2_7_Remote_Sensing_Theory

Transkribiert mit noScribe Vers. 0.6.1  
Audiodatei: C:/Users/marti/BokuDrive/USAGE-NG/WP5/GIS Cours raw/2\_7\_Remote\_Sensing\_Theory.mp4  
(Start (hh:mm:ss): 00:00:00 | Modell: precise | Sprache: Auto (auto) | Sprecher:in erkennen: auto | Überlappende Sprache: 1 | Zeitmarken: 1 | Füllworte: 1 | Pausen markieren: 1)

S02: \[00:00:00\] Das ist einmal der erste, genau. (...) Und gut, dann würde ich vorschlagen, dass ich einfach einmal hineinspringe in einen theoretischen Blog. (.) Also ihr findet die Unterlagen auf der Boku-Learn-Seite. Auf der einen Seite gibt es einmal diesen theoretischen Blog. (.) Es gibt auch ein kleines Video, das ist mehr so ein Werbevideo von der ESA, also über Sentinel-Daten allgemein. Und dann gibt es einen praktischen Teil, also da bringe ich dann auch die Folien dazu. Und ihr findet dort auch so Erklärvideos, wie man wo Daten herunterladen kann. Auf das gehe ich dann auch noch näher ein. Also da gibt es ein paar Tricks, gibt es ein paar Möglichkeiten. Muss man schauen, was für eure Zwecke dann brauchbar ist. Und dann findet ihr auch Daten, die wir dann in der praktischen Arbeit benötigen. Also wer schon will, kann einmal nebenbei sich so Sentinel-Daten herunterladen und diese Daten einmal lokal auch abspeichern. \[00:01:05\] Dazu kommen wir aber eh später zu sprechen. Am Beginn, wie gesagt, ein bisschen was Theoretisches, vor allem was halt jetzt in der Praxis auch wichtig ist. Also es geht um Fernerkundung. Fernerkundung, also Remote Sensing. Auf die Definitionen, die überspringe ich ganz gerne. Also wir bekommen Informationen berührungsfrei aus der Entfernung, in dem Fall, in unserem Fall halt über die Erdoberfläche und was halt darauf sich befindet. Was jetzt wichtig ist, es gibt verschiedene Fernerkundungsverfahren. Also wir haben Verfahren, die auf einer Energiequelle beruhen. (..) Wir haben die Möglichkeit, mit der Sonne zu arbeiten. Dann sprechen wir immer von den passiven Verfahren. Das heißt, Strahlung kommt auf die Erdoberfläche, wird reflektiert, gelangt zu einem Sensor, der auf einem Flugzeug, Drohne, Satellit montiert ist und wird aufgezeichnet. Dann haben wir aber auch die aktiven Verfahren, wo wir eine künstliche Energiequelle haben, also Radarverfahren, Laserscanning, wo irgendwas ausgesandt wird, auf die Erde auftrifft und vom Sensor wieder registriert wird. (.) \[00:02:16\] Wir haben auch noch dazwischen, im Bereich der passiven Verfahren, auch die Möglichkeit, dass wir die Erde als Energiequelle verwenden, sprich wenn es um Thermalverfahren geht. Thermalbilder, da wird die Energie von der Erde ausgesandt. Also das ist nur wichtig, diese Unterscheidung aktive-passive Verfahren, wobei wir uns jetzt bei unserer Art der Fernerkundung auf die passiven Verfahren beschränken. Also Mikrowellen- und Radarverfahren, das ist eine ganz andere Technik. Das machen wir auf unserem Institut auch nicht. Da ist die TU spezialisiert und daher bleiben wir in diesem passiven Bereich, wo wir die Sonne als Energiequelle nutzen. Das ist einmal das Wichtigste am Beginn. Ich weiß nicht, wie weit ihr jetzt schon was über die elektromagnetischen Wellen gehört habt. Ich springe da ein bisschen drüber, was für uns wichtig ist, dass wir einen gewissen Teil des Sonnenlichtes für die Fernerkundung nutzen können, für unsere Sensoren. Was da wichtig ist, dass wir sogenannte atmosphärische Fenster haben. \[00:03:20\] Das heißt dort, wo die Atmosphäre nicht zu 100 Prozent, aber mehr oder weniger zu 100 Prozent durchlässig ist. Also wir können nicht das gesamte elektromagnetische Spektrum für die Fernerkundung nutzen, sondern nur einen Teilbereich. (.) Das ist vielleicht da auch noch nicht so spannend. Interessanter wird es, das habe ich jetzt schon erwähnt, Zusammenfassung. (.) Interessanter wird es dann, wenn es um die Reflexion geht und um die Reflexionseigenschaften und die Messungen. Man kann die Reflexion messen, also man kann das logischerweise messen, was von der Erdoberfläche reflektiert wird. Es gibt sogenannte Spektrometer. Wir haben solche Geräte bei unserem Institut, die wir dann für die