Fernerkundung: Satellitenbilder richtig auswerten

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

Trifft Strahlung auf eine Oberfläche, kann sie unter anderem reflektiert, absorbiert, durchgelassen oder 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 beziehungsweise SAR verwendet Mikro- oder Radiowellen. Es kann bei Tag und Nacht arbeiten und Wolken, Dunst oder Rauch durchdringen. 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: Größe eines Pixels beziehungsweise kleinstes darstellbares Detail.
• Spektrale Auflösung: Anzahl und Breite der gemessenen Spektralbänder.
• Zeitliche Auflösung: Abstand zwischen zwei Aufnahmen desselben Gebiets.
• Radiometrische Auflösung: Anzahl der unterscheidbaren Signalstufen.

Ein Pixel von 30 m × 30 m umfasst 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.

Bei der geometrischen Korrektur werden Bildpunkte einem Koordinatensystem zugeordnet. Das ist besonders wichtig, wenn mehrere Aufnahmen punktgenau verglichen werden sollen.

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

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. In einem Geographischen Informationssystem können die Ergebnisse mit Gelände-, Statistik- und Felddaten verbunden werden.

Der NDVI ist ein häufig verwendeter Vegetationsindex. Er wird aus Fernerkundungsdaten berechnet und kann Hinweise auf Vegetationsdichte und -zustand geben. Werte werden häufig zwischen −1 und 1 dargestellt. Ein höherer beziehungsweise dunkler grün dargestellter Wert steht meist für dichtere oder grünere Vegetation. Das ist jedoch keine ausnahmslose direkte Messung von Pflanzengesundheit.

Auch Biodiversität 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.