Fernerkundung: Satellitenbilder richtig auswerten

Ein Fernerkundungsbild ist nicht einfach ein Foto. Seine Pixel, also die einzelnen Bildpunkte, enthalten Messwerte aus bestimmten Bereichen des elektromagnetischen Spektrums. Dazu gehören sichtbares Licht, Infrarot und Mikrowellen.

Trifft Strahlung auf eine Oberfläche, kann sie zurückgeworfen (reflektiert), aufgenommen (absorbiert), durchgelassen oder in verschiedene Richtungen abgelenkt (gestreut) werden. Vegetation, Wasser, Boden und Gebäude beeinflussen die Strahlung unterschiedlich. Diese Unterschiede helfen dabei, Oberflächen zu erkennen und ihren Zustand zu untersuchen.

Passive Sensoren

Passive Sensoren messen Strahlung, die eine Oberfläche reflektiert, streut oder selbst aussendet. Bei optischen Aufnahmen ist die Sonne meist die wichtigste Energiequelle. Bänder im nahen oder kurzwelligen Infrarot zeigen Eigenschaften, die dein Auge nicht direkt wahrnimmt.

Aktive Sensoren

Aktive Sensoren senden selbst Energie aus und messen das zurückkehrende Signal. Radar verwendet in der Erdbeobachtung meist Mikrowellen. Es kann bei Tag und Nacht arbeiten und Wolken, Dunst oder Rauch weitgehend durchdringen. SAR (Synthetic Aperture Radar) ist ein Radarverfahren, das mehrere Messungen entlang der Flugbahn zu detailreichen Bildern kombiniert. LiDAR sendet Laserimpulse aus und bestimmt aus deren Laufzeit Entfernungen, Höhen und dreidimensionale Strukturen.

Auflösung beschreibt nicht nur die Pixelgröße. Vier Arten entscheiden gemeinsam darüber, ob Daten für eine Untersuchung geeignet sind.

• Räumliche Auflösung: Wie fein räumliche Details getrennt werden können. Als Maß dient häufig die Seitenlänge quadratischer Bodenpixel; die Pixelgröße allein garantiert aber noch keine sichere Objekterkennung.
• Spektrale Auflösung: Wie fein Wellenlängenbereiche unterschieden werden. Dafür sind insbesondere die Breite und die Anordnung der Spektralbänder wichtig.
• Zeitliche Auflösung: Abstand zwischen zwei Aufnahmen desselben Gebiets.
• Radiometrische Auflösung: Anzahl der unterscheidbaren Signalstufen.

Ein quadratisches Pixel von 30 m × 30 m umfasst 30 m × 30 m = 900 m². Innerhalb dieser Fläche können mehrere Oberflächen liegen. Sein Messwert kann daher beispielsweise Einflüsse von Vegetation, Boden und Gebäuden mischen.

Die höchste räumliche Auflösung ist nicht automatisch die beste. Mehr Details bedeuten oft mehr Daten und zusätzliche Unterschiede innerhalb derselben Klasse, etwa durch Schatten, einzelne Blätter oder Baumstämme. Außerdem lassen sich hohe räumliche Auflösung, große Flächenabdeckung und häufige Wiederholung nicht beliebig gleichzeitig maximieren.

Rohdaten beantworten eine geographische Frage noch nicht. Zwischen Aufnahme und Ergebnis liegt eine nachvollziehbare Verarbeitungskette:

1. Ein Sensor nimmt Strahlung oder Rückstreuung auf.
2. Die Daten werden geometrisch und bei Bedarf atmosphärisch korrigiert.
3. Spektrale oder strukturelle Merkmale werden untersucht.
4. Messwerte werden interpretiert oder Klassen zugeordnet.
5. Das Ergebnis wird mit Karten, Geländedaten, Statistiken oder Feldmessungen verbunden.
6. Eine Prüfung zeigt, wie zuverlässig die Karte oder der abgeleitete Parameter ist.

