Wasser in der Wüste!?

Die Welt mit Satellitendaten erkunden.

Satellitenbilddaten sind nicht nur faszinierend, sondern auch eine einzigartige Informationsquelle, um jeden Ort der Welt zu erkunden. Mit Hilfe der Fernerkundung können wir nicht nur die aktuelle Situation auf der Erde abbilden. Daten aus verschiedenen Wellenlängenbereichen, die für das menschliche Auge unsichtbar sind, ermöglichen detaillierte Analysen über den Zustand von Ökosystemen, die Vorhersage von Ernten, das Überwachen großer Gebiete und das Monitoring von Katastrophen.

Darüber hinaus erlauben die verfügbaren langjährigen Satellitenzeitreihen eine retrospektive Betrachtung von Räumen und Phänomenen.

Grundlagen der Fernerkundung

Im optischen Bereich nutzen Sensorsysteme das reflektierte Sonnenlicht zur Informationsgewinnung. Diese Sensoren können dabei von Satelliten, Flugzeugen oder UAV-Systemen (unbemannte Luftfahrzeuge) getragen werden.

Nach der Übertragung der aufgezeichneten Signale und Bilddaten erfolgt eine Aufbereitung und Speicherung der Informationen.

Ausgewertet werden beispielsweise die Reflexionssignaturen von Oberflächen, die charakteristische, oberflächenspezifische Verläufe aufweisen.

Im Fall von Vegetation kann die Auswertung der Reflexionssignaturen Informationen über die Art der Vegetation, deren Vitalität, den Wassergehalt und weitere Eigenschaften liefern.

Wellenlängenbereiche

Für die Erdbeobachtung im optischen Bereich werden Wellenlängen mit λ = 0,3 bis 14 µm genutzt.

(im Mikrowellenbereich λ = 0,8 mm bis 1 m)

Das menschliche Auge kann nur den sichtbaren Bereich von etwa 0,4-0,7 µm wahrnehmen.

Spektrale Eigenschaften von Oberflächen

Die für die Fernerkundung wichtige multispektrale Reflexion wird durch die Materialeigenschaften, die Struktur der Oberflächen und, bei teilweiser Transparenz der Stoffe, auch durch die Volumenrückstreuung aufgrund der inneren Struktur der reflektierenden Objekte bestimmt.

Insbesondere beim Einsatz computergestützter Verfahren zur Analyse von Fernerkundungsdaten ist eine grundlegende Kenntnis dieser Reflexionseigenschaften unerlässlich.

Wird die reflektierte Strahlung mit einem spektral hochauflösenden Spektrometer gemessen, entstehen typische Reflexionsspektren der beobachteten Oberflächen. Die obenstehende Abbildung zeigt Beispiele für Vegetation, Boden und Wasser. Aus der Form der Reflexionskurve können wir spezifische biophysikalische Eigenschaften der Objekte ableiten, wie den Chlorophyllgehalt von Blättern, den Gehalt an organischer Substanz in Böden oder die Art und Menge von Mineralien.

Multispektrale bildgebende Fernerkundungssysteme haben aufgrund der begrenzten Anzahl an Spektralkanälen einen etwas geringeren spektralen Informationsgehalt. Beim Design dieser Systeme muss ein Kompromiss zwischen spektraler und räumlicher Auflösung gefunden werden. Schmale spektrale Bänder führen dazu, dass der Detektor in diesem Bereich weniger Energie empfängt. Daher muss entweder die vom Pixel erfasste Geländefläche größer sein oder die Abtastdauer erhöht werden, um genug Energie zu sammeln und feine Unterschiede in der Reflexion erkennen zu können.

Quelle: Udelhoven et al. 2021

Reflexionseigenschaften von Vegetation

Die auf Objektoberflächen auf der Erde auftreffende Globalstrahlung wird von diesen reflektiert, absorbiert und transmittiert. Der reflektierte Anteil kann von einem Sensor detektiert werden. Je nach Öffnungswinkel und Flughöhe des Sensors wird ein über die Fläche integriertes Reflexionssignal aufgezeichnet. Die Stärke und Charakteristik des Reflexionssignals sind dabei objektspezifisch. Unterschiedliche Reflexionscharakteristiken lassen sich auf die jeweiligen chemischen und physikalischen Eigenschaften, den Aufbau, den physiologischen Zustand und die Struktur der Objekte zurückführen. Besonders das Reflexionssignal von Pflanzen, das während der Wachstumsphase hauptsächlich von den Blattorganen bestimmt wird, ermöglicht Rückschlüsse auf den phänologischen Zustand, die Art und das Alter von Pflanzen sowie den strukturellen Aufbau, die vertikale Gliederung, Zusammensetzung und Dichte ganzer Bestände (Howard, 1991; Hildebrandt, 1996).

Photosynthetisch aktive Blattorgane besitzen eine charakteristische Reflexionssignatur, die durch die Absorption von Blattinhaltstoffen und Blattwasser sowie durch die Blattstruktur geprägt wird. Diese Reflexionssignatur kann je nach beobachteter Pflanzenart variieren. Auch die phänologische Entwicklung des Blattes sowie Stresszustände lassen sich über das Reflexionssignal erkennen.

