 ??? Potentiell beschattete Pixel Nach Entfernung von Wasserpflanzen Nach Entfernung Von Wasserflächen Finale Schattenmaske nach räumlicher Optimierung

64 , Algen beschattete Veg Rainer Sturm / pixelio.de Bedingungen für die Entfernung von Wasserpflanzen: VI > 1.0 UND ENTWEDER R@740 nm R@710 nm / < ODER R@880 nm R@815 nm / < -0.01

65 ?? Potentiell beschattete Pixel Nach Entfernung von Wasserpflanzen Nach Entfernung Von Wasserflächen Finale Schattenmaske nach räumlicher Optimierung

66 ,, Sehr dunkel (mittlere Albedo < 6 %) Abnahme mit zunehmender Wellenlänge aufgrund der Abnahme diffuser Strahlung Hohe spektrale Variabilität aufgrund unterschiedlicher Arten beschatteter Oberflächen Sehr dunkel (mittlere Albedo < 6 %) Abnahme mit zunehmender Wellenlänge aufgrund zunehmender Absorption der Strahlung durch das Wasser Hohe spektrale Variabilität aufgrund variierunder Wasserbedingungen und Reflexionen des Bodens

67 Source: WASI Software by P. Gege, DLR

68

69 Analyse von Anstiegskombinationen: [ ]

70 Relative frequency [%] 35 Relative frequency of the slope combinations for water and shadow areas Water Shadow Combination number Anzahl analysierter Pixel: Wasser: Schatten: Datensätze von Berlin (2), Potsdam (1) and Helgoland (2)

71 Spektral identifiziertes Wasser Spektral zurückgewiesen kein Wasser Keine spektrale Entscheidung Idee: Für unsicher Pixel soll Zuordnung zu dominanten spektralen Entscheidung in der Nachbarschaft erfolgen Methode: Zählung der spektralen Entscheidungen innerhalb einer iterativ wachsenden NxN Nachbarschaft bis eine Entscheidung getroffen werden kann

72 Spektral identifiziertes Wasser Wasser Ergebnis Räumlich identifiziertes Wasser Keine spektrale Entscheidung Spektral zurückgewiesen kein Wasser Nichtwasserbereich Ergebnis Räumlich identifizierte Nichtwasserbereiche

73 Potentiell beschattete Pixel Nach Entfernung von Wasserpflanzen Nach Entfernung Von Wasserflächen Finale Schattenmaske nach räumlicher Optimierung Abschließende räumliche Optimierung: Füllung von 1 Pixel großen Löchern innerhalb von Schattenbereichen

74 Datensätze für die Validierung: HyMap 2005, Berlin HyMap 2004, Potsdam AISA Eagle 2008, Helgoland AISA Eagle 2009, Döberitzer Heide Digitalisierte Referenzflächen: Schatten und Wasser 5 Validationsausschnitte: 350 x 500 Pixel Genauigkeitsbetrachtung Schatten vs. Wasser Wahrscheinlichkeit der Schattendetektion

75 Users accuracies Schatten vs. Wasser Schatten Wasser 98.5 Schatten Detektion accuracies POD 94.5 POFD 0.01

76 Users accuracies Schatten vs. Wasser Schatten 90.1 Wasser 99.3 Schatten Detektion accuracies POD 94.4 POFD 0.71

77 Users accuracies Schatten vs. Wasser Schatten 90.1 Wasser 86.1 Schatten Detektion accuracies POD 95.9 POFD 1.38

78 Users accuracies Schatten vs. Wasser Schatten --- Wasser --- Schatten Detektion accuracies POD 27.9 POFD 0.0

79 Users accuracies Schatten vs. Wasser Schatten 92.1 Wasser Schatten Detektion accuracies POD 65.1 POFD 0.0

80 Der Algorithmus Benötigt keine Nutzerkenntnisse oder Feintuning von Eingabeparametern Automatische Detektion von Schattenbereichen mit sehr hoher Genauigkeit Ausnahme: Baumschatten innerhalb von Wälder VIS-NIR Bereich ( nm) für Maskenselektion notwendig Multisensoral anwendbar Multiareal anwendbar (Urban, Rural, Küste)

81 Verbesserung der Schattendetektion innerhalb von Wäldern Wolkenschatten? Schatten auf Wasserflächen?

82 EnMAP Daten-Simulation EeteS Vorprozessierung Atmosphärenkorrektur Wassermaske / Schattenmaske Übung Vorprozessierung simulierter EnMAP Daten mit der EnMAP Box