Forschungsbereich Geographie Radar remote sensing supporting humanitarian operations Challenges & outlooks

Transkript

1 Forschungsbereich Geographie Radar remote sensing supporting humanitarian operations Challenges & outlooks Andreas Braun & Volker Hochschild

2 Background observation mapping measurements 2 A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

3 EO4HumEn EO based services to support humanitarian operations: monitoring population and natural resources in refugee/idp camps Funding by ASAP of FFG 10/2013 to03/2016 Responsibilities: Z_GIS: (V)HR optical data analysis Uni Salzburg: Geology MSF: user requirements, validation Uni Tübingen: Radar remote sensing 3 A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

4 Challenges for SAR analysis (Bio ) physical information land degradation, soil erosion available / usable biomass vegetation communities Groundwater assessment search for lineaments, springs surface runoff modeling water, soil moisture Environmental consequences landuse / landcover classification landuse change landscape capacity risk assessment 4 A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

5 Study areas Refugee camps in South Sudan Ethiopia Democratic Republic Of Congo Chad Tanzania Kenya 5 A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

6 Main questions What can be seen in the image? What processes led to this? SAR IMAGE What kind of information helps? Conditions at image acquisition? 6 A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

7 Landscapes around the study areas 7 A. Braun: Radar remote sensing supporting humanitarian operations USGS (2012): (2005): MODIS Geologic 2014 Land Universität Provinces Cover Tübingen of Africa

8 PreProcessing radiometric calibration (σ 0 /ɣ 0 db) multi looking / speckle filtering orthorectification, reprojection Degree of automation fully automated (no further input required) semi automated (pre processing or user input required) manual processing (automated method under development) Delay in product deliveration Images of german satellites require approval by the BAFA before delivery to ensure the security of troops or relief organisations time delay: days 8 A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

9 Landscape dynamics 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Grasses/Cereal crops Non vegetated Shrubs Urban Water 5km 15km 50km 9 A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

10 Landscape dynamics 80% 70% 60% 50% 40% 30% 20% 10% 0% Barren or sparsely vegetated Croplands Grasslands Open shrublands Savannas A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

11 Landscape dynamics 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Closed shrublands Croplands Grasslands Open shrublands Savannas A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

12 Conditions at time of image acquisiton CPC 2007 Precipitation data USGS A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

13 Biomass analysis ALOS PALSAR Fine Beam dual JAXA 2014 based on Mitchard et al A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

14 Biomass distribution around camp Yida, South Sudan Background image: RapidEye BlackBridge AG 2014

15 Biomass change along the Chad Sudan border ALOS PALSAR 50 m Mosaic HV JAXA 2014

16 Search for groundwater ALOS PALSAR Fine Beam single 12/ /2011 JAXA A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

17 Automated forest classification TerraSAR X ALOS Stratified Random Sampling Landsat SRTM Automation by Random Forest algorithm and extrapolation for other dates without F/NF data Training with F/NF Daten 17 A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

18 Automated forest classification 30% 25% 20% 15% 10% 5% 0% 18 A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

19 Outlook Sentinel 1 ALOS 2 TerraSAR X (SixBeam ScanSAR / Staring Spotlight) IceSAT Focus on complementary data data fusion, sensor merge data mining & machine learning Intensified use of interferometric information classification DEM generation and hydrologic applications Operationalisation & validation 19 A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

20 20 A. Braun: Radar remote sensing supporting humanitarian operations TerraSAR X Staring Spotlight Universität Tübingen DLR 2014

21 Sentinel 1 Stripmap VH VV VH/VV ESA A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

22 top: Landsat 8 22 A. Braun: Tätigkeitsbericht down: TerraSAR X + Landsat Universität Tübingen DLR 2014

23 Vielen Dank. Andreas Braun Universität Tübingen Geographisches Institut Rümelinstraße Tübingen tuebingen.de 23 A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