Das Vegetationsspektrum lässt sich anhand der bestimmenden Faktoren für das Reflexionsverhalten grob in drei Bereiche gliedern: Blattpigmente, Zellstruktur und Wassergehalt.

Erdbeobachtung durch Satelliten

Bei der Erdbeobachtung durch Satelliten werden Informationen über die Erde aus dem Weltraum erhoben. Diese Technologie ermöglicht es uns, die Erde in großem Maßstab und mit hoher Präzision zu überwachen. Erdbeobachtungssatelliten liefern wichtige Daten, die für die Wettervorhersage, den Umweltschutz, die Landnutzung und das Management von Naturkatastrophen genutzt werden.

Geschichte der Erdbeobachtung durch Satelliten

Die Geschichte der Erdbeobachtung durch Satelliten begann in den 1960er Jahren mit den ersten Wettersatelliten. Ein bedeutender Meilenstein war die Einführung der ersten Systeme zur Erderkundung in den frühen 1980er Jahren. Der Landsat-Programm, das 1972 mit dem Start von Landsat 1 begann, war eines der ersten Programme, das kontinuierliche und systematische Beobachtungen der Erdoberfläche ermöglichte. Diese Satelliten lieferten hochauflösende Bilder, die erstmals eine detaillierte Überwachung der Erdoberfläche erlaubten.

Wieviele Satelliten gibt es?

Aktuell umkreisen rund 9900 aktive (und bekannte) Satelliten die Erde. Hinzu kommen eine Vielzahl anderer Objekte; insbesondere Weltraumschrott.

Welche Arten von Erdbeobachtungssatelliten gibt es?

Eine Einteilung der Systeme kann über die drei wichtigen Erdorbits vorgenommen werden.

Man unterscheidet

  • LEO (Low Earth Orbit), in dem sich rund 85 % der Erdbeobachtungssysteme befinden.
  • MEO (Medium Earth Orbit). Hier befinden sich rund 3% der Systeme.
  • GEO (Geosynchronous Orbit). Im geostationären Orbit, in einer Entfernung von rund 36 000 km von der Erdoberfläche bewegen sich Satelliten sich so, dass sie stets über demselben Punkt auf der Erdoberfläche bleiben. Dies wird erreicht, indem der Satellit mit der gleichen Winkelgeschwindigkeit wie die Erdrotation um die Erdachse kreist. In diesem Orbit befinden sich rund 11% der Satelliten.

Erdbeobachtungssatelliten

Aktuell werden 725 Satelliten als Erdbeobachtungssatelliten klassifiziert. Sie liefern Informationen über Erdressourcen, Wetter, Klima und Umweltüberwachung. Bildgebende Satelliten erzeugen hochauflösende Daten von fast der gesamten Landmasse der Erde.

Wettersatelliten

Wettersatelliten liefern Daten, die Meteorologen nutzen, um präzise Wettervorhersagen zu erstellen und extreme Wetterereignisse zu überwachen.

Sie befinden sich in der Regel in einem geostationären Orbit und machen alle paar Minuten eine Aufnahme der Erde. Die räumliche Auflösung (Größe eines Bildpixels) liegt dabei im Kilometerbereich.

Erdbeobachtung mit hoher zeitlicher Wiederholrate und grober räumlicher Auflösung

Langfristige Datenreihen von Erdbeobachtungssystemen helfen Wissenschaftlern, Klimaveränderungen zu beobachten und zu verstehen.

Systeme im niedrigem Erdorbit, hoher zeitlicher Wiederholrate und grober räumlicher Auflösung (einige hundert Meter) eignen sich gut um tägliche Aufnahmen der Vegetationsentwicklung zu erstellen, Oberflächen- und Meerestemperaturen zu messen sowie weitere für die Klimaforschung wichtige Daten zu sammeln.

Landsat und Sentinel 2

Zwei der wichtigsten Satellitensysteme für die Erdbeobachtung die die Satelliten der Landsat-Reihe (NASA, USGS) und die Sentinel-2-Satelliten (ESA).

Landsat-Reihe

Die Landsat-Satelliten sind eine der ältesten und bekanntesten Serien von Erdbeobachtungssatelliten. Das Programm begann 1972 mit dem Start von Landsat 1. Seitdem haben mehrere Landsat-Satelliten kontinuierlich hochauflösende Bilder der Erdoberfläche geliefert. Diese Daten sind entscheidend für die Überwachung von Landnutzung, Waldgesundheit, städtischem Wachstum und vielen anderen Anwendungen. Landsat-Bilder helfen Wissenschaftlern und Entscheidungsträgern, Veränderungen der Erdoberfläche über die Zeit hinweg zu verstehen und zu analysieren.

Hervorzuheben sind die großen Datenarchive, die Untersuchung von Umweltveränderungen erlauben.

Sentinel-2

Die Sentinel-2-Satelliten sind Teil des Copernicus-Programms der Europäischen Union, das darauf abzielt, eine kontinuierliche Erdbeobachtung sicherzustellen. Sentinel-2A und Sentinel-2B, die 2015 und 2017 gestartet wurden, liefern hochauflösende optische Bilder der Landoberfläche. Diese Satelliten sind besonders nützlich für die Überwachung der Vegetation, des Wassermanagements, der Landwirtschaft und der Katastrophenhilfe. Sentinel-2-Daten sind frei verfügbar und werden weltweit von Wissenschaftlern und Organisationen genutzt.

