Andreas Janz, Benjamin Jakimow, Fabian Thiel, Patrick Hostert and Sebastian van der Linden
Erdbeobachtungsdaten von Satellitenmissionen wie Landsat, Sentinel-2 und seit kurzem auch hyperspektralen Missionen wie EnMAP stellen eine immer wichtigere Grundlage für raumbezogene Analysen dar. Unsere Demo-Session stellt die neuesten Möglichkeiten der EnMAP-Box vor, mir der in QGIS die Rasterdaten solcher Fernerkundungsmissionen schnell und effizient visualisiert und professionell analysiert werden können.
Erdbeobachtungsdaten stellen eine immer wichtigere Grundlage für raumbezogene Analysen in Wirtschaft und Wissenschaft dar. Gleichzeitig steigt ihre Verfügbarkeit infolge neuer Fernerkundungssatelliten und offener Datenzugangsrichtlinien stetig an. Erdbeobachtungsprogramme wie das Copernicus-Programm der Europäischen Raumfahrtagentur (ESA) und das Landsat Programm des United States Geological Survey (USGS) erfassen multispektrale Fernerkundungsdaten flächendeckend weltweit und mit hoher zeitlicher Dichte. Komplementär dazu liefern hyperspektrale Satellitenmissionen wie die deutsche EnMAP Mission und die italienische PRISMA Mission Daten mit hoher spektraler Auflösung.
Diese Entwicklung hat auch die Nachfrage nach freier und quelloffener Software zur Exploration und Analyse großer und mehrdimensionaler Rasterdatenmengen in Kombination mit anderen GIS-Daten erhöht. Da die Anforderungen einer professionellen Fernerkundungsanalyse oft über die Möglichkeiten klassischer GIS-Software hinausgehen, entwickelt die Humboldt-Universität zu Berlin im Auftrag des Geoforschungszentrums Potsdam seit mehr als 10 Jahren die EnMAP-Box, die seit 2019 als offizielles QGIS Plugin zur Verfügung steht. Die EnMAP-Box erweitert QGIS basierend auf einer eigenen GUI um Multi-Map-View Analyse, Spektralbibliotheken und vereinfachte Visualisierung und Analyse von Rasterdaten.
In der Demo-Session werden die EnMAP-Box und ihre Möglichkeiten anhand der folgenden Themen vorgestellt:
• Multi- und hyperspektrale Erdbeobachtungsdaten: Management und Visualisierung
• Mehrwert durch spektrale Metadaten: Erweiterung der klassischen QGIS Funktionalitäten durch wellenlängen-basierte Bandselektion (Raster Layer Styling)
• Ableitung von über 100 spektralen Indizes (Spectral Index Creator)
• Neuartige, interaktive Visualisierungstechniken durch innovative Raster-Renderer
• Maschinelles Lernen: von der Datenextraktion, über das Trainieren des Lerners, bis zur Karte (Classification/Regression Workflow)
• Rechnen mit Rastern (Raster Math)
• GUI-basierte Integration von Google Earth Engine in QGIS (GEE Time Series Explorer, Rufin et al. 2021)
• Visualisierung und Analyse von Spektralprofilen (Profile Analytics)
Referenzen:
https://enmap-box.readthedocs.io
http://www.enmap.org
Rufin, P., Rabe, A., Nill, L., & Hostert, P. (2021). Gee Timeseries Explorer for Qgis – Instant Access to Petabytes of Earth Observation Data. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLVI-4/W2-2021, 155-158. doi: 10.5194/isprs-archives-XLVI-4-W2-2021-155-2021
The EnMAP-Box project is part of the EnMAP Core Science Team activities (www.enmap.org), funded by the German Aerospace Center (DLR) and granted by the Federal Ministry of Economic Affairs and Energy (BMWi, grant no. 50EE1923).