Zur Physik des Sehens

Einführungs-Praktikum zum Umgang mit Satellitenbildern
(Originaldaten liegen im Zusatz-Ordner 'satlupe' mit 30 MB)

1. Das Licht der Sonne, Wassertropfen und Regenbogen
2. Die Sensoren-Sicht, Messen im VIS
3. Die RGB-Sicht, digitale Kamera und unser Auge
4. Die Sensoren-Sicht, Messen im IR
5. Die RGB-Sicht im VIS und IR, Echt- oder Falschfarbenbild
6. Die LST-/SST-Sicht, Thermales Infrarot
7. Die NDVI-Sicht, Zellzustand oder Chlorophyll bei Vegetation
8. Satlupe-Praktikum, Spielereien mit Originalmessdaten
9. Die Karten-Sicht, überwachte Klassifikation
10. Die Praktikums-Doku, Übungen mit Präsentation


1. Das Licht der Sonne, Wassertropfen und Regenbogen 

Das weiße Sonnenlicht fällt auf die Erde. Von verschiedenen Gegenständen wird Licht unterschiedlich aufgenommen (absorbiert) und damit erwärmt. Restlicht wird wieder abgestrahlt, das ergibt den Farbeindruck einzelner Objekte für das Auge.
- Ein rotes Dach absorbiert blaues und grünes Licht, das rote bleibt übrig und gibt dem Dach die Farbe.
- Eine grüne Pflanze absorbiert über das Chlorophyll der Blätter blaues und rotes Licht, das grüne bleibt übrig, deshalb erscheint die Pflanze grün.

Wenn Sonnenlicht von Regentropfen reflektiert wird, so wird das weiße Sonnenlicht beim Durchgang durch den Regentropfen in seine Spektralfarben zerlegt. (Mit einem Glasprisma macht man dies in der Physik.) Das menschliche Auge sieht den Regenbogen. Das Naturexperiment bestätigt: Licht besteht aus verschiedenen Farbbereichen.

 


2. Die Sensoren-Sicht, Messen im VIS

Möchte man Licht messen, so verwendet man dazu Sensoren, die jeweils für einen einzelnen Lichtbereich empfindlich sind.
Ein panchromatischer Sensor sieht den obigen Regenbogen nur in Graustufen, helle Gegenstände erscheinen hell, dunkle erscheinen dunkel, fast unabhängig von ihrer Farbe. Ein Beispiel:


panchromatische Sicht


Farbsicht

Und so misst eine digitale Kamera:

Tatsächliche Lichtverhältnisse

Sicht durch drei Filter: blau, grün, rot

Drei Lichtstärkemessungen
getrennt nach blau, grün und rot

Drei Messwerte für jeden Punkt
 zwischen 0 und 255

0

Messbereich
je Kanal

255

und dies sieht im sichtbaren Licht (VIS) so aus:

 K1 ist das blaue Licht, K2 das grüne Licht und K3 das rote Licht.
Welche Farbe hat der Zierrahmen an den Hauswänden?
Der Fachmann bzw. die Fotosoftware sieht es.
Antwort: Rot, weil er im roten Kanal am hellsten ist.


3. Die RGB-Sicht, digitale Kamera und unser Auge

Blau

Grün

Rot


Farbkomposit aus 3 Messreihen
ermöglicht 16 Millionen Farben

Unser Auge ist ähnlich gebaut wie ein Sensor-Chip einer digitalen Kamera. Für rotes, grünes und blaues Licht wird jeweils die Lichtstärke gemessen, das Gehirn bzw. ein Mikro-Chip erzeugt daraus das farbige Bild. Bei einem Farbenblinden fällt dabei das Ergebnis anders aus, als bei Normalsichtigen. Die Fotosoftware kann die Messwertbilder aus dem roten, grünen und blauen Licht zu einem sog. Farbkomposit zusammen setzen. Für unser Fotobeispiel sieht das dann so aus, daneben ein Satellitenbild in Echtfarben:


