Porträt

Beruf: Fernerkundungsspezialist

In der Fernerkundung gibt es verschiedene Berufsbilder, vom Ingenieur über den Techniker bis zum Satellitenbetreiber oder -händler, der die Daten aus dem Weltraum verbreitet. Ein Gespräch mit dem belgischen Forscher Alexandre Carleer. Er testet eine Methode zur automatischen Identifizierung von Objekten anhand von sehr hoch auflösenden Satellitenbildern.

Alexander  Carleer, Forscher am Institut für Umweltmanagement und Raumplanung (IGEAT) der  Freien Universität Brüssel. Alexander Carleer, Forscher am Institut für Umweltmanagement und Raumplanung (IGEAT) der Freien Universität Brüssel.
©CDB

Überall an den Wänden seines Büros an der Freien Universität Brüssel hängen Satellitenbilder. Der Blick schweift von Städten hin zu Gebirgen, von ländlichen Gebieten bis zu Wüsten. „Schöne Bilder“, meint er. „Aber man muss sie auch entschlüsseln, sie lesen und interpretieren können.“ 
Wenn die beobachteten Bereiche sehr groß sind und die Bilder eine niedrige Raumauflösung haben, wie es im Jargon heißt, kann man leicht größere Strukturen erkennen: eine Bergkette, einen See, Felder, Wälder. Wenn es aber um Details gehen soll, dann wird diese Aufgabe praktisch unmöglich.
„Dies ist seit 1999 anders“, erklärt der Agraringenieur, der sich später zu einer Promotion in Naturwissenschaften entschloss und sich auf Fernerkundung spezialisierte. „Seit jenem Jahr liegen uns sehr hoch auflösende zivile Satellitenbilder vor. Davor haben wir uns mit Daten zufriedengeben müssen, die von Landsat-Satelliten stammten, deren erste Generation Gegenstände auf dem Boden mit einer Auflösung von 80 m erfassen konnte. Später stieg die Raumauflösung auf 30 m. Bei der Satellitenreihe Spot begann man mit Bildpunkten, die eine Auflösung von 20 m über dem Boden darstellten. Schließlich ist man mit Spot 5 bei 2,5 m angelangt.“
Die Revolution von 1999 trägt einen zweifachen Namen: Ikonos und QuickBird, zwei amerikanische hoch auflösende Satelliten. „Mit diesen beiden Satelliten nähert sich die Bildgenauigkeit der von Luftaufnahmen an“, führt der Forscher aus, „von wenigen Zentimetern bis zu einem Meter. Das hat zu einer massiven neuen Datenflut geführt.“
Da ist ein riesiger Haufen, den es noch zu identifizieren, zu klassifizieren und zu interpretieren gilt. Für die Luftaufnahmen erfolgte die Interpretation manuell. Aber bei großen Gebieten, die von den Satelliten regelmäßig überflogen werden, ist dies sehr langwierig und kostspielig. Daher musste man automatisierte Methoden finden.
Diese Verfahren waren natürlich bereits für Satelliten mit einer weniger hohen Auflösung entwickelt worden. Sie erfolgten durch die Klassifizierung pro Bildpunkt.

Bildsegmentierung

„Für sehr hoch auflösende Bilder war dieses Verfahren jedoch nicht mehr ausreichend“, fährt Alexandre Carleer fort. „Man musste zu einer anderen Methode übergehen: der Klassifizierung nach Bereich. Hierbei wird das Bild anhand der Farbe jedes Bildpunkts segmentiert. Sie kann aber auch an andere Kriterien, wie die Objektform oder sogar die Oberflächenstruktur, gekoppelt sein. Die von uns getesteten Programme tendieren schließlich dahin, die auf dem Boden erfassten Objekte auf einheitliche und kohärente Weise zu rekonstruieren. So kann man zahlreiche Elemente automatisch beobachten und bestimmen: Häuser, Industriegebäude, Bäume, Fahrzeuge und Straßen. Kurz: alles, was man vorher auf den Bildern mit einer gröberen Raumauflösung nicht sah. Mit diesem Verfahren ist es auch möglich, gleichfarbige Objekte (mit derselben Spektralsignatur) anhand ihrer Formen zu differenzieren. Ein Beispiel: Dort, wo man wegen der jeweils gleichen Spektralsignatur von Bitumen nicht unterscheiden konnte, ob es sich um einen Straßenabschnitt oder ein Dach handelt, lässt die heutige Methode eine Unterscheidung zu.“
Die rechnergestützte Verarbeitung der Daten findet natürlich auch zahlreiche praktische Anwendungen. „Bei der Überprüfung der Meldungen zu den angebauten Flächen beispielsweise, die die europäischen Landwirte einreichen müssen, wenn sie Subventionen erhalten, ermöglicht diese Methode, die tatsächlich angebauten Flächen zu kontrollieren und zu berechnen. Dabei werden auch eventuelle anbauflächenfremde Objekte (ein Weiher, ein Wald) auf den Parzellen identifiziert und die Anbauformen überprüft. Ein weiteres Beispiel, wo sich diese Methode ebenfalls als sehr effizient erwiesen hat, ist die regelmäßige Aktualisierung der Bodennutzung in einer Provinz, einer Region oder auch einem Landkreis“, erläutert der Forscher.

Top