Visualisierung und Analyse von Satellitenbildern mit der EnMAP-Box

Rabe, Andreas

doi:10.48711/20240717-002

Article / Chapter 2020 CC BY 4.0

published

Visualisierung und Analyse von Satellitenbildern mit der EnMAP-Box

Erdbeobachtungsdaten stellen eine immer wichtigere Grundlage für raumbezogene Analysen in Wirtschaft und Wissenschaft dar. Gleichzeitig steigt ihre Verfügbarkeit infolge neuer Fernerkundungssatelliten und offener Datenzugangsrichtlinien stetig an. Erdbeobachtungsprogramme wie das europäische Copernicus der ESA und das amerikanische Landsat der NASA/USGS erfassen multispektrale Fernerkundungsdaten flächendeckend weltweit und mit hoher zeitlicher Dichte. Komplementär dazu liefern hyperspektrale Satellitenmissionen, wie die deutsche EnMAP Mission (www.enmap.org), Daten mit hoher spektraler Auflösung. Diese Entwicklung hat auch die Nachfrage nach freier und quelloffener Software zur Analyse großer und mehrdimensionaler Rasterdatenmengen in Kombination mit anderen GIS-Daten erhöht. Da die Anforderungen einer professionellen Fernerkundungsanalyse oft über die Möglichkeiten klassischer GIS-Software hinausgehen, entwickelt die Humboldt-Universität zu Berlin seit mehr als 10 Jahren die EnMAP-Box, die seit 2019 als QGIS Plugin zur Verfügung steht. Im Beitrag werden die EnMAP-Box und ihre Möglichkeiten vorgestellt.

Preview

/fossgis2020_20_Rabe_Visualisierung-und-Analyse-von-Satellitenbildern-mit-der-EnMAP-Box.pdf

Category

Translated title:: Visualization and analysis of satellite images with the EnMAP-Box (English)
Published in:: FOSSGIS 2020 : Anwenderkonferenz für Freie und Open Source Software für Geoinformationssysteme : Freiburg 11.-14. März 2020
(2020), p. 50
DOI:: 10.48711/20240717-002
URN:: urn:nbn:de:0307-20240717-002-9
Language:: German
Type of Resource:: Text
Extent:: 1 Online-Ressource (Seite 50, 1,25 MB) : 1 Textdatei (PDF)
Keywords:: Rasterdaten; Fernerkundung^GND; Satellitenmission; EnMAP; Satellitenbild^GND; Erdbeobachtungsdaten; raumbezogene Analyse; Visualisierung^GND; QGIS^GND; EnMAP-Box; EnMAP-Box-QGIS-Plugin; multispektrale Daten; hyperspektrale Daten; Landsat-Daten; Sentinel-Daten; Spektralbibliotheken; Landnutzungskarte; Maschinelles Lernen^GND; Random Forest; Support Vector Machines Classification; Datenprozessierung; QGIS Processing Framework; EnMAP-Box-Programmierung; EnMAP-Box Python API; raster data; remote sensing; satellite mission; satellite image; Earth observation data; spatially based analysis; visualization; multispectral data; hyperspectral data; Landsat data; Sentinel data; spectral library; land use map; machine learning; data processing; EnMAP-Box programming
DDC subject of DNB:: 520 Astronomy & allied sciences
Link to Context:: https://pretalx.com/fossgis2020/talk/ZXTALA/
Link to Context:: https://doi.org/10.5446/46509
Hosting institution:: Humboldt-Universität zu Berlin
Statement of responsibility:: Andreas Rabe
Bibliographic notes:: Conference presentation: https://pretalx.com/fossgis2020/talk/ZXTALA/
Bibliographic notes:: Video of the presentation (TIB AV-Portal): https://doi.org/10.5446/46509