Digi-Kamera
aus 2 m Entfernung


Satelliten-Sensoren
aus 800 km Entfernung

Die Bild-Beispiele zeigen noch etwas Wichtiges: Die Größe der Bildpunkte, die sog. optische Auflösung ist bei Satellitenbildern viel geringer als bei einer digitalen Kamera, so sieht es wenigstens aus. Der Schein trügt: Die technische Leistung beim Aufnahmesystem eines Satelliten ist um ein Vielfaches besser als bei einer digitalen Kamera.
Ein Rechenbeispiel:
- Bei 800km Entfernung ist die Auflösung im Satellitenbild 25m x 25m pro Bildpunkt (rechtes Bild)
- Bei 1,60m Entfernung der Digi-Kamera vom Spiegel (linkes Bild) müsste sie eine Auflösung von 0,01mm x 0,01mm pro Bildpunkt haben, um so gut zu sein, wie ein Satelliten-Sensor-System, sie hat aber nur 1mm x 1mm bei diesem Abstand zwischen Objektiv und Spiegel. Der Satelliten-Sensor ist also etwa 100 Mal so "scharf" wie eine digitale Kamera.


4. Die Sensoren-Sicht, Messen im IR

Erst jetzt wird es interessant. Wie sieht das aus, was der Mensch mit seinen Augen selbst nicht sehen kann? Wir wollen infrarotes Licht (IR) sichtbar machen.
Die Sonne schickt neben VIS auch infrarotes Licht (IR) auf die Erde, es wird wie auch das sichtbare Licht von einzelnen Objekten der Erdoberfläche recht unterschiedlich refelktiert.
Wasser absorbiert fast alles infrarotes Licht, dadurch erwärmt sich Wasser besonders stark. Wasser erzielt deshalb im infraroten Licht aber auch nur sehr niedrige Messwerte, in IR-Bildern ist es dann schwarz, weil nichts reflektiert wird.

Wir wissen noch nicht, was man in einzelnen IR-Farbbereichen so sehen kann.
Was sieht man mit NIR, MIR oder TIR? Das sind Lichtbereiche im IR, ähnlich wie Blau, Grün oder Rot im VIS.
Genauer:
NIR ist die Abkürzung für 'Nahes Infrarot',
MIR ist die Abkürzung für 'Mittleres Infrarot',
TIR ist die Abkürzung für 'Thermales Infrarot'.
Über einen Versuch wollen wir erste Eindrücke gewinnen:

In welchen Vergleichen stimmen die hellen Bildausschnitte von Normalbild (VIS) und Mouseover-Bild (Infrarotes Licht) am besten überein? Was stellen die hellen Stellen mit starker Rückstrahlung im Normalbild dar? Wasser, Wald, Wiese, Siedlung, Acker, ...

 

Mouseover
K4 NIR

Mouseover
K5 MIR

Mouseover
K6 TIR

K1 Blau

K2 Grün

K3 Rot

Echtfarbenbild

 

Mouseover
K4 NIR

Mouseover
K5 MIR

Mouseover
K6 TIR

Das Ergebnis sollte sein:
Wo K2 (Grün) mittelhell ist, ist K4 (NIR) besonders hell;
Wo K3 (Rot) mittelhell ist, ist K5 (MIR) besonders hell;
Wo K1, K2 und K3 gemeinsam sehr hell sind, ist K6 (TIR) besonders hell.

Folgerungen:
- K4 (NIR) hat etwas mit Vegetation, mit Wiesen zu tun.
- K5 (MIR) hat etwas mit Ackerflächen zu tun
- K6 (TIR) hat etwas mit Siedlungen zu tun, die in allen Bereichen viel abstrahlen.

