Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Rehasport: The Challenge of Small Margin Healthcare Accounting Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Design and Implementation of Data Usability Processor into an Automated Processing Chain for Optical Remote Sensing Data

verfasst von : Erik Borg, Bernd Fichtelmann, Christian Fischer, Hartmut Asche

Erschienen in: Leveraging Applications of Formal Methods, Verification, and Validation

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Diverse anthropogenic impacts will trigger worldwide environmental and social problems as e.g. climate change or social transformation processes. To observe these processes current information about status, direction of development and spatial or temporal dynamics of the processes are required. As the demand for current environmental information is increasing, earth observation (EO) and remote sensing (RS) techniques are moving to the focus of interest.
Generation and dissemination of RS based information products for e.g. time-critical applications can only be guaranteed by state-of-the-art concepts for data processing. This can be realized either by cumbersome and thus expensive interactive processing or by setting-up development and implementation of automated data processing infrastructure. In both cases information about data quality is important for the pre-processing and value adding processing steps. This contribution is focussed on a processor for automated data usability assessment which can be integrated into an automated processing chain adding information valuable for the user.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Rehasport: The Challenge of Small Margin Healthcare Accounting
Nächstes Kapitel Automated Spatial Data Processing and Refining
Fußnoten
1
Cloud Cover Degree: Ratio of cloud pixels to total pixels of an unit (e.g. complete scene or quadrant of a scene).
 
2
Data usability: Combination of cloud cover and cloud distribution as well as data errors.
 
3
Quick-look data are preview images derived from original remote sensing data.
 
4
Metadata describe remote sensing data (e.g. satellite mission, orbit, track, frame).
 
5
LANDSAT-7/ETM + data receiving were stopped at the end of 2003 [7].
 
6
Meta-information: Contain further information on remote sensing data (e.g. satellite mission, orbit, track, frame number, etc.).
 
7
Assessment unit: scene, quadrant.
 
8
It has been shown that a threshold value of 10 is optimal because single zero-pixels are often caused by JPEG compression and were no data problem.
 
9
LANDSAT-handbook: chapter 9.2.4, Table 9.2 ETM+ Thermal Constants.
 
10
LANDSAT-handbook: chapter 9.2.4, Table 9.2 ETM+ Thermal Constants.
 
11
The term Satellite Projection as it is used here is no projection in real sense of the word. A LANDSAT data track is resulting of sequential lines along the satellite path. Each line is a central projection from the satellite position.
 