Gemeinsamkeiten und Bedeutung

Sowohl die Landsat- als auch die Sentinel-2-Satelliten liefern regelmäßig und systematisch hochauflösende Bilder der Erdoberfläche. Diese Daten sind entscheidend für eine Vielzahl von Anwendungen, einschließlich Umweltüberwachung, Klimaforschung und Ressourcenmanagement. Durch die kontinuierliche Bereitstellung von aktuellen und historischen Daten ermöglichen diese Satellitensysteme eine detaillierte Analyse und ein besseres Verständnis unseres Planeten.

Räumlich hochauflösende Satellitensysteme

Die extrem hohe räumliche Auflösung dieser Satelliten ermöglicht es, sehr kleine und detaillierte Merkmale auf der Erdoberfläche zu beobachten. Dies ist besonders nützlich für präzise Kartierungen, Überwachungen von Veränderungen und spezifische Anwendungen, die eine genaue Bilddarstellung erfordern.

Beispiele für solche Systeme sind bsp. Ikonos (bis 2015), SkySat, Pleiades, GeoEye. Es handelt sich dabei ausnahmslos um kommerzielle Systeme.

Auswirkungen der Dürre 2022 auf den Wasserstand des Rheins

Die Hitze und anhaltende Dürre des Sommers 2022 haben das Landschaftsbild in Westeuropa verändert. Dieses Paar von True-Color-Bildern von PlanetScope zeigt den Rhein, bei Düsseldorf.

Im August 2021 war die Gegend hauptsächlich grün, und der Rhein füllte sein Bett fast bis zum Rand. Bis August 2022 hatte sich das gewässerbegleitende Vegetation braun gefärbt und der Wasserspiegel des Rheins ist stark gesunken.

Räumliche Auflösung

Die räumliche Auflösung von fernerkundlichen Aufnahmesystemen beschreibt, wie detailliert die Bilder sind, die ein Satellit von der Erde aufnimmt. Sie gibt an, wie klein die einzelnen Objekte oder Bereiche auf der Erdoberfläche sind, die in einem Bild unterschieden werden können.

Hohe Auflösung: Bei einer hohen räumlichen Auflösung kann der Satellit sehr kleine Details auf der Erdoberfläche erkennen. Das bedeutet, dass die Bilder sehr scharf und klar sind. Zum Beispiel kann man bei einer hohen Auflösung einzelne Autos auf einer Straße oder kleine Bäume in einem Wald sehen.

Niedrige Auflösung: Bei einer niedrigen räumlichen Auflösung sind die Details im Bild weniger genau. Größere Objekte sind erkennbar, aber kleinere Details verschwimmen. Zum Beispiel sieht man bei einer niedrigen Auflösung nur größere Felder oder ganze Wälder, aber keine einzelnen Bäume oder Autos.

Die Karte zeigt im linken Bildbereich ein aktuelles Luftbild der Stadt Trier in 20 cm Auflösung. Auf der rechten Seite wird ein Sentinel 2 Satellitenbild angezeigt, das in 10 m räumlicher Auflösung vorliegt.

Echt- und Falschfarbdarstellung

Echtfarb- und Falschfarbdarstellungen sind zwei verschiedene Methoden, um Bilder von der Erdoberfläche darzustellen. Beide Methoden bieten unterschiedliche Vorteile und Anwendungen.

Multispektrale Satellitensysteme erfassen Bilder der Erde in verschiedenen Lichtwellenlängen, einschließlich solcher, die für das menschliche Auge unsichtbar sind. Diese Bilder bieten viele Vorteile, insbesondere wenn sie in Falschfarben dargestellt werden.

Die Echtfarbdarstellung (oder natürliche Farbendarstellung) verwendet die tatsächlichen Farben, die das menschliche Auge sehen würde. Diese Bilder bestehen aus drei Kanälen: Rot, Grün und Blau (RGB).

Bei der Falschfarbdarstellung werden die Farben künstlich zugewiesen, um Informationen aus Spektralbereichen darzustellen, die das menschliche Auge normalerweise nicht sehen kann, wie das Infrarot- oder Ultraviolettlicht.

Durch die Falschfarbdarstellung lassen sich spezifische Merkmale von Oberflächen besonders hervorheben. (z.B. lässt sich gesunde leicht von geschädigter Vegetation unterscheiden). Wissenschaftler können die Falschfarbbilder nutzen, um Umweltbedingungen, Vegetationsgesundheit, Bodennutzung und viele andere Parameter zu analysieren.

Reise zu Anwednungsbeispielen

1

Uni Trier - Campus 2

Fernerkundung erlaubt das Monitoring von jedem Ort weltweit.

2

Nil

Üppige grüne Vegetation säumt die fruchtbaren Ufer des Nils in Ägypten und bildet das grüne Fächer der Flussmündung. Der Kontrast zwischen dem Grün entlang des Flusses und dem umgebenden Beige der nördlichen Sahara macht den Fluss in Satellitenbildern wie diesem leicht erkennbar. Dieses Bild wurde am 19. Juli 2004 vom Moderate Resolution Imaging Spectroradiometer (MODIS) an Bord des NASA-Satelliten Terra aufgenommen.

