Entwicklung und Anwendung eines automatischen Prozessors zur Erfassung der Wolkenbedeckung und Datennutzbarkeit am Beispiel von LANDSAT 7/ETM+-Daten

Kurzfassung

Zusammenfassung Erdbeobachtungsdaten sind eine hervorragende Grundlage zur Analyse umweltrelevanter Fragestellungen. Mit zunehmender Verfügbarkeit dieser Daten ist jedoch die Orientierung innerhalb großer Datenbanken komplizierter geworden. Daraus folgt ein wachsender Bedarf an Zusatzinformationen (Metadaten) zur Orientierung in den Beständen der Datenlieferanten (z.B. ESA). Dabei handelt es sich z.B. um Informationen über geographische Lage der Szene, Aufnahmezeitpunkt oder auch Datenqualität. Insbesondere dient die Datenqualität der Einschätzung des Nutzens von Fernerkundungsdaten. Als entsprechender quantitativer Indikator wird der Anteil wolkenkontaminierter Pixel an der Gesamtpixelzahl einer Bewertungseinheit (Szene/Quadrant) genutzt (HOLLINGSWORTH ET AL., 1996; IRISH, 1998; IRISH, 2000; XU und WU, 2003). Da jedoch der Gebrauchswert einer Szene neben der Anzahl auch durch die Verteilung wolkenkontaminierter Pixel beeinflusst wird, liefert die prozentuale Angabe wolkenkontaminierter Pixel nur ein unzureichendes Maß für die Datenqualität (BIASUTTI, 2000). Diesem Aspekt Rechnung tragend, erfolgt die Bewertung der Datenqualität von ETM+ Daten im Rahmen des ESA LANDSAT 7 Bodensegmentes mittels visueller Interpretation durch Operatoren (die Bewertung berücksichtigt die Anzahl wolkenkontaminierter Pixel und deren Verteilung in einer Datennutzbarkeitsskala von 0 = optimal nutzbar bis 90 = nicht nutzbar, ohne Einheit). Damit ist die Datenqualitätsbewertung nicht nur personalintensiv, sondern auch subjektiv durch den Interpreter beeinflusst. Geht man zudem von der wachsenden Zahl von Satellitenmissionen und -daten aus, muss dieser Arbeitsschritt effizient gestaltet werden. Im Rahmen dieser Arbeit wird gezeigt, dass dieser interaktive Interpretationsschritt in der ansonsten vollautomatischen Verarbeitung von LANDSAT 7 / ETM+-Daten durch eine automatische Auswertung ersetzt werden kann. Besonderes Augenmerk wird dabei, neben der Detektion von Dunst und Wolken, auf die Erfassung und Bewertung der Wolkenverteilung und deren Einfluss auf die Verwertbarkeit einer Szene gelegt. Ein wesentliches Qualitätskriterium für Fernerkundungsdaten sind vorhandene Datenfehler. Um diese zu erkennen und in eine Qualitätsbewertung einzubeziehen, wurde eine automatische Bildfehleranalyse für bekannte LANDSAT 7 / ETM+-Datenfehler entwickelt. Bei Testläufen detektierte das Verfahren alle als defekt erkannten Szenen, wohingegen die Operatoren nur 86,8 % dieser Szenen als defekt auswiesen. Die Quadranten der verbleibenden 13,2 % falsch zugewiesenen Szenen verteilen sich relativ gleichmäßig auf die Datennutzbarkeitsklassen 0 - 80. Für die Identifikation wolkenkontaminierter Pixel wurden zwei für die operationelle Verarbeitung von LANDSAT 7 / ETM+-Daten entwickelte automatische Verfahren (IRISH, 2000; XU und WU, 2003) implementiert und an die regionalen Gegebenheiten des Empfangsgebietes der DLR-Fernerkundungsstation Neustrelitz angepasst. Da die Verfahren in ihrer derzeitigen Form jedoch nur zur Verarbeitung von LANDSAT 7 / ETM+-Daten vorgesehen sind, wurde im Rahmen dieser Arbeit ein neues modulares Verfahren entwickelt, das auch zur Verarbeitung anderer Fernerkundungsdaten geeignet ist. Die Teilmodule wurden so konzipiert, dass diese unabhängig voneinander Dunst und Wolken in den Daten identifizieren können, wobei unterschiedliche Klassifikations- und Filteroperationen unter Einbeziehung verschiedener