Aufwändige Untersuchungen haben gezeigt:
- Was K2 (Grün) über Chlorophyll in Vegetation zeigt, das zeigt K4 (NIR) zur Vitalität pflanzlicher Zellen. Die Vitalität und umgekehrt ein Wachstumsdefekt kann mit dem Auge nicht gesehen werden, wohl aber über NIR.
- Was K3 (Rot) über braune Ackerflächen zeigt, das zeigt K5 (MIR) über Mineralien im Boden. Sonst wenig Übereinstimmung, hat eigene Aussage.
- K6 (TIR) hat in Siedlungen besonders hohe Werte, Wasserflächen und Wälder zeigen besonders niedrige Werte, Temperatur ist mit den Augen nicht zu sehen.


5. Die RGB-Sicht im VIS und IR, Echt- oder Falschfarbenbild

So wie man die 3 Messwertreihen der digitalen Kamera zu einem Farbbild zusammenführen kann, so kann man auch Messwerte im infraroten Licht sichtbar machen. Also aus 3 mach 1!

Mit einer Bildverarbeitungssoftware kann man beliebige 3 Graustufenbilder (das sind die Messwerte einzelner Kanäle zum gleichen Gebiet) in ein Farbkomposit umformen.

Die Komposite RGB=(321), RGB=(341) und RGB=(541) versteht man am leichtesten, man kann sie intuitiv interpretieren.
Intuitiv meint: Wald und Wiesen sind grün, Ackerflächen sind gelb bis braun, Wasserflächen sind blau.

Auf einer eigenen Seite sind diese ausgewählten Komposite zusammengestellt. Dort ist zu untersuchen, was in welcher Darstellung am besten zu erkennen ist und in welchem Komposit das IR mehr leistet als das VIS. In diesem Zusammenhang ist auch zu klären, wie man die unterschiedlichen Komposite eindeutig benennt.


6. Die LST-/SST-Sicht, Thermales Infrarot

Mit dem Thermalen Infrarot kommt eine Besonderheit ins Spiel, denn alle Objekte haben ihre eigene Körpertemperatur. Alle Objekte geben deshalb Thermale Infrarot-Strahlung ab, die man mit Sensoren Messen kann. Wärmekameras und berührungslose Thermometer nutzen diesen Effekt.
In der Fernerkundung wird dies aber zum Problem.
Die Sonne strahlt auf die Erdoberfläche, auch im unsichtbaren TIR-Bereich. Von diesem Licht wird ein kleiner Teil von der festen Erdoberfläche reflektiert, so wie auch im VIS, NIR oder MIR. Beim TIR gibt der Boden aber zusätzlich selbst Wärmestrahlung (Eigenstrahlung) ab. Bei der Messung durch Satellitensensoren lassen sich diese beiden Lichtquellen (6000°C der Sonne, - 40°C bis +70°C am Erdboden, einige 100° bei Vulkanausbrüchen und Bränden) jedoch nicht trennen. Nur Nachtmessungen helfen das Problem zu lösen.
Bei Tagmessungen unterscheidet man aus diesem Grunde zwei sehr unterschiedliche Anwendungen:

SST = Sea Surface Temperatur = Wasseroberflächentemperaturen

Von Wasser wird IR-Strahlung der Sonne, auch TIR, absorbiert und nicht reflektiert. So kann man die aufgefangene TIR-Strahlung eindeutig auf die Eigenstrahlung von Wasser, also die Temperatur der oberen Wasserschicht (6mm) zuordnen. SST-Messungen sind deshalb auf 1°C genau. Sie sind sehr wichtig, weil die Meere über ihre Oberflächentemperatur das Weltklima entscheidend bestimmen.

LST = Land Surface Temperatur = Landoberflächentemperaturen
sind bei Nachtmessungen kein Problem, am Tag kommt man den tatsächlichen Temperaturen nur durch sehr aufwändige Korrektur-Rechnungen nahe. Außerdem kühlt Land im Gegensatz zu Wasserflächen beim Wechsel von Tag zu Nacht sehr stark und schnell ab.
Die Landsat K6-Thermalbilder sind Tagbilder, deshalb sind sie nur ein Hinweis auf die vormittägliche Erwärmung der Landflächen.