3

Namib

In diesem Bild, aufgenommen am 27. Oktober 2019, ist ein großer Teil des Namib-Naukluft-Nationalparks zu sehen. Der Park erstreckt sich über eine Fläche von fast 50.000 Quadratkilometern und umfasst Teile der Namib-Wüste sowie die Naukluft-Berge im Osten. Die geraden, weißen Linien rechts im Bild sind Straßen, die den Namib-Naukluft-Nationalpark mit anderen Teilen Namibias verbinden.

Die Hauptattraktion des Parks ist Sossusvlei – eine große Salz- und Tonpfanne, die in der Bildmitte zu sehen ist. Der helle, weiße Boden der Pfanne steht im Kontrast zu den rostroten Dünen, die sie umgeben.

Sossusvlei fungiert als endorheisches Becken für den Tsauchab, einen temporären Fluss, der von Osten her fließt. Aufgrund der trockenen Bedingungen in der Namib-Wüste erreicht der Fluss nur selten diese Region, und die Pfanne bleibt die meiste Zeit des Jahres trocken. In der Vergangenheit hat das Wasser des Tsauchab sogar die Atlantikküste erreicht, die 60 Kilometer weiter westlich liegt.

4

Bewässerung in Saudi Arabien

Vor etwa 30 Jahren sah die karge Landschaft des Wadi As-Sirhan-Beckens in Saudi-Arabien wie jede andere Wüste aus. Doch im Laufe der Zeit beobachteten Satelliten wie die US-amerikanischen Landsats und die Copernicus-Sentinels, wie sich das Gebiet in eine riesige landwirtschaftliche Nutzfläche verwandelte.

Die Felder werden mit fossilem Wasser bewässert, das aus großen Tiefen gepumpt und durch zentrale Drehbewässerungssysteme verteilt wird, bei denen lange Wasserrohre um einen Brunnen in der Mitte rotieren und so die kreisförmigen Muster erzeugen. Diese Wasserreserven, die vor Tausenden von Jahren entstanden, als die Region mehr Niederschlag erhielt, ermöglichen heute die Landwirtschaft in der Wüste. Experten warnen jedoch, dass diese Ressource irgendwann erschöpft sein wird.

5

Aralsee

Die Animation zeigt den Rückgang der Wasserfläche zwischen 2000 und 2018. Die gelbe Linie zeigt die originale Küstenlinie (ca. 1960).

Früher eines der vier größten Seen der Welt mit einer Fläche von 68.000 km², schrumpft das Aralsee seit den 1960er Jahren stetig, nachdem die Flüsse, die es speisten, durch sowjetische Bewässerungsprojekte umgeleitet wurden. Bis 2007 war es auf 10 % seiner ursprünglichen Größe geschrumpft und in vier Seen aufgeteilt – den Nordaralsee, die östlichen und westlichen Becken des einst viel größeren Südaralsees und einen kleineren See zwischen dem Nord- und Südaralsee. Bis 2009 war der südöstliche See verschwunden und der südwestliche See auf einen schmalen Streifen am westlichen Rand des ehemaligen südlichen Sees zurückgewichen; in den folgenden Jahren führten gelegentliche Wasserzuflüsse dazu, dass der südöstliche See manchmal in geringem Maße wieder aufgefüllt wurde. Satellitenbilder, die von der NASA im August 2014 aufgenommen wurden, zeigten, dass das östliche Becken des Aralsees zum ersten Mal in der modernen Geschichte vollständig ausgetrocknet war. Das östliche Becken wird jetzt als Aralkum-Wüste bezeichnet.

6

Las Vegas (Stadtwachstum in der Wüste)

Diese Bildserie zeigt das massive Wachstum der Wüstenstadt seit 1972. Die Entwicklung der Stadt wird in einem Falschfarben-Zeitraffer dargestellt, der auf Daten aller Landsat-Satelliten basiert.

Die großen roten Flächen sind in Wirklichkeit Grünflächen, hauptsächlich Golfplätze und Stadtparks.

Diese Las Vegas-Bilder wurden unter Verwendung von reflektiertem Licht aus dem nahen Infrarot, Rot und Grün des elektromagnetischen Spektrums erstellt (Landsat 8 OLI Bänder 5, 4, 3; Landsat 7 ETM+ und Landsat 5 TM Bänder 4, 3, 2; und Landsat 1-3 MSS Bänder 4, 2, 1).

7

Die Taklamakan-Wüste

Tarim Becken - Ergrünen der Wüste.

Aufnahmen vom 23.02.2020 und 29.04.2020

Die Taklamakan-Wüste in China wird in der lokalen Uigurischen Sprache als „Du gehst rein, aber kommst nicht wieder raus“ übersetzt. Sie ist die heißeste, trockenste und größte Wüste des Landes, etwa so groß wie Deutschland. Ungefähr 85 Prozent der Taklamakan-Wüste bestehen aus wandernden Sanddünen, die bis zu 200 bis 300 Meter hoch sind. Es ist die zweitgrößte Sandwüste der Welt und anfällig für große Staubstürme.

