API src

Found 7 results.

Other language confidence: 0.7986788401760483

Global Dated Landslide Data Base during Sentinel-2 satellite data availability

This Global Dated Landslide Database (GDLDB) is part of the project WeMonitor (Weakly Supervised Deep Learning Models for Detecting and Monitoring Spatio-Temporal Anomalies in Optical and Radar Satellite Time Series), funded by the Helmholtz Imaging Platform. The aim is to develop a deep learning model that uses satellite image time series from Sentinel1/2 to automatically monitor changes caused, for example, by landslides, deforestation, large fires, dam failures, or the emergence of waste dumps. To train such a model, a reference dataset is required that shows the area and date of the changes as precise as possible. To allow for a generic and transferable model, the reference data also needs to cover the diversity of the process to be detected. Thus, the aim of the GDLDB is to comprise landslides of different sizes, shapes, and types, occurring at different seasons and in different regions with varying natural conditions and different triggering mechanisms such as rainfall and earthquake-induced landslides. To build the GDLDB, available local and regional landslide inventories from around the world are combined into one coherent database by verifying their location and date of occurrence with high-resolution remote sensing data. The selection criteria for the source inventories are the definition of the landslide location as polygons, at least a rough indication of the landslide origin date, and that the landslides occurred during the Sentinel-2 data availability from 2016 onwards. A total of 16 individual inventories are included (Table 1), one each from the USA, Dominica, Italy, Zimbabwe, southern India, Nepal, China, Papua New Guinea, and New Zealand, and two each from Kyrgyzstan, Japan, and the Philippines. In addition, a global inventory was added, including a small number of landslides from the USA, Peru, Chile, Europe, Pakistan, Nepal, India, and Taiwan, and a larger number of landslides from Indonesia. From each inventory, approximately 100 landslides were randomly selected to ensure an unbiased selection of landslides in terms of shape, size, and location. The original source inventories are produced using a variety of methods, including manual mapping in airborne data with ground verification and automatic identification in satellite remote sensing data. As a result, the mapping quality of the inventories varies greatly. In cases where landslides could not be verified by us using available optical remote sensing data (e.g. Sentinel-2, Planet Scope, and data available in Google Earth) new polygons are selected until the number of approximately 100 landslides is reached. In some inventories, the number of 100 landslides could not be guaranteed, due to a lack of suitable landslides (e.g., small size, incorrect classification) or the total number of landslides in the selected inventory was less than 100. For inventories with a lot of small landslides, that were difficult or impossible to observe, a size threshold of 1000m2 was introduced.

Auswertung von Agrisar-Radardaten in Kombination mit TM- und Spot-Daten unter Beruecksichtigung landwirtschaftlicher Nutzung

Auf der Grundlage der im FE-Projekt 01 qs 86 099 erhobenen,umfangreichen Ground-Truth-Daten soll geklaert werden,inwieweit multitemp. Sar-X-Band-Flugzeugdaten der landwirstschaftl. Nutzung,deren Phaenologie und Wachstumszustand klaeren koennen.Zu diesem Zweck sollen die Radardaten zunaechst aufbereitet (geometr. Entzerrung auf Karte 1:5000; Filterung) und danach auf der Basis von Einzelfelduntersuchen statistisch analysiert werden.Die erhobenen Ground-Truth (11 Parameter f. ca. 2500 digtal. Einzelfelder und 20 Parameter f. 12 ausgewaehlte Felder an 3 Terminen) dient zur Klaerung der Fragen der Winkel-, Oberflaechengeometrie und Wassergehaltsabhaengigkeit der erhaltenen Radarsignatur zu den vers. Ueberflugterminen.Ein Vergleich von Radar-,TmM und Spot-Daten sollen klaeren,inwieweit sich diese Systeme in ihrem Informationsgehalt ergaenzen.Es soll geprueft werden,inwieweit die multitemporale Verfuegbarkeit der Radardaten eine verbesserte ...

Untersuchung der Radardaten der Europaeischen Agrisar-Kampagne auf ihre Brauchbarkeit fuer bodenkundliche und geologische Fragestellungen

Im Rahmen des Forschungsvorhabens sollen multitemporale Radardaten der Europaeischen Agrisar-Kampagne auf ihre Brauchbarkeit fuer bodenkundliche und geologische Fragenstellungen untersucht werden. Im Mittelpunkt steht dabei die Moeglichkeit der Quantifizierung der Bodenfeuchte durch die multitemporale Datenerhebung und einer intensiven Bodenkontrolle. Als zweiter Schwerpunkt sollen die Moeglichkeiten einer verbesserten Informationsdarstellung durch die digitale Kombination der Daten ueber das I-H-S-Verfahren erarbeitet werden.

