department of physical geography – utrecht...
TRANSCRIPT
Department of Physical Geography – Utrecht University
Van Pixels, Patronen en Spectra naar Informatie...... de keten in onderzoek ......
Steven M. de Jong Freek D. van der Meer Michael SchaepmanUtrecht University TU Delft & ITC Wageningen Universiteit
Department of Physical Geography – Utrecht University
Inhoud:
I. Een terugblik met een geografisch perspectief
II. Wapenfeiten & succesvolle producten in de afgelopen jaren
III. De toekomst
Department of Physical Geography – Utrecht University
Nederlandse onderzoekers erkende al zeer vroeg het belang van aardobservatie, getuige deze handleiding voor interpretatie:
Bron (KNAG, 1948):
een voorbeeld.....
Department of Physical Geography – Utrecht University
14: uitgegraven plasB&W 1937
14
Grebbeberg, Rhenen
CIR 1997
14: natuurreservaat Blauwe kamer
Landsat TM1993
Department of Physical Geography – Utrecht University
~ 1958: TNO – FysLab & ITC beten de spits af:navigatie grondradar voor golf en stromingspatronen, rivier & kust
~1967: CABO-WU start onderzoek naar grassen en vegetatie met:- Engelse SLAR Q & C band van de Royal Radar Establishment- Infrared Line Scanner Reconofax (IRLS) van TNO onder een
Beechcraft Queen Air NLR vliegtuig
~1969: ITC/TNO voorstel voor interdepartementaal applicatie-onderzoekrichting 5 minsteries
~1971: NIWARS werd geboren. Nederlands Interdepartmentale Werkgemeenschap voor het Applicatieonderzoek van Remote Sensing technieken
Department of Physical Geography – Utrecht University
NIWARS 1971 – 1976 wapenfeiten:
- NIWARS veldspectrometer- NIWARS X-band SLAR (NLR, TNO)- NIWARS bibliotheek, inmiddels opgegaan in De Haaff- Diverse jonge RS onderzoekers kregen een kans
3 opmerkelijke punten in die tijd:
1) in 1975 gaf ERIM Ann Arbor directeur al toe:US has an excellent remote sensing technology available but Europe has good knowledge about the physics behind remote sensing
2) Het in die tijd practisch totaal ontbreken van Geografie bij aardobservatie-onderzoek en toepassingen, anders dan luchtfoto's
3) Een stelling uit een proefschrift (1978):het toepassen van resultaten bereikt via innoverend onderzoek aan de universiteiten dient te worden bevorderd door het leggen van meer en betere contacten met het bedrijfsleven
(Dr Nico Bunnik, 18 januari 1978)
Department of Physical Geography – Utrecht University
Aardobservatie in het Geografie onderwijs komen pas laat opgang:
In Utrecht (1985): Epema & Riezebos
In A'dam (1989): Seijmonsbergen & Berkhout
'Density prints' (matrix printer)- grijs tinten door tekens
over elkaar heen te printen- rechthoekige pixels
Bron: UU REMO practicumbundel, 1985
Department of Physical Geography – Utrecht University
Mijn toetreden tot de remote sensing wereld:Kurhaus, Scheveningen, 1988 10 jaar Kring voor Remote Sensing
Department of Physical Geography – Utrecht University
II. Wapenfeiten:
Nederlandse bijdrage aan diverse experimentele campagnesbeeldvormende spectroscopie, diverse radarsystemen
Koppeling van ruimtelijke (proces)modellen en aardobservatieSEBS, Sebal, SAIL & GeoSAIL, Lisflood, Semmed......
Koppeling aardobservatie en ruimtelijke analyse (geostatistiek)
Waterkwaliteit: inverse modelering en operationeel gebruik
Nederlandse rol in JRC MARS project & FAO ARTEMIS project
MKB bedrijven die tot ontwikkeling kwamen:Synoptics, NEO, K&M, Geodan, Argoss, Geoserve, CSO, .....
..................
Department of Physical Geography – Utrecht University
Europese experimentele campagne's met vliegtuigsensoren:EISAC89: European Airborne Remote Sensing CapabilitiesMACEurope91: Multi-Sensor Airborne Campaign in Europe 1991LSF97: Large Scale Facility 1997LSF98: Large Scale Facility 1998HySens2001/2002HyEurope2003
Sensoren: NASA AirSAR C & L band, fully polarizedGER Imaging Spectrometer GERIS 79 ch.NLR CAESARCASIDAIS7915 & ROSISHyMAP
Testsites: Flevopolder, Vechtse Plassen, Ardèche, La Peyne, Barrax, etc.