7. Die NDVI-Sicht, Zellzustand oder Chlorophyll bei Vegetation

Der 'Normalisierte Differenzen Vegetation Index' (NDVI) verknüpft rein rechnerisch die Messwerte im NIR- und Rot-Bereich. Daraus wird für jeden Bildpunkt einzeln ein Zahlenwert ermittelt. Zu jedem Bildpunkt gehört dann zum Messwert passend ein Farbwert aus einer festgelegten Farbskala (NDVI-Palette). Alle Messwerte zusammen ergeben dann eine Farbkarte.


genormt vom DLR


in Satlupe aus der Zeit vor der Normung

Werte über 0,38 zeigen intakte Vegetation. Je höher der Wert, umso vitaler ist die Vegetation. Bei Werten unter 0,38 ist Vegetation tot oder es fehlt Vegetation oder die Vegetation ist in winterlicher bzw. sommerlicher Wachstumsruhe. In letzterem Fall erscheinen Chlorophyll-grüne Pflanzen im NDVI-Bild als tot. Mehr zum NDVI ...


8. Satlupe-Praktikum, Spielereien mit Originalmessdaten

Im Ordner 'satlupe' sind neben der Software 'satlupe.exe' auch diese Anleitung und nachfolgende Datensätze für Übungen enthalten:
- Ordner 'hund' (Quelle: Digi-Kamera)
- Ordner 'kaktus' (Quelle: Digi-Kamera)
- Ordner 'landschaft' (Quelle: Digi-Kamera)
- Ordner 'orthofoto' (Quelle: Mapserver Bayernviewer)
- Ordner 'stadtrand' (Quelle: Landsat 7, 193/27 vom 13.9.1999) mit 'doku'
- Ordner 'stadtgarten' (Quelle: Landsat 7, 193/27 vom 13.9.1999) mit 'doku'
- Ordner 'zuk' (Quelle: Landsat 7, 193/26 vom 13.9.1999) mit 'doku'
- Ordner 'murnau' (Quelle: Landsat 7, 193/27 vom 13.9.1999) mit 'doku'
'doku' bedeutet: Hilfe-Dateien zur Bedienung der 'Satlupe'.
'Satlupe.exe' ist Freeware, ist die kleine Ausgabe von Pixel-GIS.


Aufgabe 1: Eine kleine Datenanalyse (zur Hilfe-Seite)

Ein Histogramm ist die Statistik der unterschiedlichen Grauwerte in einem Graustufenbild. Wie oft kommt z.B. der Messwert 123 vor? Wo liegt der Peak der Häufigkeitsverteilung? Was ist der Minimum-Wert, was ist der Maximum-Wert? Vereinzelte 'Blindgänger' unter den Messwerten werden vernachlässigt! Ein Histogramm ist also eine Auszählliste zu einer Messreihe.

Die Programmfunktion 'Histo' zeigt für jeden Kanal die Häufigkeitsverteilung der Graustufen in Form eines Histogramms.

Eine Messwertkarte von Geodaten erhält man, wenn man die Messwerte in ihrer geographischen Lage darstellt. Die Tasten 'Kanal 1' etc. zeigen diese Karten.
In der Regel werden die Messdaten gleich optisch fürs Auge verbessert (gestretcht). Um die Originaldaten sehen zu können, ist bei jedem Kanal das Minimum auf 1 und das Maximum auf 255 zu setzen. Dann wird die Stretch-Automatik abgeschaltet.

'HisXY' liefert ein Vergleichs- oder Korrelationsdiagramm. Hier werden die Graustufen zweier Kanäle miteinander verglichen. Wenn zwei Bilder gleich sind, dann liegen die Bildpunkte (x/y) auf einer diagonalen Linie, wenn sie nahezu gleich sind, dann häufen sich die Bildpunkte entlang der Diagonalen. Punktwolken zeigen, dass die beiden verglichenen Messreihen voneinander unabhängig sind.

a) Studiere zuerst die Hilfeseiten 'Histo', 'HisXY', 'Kanal 1' ... 'Kanal 8'.
b) Erzeuge mit 'Satlupe' im Ordner 'stadtrand' originale Messwertkarten aller Kanäle und vergleiche sie optisch. Was fällt dir auf?
c) Vergleiche dann mit 'Satlupe' im Ordner 'stadtrand' über 'HisXY' die Kanäle
K1 mit K1, K1 und K2, K1 und K3, K2 und K3, K2 und K4, K3 und K4.
Was stellst du fest?

