API src

Found 59 results.

Related terms

Forschergruppe (FOR) 1598: From Catchments as Organised Systems to Models based on Dynamic Functional Units (CAOS), Non-invasive geophysical and remote sensing methods to map and characterize relevant structures and processes

This project is a continuation of project F funded in the first phase of the DFG Research Group CAOS, where we evaluated the potential of different ground-based geophysical techniques for exploring hydrological systems regarding subsurface structures, characteristics, and processes. Building up on the results of this project, we now focus on further developing selected geophysical techniques (timelapse GPR imaging) for deepening our understanding of hydrological processes at the plot and hillslope scale. In addition, we propose to systematically evaluate modem remote sensing techniques because they cun-ently represent the only means to efficiently explore larger areas or entire catchments. Here, we focus on a combination of full-waveform laserscanning and hyperspectral imaging because they can provide detailed Information regarding geometrical and physical properties of earth's surface, respectively. To link remote sensing with point/plot/hillslope scale data as provided by geophysics and conventional hydrological field techniques, we believe that further methodological innovations are needed. For example, we plan to establish a unique field laboratory to better understand the responses of geophysical and remote sensing techniques to different natural and artificial hydrological events and to develop exploration strategies advancing the applicability of geophysics and remote sensing for hydrological applications at a variety of spatial scales.

HyperSax

Airborne hyperspectral remote sensing surveys over various areas in Saxony.

Landnutzungsanalyse mit Hilfe abbildender Spektroskopie

Mit einem flugzeuggetragenen abbildenden Spektrometer wird das vom Boden reflektierte Sonnenspektrum vermessen und die registrierten spektralen Signaturen Landnutzungsklassen zugeordnet. Bei dieser Zuordnung werden auch neuronale Netze eingesetzt. Neben der Verarbeitung spektral aufgeloester Daten wird augenblicklich an der Einbindung von Texturinformationen (mit neuronalen Netzen) gearbeitet.

Elemental pigment (hyperspectral imaging) data of the varved sediment record (HZM19) from Holzmaar, Germany

Hyperspectral image (HSI) scanning of the composite record from Holzmaar (HZM19) was measured using a Specim PFD-CL-65-V10 E line scan camera (University of Bern, Switzerland). Data were processed using the ENVI software following the workflow of Butz et al. (2015, doi10.1117/1.JRS.9.096031): data were white-corrected, masked for cracks in the sediment surface and Relative Absorption Band Depths (RABDs) were computed for 2mm wide subsets. RABD671 (band depths from 640 to 702 nm) for Total Chloropigments-a (TChl-a), RABD845 (790 - 900 nm) for Bacteriopheopigments-a (Bphe-a), and RABD620 (600 - 640 nm) for Phycocyanin (PhyCy). To translate HSI indices into absolute concentrations, a pigment extraction was performed at the University of Bern using 23 samples covering the full range of RABD671 and RABD845 index values. Ca 1 g of wet sediment was treated with 100 % acetone following the method of Lami et al. (1994, doi:10.1007/BF00684032) and extractions were measured using a Shimadzu UV-1800 spectrophotometer to obtain bulk concentrations of TChl-a and Bphe-a in µg/g dry sediment using a molar extinction coefficient for TChl-a and Bphe-a. A proxy-proxy calibration was carried out using an ordinary least square regression. After all, only 1.42 % and 0.77 % of datapoints are outside of the calibration ranges for Chl-a (calibration range: 12.75 – 1202.68 µg/g, intercept = -4799.52, slope= 4756,45, r² = 0.8, p-val = 0.00, RMSEP 10-fold = 169.03, RMSEP % = 14.05) and Bphe-a (calibration range 0.38 – 345.12 µg/g, intercept = -1295,8, slope= 1319,7, r² = 0.94, p-val = 0.00, RMSEP 10-fold = 25.26, RMSEP % = 7.32). Ages refer to Birlo et al. (2023) and the related dataset is Model D available via doi:10.1594/PANGAEA.949292.

ERA-MIN 2: LIGHTS - Exploration von pegmatitischen Lithiumlagerstätten mittels hyperspektraler SWIR Drohne und Integration von geochemischen Messungen durch neuronale Netze, Teilvorhaben 2: Softwareentwicklung zur Erfassung, Prozessierung, Auswertung hyperspektraler + geowissenschaftlicher Daten

Im Projekt LIGHTS soll ein drohnenbasiertes Explorationssystem realisiert werden, dass in der Lage sein soll, pegmatitische Lithiumlagerstätten in Europa zu erkunden, zu charakterisieren und in Bezug auf Element, Mineral- und Gesteinszusammensetzung zu kartieren. Dafür werden aktuelle Techniken der hyperspektralen Fernerkundung, der Künstlichen Intelligenz und der geochemischen und der geologischen Analyse erweitert und dann in einem System kombiniert. Dieses System soll dann im Rahmen der Verwertung evaluiert, optimiert und der Bergbauindustrie in Abhängigkeit von den ermittelten, realisierbaren Produkttypen angeboten werden.