Trotz der extremen Bedingungen, die der Wüste den Spitznamen „Meer des Todes“ eingebracht haben, sprießt im Frühling Pflanzenleben. Bilder vom 23. Februar und 29. April 2020, aufgenommen vom MODIS-Instrument auf dem Terra-Satelliten der NASA, zeigen die Vegetation in der Nähe der Oasenstadt Hotan. Da in Teilen der Wüste weniger als 10 Millimeter Regen pro Jahr fallen, stammt das Wasser für die Vegetation hauptsächlich aus dem Schmelzwasser der umliegenden Gebirge. Zum Beispiel hilft das Schmelzwasser der Kunlun-Berge dabei, die Flüsse White Jade und Black Jade zu füllen, die wiederum Wasser für die Vegetation und die Stadt Hotan liefern. Diese Flüsse fließen nach Norden und münden in den Hotan-Fluss, der weiter durch das Tarim-Becken fließt.

In den letzten Jahren haben Arbeiter mehr Vegetation um die Taklamakan-Wüste gepflanzt, insbesondere entlang der Tarim-Wüstenstraße. Diese 550 Kilometer lange Straße ist die längste Wüstenstraße der Welt. Um die Straße vor Sandstürmen zu schützen, haben die örtlichen Behörden in den letzten zehn Jahren einen 430 Kilometer langen Vegetationsgürtel entlang der Straße angelegt. Weitere Begrünungsprojekte wurden auch in anderen Gebieten wie der Gobi-Wüste gestartet.

8

Atatürk-Staudamm

Die Türkei schloss den Atatürk-Staudamm im Jahr 1990 ab. Er ist der größte einer Reihe von Staudämmen entlang der beiden Hauptflüsse der Region, dem Tigris und dem Euphrat, die beide ihre Quellen im Südosten der Türkei haben. Der Staudamm wurde sowohl zur Erzeugung von Elektrizität für die Region als auch zur Bewässerung der Ebenen zwischen dem Euphrat und dem Tigris gebaut. In diesem Triplet von Landsat-Bildern ist das dramatische Wachstum des Atatürk-Stausees im Zeitraum von 19 Jahren deutlich zu erkennen. Der neu entstandene See, der von den Einheimischen manchmal als Meer bezeichnet wird, bedeckt eine Gesamtfläche von etwa 817 Quadratkilometern. Als der Damm und die zugehörigen Bewässerungskanäle fertiggestellt waren, expandierte die Landwirtschaft in den Harran-Ebenen. Nun konnten in der Trockenzeit Pflanzen wie Baumwolle angebaut werden, wo zuvor die Bewässerung auf Grundwasser beschränkt war. (Nasa:  https://svs.gsfc.nasa.gov/30218 )

Der Atatürk-Staudamm

Der Atatürk-Staudamm ist einer der größten Staudämme in der Türkei. Er liegt im Südosten des Landes am Fluss Euphrat und ist ein zentrales Element des Südostanatolien-Projekts (GAP), das die wirtschaftliche und soziale Entwicklung der Region fördern soll.

Bau und Größe: Der Bau begann 1983 und wurde 1992 abgeschlossen. Mit einer Höhe von 169 Metern und einer Länge von 1.820 Metern ist er einer der größten Staudämme der Welt.

Zweck: Der Staudamm dient hauptsächlich der Stromerzeugung und der Bewässerung. Das Wasserkraftwerk des Atatürk-Staudamms hat eine Kapazität von 2.400 Megawatt und liefert einen bedeutenden Teil des Stroms für die Region. Zudem ermöglicht der Staudamm die Bewässerung von rund 1,7 Millionen Hektar Land, was die Landwirtschaft erheblich unterstützt.

Stausee: Der Stausee, der durch den Atatürk-Staudamm geschaffen wurde, ist ebenfalls einer der größten künstlichen Seen der Welt. Er hat eine Fläche von etwa 817 Quadratkilometern und speichert etwa 48,7 Milliarden Kubikmeter Wasser.

Bedeutung: Der Atatürk-Staudamm hat eine große Bedeutung für die wirtschaftliche Entwicklung der Region. Er hilft dabei, die Wasserressourcen effizient zu nutzen, die landwirtschaftliche Produktion zu steigern und die Stromversorgung zu sichern.

Umwelt- und Sozialauswirkungen: Wie bei vielen großen Infrastrukturprojekten gibt es auch beim Atatürk-Staudamm Umwelt- und Sozialprobleme. Der Bau des Staudamms hat zur Umsiedlung vieler Menschen geführt und bedeutende archäologische Stätten überschwemmt. Gleichzeitig hat er jedoch auch Arbeitsplätze geschaffen und zur Modernisierung der Region beigetragen.

Das Südostanatolien-Projekt (türkisch: Güneydoğu Anadolu Projesi, GAP) ist ein sektorübergreifendes integriertes Regionalentwicklungsprojekt, das auf dem Konzept der nachhaltigen Entwicklung für die 9 Millionen Menschen (2005) in der Region Südostanatolien in der Türkei basiert. Laut einer Regierungsquelle besteht das Ziel des GAP darin, regionale Entwicklungsunterschiede zu beseitigen, indem die Einkommen und der Lebensstandard angehoben werden und ein Beitrag zu den nationalen Entwicklungszielen der sozialen Stabilität und des Wirtschaftswachstums geleistet wird, indem die produktiven und beschäftigungsfördernden Kapazitäten des ländlichen Sektors verbessert werden.