Department of Physical Geography – Utrecht University
De techniek verbeterde met sprongen over de jaren:
1989 GERISSNR ~ 16:1
band 28 failure 810 nm
1991 AVIRISSNR ~ 80:1
Optical fibre broken SWIR
2003 HyMap SNR ~ 500:1
PARGE & ATCOR
Department of Physical Geography – Utrecht University
Een regionale methode voor het semi-kwantitatief karteren
vangedegradeerde bodems
met behulp van hyperspectale aardobservatie
Department of Physical Geography – Utrecht University
Doel: het regionaal in kaart brengen van 'bodem degradatie status'
toename bodemverlies & degradatie
Werkwijze: spectral unmixing van hyperspectrale beelden met behulp van een 'spectral library van bodem- en gesteentenspectra' inclusiefbodemfysische factoren
Department of Physical Geography – Utrecht University
Opbouwen van spectral library 'MedSpec':
- spectra van bodems, vegetatie, moedermateriaal
- beschrijving van degradatie status & processen
- veld- & laboratoriumanalyses (mineralen, Ksat, etc)
- veldfoto's
Exotech
ASD FieldSpec
Ksat
θ
Department of Physical Geography – Utrecht University
Drempelwaarde voor degradatie statusworden bepaald & beelden unmixed
Soils
Marls Limestone0 25 50 75 100
25
50
75
100
0
0
25
50
100
75
GER-SIRIS measurements,sampled to Landsat-TM spectral bands
Soil ConditionsIIIIIIIVaIVb User-defined threshold, based
on field and laboratory work
UndisturbedSoils
Degraded orEroded Soils
I: Developed, II/III: Degraded, IV: Parent material
SMA
Department of Physical Geography – Utrecht University
Kwantitatief monitoren van waterkwaliteitmet
inverse modellering & beeldvormende spectrometrie
IVM-VUMD-RWS
Department of Physical Geography – Utrecht University
Laboratorium & in situ spectrale metingen van water optische eigenschappen
Bron: Marnix Laanen
Department of Physical Geography – Utrecht University
Voorwaarts & inverse modelleren leveren goede fysische basis voor waterkwaliteitskartering
Bron: Steef Peters
model simulatie van toenemendeTSM concentratiein rood
Department of Physical Geography – Utrecht University
Series van kwantitatieve waterkwaliteitsproductenTSM concentratie
Chlorofyl concentratie
CDOM concentratieBron: Marnix Laanen
Department of Physical Geography – Utrecht University
Karteren van Hydrocarbon seepages met
Beeldvormende Spectrometrie
Department of Physical Geography – Utrecht University
Oppervlaktekenmerken van hydrocarbon seepages
Bron: Yang, 1999 (ITC)
Department of Physical Geography – Utrecht University
In het veld, of op zee, soms duidelijk herkenbaar:
op zee(ERS-SAR)
verbleekterots
brandende seeps,Azerbaijan
teermeerPitch Lake
Trinidad
Bron: Scholte, 2003 (TUD)
Department of Physical Geography – Utrecht University
Deze seeps zijn redelijk te karteren met:- anomalieën van mineraalomzettingen (Fe2+ -> Fe 3+; veldspaat->kaoliniet)- anomalieën van REP (Red Edge Positie) van gewassen a.g.v. seeps
Bron: Yang, 1999 (ITC)
Department of Physical Geography – Utrecht University
Soms zijn seeps echter minder duidelijk herkenbaar:
maar: ze hebben wel een cirkelvormige of ovale vorm
Bron: Van der Werff, 2004
Department of Physical Geography – Utrecht University
Een combinatie van spectrale analyse enpatroonherkenning lijkt een veelbelovendkarteringsmiddel voor moeilijke seeps
Werkwijze: - spectra worden gemeten van bodems en seeps
- een gesimuleerd beeld van de seep wordt gebouwdmet behulp van de veldspectra
- spectra & noise vloeien samen tot gesimuleerde beelden
- een ruimtelijk algoritme dat ovale vormen herkent is gebouwd en toegepast op de gesimuleerde beeldenmet variable zoekstraal en spectrale match
Bron: Van der Werff, 2004
Department of Physical Geography – Utrecht University
Identificatie van seepsin diverse beeld simulatie's:
Effect van verschillende zoekstralenen spectrale hoeken op gesimuleerde beelden:
Top-left: R = 10, N = 8. Top-right: R = 25, N = 10. Bottom-left: R = 40, N = 20. Bottom-right: 1882 nm simulated image
Bron: Van der Werff, 2004
Department of Physical Geography – Utrecht University
Overstromingsmodellen en aardobservatie voor
directe schade-schatting en 'flood simulations'
Department of Physical Geography – Utrecht University
Werkwijze:Overstromingssimulatiemodel bootst overstromingsgebeurtenis naals ƒ(neerslagduur, neerslag intensiteit, topografie, landgebruik, etc.)
