Development of a method to derive global snow cover parameters based on 1km remote sensing data
Final Report Abstract
Das Ziel des Projektes war die Entwicklung einer Methode zur Erkennung und Klassifikation von Schneeflächen aus 1 km Advanced Very High Resolution Radiometer (AVHRR) Satellitendaten in der Programmiersprache Python und die anschließende Veröffentlichung der entwickelten Skripte. Die Entwicklung der Skripte in Python konnte aus unterschiedlichen Gründen nicht erfolgreich abgeschlossen werden: Für die Vorprozessierung der rohen Satellitendaten ist eine kommerzielle Software notwendig, welche sich nicht in die Python Skripte integrieren lässt. Die ursprünglich angedachte Implementierung von in einem anderen Projekt entwickelten Routinen war aus KompatibiIitätsgründen nicht möglich. Um dieses Problem zumindest teilweise zu umgehen, wurde die Vorprozessierung in einer kommerziellen Software durchgeführt, um zumindest die Entwicklung der daran angeschlossenen Projektteile nicht zu verhindern. Im Laufe der weiteren Bearbeitung stellte sich dann heraus, dass sich die relativ stark ausgeprägte Lageungenauigkeit von bis zu zehn Pixeln (entspricht zehn Kilometern) nicht beheben lässt. Es wurde lange an einer entsprechenden Routine gearbeitet, welche automatisch die Ungenauigkeit erkennen und diese durch eine polynominale Verschiebung beheben sollte, doch konnte diese Routine nicht erfolgreich in Python implementiert werden. Die fehlende Korrektur der Lageungenauigkeit führte dazu, dass die im Antrag beschriebene SchneekIassifikation, die u.a. auf der Zeitreihe von vorprozessierten AVHRR Daten beruht, nicht realisierbar war. Weil die Szenen teils starke Versatze zueinander aufweisen, kann eine Analyse und die angedachte Integration des temporären Signals des Normalized Difference Snow Index (NDSI) nicht erfolgen. Auch die Kombination mit den Hilfsdatensätzen (Geländemodell, LandbedeckungskIassifikation, Oberflächentemperatur) war wegen der mangelhaften Lagegenauigkeit nicht möglich. Tests haben gezeigt, dass die Genauigkeit der Klassifikation ohne diese Hilfsdaten den Ansprüchen der Wissenschaftsgemeinschaft nicht genügt. Die oben aufgeführten Probleme ließen eine erfolgreiche Entwicklung der Pyhton Skripte zur Ableitung von Schneeflächen aus AVHRR Daten nicht zu. Für eine erfolgreiche Verwirklichung des Projekts wären mehr Mitarbeiter mit zusätzlicher Expertise im Programmieren und in der Vorverarbeitung von rohen Satellitendaten erforderlich.
Publications
-
Automated Improvement of Geolocation Accuracy in AVHRR Data Using a Two-Step Chip Matching Approach -A Part of the TIMELINE Preprocessor. Remote Sensing, 2017, 9 (303), 1-17. Multidisciplinary Digital Publishing Institute (MDPI)
Dietz, A.; Frey, C.; Ruppert, T.; Bachmann, M.; Künzer, C.; Dech, S.