24 References Brunner, H.J. et al. (2007): How can remote sensing contribute in groundwater modeling? Hydrogeology Journal 15 (1). Climate Prediction Center (2007): Afrian Monsoons dataset. Gloaguen, R. et al. (2007): Automatic extraction of faults and fractal analysis from remote sensing data, Nonlinear Processes In Geophysiscs 14, Henry M. et al. (2011). Estimating tree biomass of sub Saharan African forests: A review of available allometric equations. Silva Fennica 45 (3B). Mitchard, E.T.A. et al. (2009): Using satellite radar backscatter to predict above ground woody biomass: A consistent relationship across four different African landscapes. Geophysical Research Letters 36 (23), 1 6. Perry, M. (2014): PyImpute: Spatial classification and regression using Scikit learn and GDAL. Schmullius C.C. & Evans D.L. (1997): Synthetic aperture radar (SAR) frequency and polarization requirements for applications in ecology, geology, hydrology, and oceanography: A tabular status quo after SIR C/X SAR. International Journal of Remote Sensing, 18(13), USGS (2005): Geologic Provinces of Africa, Wessels, K. J. et al. (2013): Unsustainable fuelwood extraction from South African savannas. Environmental Research Letters 8 (1). 24 A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen

25 BAFA Genehmigungsverfahren ja nein Antragsteller im dt. Militär / Nachrichtendienst ja nein Infrarot /Hyperspektralsensor ja nein Zielgebiet auf Bodenstations Negativliste nicht sensitiv ja ja nein ja nein Zielgebiet auf Gebiets Positivliste geom. Auflösung 2,5 m Antragsteller auf Empfänger Positivliste nein sensitiv ja Lieferverzögerung < 5 Tage nein ja geom. Auflösung 1,2 m / Phaseninformation nein 25 A. Braun: Tätigkeitsbericht 2014 Universität Tübingen

26 Anhänge der SatDSiV (1) Anlage 1(zu 2 Abs. 2 Nr. 1) Bodenstationsnegativliste Armenien, Aserbaidschan, Côte d Ivoire, Nordkorea, Irak, Iran, Kongo, Kuba, Libanon, Liberia, Moldau, Myanmar, Ruanda, Sierra Leone, Simbabwe, Somalia, Sudan, Syrien, Turkmenistan, Usbekistan, Weißrussland Anlage 2(zu 2 Abs. 2 Nr. 2) Gebietspositivliste Antarktischer Kontinent und angrenzende Meere (alle Gebiete südlich von 60 ) Nordpolarer Teil der Arktis (alle Gebiete nördlich von 84 ) Anlage 3(zu 2 Abs. 2 Nr. 2a) Gebietsnegativliste Afghanistan, Armenien, Aserbaidschan, Äthiopien, Bahrain, Bosnien Herzegowina, Dschibuti, Eritrea, Georgien, Irak, Israel und palästinensische Autonomiegebiete, Kongo, Kosovo/UNMIK, Libanon, Republik Moldau, Somalia, Sudan, Tschad, Usbekistan, Westsahara 26 A. Braun: Tätigkeitsbericht 2014 Universität Tübingen

27 Anhänge der SatDSiV (2) Anlage 4(zu 2 Abs. 2 Nr. 2b) Empfängerpositivliste 1. Sicherheitsbehörden (militärische, nachrichtendienstliche, polizeiliche) der NATO, der Europäischen Union oder eines ihrer Mitgliedstaaten auf nationaler Ebene. 2. Sicherheitsbehörden (militärische, nachrichtendienstliche, polizeiliche) von Australien, Japan, Neuseeland oder der Schweiz auf nationaler Ebene. 3. Personen a) die von einer Sicherheitsbehörde nach Nummer 1 oder 2 durch Erklärung gegenüber dem Datenanbieter ermächtigt sind, Daten in deren Auftrag anzufragen, b) deren Ermächtigung nach Buchstabe a vom Datenanbieter gegenüber dem Bundesamt für Wirtschaft und Ausfuhrkontrolle angezeigt worden ist, c) die zusichern, die Datenanfrage innerhalb des Auftrags der jeweiligen Sicherheitsbehörde zu stellen und die Daten oder die aus ihnen abgeleiteten Dienstleistungen ausschließlich zur Weitergabe an die jeweilige Sicherheitsbehörde zu nutzen, und d) bei denen dem Datenanbieter keine tatsächlichen Anhaltspunkte für begangene oder bevorstehende Verstöße gegen ihre Zusicherung nach Buchstabe c vorliegen. 27 A. Braun: Tätigkeitsbericht 2014 Universität Tübingen

28 Climate prediction center ground stations 28 A. Braun: Radar remote sensing supporting humanitarian operations 2014 Universität Tübingen