Landnutzungsklassifizierung multitemporaler Agrisar-Daten

Ziel des Vorhabens ist die Entwicklung von geeigneten Bildverarbeitungstechniken fuer Sar-Daten und deren Anwendung fuer Landnutzungserhebungen.Untersucht werden soll,inwieweit multitemporale Radardaten einer Frequenz alleine fuer grossflaechige Landnutzungserhebungen brauchbar sind.Angewandt werden eine Vielzahl am Institut fuer Photogrammetrie und Topogrphie der Universitaet Karlsruhe vorhandener Bildverarbeitungstechniken zur geometrischen Ueberlagerung,Vorverarbeitung,Texturanalyse und Klassifizierung von Sar-Daten.Dabei wird auf Auswerteverfahren,die von uns im Rahmen der Sar 580-Kampagne erfolgreich entwickelt worden sind, aufgebaut. Diese Methoden werden auf ihre Anwendbarkeit fuer multitemporale Sar-Daten untersucht und weiterentwickelt. Der Schwerpunkt bei der Dautenauswertung liegt auf der digitalen multitemporalen Klassifikation vollstaendiger Radarszenen.

Quantitative Bestimmung von Objektaenderungen in multitemporalen Agrisar-Abbildungen

Der Antrag bezieht sich auf die Ausschreibungen zum Europaeischen Projekt Agrisar.Ziel der Arbeit ist die Entdeckung und quantitative Beschreibung von Objektaenderungen in digitalen,multitemporalen Sar-Abbildungen des Testgebietes -Freiburg-.Es werden folgende Schritte einer interaktiv gesteuerten Vorgehensweise zur Verarbeitung digitaler Sar-Bilder durchgefuehrt: Bestimmung der Bildqualitaet,geometrische Registrierung der zu verschiedenen Zeiten aufgenommenen Abbildungen deselben Testgebietes,lokaladaptive digitale Filterung,signalgesteuerte,vorlaeufige Radarbildsegmentation,Objektzuordnung zwischen den verschiedenen multitemporalen Abbildungen desselben Gebietes,Merkmalbestimmung fuer Objekte,Quantifizierung von Objektaenderungen.-Ground Truth- Daten sind f. diese Untersuchung nicht erforderlich.Die Durchfuehrung der Arbeit wird durch Fim-Mitarbeiter geplant und geleitet;f. Programmierung u. Durchfuehrung v. Programmlaeufen werden Studenten eingesetzt.

Multitemporale Agrisar-Daten zur Landnutzungsklassifizierung im Testgebiet Freiburg

Plaenologische Beobachtungen der land- und forstwirtschaftlichen Zustaende werden mittels VARAN-S SAR Sensoren und Scatterometer im Testgebiet Freiburg durchgefuehrt und die Ergebnisse von allen im Hinblick auf Trennungsmoeglichkeiten verschiedenen land- und forstwirtschaftlichen Vegetationsbestaende analysiert. Die Erkennung der Vegetation waehrend der Wachstumsperiode mit Radar X-Band Sensor (Varan-S) sollte ein besseres Verstaendnis ueber die Bildparameter sowie Textur, Struktur und Signatur aufweisen. Die Erfasste AGRISAR '86 Daten werden mit den SAR-580 Daten, SIR-B Daten, terrestrischen Scatterometer verglichen. Alle verfuegbaren Daten der jeweils gleichen Testareale werden geometrisch entzerrt und miteinander kombiniert. Dadurch werden neue, weitergehende Informations- und Trennungsmoeglichkeiten erwartet. Zur Zeit der VARAN-S SAR Befliegung im Testgebiet Freiburg wuden Stichprobenerhebungen der land- und forstwirtschafltichen Bodendaten durchgefuehrt.

Ertragsschaetzung von landwirtschaftlichen Kulturpflanzenbestaenden mit Hilfe Multitemporaler SAR-Aufzeichungen (AGRISAR)

Durch statistische Analysen sollen Korrelationen zwischen den im Rahmen des AGRISAR'86 Projekts aufgezeichneten multitemporalen SAR-Daten und den parallel im Feld erhobenen Daten zum physologischen Status und zur Morphologie der Bestaende sowie der durch Nahbereichsphotogrammetrie erfassten Pflanzengeometrie und Bodenrauheit festgestellt werden, wodurch die Brauchbarkeit und Zuverlaessigkeit von SAR-Daten fuer die Ertragsschaetzung abgeleitet werden kann. Zuvor sind die SAR-Daten mittels eines digitalen Hoehenmodells und Passpunktkoordinaten nach einer Kleinsten-Quadrate-Praediktion zu entzerren. Das digitale Hoehenmodell wird aus CIR-Bildern der DFVLR ueber digitale Korrelation gewonnen.Neben den CIR-Luftbildern bieten Satellitendaten von Spot- und Landsat-Ueberfluegen zusaetzliche Interpretationsmoeglichkeiten.

1