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 : 2016-05-01 - 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.
Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2016-05-01 - 2018-10-31

Sich ändernde nationale und internationale Rahmenbedingungen erfordern eine Anpassung der Bewirtschaftung natürlicher Ressourcen. Die immer vielfältigeren Anforderungen führen dabei zu einem erhöhten Bedarf an detaillierteren Informationen. Ein zunehmender Markt-druck und steigende Gefahren, bedingt durch den Klimawandel, verschärfen die Situation zusätzlich. Traditionelle Waldinventuren können die Anforderung großflächig Daten mit hoher Detailschärfe und dichten Aktualisierungsintervallen zur Verfügung zu stellen, nur teilweise erfüllen. Diesbezüglich bietet die neueste Generation von EO-Satelliten eine bislang unbekannte Fülle an relevanten Daten. Sentinel-2 beispielsweise verspricht – bei großer Szenengröße und damit gleichmäßigen Beobachtungs- und Beleuchtungsbedingungen – kostenfreie, multispektrale Daten mit 10 m Auflösung und einer Wiederholrate von 5 Tagen. Der Sensor verfügt über extrem leistungsstarke Spektralkanäle, speziell abgestimmt auf Analysen von Vegetation; v.a. die Bänder im Red Edge und im SWIR. Die räumliche Auflösung ist für den Großteil der Anwendungen ausreichend. Werden Daten mit höherer Auflösung benötigt, kann zusätzlich auf Pleiades Bilder zurückgegriffen werden. Dieser VHR Satellit (Pixel ~1 m) kann zusätzlich Stereo-Aufnahmen zur 3D-Analyse bereitstellen. Die Daten werden von österreichischen Anwendern zu reduzierten Preisen bezogen. Die Entwicklung in der Sensorik hat die Forschungsgemeinschaft belebt und das Interesse unterschiedlicher Stakeholder geweckt. Zahlreiche Studien haben bereits das Potenzial von EO-Daten für die Ableitung von forstlichen Parametern wie Holzvorrat, Baumarten und Habitatqualität demonstriert. Jedoch konzentrieren sich die meisten dieser Studien nur auf einzelne Waldparameter und verwenden häufig nur einen EO Sensor. EO4FOREST geht weit darüber hinaus und verfolgt dabei folgende drei übergeordnete Ziele: • Potenzialbewertung von Sentinel-2 und Pleiades zur Ableitung vierfältiger forstlicher Parameter (z. B. Holzvorrat, Baumarten, Kronengröße, Bestandeslücken und räumliche Heterogenität, Blattflächenindex und Lichtverhältnisse) und Vergleich der Ergebnisse mit allgemein verfügbaren Geodaten (z. B. Orthofotos), • Ableitung von relevanten Informationsprodukten aus den forstlichen Parametern unter Berücksichtigung der Anforderungen unterschiedlicher Stakeholder, • fundierte Erkenntnisse über geeignete Verfahren zur optimalen Nutzung der klassischen terrestrischen Inventuren und – falls nötig – zur Adaptation dieser. EO4FOREST wird dazu verschiedene (Satelliten-)Sensoren kombinieren und Zeitreihen aus Sentinel-2 Daten sowie Pleiades 3D-Daten analysieren. Die EO-Daten werden dabei mit unterschiedlichsten Methoden untersucht: von klassischen Klassifizierungen und direkten Messungen, über objektbasierte Bildanalyse (OBIA), hin zur Verwendung von physikalisch-basierten Strahlungstransfermodellen (RTM) und Techniken des maschinellen Lernens. Statt sich auf einen bestimmten Waldtyp zu fokussieren wird ein Versuchsaufbau gewählt, der drei Testflächen mit sehr unterschiedlichen Waldtypen umfasst. Akteurinnen und Akteure aus der Wald- und der Naturraumbewirtschaftung werden von Beginn an miteinbezogen, um so deren Anforderungen an die Produkte erfassen und erfüllen zu können.

Betreute Hochschulschriften

FIS