Spectrophotometer data for calibration of HSI index of the varved sediment record (HZM19) from Holzmaar, Germany

To calibrate the hyperspectral imaging (HSI) index values from the sediments of Holzmaar (HZM19) to concentration, a spectrophotometrically measured pigment analysis (Butz et al., 2015; doi:10.1117/1.JRS.9.096031) was performed for 23 samples. These samples were selected to cover a wide range of pigment concentrations as documented by HSI scanning. Approximately 1 g of wet sediment was treated with 100 % acetone according to the method of Lami et al. (1994; doi:10.1007/BF00684032), and the extracts were measured with a Shimadzu UV-1800 spectrophotometer to obtain the mass concentration of Chl-a and Bphe-a in µg/g dry sediment using a mass extinction coefficient for Chl-a (Fiedor et al, 2002; doi:10.1562/0031-8655(2002)0760145POTBCS2.0.CO2) and for Bphe-a (Jeffrey and Humphrey, 1975; doi:10.1016/S0015-3796(17)30778-3).

Global surface ocean HPLC phytoplankton pigments and hyperspectral remote sensing reflectance

This dataset is a global surface ocean compilation of high-performance liquid chromatography (HPLC) phytoplankton pigment concentrations and hyperspectral remote sensing reflectance (Rrs) data, with associated temperature and salinity measurements. The pigments measured include: total chlorophyll-a (Tchla), 19'-hexanoyloxyfucoxanthin (HexFuco), 19'-butanoyloxyfucoxanthin (ButFuco), alloxanthin (Allo), fucoxanthin (Fuco), peridinin (Perid), zeaxanthin (Zea), divinyl chlorophyll a (DVchla), monovinyl chlorophyll b (MVchlb), chlorophyll c1+c2 (Chlc12), chlorophyll c3 (Chlc3), neoxanthin (Neo), and violaxanthin (Viola). Rrs data are measured at 1 nm spectral resolution from 400-700 nm. The Rrs data from the ANT cruises were collected using a RAMSES hyperspectral radiometer, the Rrs data from the NAAMES, SABOR, Tara, RemSensPOC, BIOSOPE, and EXPORTS cruises were generated by a HyperPro (Satlantic, Inc.) hyperspectral radiometer. All samples presented in this dataset have previously been published and are publicly available, as referenced in the table: ANT: Bracher et al. (2015), https://doi.org/10.1594/PANGAEA.847820, NAAMES: Behrenfeld et al. (2014a), http://dx.doi.org/10.5067/SeaBASS/NAAMES/DATA001, Remote Sensing of POC: Cetinić (2013), http://dx.doi.org/10.5067/SeaBASS/REMSENSPOC/DATA001, SABOR: Behrenfeld et al. (2014b), http://dx.doi.org/10.5067/SeaBASS/SABOR/DATA001, Tara Oceans: Boss and Claustre (2009), http://dx.doi.org/10.5067/SeaBASS/TARA_OCEANS_EXPEDITION/DATA001, Tara Mediterranean: Boss and Claustre (2014), http://dx.doi.org/10.5067/SeaBASS/TARA_MEDITERRANEAN/DATA001, BIOSOPE: Claustre and Sciandra (2004), https://doi.org/10.17600/4010100 hosted at http://www.obs-vlfr.fr/proof/php/bio_open_access_data.php, EXPORTS: Behrenfeld et al. (2018), http://dx.doi.org/10.5067/SeaBASS/EXPORTS/DATA001. This compilation of these data is used in Kramer et al. (2021) to evaluate a model that reconstructs pigment concentrations from hyperspectral remote sensing reflectance.

