EnMAP (Environmental Mapping and Analysis Program) ist ein hyperspektraler Weltraumsensor, der für das Frühjahr 2021 zum Start vorgesehen ist. Die wesentlichen Vorteile eines abbildenden Spektrometers wie EnMAP gegenüber derzeitig operierenden Multispektralsystemen liegen in der erheblich verbesserten Genauigkeit bei der Erfassung und Klassifikation von Oberflächenmaterialien und in der einzigartigen diagnostischen Ansprachemöglichkeit von Mineralen und Pigmenten, die nur über die Aufzeichnung kontinuierlicher Spektren erreicht werden kann. Übergeordnetes Ziel der Mission ist die Beobachtung und Analyse von Ökosystemparametern, die Untersuchungen in den Bereichen Land- und Forstwirtschaft, Böden und Geologie sowie Küsten- und Süßwasserbereiche einschließen. Die Bereitstellung hochwertiger, kalibrierter Daten und extrahierter Parameter, dient einer optimierten Modellierung und einem besseres Verständnis von biosphärisch/geosphärische Prozessen.

Das Hauptziel des Projekts CHIME E2E ist die Entwicklung eines end-to-end Satellitensimulators für die ESA, der in der Lage ist, realistisch und sehr genau die gesamte Kette zu simulieren ausgehend von der Datenaufzeichnung, über Sensorkalibrierung und Datenvorprozessierung zu Sensorprodukten bis hin zu den finalen Oberflächenparameterkarten.

Ziel des Verbundprojekts GeoMultiSens ist es, neue effektive Big-Data-Technologien für die fernerkundliche Multi-Sensor-Analyse zu erforschen und ihre Eignung an ausgewählten Anwendungsszenarien zu demonstrieren. Dazu wird eine integrierte Verarbeitungskette entwickelt, mit der sich Datenmengen im Petabyte-Bereich verarbeiten lassen.

Künstliches Licht ist eine eindeutige Signatur der menschlichen Tätigkeit, mit starken Korrelationen zur Bevölkerung, zum wirtschaftlichen Entwicklungstand und zur Elektrifizierungsrate. Es repräsentiert auch eine Form von globalen Veränderungen, die noch wenig erforscht sind, mit Folgen für Ökosystemdienstleistungen und den Verlust der biologischen Vielfalt. Es werden die spektralen, räumlichen und zeitlichen Muster der künstlichen Lichtemission von Städten untersucht.

Luftgestützte Multisensor-Fernerkundungsdaten benötigen eine sorgfältige Prozessierung unter Verwendung automatischer, konsistenter, flexibler und robuster Methoden. Hierbei stellt insbesondere die Fusion passiver hyperspektraler mit aktiver LIDAR-Sensorcharakteristik einen aktuellen Forschungsschwerpunkt dar. Durch die Integration einer hohen spektralen mit einer hohen räumlichen und strukturellen Auflösung ermöglicht diese Art der Datenfusion eine umfassendere Objektcharakterisierung. Alle Synergien bezüglich geometrischer und spektraler Anpassung werden ausgenutzt, um sowohl die Datenqualität als auch den Informationsgehalt zu verbessern. Hierfür kommt eine Vielzahl moderner Algorithmen und Methoden zum Einsatz. Eine Kombination aus physikalisch getriebenen Methoden (Photogrammetrie, Raytracing, Strahlungstransfermodellierung) und Datengetriebenen Methoden (Computervision, Deep learning, Punktwolkenprozessierung) ermöglichen eine möglichst reale Messung der Oberflächenreflektanz frei von geometrischen-, Beleuchtungs- und Blickwinkeleinflüssen.

Kartierung der Umweltverschmutzung durch Mikro- und Makro-Plastik Projekte ENSURE

Das Monitoring von Landwirtschaftsflächen ist eines der Kernthemen der zukünftigen EnMAP Mission. Die Simulation multitemporaler Reflexionsdaten, die durch variierende Aufnahmegeometrien und Pflanzenphänologie charakterisiert sind, ist dabei von sehr hohem Interesse. Aus diesem Grund wurde HySimCaR entwickelt, ein spektrales, räumliches und zeitliches Simulationsmodell zur Simulation von Vegetationsbestandsreflexionen. Kern der Simulation sind 4D Pflanzemodelle, die mit einem Raytracing gekoppelt sind. Diese Daten dienen als Eingabedaten für den EnMAP Szenensimulator.