Kalibrierung von Sensoren verwenden können. Also wo man im Feld die Reflexion misst. Ihr seht jetzt irgendwie Winterweizen, wie das aussieht an gewissen Punkten. Dann können wir Messungen durchführen und bekommen dann die Reflexion gemessen und können somit eben verschiedene Oberflächenmaterialien messen. Das ist einmal punktweise und ein Sensor, der dann auf einem Satelliten montiert ist, macht nichts anderes. \[00:04:27\] Allerdings eben nicht punktweise, sondern eben dann scannt er eben die Erdoberfläche ab und wir bekommen dann später eine Bildinformation. Aber das Prinzip ist immer, dass wir eben diese Reflexion erfassen möchten, messen möchten. Und dann eben Informationen über das Verhalten bekommen. (..) Da wollte ich eigentlich hin. Das weiß ich jetzt nicht, wie weit das schon im Kurs vorgekommen ist. (.) Diese Reflexionskurven, das kann man ja nicht nur jetzt mit dem Sensor messen, der vom Satelliten montiert ist, sondern auch auf einem Traktor montiert ist. (.) Daher weiß ich jetzt natürlich, wie ein Teil eingehen muss. Ich glaube, die Viktoria hat das schon gebracht.

S04: \[00:05:07\] Also sollte eigentlich schon bekannt sein.

S02: \[00:05:09\] Ich schaue mir mal das Feedback an. Vielleicht ein kurzes Nicken. (.........) Also was jetzt wichtig ist, und ich glaube, das ist das, was wahrscheinlich die Viktoria auch schon gebracht hat. Also wir haben immer einen gewissen Wellenlängebereich vom elektromagnetischen Spektrum, den wir nutzen können, wo die Sensoren kalibriert sind in diesem Bereich. Und wir können dann etwas messen, also die Oberfläche messen und bekommen dann die Reflexion zurück, wie immer die im Prozent angegeben ist oder in welchen Zahlenwerten. Wichtig ist nur, dass wir daraus dann sogenannte Reflexionskurven generieren können. Und da gibt es eben jetzt typische Reflexionskurven. Sei es Wasser, das es halt irgendwo im blau-grünen Bereich irgendwie so ein Maximum hat, das relativ gering ist. Und Wasser reflektiert zum Beispiel im nahen Infrarot dann nicht mehr. Und dann haben wir das, was für euch, für uns spannend ist, ist eben Vegetation. \[00:06:12\] Das ist nur ein typisches Beispiel für eine Reflexionskurve, wo wir eben dann so im grünen Bereich so einen kleinen Peak haben. Dann geht es im Rot wieder irgendwie runter. Und dann haben wir hier im Bereich des rotnahen Infrarots einen Anstieg. Das wird auch als Red Edge bezeichnet im Englischen. Also das ist ein sehr markanter Anstieg. Und da tut sich eben sehr viel. Da kann man sehr gut dann zwischen Vegetationsarten unterscheiden, aber auch über den Zustand der Vegetation an sich. Weil im sichtbaren Bereich, da variiert das Ganze sehr wenig. Aber gerade im nahen Infrarot, da schwankt es dann viel stärker. Also das ist vielleicht schon bekannt. (.) Aber das ist eben nochmal wichtig zu erwähnen. Und dann haben wir eben dann, ja die Kurve geht dann irgendwie weiter. Und es gibt verschiedene Einflussfaktoren auf die Kurve. (.) Habe ich da noch einmal irgendwie in einer Folie, wenn man das eben messen würde. Also wo am Beginn beim sichtbaren Bereich eben die Chlorophyllabsorption eine große Rolle spielt. (.) \[00:07:16\] Daher haben wir da eben sehr wenig Information auch. Also es reicht für das menschliche Auge dann aus, dass wir das in grün sehen. Aber wir sehen eben dann gerade im nahen Infrarot-Bereich, da tut sich sehr viel, dass eben die Zellstruktur dann verantwortlich für die Reflexion. Das nahe Infrarot wird eben von den Zellwänden verstärkter reflektiert. Und wir haben dann eben Reflexionswerte bei Vegetation, die ja zwischen 40 bis 50, 60 Prozent draufgehen können. (.) Also da passiert sehr viel. Und dann haben wir noch neben dem nahen Infrarot, dann hinten das mittlere Infrarot. Das hängt wieder, wie gesagt, von den Sensoren ab, auch bei den Satelliten, ob das erfasst wird. Aber da hätten wir auch dann Informationen ein bisschen über den Feuchtigkeitsgehalt der Pflanze, der Biomasse. Und wenn man Sensoren in diesem Bereich was messen kann, kann man auch da gewisse Rückschlüsse da ziehen. Da gibt es verschiedene Indizes, die man dann berechnen kann. (..)