Folgen des Dammbaus

Staudämme sind umstritten, weil sie sowohl Vorteile als auch Nachteile haben. Sie helfen, Strom zu erzeugen und Land zu bewässern, was für Landwirtschaft und Industrie nützlich ist. Aber sie haben auch viele Nachteile: Der Bau und das Auffüllen von Staudämmen kann Länder in Konflikte bringen, viele Menschen müssen umziehen, und wertvolle Böden sowie kulturelle Schätze werden zerstört. Ein Beispiel dafür ist der Atatürk-Staudamm in der Türkei, der 191 archäologische Stätten überflutete. Die Türkei hat schon viele Staudämme gebaut, durch die alte Städte wie Samsat und Hasankeyf überschwemmt wurden. Trotz all dieser Probleme bauen viele Länder im Nahen Osten und Nordafrika weiterhin neue Staudämme.

OrientDams map | OrientDams

Erdbebengefahr

Der Atatürk-Damm liegt in einer stark erdbebengefährdeten Region. Experten befürchten, dass das enorme Gewicht des aufgestauten Wassers die Erdbebengefahr zusätzlich erhöht.

Recent USGS Earthquakes

Fragestellungen

Der Bau des Damms und die Bewässerung haben Auswirkungen auf die gesamte Region.

Welche Forschungsfragen können wir dazu formulieren?

Methode - Der NDVI

Was ist der NDVI?

Der NDVI, oder Normalized Difference Vegetation Index, ist ein Maß, das verwendet wird, um die Gesundheit und Dichte von Pflanzen in einem bestimmten Gebiet zu bewerten. Er wird vor allem in der Fernerkundung und bei der Auswertung von Satellitenbildern eingesetzt.

Wie funktioniert der NDVI?

Satelliten im Weltraum machen Bilder von der Erde. Diese Bilder enthalten Informationen darüber, wie viel Licht von der Erdoberfläche reflektiert wird. Der NDVI wird berechnet, indem man die Lichtreflexion im roten und im nahen infraroten Bereich des Lichts vergleicht.

  • Rotes Licht: Pflanzen absorbieren viel rotes Licht für die Photosynthese.
  • Nahes Infrarotlicht (NIR): Gesunde Pflanzen reflektieren viel nahes Infrarotlicht.

Der NDVI wird mit der folgenden Formel berechnet:

Die Werte des NDVI liegen zwischen -1 und +1. Hohe positive Werte (nahe +1) weisen auf dichte, gesunde Vegetation hin, während Werte nahe 0 oder negativ anzeigen, dass wenig oder keine Vegetation vorhanden ist.

Warum ist der NDVI wichtig?

Der NDVI ist ein wichtiges Werkzeug, weil er uns hilft, die Vegetationsdichte und -gesundheit über große Flächen hinweg zu überwachen. Dies ist nützlich für:

  • Landwirtschaft: Landwirte können feststellen, welche Felder gesund sind und welche zusätzliche Pflege benötigen.
  • Umweltüberwachung: Wissenschaftler können Veränderungen in Wäldern, Wiesen und anderen Ökosystemen beobachten.
  • Klimaforschung: Der NDVI hilft dabei, die Auswirkungen des Klimawandels auf die Vegetation zu verstehen.

Beispiel:

Stell dir vor, ein Satellit macht ein Bild von einem großen Waldgebiet. Mithilfe des NDVI kann man herausfinden, welche Teile des Waldes gesund sind und welche möglicherweise gestresst oder beschädigt sind. Gesunde Bereiche werden hohe NDVI-Werte haben, während gestresste oder kranke Bereiche niedrige NDVI-Werte aufweisen.

Mit dem NDVI können wir also aus der Ferne, mithilfe von Satellitenbildern, die Gesundheit und Dichte von Pflanzen überwachen. Das hilft uns, unsere Umwelt besser zu verstehen und zu schützen.

Beispiel EO-Browser

Was ist der EO-Browser?

Der EO-Browser ist ein Online-Tool, mit dem man Satellitenbilder der Erde ansehen und analysieren kann. "EO" steht für "Earth Observation" (Erdbeobachtung). Mit dem EO-Browser kann man Bilder von verschiedenen Satelliten nutzen, um viele interessante Dinge über die Erde zu erfahren.

Was kann man mit dem EO-Browser machen?

  • Satellitenbilder ansehen: Du kannst aktuelle und historische Bilder von Orten auf der ganzen Welt ansehen.
  • Veränderungen beobachten: Du kannst sehen, wie sich bestimmte Gebiete über die Zeit verändert haben, zum Beispiel Wälder, Städte oder Flüsse.
  • Umwelt überwachen: Du kannst Informationen über Umweltprobleme wie Entwaldung, Überschwemmungen oder Brände erhalten.
  • Daten analysieren: Der EO-Browser bietet verschiedene Werkzeuge, um die Bilder zu analysieren, wie zum Beispiel den NDVI, um die Gesundheit der Pflanzen zu überprüfen.

