Forschung


Neueste SCI Publikationen

Neueste Projekte

Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2017-02-01 - 2018-07-31

Kombinierte Analyse von Proba-V 100m Daten und MODIS NDVI Produkten für die frühzeitige Detektion von Störungen in Waldökosystemen innerhalb von Europa. Mit dem neuen Proba-V Satellitensensor ist eine solche Analyse möglich, da die räumliche Auflösung geeignet ist, gepaart mit einer sehr guten zeitlichen Wiederholrate. Ein weiterer Vorteil ist die freie Verfügbarkeit der Daten und die Tatsache, dass cloud Infrastruktur zur Datenprozessierung und Datenspeicherung bereitgestellt wird.
Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2016-07-01 - 2017-05-31

Dem Klimawandel wird eine wesentliche Rolle für die Zunahme von Borkenkäferschäden zugeschrieben. Nach dem „Rekordsommer“ 2015 wird für das heurige Jahr mit einem deutlichen Anstieg gerechnet. Um den Schaden möglichst gering zu halten sind verstärkte Aktivitäten zur Populationsbeobachtung und zur raschen Erkennung von Befallsherden notwendig. Zeit- und kostenintensive terrestrische Arbeiten sollten dabei durch fernerkundliche Methoden ergänzt werden. Das Potential von kommerziellen Satellitendaten hierfür wurde bereits gezeigt. Hemmende Faktoren sind dabei die Datenkosten und die geringe Flexibilität bezüglich der Aufnahmen. Der kostengünstige und flexible Einsatz von Unmanned aerial vehicles (UAV) kann einen wesentlichen Teilaspekt eines Monitoringsystems bilden. Dieses Projekt soll die Praxistauglichkeit von UAV Daten mit sehr hoher räumlichen und guter spektralen Auflösung (inkl. NIR + Thermal) untersuchen. Von Interesse sind dabei v.a. zwei Fragen: 1. Können Fichten, die von Borkenkäfer befallen sind, zeitnah und zuverlässig erkannt werden? 2. Sind zur erfolgreichen Erkennung monotemporale Aufnahmen ausreichend? Um dies zu beantworten, wird eine Waldfläche mehrmalig beflogen. Die Analyse der aufgenommenen Daten erfolgt auf Einzelbaumniveau (automatisierte Kronenabgrenzung) wobei Unterschiede zwischen befallenen und nicht-befallenen Bäumen sowie zeitliche Veränderungen untersucht werden. Ergänzende in-situ Beobachtungen dienen der Verifizierung der Ergebnisse.
Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2016-05-01 - 2018-04-30

The HQ-S2 project will generate advanced pre-processing algorithms for Sentinel-2 (S-2) data and produce long time series of high quality (HQ) images corrected of cloud effects and atmospheric noise built from combined Landsat-8 and available, current, S-2 scenes. The resulting multi-temporal optical data set is an essential base product for advanced applications, which will be tested in three specific use cases in the domains of agriculture, forestry and urban areas. The project results are the first step towards a novel high quality user-oriented S-2 service potentially provided in the future via the EODC framework. As a prerequisite, the quality and accuracy of the ESA standard Sentinel-2 (S-2) L1C products in terms of geometric and radiometric calibration and correction will be investigated with a specific focus on areas with high topographic variations. Near-real-time (NRT) filtering will be applied to a image time series composed from S-2 and Landsat-8 data in order to fill observational gaps between cloud-free imagery and to remove artefacts due to (undetected) clouds and poor atmospheric conditions. HQ-S2 will take methods of data pre-processing implemented in the ESA S-2 toolbox and will further develop and extend these to meet the needs of the use cases and integrate and test these within the EODC Earth Observation data processing framework.

Betreute Hochschulschriften

FIS