Die geometrische Korrektur berichtigt räumliche Verzerrungen. Die Zuordnung zu einem Koordinatensystem heißt Georeferenzierung. Für einen Zeitvergleich müssen Bilder außerdem möglichst genau aufeinander ausgerichtet werden: Bei dieser Registrierung sollen entsprechende Pixel dieselben Orte abbilden.

Die Atmosphäre verändert optische Signale durch Absorption und Streuung. Eine Atmosphärenkorrektur soll diesen Einfluss verringern, damit Messwerte der Oberfläche besser vergleichbar sind.

Landbedeckung beschreibt die sichtbare Oberfläche, etwa Wald oder Wasser. Landnutzung beschreibt, wozu Menschen eine Fläche verwenden. Ob ein Wald vor allem der Holzgewinnung oder dem Naturschutz dient, erkennst du nicht allein an seiner Farbe; dafür brauchst du Zusatzinformationen.

Eine überwachte Klassifikation nutzt bekannte Trainingsflächen als Beispiele für die Klassen. Andere, unabhängige Feldpunkte sollten anschließend zur Validierung dienen. So wird geprüft, wie gut die erzeugte Karte tatsächlich zu Beobachtungen vor Ort passt.

Eine einzelne Aufnahme zeigt nur einen Zustand zu einem Zeitpunkt. Multitemporale Fernerkundung vergleicht Aufnahmen verschiedener Zeitpunkte. Damit lassen sich saisonale Muster, Landnutzungsänderungen und längerfristige Trends untersuchen.

Ein belastbarer Vergleich verlangt möglichst:

• dieselbe räumliche Zuordnung;
• geeignete und vergleichbare Spektralbänder;
• beachtete Unterschiede bei Atmosphäre, Sonnenstand und Blickwinkel;
• bekannte Aufnahmezeitpunkte und Jahreszeiten;
• eine Auflösung, die zum untersuchten Objekt passt;
• eine klar festgelegte Vergleichsfläche.

Für ein Monitoring werden vergleichbare Erhebungen regelmäßig wiederholt. Aus einer bestätigten Abfolge von Veränderungen kann ein Trend abgeleitet werden. Eine Prognose benötigt darüber hinaus ein Modell sowie zusätzliche Daten und Annahmen.

Fernerkundung unterstützt unter anderem Kartographie, Landwirtschaft, Stadtforschung, Geologie, Gewässerbeobachtung sowie die Analyse von Landnutzung, Wald, Biodiversität und Naturgefahren. Ein Geographisches Informationssystem (GIS) ist Software zum Verwalten und Auswerten räumlicher Daten. Darin lassen sich die Ergebnisse mit Gelände-, Statistik- und Felddaten verbinden.

Der NDVI (Normalized Difference Vegetation Index) ist ein häufig verwendeter Vegetationsindex. Er verbindet Messwerte aus dem roten und dem nahinfraroten Spektralbereich und wird üblicherweise auf einer Skala von −1 bis 1 angegeben. Höhere Werte deuten unter vergleichbaren Bedingungen oft auf dichtere grüne Vegetation hin. Der Index ist aber keine direkte Diagnose der Pflanzengesundheit. Prüfe die Legende: Welche Farbe einen hohen Wert zeigt, hängt von der gewählten Darstellung ab.

Auch Biodiversität, die Vielfalt von Genen, Arten und Ökosystemen, wird oft nur indirekt erfasst. Satellitendaten können beispielsweise Habitatfläche, Vegetationsstruktur oder Umweltbedingungen zeigen. Eine daraus modellierte Wahrscheinlichkeit für das Vorkommen einer Art ist nicht dasselbe wie eine direkte Beobachtung jedes einzelnen Lebewesens.

Weitere Grenzen sind:

• Wolken und Atmosphäre können optische Daten beeinträchtigen.
• Vergrößern erzeugt keine Details, die der Sensor nicht aufgenommen hat.
• Klassen hängen von geeigneten Trainingsdaten und klaren Definitionen ab.
• Radar- und LiDAR-Daten benötigen besondere Auswertungskompetenz.
• Feldmessungen bleiben für Training und Validierung wichtig.
• Karten und Prognosen enthalten Unsicherheiten und beruhen auf Annahmen.