Literatur
1.
2.
Borg, E., Fichtelmann, B., Asche, H.: Assessment for remote sensing data: accuracy of interactive data quality interpretation. In: Murgante, B., Gervasi, O., Iglesias, A., Taniar, D., Apduhan, B.O. (eds.) ICCSA 2011. LNCS, vol. 6783, pp. 366–375. Springer, Heidelberg (2011). doi:10.​1007/​978-3-642-21887-3_​29 CrossRef
3.
Borg, E., Fichtelmann, B., Asche, H.: Cloud classification in JPEG-compressed remote sensing data (LANDSAT 7/ETM +). In: Murgante, B., Gervasi, O., Misra, S., Nedjah, N., Rocha, A.M.A.C., Taniar, D., Apduhan, B.O. (eds.) ICCSA 2012. LNCS, vol. 7334, pp. 347–357. Springer, Heidelberg (2012). doi:10.​1007/​978-3-642-31075-1_​26 CrossRef
4.
Lau, W.-L., Li, Z.-L., Lam, K.W.-K.: Effects of JPEG compression on image classification. Int. J. Remote Sens. 24(7), 1535–1544 (2003)CrossRef
5.
Berutti, V.: LANDSAT 7 ESA Stations Network Report - Focus on Product Generation, LTWG 11, LANDSAT Technical Working Group Meeting (USGS/NASA), Canberra, Australia, 4–8 February, 21 p. (2002)
6.
Bettac, H.-D., Reiniger, K., Brieß, K., Borg, E.: DLR/DFD presentation to the LGSOWG-30 Meeting, LGSOWG Meeting, Orlando, Florida, USA, 12–15 November, 22 p. (2001)
7.
Pollex, J.: Oral communication (2011)
8.
Schwarz, J., Bettac, H.D., Missling, K.-D.: Das DFD-Bodensegment für LANDSAT-7, DLR-Mitteilung 1999–2003, Mehl, D. (Eds.), Wessling, Germany, 20–21 October, pp. 49–56 (2000)
9.
Biasutti, R., 2000, Cloud Cover Evaluation, LTWG 8, LANDSAT Technical Working Group Meeting (USGS/NASA), Ottawa, Canada, July 17–22, 10 p
10.
Richter, R., Schläpfer, D.: Atmospheric/Topographic Correction for Satellite Imagery. DLR, Wessling (2011). DLR report DLR-IB 565-02/11
11.
Huang, L., Li, Z.: Feature-based image registration using the shape context. Int. J. Remote Sens. 31(8), 2169–2177 (2010)CrossRef
12.
Borg, E., Fichtelmann, B., Böttcher, J., Günther, A., 2009, Processing of remote sensing data, EP 1 637 838 B1
13.
Borg, E., Fichtelmann, B.: Verfahren und Vorrichtung zum Feststellen einer Nutzbarkeit von Fernerkundungsdaten, DP 10 2004 024 595 B3 (2004)
14.
15.
Irish, R.: LANDSAT 7 Automatic Cloud Cover Assessment. In: Sylvia, D. (Eds.) Proceedings of SPIE (4049) Algorithms for Multispectral, Hyperspectral, and Ultraspectral Imagery VI, pp. 348–355 (2000)
16.
Xu, Q., Wu, W.: ACRES Automatic Cloud Cover Assessment of LANDSAT 7 Images, Spatial Sciences Conference 2003 – Spatial Knowledge Without Boundaries Canberra, September 23–26, 10 p (2003)
17.
Slater, P.N., Biggar, S.F., Holm, R.G., Jackson, R.D., Mao, Y., Moran, M.S., Palmer, J.M., Yuan, B.: Reflectance and radiance-based methods for the in-flight absolute calibration of multispectral sensors. Remote Sens. Environ. 22, 11–37 (1987)CrossRef
18.
Markham, B.L., Barker, J.L.: Spectral characterization of the LANDSAT thematic mapper sensors. Int. J. Remote Sens. 6, 697–716 (1985)CrossRef
19.
20.
Gurney, R.J., Hall, D.K.: Satellite-derived surface energy balance estimates in the Alaskan Sub-Arctic. J. Clim. Appl. Meteorol. 22(1), 115–125 (1983)CrossRef
21.
MATHEMATIK, Kleine Enzyklopädie, Verlag Enzyklopädie, Leipzig (1970)
22.
Johnson, D.B., Flament, P., Bernstein, R.L.: High-resolution satellite imagery for mesoscale meteorological studies. Bull. Am. Meteorol. Soc. 75, 5–34 (1994)CrossRef
23.
Wu, Z.-J., McAvaney, B.: Sampling methods for climate model calculated brightness temperatures. BMRC Research Report No. 117, Bureau of Meteorology, Australia (2005)
24.
Ignatov, A., Lazlo, I., Harrod, E.D., Kidwell, K.B., Goodrum, G.P.: Equator crossing times for NOAA, ERS and EOS sun-synchronous satellites. Int. J. Remote Sens. 25, 5255–5266 (2004)CrossRef
25.
Bush, K.A., Smith, G.L., Young, D.F.: The NOAA-9 earth radiation budget experiment wide field-of-view data set. In: 10th Conference on Atmospheric Radiation, June 1999, NASA 1999 Technical Docs (1999)
26.
Duffett-Smith, P.: Practical Astronomy with Your Calculator, 3rd edn. Cambridge University Press, Port Melbourne, Cambridge, Madrid) (1988)MATH
27.
28.
Fichtelmann, B., Borg, E., Kriegel, M.: Verfahren zur operationellen Bereitstellung von Zusatzdaten für die automatische Fernerkundungsdatenverarbeitung, 23. In: Salzburg, S. et al. (Eds.) AGIT-Symposium, pp. 12–20. Wichmann, Berlin, Offenbach (2011)
29.
Lehmann, T., Oberschelp, W., Pelikan, E., Repges, R.: Bildverarbeitung für die Medizin-Grundlagen Modelle, Methoden, Anwendungen, p. 462. Springer, Heidelberg (1997)CrossRef
30.
Haberäcker, P.: Praxis der digitalen Bildverarbeitung und Mustererkennung. Hanser, München (1995)
31.
Fichtelmann, B., Borg, E.: A new self-learning algorithm for dynamic classification of water bodies. In: Murgante, B., Gervasi, O., Misra, S., Nedjah, N., Rocha, A.M.A.C., Taniar, D., Apduhan, B.O. (eds.) ICCSA 2012. LNCS, vol. 7335, pp. 457–470. Springer, Heidelberg (2012). doi:10.​1007/​978-3-642-31137-6_​35 CrossRef
32.
Fichtelmann, B., Guenther, K.P., Borg, E.: Adaption of a self-learning algorithm for dynamic classification of water bodies to SPOT VEGETATION Data. In: Gervasi, O., Murgante, B., Misra, S., Gavrilova, M.L., Rocha, A.M.A.C., Torre, C., Taniar, D., Apduhan, B.O. (eds.) ICCSA 2015. LNCS, vol. 9158, pp. 177–192. Springer, Heidelberg (2015). doi:10.​1007/​978-3-319-21410-8_​14 CrossRef
Metadaten
Titel
Design and Implementation of Data Usability Processor into an Automated Processing Chain for Optical Remote Sensing Data
verfasst von
Erik Borg
Bernd Fichtelmann
Christian Fischer
Hartmut Asche
Copyright-Jahr
2016
Buch
Leveraging Applications of Formal Methods, Verification, and Validation

Print ISBN: 978-3-319-51640-0

Electronic ISBN: 978-3-319-51641-7

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-51641-7_2