BROADCASTS.com

Erdbeobachtungsdaten von Satellitenmissionen wie Landsat, Sentinel-2 und seit kurzem auch hyperspektralen Missionen wie EnMAP stellen eine immer wichtigere Grundlage f\xfcr raumbezogene Analysen dar. Unsere Demo-Session stellt die neuesten M\xf6glichkeiten der EnMAP-Box vor, mir der in QGIS die Rasterdaten solcher Fernerkundungsmissionen schnell und effizient visualisiert und professionell analysiert werden k\xf6nnen.\n\nErdbeobachtungsdaten stellen eine immer wichtigere Grundlage f\xfcr raumbezogene Analysen in Wirtschaft und Wissenschaft dar. Gleichzeitig steigt ihre Verf\xfcgbarkeit infolge neuer Fernerkundungssatelliten und offener Datenzugangsrichtlinien stetig an. Erdbeobachtungsprogramme wie das Copernicus-Programm der Europ\xe4ischen Raumfahrtagentur (ESA) und das Landsat Programm des United States Geological Survey (USGS) erfassen multispektrale Fernerkundungsdaten fl\xe4chendeckend weltweit und mit hoher zeitlicher Dichte. Komplement\xe4r dazu liefern hyperspektrale Satellitenmissionen wie die deutsche EnMAP Mission und die italienische PRISMA Mission Daten mit hoher spektraler Aufl\xf6sung.\n\nDiese Entwicklung hat auch die Nachfrage nach freier und quelloffener Software zur Exploration und Analyse gro\xdfer und mehrdimensionaler Rasterdatenmengen in Kombination mit anderen GIS-Daten erh\xf6ht. Da die Anforderungen einer professionellen Fernerkundungsanalyse oft \xfcber die M\xf6glichkeiten klassischer GIS-Software hinausgehen, entwickelt die Humboldt-Universit\xe4t zu Berlin im Auftrag des Geoforschungszentrums Potsdam seit mehr als 10 Jahren die EnMAP-Box, die seit 2019 als offizielles QGIS Plugin zur Verf\xfcgung steht. Die EnMAP-Box erweitert QGIS basierend auf einer eigenen GUI um Multi-Map-View Analyse, Spektralbibliotheken und vereinfachte Visualisierung und Analyse von Rasterdaten.\n\nIn der Demo-Session werden die EnMAP-Box und ihre M\xf6glichkeiten anhand der folgenden Themen vorgestellt:\n\n \u2022 Multi- und hyperspektrale Erdbeobachtungsdaten: Management und Visualisierung\n \u2022 Mehrwert durch spektrale Metadaten: Erweiterung der klassischen QGIS Funktionalit\xe4ten durch wellenl\xe4ngen-basierte Bandselektion (Raster Layer Styling)\n \u2022 Ableitung von \xfcber 100 spektralen Indizes (Spectral Index Creator)\n \u2022 Neuartige, interaktive Visualisierungstechniken durch innovative Raster-Renderer\n \u2022 Maschinelles Lernen: von der Datenextraktion, \xfcber das Trainieren des Lerners, bis zur Karte (Classification/Regression Workflow)\n \u2022 Rechnen mit Rastern (Raster Math)\n \u2022 GUI-basierte Integration von Google Earth Engine in QGIS (GEE Time Series Explorer, Rufin et al. 2021)\n \u2022 Visualisierung und Analyse von Spektralprofilen (Profile Analytics)\n\nReferenzen:\nhttps://enmap-box.readthedocs.io\nhttp://www.enmap.org\n\nRufin, P., Rabe, A., Nill, L., & Hostert, P. (2021). Gee Timeseries Explorer for Qgis \u2013 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\n\nThe 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).\nabout this event: https://pretalx.com/fossgis2023/talk/9WAMJ9/