Sentinel-hub EO-Browser3

Übung

Datengrundlage

Landsat-Aufnahme vom:

Landsat TM

August 1984 (Landsat 5) und

August 2024 (Landsat 9)

Sechs Aufnahmebänder im Wellenlängenbereich des sichtbaren Lichts bis zum kurzwelligen Infrarot

Software

Die Software SNAP (Sentinel Application Platform) der Europäischen Weltraumorganisation (ESA) ist ein mächtiges Werkzeug für die Analyse von Satellitendaten. Ursprünglich für die Bearbeitung von Daten der Sentinel-Satellitenfamilie entwickelt, unterstützt SNAP auch Daten vieler anderer Erdbeobachtungssatelliten. Die Software ist kostenlos und offen zugänglich, was sie besonders attraktiv für Bildungseinrichtungen und Forscher macht.

Funktionen und Vorteile von SNAP

SNAP bietet eine breite Palette von Funktionen zur Visualisierung, Analyse und Verarbeitung von Satellitendaten.

Daten öffnen

Über die Schaltfläche "Open Product" --> zu Speicherort navigieren und Datei auswählen.

Hier darauf achten, dass immer nur die Datei mit der Endung *.dim ausgewählt wird.

Das geladene Satellitenbild wir im Product Explorer von SNAP angezeigt.

Mit einem Klick auf das > Symbol, kann der Ordner "Bands" geöffnet werden und die einzelnen Aufnahmekanäle werden angezeigt

Bilddaten visualisieren

Einzelne Bänder darstellen.

Durch einen Doppelklick auf eins der sechs im Product Explorer aufgelisteten Bänder wird dieses geöffnet und dargestellt.

Echtfarbdarstellung

Soll das Satellitenbild in Echtfarben (natürlichen Farben) dargestellt werden, muss die Bilddarstellung aus drei der verfügbaren Bänder "gemischt" werden.

Dabei folgt die Software dem Prinzip der additiven Farbmischung

Additive Farbmischung

In Bezug auf die visuelle Farbwahrnehmung beschreibt die additive Farbmischung die von der Änderung des vom Auge empfundenen Farbeindrucks durch Hinzufügen eines anderen/weiteren Farbreizes.

Erstmals beschrieben durch Dreifarbentheorie von Thomas Young und Hermann von Helmholtz.

Vorgehen in SNAP

  • Rechte Maustaste auf dem Datensatz im Product Explorer ausführen.
  • Die Option "Open RGB Image Window auswählen
  • Den Bildschirmfarben Red / Green / Blue die entsprechenden Bänder zuordnen (sollte schon automatisch vorausgewählt sein)

  • Mit OK bestätigen

Falschfarbdarstellung

Satelliten erfassen Daten in verschiedenen Wellenlängenbereichen des elektromagnetischen Spektrums, einschließlich des infraroten und ultravioletten Lichts, die das menschliche Auge nicht sehen kann. Bei der Falschfarbdarstellung werden diese unsichtbaren Wellenlängen Farbbändern zugeordnet, die für das menschliche Auge sichtbar sind. Zum Beispiel könnte infrarotes Licht rot dargestellt werden, während sichtbares grünes und blaues Licht unverändert bleiben.

Wieder wird das Prinzip der additiven Farbmischung genutzt, um Darstellungen unter Berücksichtigung von ausgewählten Bändern zu erstellen.

In einem ersten Beispiel wollen wir den Infrarotkanal (865 nm), der in einem Wellenlängenbereich Daten aufnimmt, der für das menschliche Auge nicht sichtbar ist, in einer Falschfarbdarstellung berücksichtigen.

Zusammen mit dem Infrarotkanal sollen das rote Band und das grüne Band dargestellt werden.

Vorgehen in SNAP

  • Rechte Maustaste auf dem Datensatz im Product Explorer ausführen.
  • Die Option "Open RGB Image Window auswählen
  • Den Bildschirmfarben Red / Green / Blue die Bänder NIR, RED und Blue zuordnen

  • Mit OK bestätigen

Es können über den dokumentierten Weg beliebige Bandkombinationen ausgewählt und visualisiert werden.

Reflexionssignaturen darstellen

Die für die Fernerkundung wichtige multispektrale Reflexion wird durch die Materialeigenschaften, die Struktur der Oberflächen und, bei teilweiser Transparenz der Stoffe, auch durch die Volumenrückstreuung aufgrund der inneren Struktur der reflektierenden Objekte bestimmt.

Insbesondere beim Einsatz computergestützter Verfahren zur Analyse von Fernerkundungsdaten ist eine grundlegende Kenntnis dieser Reflexionseigenschaften unerlässlich.

In SNAP können Reflxionsspektren direkt aus den geöffneten Bilddaten abgerufen und dargestellt werden.

Spectrum View Werkzeug öffnen

Mit der Maus auf eine Oberfläche im Bild gehen. Das korrespondierende Spektrum wird im Spectrum View Tool dargestellt.

Mit dem Pin placing tool können Marker auf bestimmten Positionen positioniert werden. Deren Spektren werden dauerhaft angezeigt.

Im PIN Manger kann Ansicht und Beschriftung dieser Marker bearbeitet werden.

NDVI berechnen

Der NDVI kann direkt über ein eigenes Werkzeug berechnet werden.

Hauptmenü -> Optical -> Thematic Land Processing -> Vegetation Radiometric Indices -> NDVI Processor

Im NDVI Processor muss ggf. noch der Speicherort angepasst werden

In den Einstellungen muss überprüft werden, ob das rote und das nahe Infrarotband korrekt zugeordnet sind.

Der NDVI muss für beide Aufnahmedaten berechnet werden.