Aufgabe 2: Datenqualität begutachten

Hier sind die vier nachfolgenden Histogramme gegeben. Welches Histogramm ist aus welcher Datenquelle und von welchem Kanal? Suche mit der Satlupe.
Zur Auswahl stehen die Dateien 'kaktus', 'orthofoto' und 'stadtrand'.


A


B


C


D

A gehört zu einem digitalen Foto, gleichmäßiger Verlauf und große Bandbreite
B gehört zu einem Satellitenbild, hat markanten Peak aber kleineren Informationsgehalt
C gehört zu einem Satellitenbild, hat sehr großen Informationsgehalt
D gehört zu einem Mapserver, die Daten wurden stark komprimiert, viele Graustufen fehlen

Aufgabe 3: Daten manipulieren (nur Ordner 'kaktus' benutzen!)

Wenn Satlupe einen Datensatz, z.B. 'kaktus' lädt, dann wird sofort Min und Max der Graustufenverteilung für jeden Kanal ermittelt.
Ein Klick auf 'RGB-Start' zeigt dann das Farbbild aus den Kanälen 1 mit 3. Das Farbbild benutzt dabei die gestretchten Daten. Die nachfolgende Grafik zeigt, wie man dieses Farbbild durch Veränderung von Min und Max manipulieren kann.

Gelegentlich braucht man dies, damit dunkle Bilder heller werden, dabei dürfen sie aber ihren Farbcharakter nicht verlieren.

Mache verschiedene Versuche: z.B. alle Kanäle auf Min=1, Max=255 oder nur einen Kanal auf 1 und 255.

Aufgabe 4: Farbbilder zu Satellitenmesswerten erstellen

a) Erzeuge mit Satlupe im Ordner 'stadtrand' die Farbkomposite 321, 341, 543, 432
b) Erzeuge dann das gerechnete Bild NDVI aus der Kanalwahl 3,4
Vergleiche die Ergebnisse mit der Hilfe in diesem Ordner (RGB, NDVI).
Versuche eines der RGB-Bilder ohne Farbveränderung, also ohne Farbstich, aufzuhellen.

Aufgabe 5: Entwickle einen Testbogen zum Programm Satlupe.


9. Die Karten-Sicht, überwachte Klassifikation

Eine Landkarte ist eine Generalisierung eines Landschaftsbildes. Dabei werden Klassen von Objekten der Natur in Form von Symbolen zeichnerisch dargestellt.
Ähnlich ist es auch bei der Bodennutzungskarte, die man aus einer überwachten Klassifikation erhält.

Zu jedem Bildpunkt gehören 3 Messwerte im digitalen Foto-Set (VIS) bzw. 7 Messwerte in Satelliten-Datensets (VIS+IR). Wenn man eine "Suchmaschine" beauftragt, in einem Datensatz zu einem Bild ähnliche Punkte im Bild zu finden und zu markieren, dann entsteht daraus eine sog. Klassifikation. Das ist eine Karte, die zeigt, wo die ähnlichen Punkte liegen. Die Punkte-Klassen heißen z.B. Wald, Wiese, Ackerfläche, See, sie haben jeweils ähnliche Messwerte.

