Schnelleinstieg Reader

Home|Suche|Sitemap|Webmail de

Big Data Analysis & Geodata Infrastructures


Leitung: PD Dr. habil C. Thiel


Die Satellitenerdbeobachtung liefert als Schlüsseltechnologie wertvolle Informationen, um aktuelle und zukünftige Fragestellungen auf globaler Ebene zu beantworten. Mit der Installation des europäischen Erdbeobachtungsprogramms Copernicus wurde ein leistungsfähiges und zukunftssicheres Erdbeobachtungsprogramm ins Leben gerufen. Ebenso steigt die Zahl außereuropäischer Erdbeobachtungssatteliten stetig. Erdbeobachtungsdaten werden nun global und in hoher zeitlicher Dichte massenhaft generiert. Hinzu kommen weitere Daten mit geographischem Bezug und globaler Relevanz.

Diese Massendaten erlauben völlig neuartige Auswerteverfahren mit dem Potential, die Produktqualität zu steigern und die Anwendungsvielfalt zu erweitern. Gleichzeitig bedingen diese Daten innovative Konzepte und Infrastrukturen zur Datenhaltung und für den Datenzugriff. Mit diesen Themen setzt sich die Arbeitsgruppe Big EO Data Analysis & Geodaten Infrastruktur auseinander.

Hypertemporale Datenanalyse

Die hypertemporale Datenanalyse befasst sich mit der Auswertung dichter Zeitreihen von Erdbeobachtungsdaten. Im Gegensatz zu mono- oder multitemporalen Aufnahmen ist die zeitliche Abtastungsrate so hoch, dass die Dynamik bestimmter biophysikalischer Prozesse abgebildet werden kann. Vor diesem Hintergrund ist die Entwicklung neuartiger Anwendungen möglich.

carmargue

Camargue, Südfrankreich. Einzelne Sentinel-1 Szene (16x16 km²) vom 02.12.2014 (links) und Visualisierung hypertemporaler Sentinel-1 Daten mittels multitemporaler Metriken (rechts, RGB aus 5., 50. und 95. multitemporalem Perzentil, Aufnahmezeitraum 12/2014 bis 05/2016). Schwarz: stabile Wasserflächen. Braun: stabile Landflächen. Cyan: temporär überflutet. Die RGB-Komposite (rechts) ist frei von sichtbarem Rauschen.


Projekte


Mitarbeiter


Globale Anwendungen

Globale Themen bedürfen globaler Lösungsansätze. Die Satellitenerdbeobachtung bietet die Möglichkeit der flächendeckenden globalen und zeitnahen Datenerhebung. Die Forschungsschwerpunkte liegen vor allem darin, unterschiedliche Erdbeobachtungsdatensätze zusammenzuführen um Kartenprodukte mit größtmöglicher Genauigkeit abzuleiten. Dabei gilt es, die unterschiedlichen geographischen Voraussetzungen zu berücksichtigen.


GSV_Northern

Aus hypertemporalen ENVISAT ASAR Daten erzeugte Karte des Stammvolumens für den Wald der nördlichen Hemisphäre.


Projekte


Mitarbeiter


Punktwolkenanalyse

Punktwolken bieten die Möglichkeit, die dreidimensionale Struktur der Erdoberfläche bzw. von Objekten auf der Erdoberfläche hochpräzise abzubilden. Häufige Verwendung finden laserbasierte Verfahren, die entweder vom Flugzeug (LiDAR) oder vom Boden aus (Terrestrische Laserscanner) für die Punktwolkengenerierung verwendet werden. Eine neue Datenquelle sind photogrammetrisch erzeugte Punktwolken aus Drohnendaten. Aktuelle Forschungen zielen darauf ab, nutzbare Informationen aus diesen Punktwolken mit automatischen Prozessketten abzuleiten.

point_cloud

 3D-Punktwolke, aufgezeichnet mit terrestrischem Laserscanner in einem Waldstück bei Trockenborn (PD Dr. J. Baade).


Projekte


Mitarbeiter


Geodata Infrastructure

Geodateninfrastrukturen bieten eine Grundlage für die web-basierte Bereitstellung von Geodaten und die Möglichkeit nutzeroptimierte Zugriffs- und Analysetools zu erforschen und zu implementieren. Im Zuge größer werdender Datenmengen müssen Zugriffsmöglichkeiten und die zeitgleiche Verarbeitung von Daten neu konzipiert werden.  Vor diesem Hintergrund wird in diesem Bereich auf Basis von standard-konformen Webdiensten an neuen Tools geforscht. Diese werden innerhalb von Forschungsprojekten prototypisch umgesetzt und durch Web- und Mobilanwendungen demonstriert.

gdi-eo-fsu-jena

GDI, schematische Darstellung.