S00: \[00:08:09\] Ich habe eine kurze Frage dazwischen. (.) Beim Sentinel kriege ich ja so Wassergehaltskarten, also mit der Feuchtigkeit. Und du hast vorher gesagt, Wasser wird nicht mehr reflektiert. (..)

S02: \[00:08:23\] Das hängt dann wieder von der Blattmasse ab. (.) Das hat ja eigentlich einen Einfluss. Wasser absorbiert im Prinzip, das nahe Infrarot. Aber je nachdem, wie viel dann da ist, wird dann ein Teil absorbiert, der Teil wird doch noch reflektiert von der Energie. Darum haben wir da eben diese Schwankungen. In manchen Bereichen wirkt sich das stärker aus, in manchen Bereichen weniger. (..) Schauen wir uns das Sentinel dann nachher vielleicht an. (...) Man muss eben wissen, dass wir eben das elektromagnetische Spektrum haben. Das heißt, wir haben unten in diesem Bereich eben immer die Wellenlänge aufgetragen. Jetzt hier bis ins mittlere Infrarot hinein, das im Englischen das Shortwave-Infrarot bezeichnet wird. Dann haben wir für uns das nahe Infrarot und den sichtbaren Bereich vom elektromagnetischen Spektrum. (..) Und was dann jetzt eben, wo man jetzt eben aufpassen muss, wenn man mit Fernerkundungsdaten arbeitet, sei es Sentinel, sei es in diesem Fall Landsat oder auch mit, jetzt sage ich mal, (..) \[00:09:28\] anderen Sensoren, die auf Drohnen oder Flugzeugen montiert werden, dass man jetzt schauen muss, welchen Bereich nehmen die Sensoren auf. Und wir haben da sogenannte spektrale Bänder oder spektrale Kanäle. Das heißt, das ist der Bereich, der von einem Sensor erfasst wird. Ich habe das wahrscheinlich auch von der Viktoria schon gehört. Und das gleiche Spiel gibt es eben auch bei Satellitensensoren. Wir haben hier Landsat TM, also Landsat ist ein US-amerikanisches Satellit. Und wir sehen hier, dass der eben in drei Kanäle, blau, grün, rot, im sichtbaren Bereich aufnimmt. Dann haben wir hier den Bereich des nahen Infrarots, der erfasst wird. Dann haben wir noch im mittleren Infrarot zwei Kanäle. Und wir hätten bei diesem Satelliten auch noch einen Thermalkanal drauf. Und das Thermal ist halt irgendwie erst bei 10 Mikrometern. Das ist hier nicht abgebildet. Also für uns interessant, für die Vegetationsanalyse sind eben die Kanäle, die halt vor allem halt hier im infraroten Bereich liegen. Mittleres Short-Late Infrarot, je nachdem wie es bezeichnet wird. Und im sichtbaren Bereich. (...) \[00:10:30\] Ja, wenn wir jetzt über Fernerkundung sprechen, also wir kratzen da jetzt an der Oberfläche. Also wir könnten da jetzt große Leerverschätten darüber machen und mehr darüber erzählen. Das heißt, das ist jetzt die Kurzfassung der Kurzfassung, was ich bringe. Worauf man immer aufpassen muss, ist, dass wir natürlich Störeinflüsse haben. Also der Sensor ist quasi weit weg. Wir haben eine Atmosphäre dazwischen. Und da passiert leider sehr viel. Wir haben Störeinflüsse. (..) Das kommt davon, was man mit den Daten machen möchte. Also wenn ich sage, ich möchte jetzt nur ein Bild haben, dann können wir die Störeinflüsse, wenn es nicht gerade Wolken sind, mehr oder weniger ignorieren. Wenn es nur um ein Bild geht, um etwas zu lokalisieren, wenn es um einfache Berechnungen geht, können wir es auch ignorieren. Wenn wir aber irgendwas quantifizieren möchten, wenn wir wirklich dann ins Detail gehen möchten, dann muss man aufpassen, dann müssen wir Verfahren anwenden, um hier die Störeinflüsse möglichst zu minimieren. Also eine Atmosphärenkultur durchzuführen. \[00:11:33\] Das ist dann schon ein bisschen jetzt so eine Hardcore-Fernerkundung oder Bildverarbeitung. Da gibt es verschiedene Ansätze. Ich komme darauf später zurück, wenn wir über Sentinel sprechen. Da gibt es nämlich