Spektralbereiche des LANDSAT 7 / ETM+ (Teilmodul 1: TIR, SWIR, VIS; Teilmodul 2: SWIR, VIS; Teilmodul 3: VIS) genutzt werden. Reduziert sich ein Datensatz nur auf bestimmte Spektralbereiche, kann immer noch das entsprechende Teilmodul zur Auswertung der Daten herangezogen werden. Mithilfe der drei Wolkenidentifikationsverfahren wurden die Wolkenmasken für insgesamt 2957 Datensätze (Zeitraum 02.05.2000 bis 15.01.2003) abgeleitet. Von besonderer Bedeutung ist dabei die Tatsache, dass die Untersuchungen auf datenreduzierten und JPEG-komprimierten Quicklookprodukten des LANDSAT 7 / ETM+ erfolgten. Es ist bekannt, dass dadurch die Klassifikationsgenauigkeit eingeschränkt ist (LAM ET AL., 1999; LAU ET AL., 2003). Dennoch erreichten die drei automatischen Wolkendetektionsverfahren eine Übereinstimmung identifizierter Wolken- bzw. Nichtwolkenpixel von 81,6 %. Im Fall der verbliebenen Pixel klassifizierte eines der Verfahren abweichend. Beim paarweisen Vergleich der Klassifikationsergebnisse erreichten die Verfahren eine mittlere Gesamtgenauigkeit von 86,38 % bei einer Standardabweichung von 13,63 %. Durch die vergleichende Analyse der automatisch abgeleiteten Ergebnisse wurde nachgewiesen, dass die Operatoren die Anzahl wolkenkontaminierter Pixel und deren Verteilung bei der Bewertung berücksichtigen. Gestützt wird diese Aussage durch die geringe absolute Übereinstimmung von 33,8 % bis 34,6 % zwischen Operator- und automatisch abgeleitetem Votum zur Datennutzbarkeit ohne Berücksichtigung der Wolkenverteilung. Um neben der Anzahl von Wolkenpixeln auch deren Verteilung berücksichtigen zu können, wurde eine Strukturanalyse zur quantitativen Erfassung der Wolkenverteilung entwickelt. Diese wurde als eigenständiges Prozessmodul realisiert, sodass die Strukturanalyse mit den bereits existierenden Wolkendetektionsverfahren von IRISH (2000) sowie XU und WU (2003) kombiniert werden konnte. Beide Verfahren wurden somit um die Funktion der Bewertung der Wolkenverteilung erweitert. Erst durch die Kombination von Wolkendetektion und Strukturanalyse konnte eine dem Operatorvotum adäquate Bewertung der Quadranten geleistet werden. Die Zusammenführung der Ergebnisse von Wolkendetektion und Strukturanalyse zu einem quantitativen Datenqualitätswert erfolgte im Anschluss daran mithilfe zweier unabhängiger Bewertungsalgorithmen. Der erste Algorithmus beruht auf der empirischen Analyse einer ausgewählten Stichprobe der bereits erwähnten 2957 Quicklookdaten, während der zweite Algorithmus auf der Grundlage theoretischer Überlegungen das Bewertungsverhalten der Operatoren nachbildet. Die Wolkendetektionsverfahren nach IRISH (2000), XU und WU (2003) sowie das neu vorgeschlagene Verfahren und seine drei Teilmodule wurden mit den zwei Verfahren zur Datennutzbarkeitsbewertung (einschließlich der Strukturanalyse) kombiniert. Damit standen insgesamt 12 Verfahrensvarianten zur automatischen Ableitung der Datennutzbarkeit nach ESA-Kriterien zur Verfügung. Die so für die einzelnen Quadranten automatisch ermittelten Datennutzbarkeitsklassen wurden mit den jeweiligen Operatorbewertungen aus den Metadaten validiert. Die Übereinstimmung in der Klassenzuweisung für alle 12 Verfahrensvarianten und der Operatorbewertung aus den Metadaten lag bei einem zugelassenen absoluten Fehler von +/-0 zwischen 48,5 % bis 55 %. Bei einem absoluten Fehler von +/-10 erreichen alle Verfahrensvarianten bereits eine Übereinstimmung zwischen 77 % und 80 %. Die besten Ergebnisse wurden mit dem neu vorgeschlagenen Verfahren mit der analytischen Datennutzbarkeitsbewertung erreicht. Für