Darstellung und Vergleich

Sobald die beiden berechneten NDVI vorliegen, kann die 40jährige Entwicklung des Raums visuell bewertet werden.

In SNAP lassen sich mehrere Bilder nebeneinander öffnen und miteinander verknüpfen, so dass immer der gleiche Ausschnitt in gleicher Zoomstufe angezeigt wird.

Zur gleichzeitigen Darstellung von zwei oder mehr Bildern muss unter dem Menüpunkt Window, der Eintrag Tile Evenly ausgewählt werden.

Bilddaten zusammenfassen -Collocation

Um eine Analyse der Daten zu ermöglichen, müssen die beiden NDVI-Bilder in einem gemeinsamen Datensatz (in einer Geodatenbank) zusammengefasst werden.

Dies geschieht über das Tool "Collocation"

Das Werkzeug stellt sicher, dass die beiden Rasterdatensätze im gleichen Koordinatensystem vorliegen, die gleiche räumliche Ausdehnung und räumliche Auflösung besitzen. Gespeichert werden die beiden NDVI-Bilder als zwei Bänder eines neuen Datensatzes.

Hauptmenü -> Raster -> Geometric -> Collocation

1984er NDVI als "Reference" festlegen, 2024er Datensatz als "Secondary Product" auswählen.

Change Detection

Die Change Detection, die Analyse der Unterschiede und Entwicklungen zwischen zwei Beobachtungszeitpunkten gehört zu den wichtigsten Auswerteverfahren in der Erdbeobachtung.

Für die Change Detection können unterschiedliche methodische Ansätze genutzt werden.

Für die heutige Übung versuchen wir die Veränderung in der Vegetationsbedeckung über eine logische Abfrage zu erfassen.

Einfacher Vergleich von NDVI-Werten:

Der NDVI (Normalized Difference Vegetation Index) ist ein Wert, der uns hilft, die Gesundheit und Dichte von Pflanzen zu messen. Er liegt normalerweise zwischen -1 und +1. Ein höherer NDVI-Wert bedeutet, dass es mehr und gesündere Pflanzen gibt.

Wenn wir sagen, "NDVI-Wert_neu > (NDVI-Wert_alt * 2)", bedeutet das, dass der neue NDVI-Wert mehr als doppelt so groß ist wie der alte NDVI-Wert.

Beispiel zur Veranschaulichung:

Alter NDVI-Wert (NDVI-Wert_alt): Stell dir vor, der alte NDVI-Wert ist 0,3. Das bedeutet, dass es dort Pflanzen gibt, aber nicht sehr viele oder sehr gesunde.

Neuer NDVI-Wert (NDVI-Wert_neu): Jetzt haben wir einen neuen NDVI-Wert, sagen wir 0,7. Das bedeutet, dass es jetzt viel mehr oder gesündere Pflanzen gibt.

Vergleich der NDVI-Werte: Wenn wir den alten NDVI-Wert verdoppeln, bekommen wir: 0,3×2=0,60,3 \times 2 = 0,60,3×2=0,6. Der neue NDVI-Wert ist 0,7. Da 0,7 größer ist als 0,6, ist der neue NDVI-Wert mehr als doppelt so groß wie der alte NDVI-Wert.

Zusammengefasst: Wenn wir sagen, "NDVI-Wert_neu > (NDVI-Wert_alt * 2)", meinen wir, dass der neue NDVI-Wert größer ist als das Doppelte des alten Werts. In unserem Beispiel ist 0,7 größer als 0,6, also stimmt die Beziehung. Dies bedeutet, dass die Pflanzenbedeckung oder -gesundheit in dem Gebiet stark zugenommen hat.

Berechnung von Flächen

Über die erstellten Masken können die entsprechenden Flächenanteile berechnet werden.

Ergebnisdarstellung

Zur Bearbeitung einer Forschungsfrage auf Basis von Erdbeobachtungsdaten gehört auch immer die Ergebnisdarstellung in Form von thematischen Karten oder Webkarten.

Aus SNAP heraus können wir die Vieweransicht als *.kmz-Datei exportieren, die z.B. in Google Earth darstellbar ist.

Da Google Earth als "Globus" nur Daten mit geographischen Koordinaten verarbeiten kann, müssen wir unseren Ergebnisdatensatz noch in dieses Koordinatensystem übertragen.

  1. Projektion der Daten in das Geographische Koordinatensystem: Raster -> Geometric -> Reprojection --> (Voreinstellungen übernehmen und OK klicken)
  2. Auswahl der darzustellenden Inhalte: Um einen besseren Eindruck der Änderungen zu zeigen, sollten nur die abgeleiteten Masken exportiert werden. Den Layer Manager öffnen und die Ansicht des dargestellten NDVI-Datensatzes deaktivieren.
  3. Export der Karte als Google Earth KMZ: Rechte Maustaste in Viewer ausführen -> Export View as Goolge Earth KMZ ausführen -> Speicherort wählen und OK klicken.

Aufrufen der KMZ-Datei in Google Earth (App oder Web)

Die KMZ-Datei kann, falls Google Earth auf dem Rechner installiert ist, mit einem Doppelklick geöffnet werden.

In der Web-Version von Google Earth muss die KMZ-Datei importiert werden.

Landsat TM

Additive Farbmischung