Ozean-Atmosphäre Strahlungstransportsimulationen zur Atmosphärenkorrektur für hyperspektrale Fernerkundung von Wasserinhaltsstoffen für die EnMAP Mission (ACENMAP)

Im Projekt wird eine effiziente Atmosphärenkorrektur über Wasser, sowohl für den offenen Ozean, Küstengewässer als auch Binnengewässer, wie Seen, mit charakterisierter Unsicherheit als Vorbereitung für die wissenschaftlichen Nutzung der hyperspektralen Mission EnMAP entwickelt. Die Umsetzung erfolgt durch Simulationen mit dem gekoppelten Ozean-Atmosphäre Strahlungstransportmodell (RTM) SCIATRAN (Rozanov et al. 2014) und Anwendung an jetzt schon frei (d.h. kostenfrei) zugänglichen oberhalb der Atmosphäre gemessenen Reflektanzdaten (RTOA) der Satellitensensoren SCIAMACHY, HYPERION und HICO. Durch RTM werden charakteristisch für verschiedene Gewässertypen Absorptions- und Streuprozesse in der Atmosphäre, aber auch Effekte durch angrenzende Land- und Wolkenflächen ( Mischpixeln, benachbarte Pixel sehr unterschiedlicher Helligkeit), Glint und Wasserbodenrückstrahlung simuliert und die dazugehörige Wasserreflektanz (RRS) bei allen Wellenlängen berechnet. Diese Simulationen werden dann invers genutzt, um ein Korrekturschema für die o.g. Effekte zu entwickeln und RRS auszuwerten. Speziell wird untersucht, ob die für MERIS von HYGEOS entwickelte Atmosphärenkorrektur POLYMER (Steinmetz et al. 2011) auch für hyperspektrale Daten genutzt und angepasst werden kann. Die Unsicherheit der entwickelten Atmosphärenkorrektur wird durch Sensitivitätsstudien mit SCIATRAN, Vergleichen und Validierung mit in-situ RRS-Messungen (für Küsten- und Binnengewässer durch die HZG zur Verfügung gestellt) und Satelliten-RTOA und RRS-Daten multispektraler Sensoren bestimmt. Der entwickelte Algorithmus wird mit HICO, HYPERION und SCIAMACHY Daten vor dem Start des EnMAP-Betriebs getestet, was ein Herunterskalieren auf die spektrale Auflösung von ENMAP beinhaltet. Nach dieser Überprüfung wird das atmosphärische Korrekturschema in die EnMap-Box intergriert. Die simulierten und Satelliten-RRS-Daten können dann in dem HZG-Vorhaben zur Entwicklung von Algorithmen genutzt werden.

Hyperspectral imaging data of the northern mine face and of laboratory samples of the copper-gold-pyrite mine Apliki, Nicosia District, Republic of Cyprus

The data set contains VNIR and SWIR raw and reference hyperspectral imaging data of the Apliki mine open cut and of samples from the surface of the mine measured in the laboratory. It is con-nected to the published spectral library and chemical analyses of 37 different surface materials from the copper-gold-pyrite mine Apliki in the Republic of Cyprus (Koerting et al., 2019). The field outcrop scan was acquired in March 2018 in cooperation with the Geological Survey Department of the Republic of Cyprus (GSD) and the German Research Centre for Geosciences (GFZ). The laboratory sample scan presented in this document is a collection of hyperspectral scans compiled in one large dataset. The hyperspectral data in the field and the lab were acquired with the HySpex sys-tem in a range of 414 – 2498 nm. The field data is shared as one VNIR and one SWIR radiance and reflectance data cube each. The laboratory data is shared as one full VNIR-SWIR (414 – 2450nm) reflectance data cube that was processed and corrected for the detector jump, data spikes and the last 8 SWIR bands were clipped due to a low signal to noise ratio (SNR). The data and the samples originate from fieldwork in the Republic of Cyprus and laboratory work at the GFZ Potsdam. A detailed description of the data acquisition and processing can be found in Koerting (2021).

Update of forest inventories through multi/hyperspectral remote sensing and LiDAR data^Inventaires forestiers par fusion d’imagerie multi/hyperspectrale et du LiDAR (FRA)

Ce projet a pour objectif général lextraction dattributs dinventaire (e.g. limites, hauteur, DHP, surface terrière, volume) et en particulier la détermination des essences par lanalyse combinée de données LiDAR et dimagerie multispectrale et hyperspectrale. Il est spécifique à la végétation de plusieurs sites détudes dans des régions biogéographiques différentes de la Suisse (Plateau, Jura, Alpes centrales occidentales). Il propose lemploi de méthodes dapprentissage statistique pour les tâches de classification et de régression inhérantes à la problématique. Une approche participative pour la collecte des données dinventaire au sol et linterprétation visuelle des images aériennes et des modèles numériques de canopée en ligne est également proposée. (FRA)

1 2 3 4 5 6