die Validation der automatisch abgeleiteten Datennutzbarkeitsergebnisse wurden die Operatorvoten aus den Metadaten (als das von der ESA akzeptierte Bewertungsergebnis) genutzt. Dabei wurde von der Richtigkeit dieser Voten ausgegangen, ohne jedoch deren Subjektivität zu berücksichtigen. Um die Qualität der automatisch gewonnenen Ergebnisse eingehender beurteilen zu können, musste der Grad der Subjektivität der Operatorergebnisse ermittelt werden. Anhand einer geschichteten Stichprobe von insgesamt 400 Quadranten wurde gezeigt, dass bei einem zugelassenen scheinbaren Fehler für die Datennutzbarkeit von +/-0 etwa 57 % und von absolut 10 etwa 79 % aller Quadranten erfasst wurden. Damit lieferten die automatischen Verfahren nach XU und WU (2003), IRISH (2000) und dem neuen Verfahren vergleichbare Ergebnisse, da sie zum Operatorergebnis eine absolute Übereinstimmung für 48,5 % bis 54,5 % der Quadranten ermitteln konnten. Bei einem zugelassenen absoluten Fehler von 10 wurden 75 % bis 80 % der Quadranten erfasst. Damit leistet die automatische Bewertung im Vergleich zum Operator im Mittel mindestens vergleichbare Ergebnisse. Ein wesentliches Kriterium für die Bewertung eines operationellen Auswertungsverfahren ist dessen Prozessierungsgeschwindigkeit. Innerhalb der operationellen Empfangsumgebung für LANDSAT 7 / ETM+-Daten in Neustrelitz stehen für die störungsfreie Prozessierung einer einzelnen Szene zwischen 90 bis 120 Sekunden zur Verfügung. Um die verschiedenen Verfahren unter gleichen Voraussetzungen testen zu können, wurde im Rahmen dieser Arbeit eine automatische Prozesskette als Testumgebung für die Massendatenverarbeitung von Satellitendaten entwickelt. In diese wurden die 12 Verfahrenskombinationen wahlweise integriert, um die mittlere Prozessierungszeit zu ermitteln. Für alle Verfahrenskombinationen wurden die geforderten Prozesszeiten für den operationellen Einsatz erfüllt. Die Prozessierungszeit betrug für die Kombination der empirischen Bewertung mit dem Verfahren nach XU und WU (2003) ca. 16 Sekunden, mit dem Verfahren nach IRISH (2000) ca. 15 Sekunden und mit dem neuem Verfahren ca. 55 Sekunden (Intel Pentium M 2,0 GHz – Prozessor, Software IDL Version 5.4 - Research Systems, Inc.). Die Prozesszeit der jeweiligen Verfahrenskombination mit analytischer Bewertung war im Mittel 4 bis 6 Sekunden langsamer. Mithilfe einer grafischen Oberfläche kann der Operator die Qualität der Automatenergebnisse beurteilen und interaktiv falsch klassifizierte Ergebnisse korrigieren. In jedem Fall ist eine deutliche Arbeitserleichterung zu erwarten. Zudem wurde die entwickelte Prozesskette zur Gewinnung erweiterter Quicklookdatenprodukte eingesetzt, mit deren Hilfe z.B. der Prozessierungsstatus eines Empfangstages demonstriert werden konnte. Eine Datennutzbarkeitsanalyse, die den Erfordernissen der ESA entspricht, wurde bisher standardmäßig interaktiv durch Operatoren durchgeführt. Mit der hier vorgeschlagenen Kombination von Wolkendetektion und strukturanalytischer Auswertung in Verbindung mit einem Bewertungsalgorithmus zur Ableitung der Datenqualität kann dieser Prozessschritt auch automatisch erfolgen. Damit kann diese Technologie im Rahmen operationeller Empfangsszenarien eingesetzt werden. Zudem wurde eine flexible Wolkendetektion entwickelt, mit der Sensordaten unterschiedlicher Anzahl spektraler Kanäle verarbeitet werden können. Mithilfe verschiedener Simulationsrechnungen konnte die Funktionalität der Verfahren nachgewiesen werden. Dementsprechend können die Teilmodule auch für andere Sensordaten wie ALOS / AVNIR eingesetzt werden.