Wolkenerkennung in Satellitenaufnahmen des sichtbaren Spektralbereichs bei Nacht

Abstract

Wolkenerkennung für Satellitenaufnahmen des sichtbaren Spektralbereichs und nahen Infrarots (VNIR) erfolgt bei Nacht üblicherweise anhand von zusätzlichen Beobachtungen im Thermalen Infrarot (TIR). In dieser Arbeit wird untersucht, inwiefern die Wolkenerkennung auch ausschließlich anhand der VNIR-Beobachtungen durchgeführt werden kann. Dies würde es ermöglichen, bei einer auf nächtliche VNIR-Beobachtungen spezialisierten Satellitenmission (N8) auf die Integration eines zusätzlichen TIR-Sensors zu verzichten. Auf Grundlage der nächtlichen Satellitenbilder des VIIRS/Day-Night-Band wird ein Verfahren vorgeschlagen, das mit Random Forest eine semantische Segmentierung der Bilder in die beiden Klassen klar und wolkig durchführt. Hierfür werden auf Grundlage des Beobachtungsmodells mehrere Merkmale zur pixelweisen Beschreibung der durch Wolken beeinflussten Eigenschaften vorgeschlagen, dies sind vor allem die Albedo, die optische Dicke, Streuungseffekte und zeitliche Veränderungen. Der Fokus liegt hierbei auf der Anwendung über künstlich beleuchteten urbanen Gebieten. Das in dieser Arbeit entwickelte Verfahren wurde sowohl an urbanen Bildausschnitten getestet, als auch an solchen, die Landbedeckungen repräsentieren, die das Verfahren besonders herausfordern. Die besten Ergebnisse konnten dem Fokus der Erwartungen entsprechend mit Gesamtgenauigkeiten von 85% bzw. 79% für zwei der urbanen Testgebiete erzielt werden.