BROADCASTS.com

b'Frei verf\\xfcgbare Landsat und Sentinel-2 Daten sind insbesondere seit Copernicus eine wichtige Grundlage f\\xfcr raumbezogene Analysen in Wirtschaft und Wissenschaft. Ihre Aufarbeitung f\\xfcr gro\\xdfr\\xe4umige und sich \\xfcber l\\xe4ngere Zeitr\\xe4ume ersteckende Analysen stellt viele Anwender allerdings vor praktische Probleme. Dieser Vortrag zeigt, wie Landsat und Sentinel-2 Daten mit FORCE f\\xfcr nationale bis kontinentale Analysen aufbereitet und effizient prozessiert werden k\\xf6nnen.\\n\\nErdbeobachtungsprogramme wie die Landsat (NASA/USGS) und Copernicus Sentinel-2 (ESA) Missionen erfassen multispektrale Fernerkundungsdaten weltweit, fl\\xe4chendeckend und mit hoher zeitlicher Dichte. Die im Fall von Landsat bis in die 1970er Jahre reichenden Aufnahmen und eine kontinuierliche Erweiterung der frei zug\\xe4nglichen Datenarchive durch neue Missionen bilden eine wichtige Grundlage f\\xfcr raumbezogene Analysen. Dennoch stellt die synergetische Nutzung dieser Daten f\\xfcr gro\\xdfr\\xe4umige und langzeitliche Analysen viele Nutzer vor praktische Probleme: Je nach Ort, Zeit und Sensor variiert die Verf\\xfcgbarkeit und Qualit\\xe4t einzelner Aufnahmen, etwa infolge unterschiedlicher Bew\\xf6lkungsgrade, der \\xdcberlappung benachbarter Satellitenorbits, oder einer unterschiedlichen Qualit\\xe4t der geometrischen Korrektur. F\\xfcr gro\\xdfr\\xe4umige Analysen stellen sich somit h\\xe4ufig Fragen eine strukturierten Datenablage sowie der effizienten und automatisierten Verarbeitung und Visualisierung.\\n\\nDas Framework for Operational Radiometric Correction for Environmental monitoring (FORCE) bietet eine Komplettl\\xf6sung f\\xfcr die Beschaffung, Prozessierung und Organisation gro\\xdfer Mengen von Erdbeobachtungsdaten. Der Anwendungsbereich deckt den kompletten Workflow von Download der Rohdaten bis hin zur Erstellung von Analysis Ready Data (ARD) und Folgeprodukten (z.B. Klassifikationen durch Machine-Learning Methoden) ab. FORCE erleichtert damit vor allem die Handhabung von gro\\xdfen Datenmengen f\\xfcr gro\\xdffl\\xe4chige Analysen mit dichten und langen Zeitserien. Der Nutzer hat dabei volle Kontrolle \\xfcber Qualit\\xe4tskriterien f\\xfcr die zu verwendenden Daten, Methoden zur Aggregation und Interpolation von Zeitserien, oder Ableitung von Ph\\xe4nologieparametern und Trends aus den Zeitserien.\\n\\nDer Vortrag zeigt, wie mithilfe von des Framework for Operational Radiometric Correction for Environmental monitoring (FORCE) Landsat und Sentinel-2 Daten f\\xfcr ein Untersuchungsgebiet mit minimaler Nutzerinteraktion heruntergeladen, radiometrisch korrigiert und in einem einheitlichen Tiling Grid strukturiert, sowie f\\xfcr anschlie\\xdfende Analysen vorprozessiert werden k\\xf6nnen. Dar\\xfcber hinaus werden weitergehende Analysem\\xf6glichkeiten vorgestellt, etwa eine effiziente thematische Klassifizierung. Abschlie\\xdfend werden Anwendungsbeispiele aus der Forschung zur Baumartenkartierung und zur Landwirtschaftlichen Kartierung oder zu Geb\\xe4udeh\\xf6hen in Deutschland gezeigt. Der Vortrag richtet sich an ein breites Publikum und erfordert keine besonderen Kenntnisse der multispektralen Fernerkundung.\\n\\nReferenzen:\\n\\nhttps://force-eo.readthedocs.io\\nhttps://github.com/davidfrantz/force\\n\\nFrantz, D. (2019). FORCE\\u2014Landsat + Sentinel-2 Analysis Ready Data and Beyond. Remote Sensing, 11(9). doi: 10.3390/rs11091124\\nHaberl, H., Wiedenhofer, D., Schug, F., Frantz, D., Virag, D., Plutzar, C., . . . Hostert, P. (2021). High-Resolution Maps of Material Stocks in Buildings and Infrastructures in Austria and Germany. Environ Sci Technol, 55(5), 3368-3379. doi: 10.1021/acs.est.0c05642\\nRufin, P., Frantz, D., Ernst, S., Rabe, A., Griffiths, P., \\xd6zdo\\u011fan, M., & Hostert, P. (2019). Mapping Cropping Practices on a National Scale Using Intra-Annual Landsat Time Series Binning. Remote Sensing, 11(3). doi: 10.3390/rs11030232\\nabout this event: https://pretalx.com/fossgis2023/talk/CEA79T/'