Projekt:FE Auswerteverfahren 1/Schnee/Hall 1995

Aus Wikiversity
Zur Navigation springen Zur Suche springen

Hall, 1995[Bearbeiten]

Hall, D. K.; Satellite snow-cover mapping: A brief review. NASA Technical Reports Server (NTRS), 1995

Der Artikel faßt zunächst die bis dato verwendeten Methoden zur Bestimmung von Schneeeigenschaften und -parametern zusammen. Anschließend wird auf die drei wichtigsten Möglichkeiten der Bestimmung genauer eingegangen.

Daten zur Schneedetektion durch Fernerkundung sind seit 1966 verfügbar. Satellitensensoren im sichtbaren, nahen Infrarot liefern eine gute räumliche Auflösung, womit eine detailierte Schneedetektion möglich ist. In Verbindung mit digitalen Höhenmodellen können Schneemenge und -höhe eines bestimmten Gebietes abgeleitet werden. Hingegen sind Daten aus "passive-microwave" Satellitendaten nur in geringer räumlicher Auflösung (ca. 25km), dafür aber auf Tagesbasis verfügbar. Probleme ergeben sich speziell in Gebieten mit dichter Vegetation sowie durch Bewölkung, die den Einsatz optischer Fernerkundungsmethoden einschränkt (siehe auch Detektion und Klassifizierung von Wolken. Hall berichtet, dass verschiedene Algorithmen entwickelt wurden und werden, um die globale Schnee- und Eisbedeckung zu erfassen, woraus zum Beispiel Karten in täglicher Auflösung und wöchentlichen Summen für Schnee, Meer- und Seeeis mit einer räumlichen Auflösung von 1km erzeugt werden können. Zusätzlich sollen Statistiken für das Ausmaß sowie die Persistenz des Schnees/Eises pro Pixel auf Wochenbasis ausgegeben werden, soweit der Wolkenbedeckungsgrad es erlaubt. In Zukunft sollen MODIS-Daten mit 250 bzw 500m Auflösung für spezielle studien der Schnee/Eischarakteristika (z.B. Albedo) verfügbar sein. Mit der "passive-microwave"-Fernerkundungstechnik kann neben der Schneebedeckung auch Wasserequivalent, Schneetiefe sowie Schneefeuchte unabhängig von der Wolkenbedeckung bestimmt werden.

Speziell wird im vorliegenden Artikel der entwickelte Algorithmus SNOMAP vorgestellt, welcher zur Schneeerkennung auf Basis des NDSI (normalized difference snow index), ähnlich dem Wikipedia NDVI, verschiedene Funktionen, wie Kartenerstellung, spektrale Klassifikation von Schnee und Nicht-Schnee sowie Statistikausgaben anbietet. Der Algorithmus basiert auf vorhergehenden Arbeiten (Kyle 1978, Bunting und D'Entremont 1982, Dozier 1984). SNOMAP wurde an ca. 25 Landsat TM bildern getestet, während durch nahezu gleichzeitige Feldstudien unterschiedliche Fehlerquellen identifiziert wurden konnten: Schneeerkennung mit SNOMAP ist fehlerbehaftet in Schattenbereichen z.B. von Gebirgen oder Wolken, bei geringen Sonneneinstrahlungswinkeln und bei der Ableitung der Schneehöhe ohne verfügbares Wikipedia Digitales Geländemodell. Des Weiteren werden unter bestimmten Bedingungen Wikipedia Cumuluswolken fälschlicherweise als Schnee erkannt.

Hall stellt in Aussicht, daß zukünftig die Schneeerkennung sich weiterhin verbessern wird; Verfeinerungen und Weiterentwicklungen von Algorithmen sowie erhöhte Auflösungen der Fernerkundungsdaten als Grundlage werden deutlich bessere Resultate liefern. Zusätzlich wird die Synergie verschiedener Fernerkundungstechniken und Sensorensystemen sehr gute Eingangsdaten für Globale Klimamodelle (englisch), Hydrologische Modelle u.a. bieten.