Zuvor muss man allerdings der Suchmaschine sog. Trainingspunkte zeigen. So wie bei der Suchmaschine Google 'Suchworte' eingegeben werden, so müssen bei einer "überwachten Klassifikation" 'Trainingspunkte' markiert werden, damit die Suchmaschine typische Messwertkombinationen kennt.
Wo ist ein Beispiel für Nadelwald, für Laubwald, für Wiese etc. ?
Zu den festgelegten Pixelmustern soll dann eine der im Programm 'Satlupe' verfügbaren Suchmaschinen eine Klassifikationskarte erstellen. "Quad" und "Midi" heißen die beiden Suchmaschinen. Das sind unterschiedliche Rechenverfahren, die auf "Ähnlichkeit" prüfen.


10. Die Praktikums-Doku, Übungen mit Präsentation

Arbeitsbedingung: Fotosoftware, wie z.B. PSP
Zur Vorbereitung:
Was sehe ich eigentlich in einem Satellitenbild?
Die Materialien-Ordner.

Aufgabe 6: Praktikums-Präsentation im Ordner 'doku'

a) Wähle ein Arbeitsgebiet im externen Ordner 'satlupe':
Einen der nachfolgenden Ordner wählen. Alle später erzeugten Bilder darin im Ordner 'doku' ablegen.
- Datensatz 'murnau', Molassetrog Murnau, Geologie, Tourismus, Landwirtschaft
- Datensatz 'zuk', Loisach-Moor Benediktbeuern, Geomorphologie, Landwirtschaft, Feuchtgebiete (mehr Infos zu dieser Kulturlandschaft ...)
- Datensatz 'stadtgarten', München, städtisches Grün (Fotos fehlen hier noch)

b) Mache dich mit dem jeweiligen Untersuchungsgebiet vertraut, suche die Trainingsgebiete im Foto auf.

c) Erzeuge die 8 Graustufenbilder zu K1 bis K8. Dann jeweils: Menü 'Ausgabe', 'Clipboard'. Anschließend abholen aus Zwischenablage in Fotosoftware, speichern als GIF-Datei: z.B. k1.gif, etc.

d) Erzeuge die 5 Farbbilder RGB=321, =341, =543, =432, NDVI(3,4); zu dunkle Komposite evtl. aufhellen über Min-Max-Regel. Dann jeweils: Menü 'Ausgabe', 'Clipboard'. Anschließend abholen aus Zwischenablage in Fotosoftware, speichern als GIF-Datei: z.B. 321.gif, 341.gif, ...ndvi.gif.

e) Erzeuge eine überwachte Klassifikation nach der Vorgabe der Trainingsgebiete. Enn fertig, so Suchmaschinen "Quad" und "Midi" auf bessere Lösung prüfen. Dann '4.Ergebnis' dazu abrufen und angezeigte Statistik zur gewählten Suchmaschine notieren.
Nun Kanal 4 anzeigen und Suchmaschine erneut aufrufen. Diese Klassifikation über Menü abspeichern: Menü 'Ausgabe', 'Clipboard'. Anschließend abholen aus Zwischenablage in Fotosoftware, speichern als GIF-Datei: klassen.gif.

f) Programm Satlupe beenden.

g) Rufe über Webeditor (oder Word) klassifikation.htm im Ordner 'doku' auf und ergänze die zutreffende Statistik-Tabelle und notiere die gewählten Objekte, z.B. Nadelwald, Wiese etc. Speichern.

h) Rufe über Webeditor (oder Word) die Dateien 'kom_321_doku.htm', 'kom_543_doku.htm', 'ndvi_doku.htm' auf und füge einen kurzen Erklärungstext ein.

Wenn das so geklappt hat: Prima!


Wenn das Praktikum beendet ist, dann treten die Teilnehmer zum internen Wettstreit an. Wer hat die beste Präsentation gemacht?

Die beste Leistung kommt auf den Server. Dazu einfach den Ordner 'doku' aus dem Verzeichnis 'murnau' in den Ordner 'satlupe' bei den Aufgaben kopieren. Damit wird der alte Ordner 'doku' mit dem Beispiel 'Stadtrand' überschrieben. Der Pfad dorthin: 'reisebuero/aufgaben/satlupe/doku'