Model LISFLOOD levert waterdiepteschattingen
IKONOS beeld voor object identificatie
segmentatie&
object identificatie
Department of Physical Geography – Utrecht University
Gebouw identificatiemet segmentatie en object identificatie algoritmen
IKONOS beeld 1:10.000 Topogr. kaart 1:10.000IKONOS klassificatie 1:10.000
Bron: Van der Sande, 2003
Department of Physical Geography – Utrecht University
LISFLOOD simulatie:
volstromen van de 'badkuip' van Borgharen en Itteren.......
Department of Physical Geography – Utrecht University
Damage functions
0.000.100.200.300.400.500.600.700.800.901.00
0.00 2.00 4.00 6.00
Water depth (m)
Dam
age
fact
or w inter w heat
roads
industry
residential building
Department of Physical Geography – Utrecht University
Ruimtelijke 'schadekaarten' van de Borgharen overstroming
Totaal geschatte schade voor de 1995 overstroming:€ 72.0 miljoen
Dark red: high damage ratesLight red: low damage ratesWhite: no damage/no information
Department of Physical Geography – Utrecht University
Een van de producten uit de 'Nederlandse school':succesvolle boekserie: Remote Sensing Digital Image Processing
sinds 1999: 4 goedlopende boeken2004/2005: 3 nieuwe titels rollen uit de drukpers
next title:including the spatial domain
Department of Physical Geography – Utrecht University
III. De Toekomst
Verfijning en verbetering van sensoren voor landtoepassingen
Verdere koppeling Aardobservatie en (proces)modellen
Toenemend gebruik ruimtelijke analyse algorithmen: stratificatie, segmentatie & geostatistiek voor beeldanalyse
Tijdseries van beelden worden belangrijker
Hopelijk een groot Nederlands/internationaal succes: SPECTRA
Department of Physical Geography – Utrecht University
ESA EARTH EXPLORER MISSION 'SPECTRA'
Doel:Begrijpen en simuleren van:- de rol van terrestische ecosystemen in de mondiale koolstofcyclus- het effect van natuurlijke, of door de mens veroorzaakte klimaatverandering
op deze cyclus
Een deel van de benodigde informatie wordt nu geleverd door flux towers & lage resolutie satellietbeelden
Werkwijze:
koppelen van SPECTRA gegevens aan regionale, dynamische vegetatiemodellen
ecosysteem eigenschappen kwantificeren om 'Mondiale Systeem Aarde modellen'te voeden en te verbeteren........
Bron: Schaepman, 2004
Department of Physical Geography – Utrecht University
Plaats van 'SPECTRA':
http://rst.gsfc.nasa.gov
Carbon sinks:Waar? Hoe groot?
Welke ecosystemen?
Welke processen reguleren de terrestische C cyclus?
Hoe kwantificeren we de cyclus?
Hoe meten we het effectvan maatregelen tegen C-emissie's?
Bron: Schaepman, 2004
Department of Physical Geography – Utrecht University
SPECTRA: van waarnemingen via spectra & patronen naar informatie
Detailed observations and modelling provide estimates and statistics on biome –specific parameters usable in global models.
SPECTRA derived parameterisations will improve the value of data from large scale sensor to model the global terrestrial biosphere
Meten & kwantificeren
Afleiden kwantiatatieve Ecosysteem parameters
Voeden van modellen op regionale en mondiale schaal
Global coverage data
- Fractional vegetation cover- FAPAR- Albedo- LAI- Leaf chlorophyll content- Leaf water content- Leaf dry matter- Foliage temperature- Soil temperature - Fractional cover of biomass
Bron: Schaepman, 2004
Department of Physical Geography – Utrecht University
Nico, ik leerde hem kennen.......
als internationaal vertegenwoordiger naar o.a. ESA, EC, NASA etc.....
als onvermoeibaar trekker en bestuurder van BCRS & NRSP.......
als kritisch lid van vele promotiecommissie's........
als belangenvertegenwoordiger voor ontwikkelingslanden......
als lid van de WRSLN: een onuitputbare bron van informatie.....
als zeer actief in vele functie's en organisatie's.......
.....of zoals Suzanne Azzali (SC) hem noemde: Don Nico......