Projekte

Mitarbeiter


Citizen Science

Crowdsourcing und Citizen Science Projekte gelten als neuartige Möglichkeiten der In-situ-Datengenerierung und Informationsvermittlung, in dem Bürger über einfache Wege in wissenschaftliche Fragestellungen mit einbezogen werden. Über mobile Anwendungen lassen sich beispielsweise bei einem Spaziergang Daten über die Vegetation sammeln und mit Erdbeobachtungsdaten vergleichen. In diesem Forschungsfeld wird die technische Verknüpfung der Daten mit Erdbeobachtungsinformationen untersucht und der Frage nachgegangen, wie gut die vom Bürger erzeugten Daten für die Analyse von Fernerkundungsdaten verwendet werden können.

placeit_phenoplot

Citizen Science: Sammlung von Informationen zum Vegetationszustand mit Hilfe der Bevölkerung durch eine Smartphone-App.


Projekte

Mitarbeiter


Ausgewählte Publikationen

  • Thiel, C. & Schmullius, C. (2016): Comparison of UAV Photograph based and Airborne LiDAR based Point Clouds over Forest from a Forestry Application Perspective.-In: International Journal of Remote Sensing X, pp. 1 - 16, http://dx.doi.org/10.1080/01431161.2016.1225181.
  • Eberle, J., T. Taylor and C. Schmullius (2016): Easy to use time-series data access and analysis tools using standardbased geoprocessing services. In: Proceedings of IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Beijing, 2016, pp. 3614-3617.
  • Eberle, J., M. Urban, A. Homolka, C. Huettich & C. Schmullius (2016): Multi-Source Data Integration and Analysis for Land Monitoring in Siberia. In: Mueller, L., A. S. Sheudshen & F. Eulenstein (ed.): Novel Methods for Monitoring and Managing Land and Water Resources in Siberia. Springer Water, 471 - 488.
  • Eberle, J., C. Hüttich, C. Schmullius (2014): Operational Earth Observation data access for automated time-series monitoring based on OGC Web Processing Services. - Proceedings of the 2014 conference on Big Data from Space, 12-14 November 2014, Frascati, Italy.
  • Eberle, J., S. Clausnitzer, C. Hüttich, C. Schmullius (2013). Multi-Source Data Processing Middleware for Land Monitoring within a Web-Based Spatial Data Infrastructure for Siberia. ISPRS Int. J. Geo-Inf. 2013, 2, 553-576.
  • Eberle, J. & C. Strobl (2012). Web-based Geoprocessing and Workflow Creation for Generating and Providing Remote Sensing Products. - In: Li, S., S. Dragicevic, B. Veenendaal & M. A. Brovelli (Hrsg.): Special Issue on "Analytical Geospatial Web Services". GEOMATICA. Vol. 66, No. 1, 2012, pp. 13 - 26.
  • Santoro, M., Beaudoin, A., Beer, C., Cartus, O., Fransson, J. E. S., Hall, R., Pathe, C., Schmullius, C., Shvidenko, A., Schepaschenko, D., Thurner, M., Wegmuller, U., "Forest growing stock volume of the northern hemisphere: an estimate for 2010 derived from Envisat ASAR data," Remote Sensing of Environment, vol. 168, pp. 316-334, 2015.
  • Pathe, C., Wagner, W., Sabel, D., Doubkova, M. & Basara, J.B. (2009): Using ENVISAT ASAR global mode data for sur-face soil moisture retrieval over Oklahoma, USA.-In: IEEE Trans. Geosci. Remote Sens. 47 (2), pp. 468-480.
  • Bartsch, A., D. Sabel, C. Pathe, S. Sinclair, T. Vischel, M. Doubkova, W. Wagner, G. Pegram: "Soil moisture dynamics from Synthetic Aperture Radar for Hydrometeorological Applications in the Southern African Development Community"; IHP-VII Technical Documents in Hydrology, Application of satellite remote sensing to support water resources management in Africa: Results from the TIGER Initiative, UNESCO Working Series SC-2010/WS/15 (2010), 85; pp. 133 - 143