verschiedene Produkte. Es gibt Produkte, die eben mehr oder weniger die Rohdaten liefern. Dann gibt es veredelte Produkte. Und natürlich ist es immer gut, wenn man ein Produkt bekommt, das möglichst korrigiert ist. Aber wichtig ist eben nur zu wissen, da passiert eben sehr viel. (..) Wir haben so ein Skylight, das heißt das Luftlicht. Also wir haben Partikel in der Luft, Aerosole, wo das Licht irgendwie gestreut wird. Und wenn es eben von der Sonne runterkommt, wird es schon gestreut, gelangt zur Oberfläche, wenn die Strahlung zurückkommt zum Sensor, wird die auch wieder irgendwie gestreut. Und dann haben wir noch verschiedene Einflussfaktoren, dass das Ganze nicht so einfach macht. (..) Aber das können wir uns dann später ein bisschen noch vielleicht anschauen, wenn wir dann über die Produkte sprechen. Aber das sollte man nur im Hinterkopf behalten, dass das eben nicht ganz so einfach ist, \[00:12:33\] was hier passiert. (...) Die Anwendungsbeispiele, die könnt ihr euch dann einmal durchlesen. Ja, also das Identifizierung von verschiedenen Kulturen, (...) die angebaut sind. Die Phenologie, Gesundheit, Status, Trockenstress. Es gibt eben verschiedenste Produkte, die man ableiten kann. Es gibt verschiedene Indizes, die man aus den Daten berechnen kann. Mehr oder weniger einfach. Also wir werden später dann den Vegetationsindex berechnen, der noch relativ einfach ist. Es gibt aber auch so andere Indizes, die verschiedene Parameter mit hereinnehmen und daraus etwas berechnen. Also da können wir nicht darauf eingehen, wenn uns die Zeit da zu kurz ist. Aber es geht einfach darum, dass man auf der einen Seite eben irgendwas kartieren kann, was die Kulturen kartieren kann. (.) Mehr oder weniger genau. Das hängt immer davon ab, wie einfach das auch ist und welche Sensorien ich zur Verfügung habe. \[00:13:34\] oder eben auch über die Vitalität, Gesundheit, Status, eben Trockenstress. Immer ein Thema, dass ich eben hier Veränderungen frühzeitig erkennen kann. (..) Das ist etwas, was unser Kollege, der Herr Vuolo, macht. Das kennt ihr vielleicht aus dem Agrarkommander und ich habe es vielleicht schon mal gesehen, wo eben auch die Fernerkundungsdaten mit meteorologischen Daten kombiniert werden. Das ist dann auch wieder eine Geschichte, wo das GIS wieder ins Spiel kommt im Endeffekt. Das heißt, wir haben als Informationsquelle (..) die Satellitenbilder, können daraus verschiedene Parameter ableiten und können das dann mit meteorologischen Daten kombinieren, sprich Verdunstung und dergleichen. Und der Francesco Wohl hat also ein System entwickelt, wo man dann eben hier (..) den Wasserbedarf an einem Feld sozusagen berechnen kann und das Ganze eben nicht nur für das gesamte Feld, \[00:14:36\] sondern ein bisschen so eben auf Basis der Sentinel-Daten dann so quasi pixelbezogen eine Information bekommt. Ihr seht es in diesem kurzen Beispiel eben, dass er halt hier so einen Wert berechnet, eben auf der Basis von den aktuellen Satellitendaten, sofern sie verfügbar sind. Es ist ja auch nicht immer so, dass wir immer Daten zur Verfügung haben, komme ich nachher gleich zu sprechen, und das Ganze mit meteorologischen Daten kombiniert und daraus eben Informationen an die Landwirte weitergeben kann und quasi eine Live-Information, wie ist der Wasserbedarf bei den Pflanzen. Also das ist eine sehr praktische Anwendung. Wie gesagt, wir können nicht ins Detail gehen im Rahmen von diesem Kurs, aber wir können es immer ein bisschen so anschauen, okay, wo könnte die Reise sozusagen hingehen. (....) Gut, ja, also andere Beispiele auch von unserem Institut mit Drohnen. \[00:15:36\] Also kann man das natürlich auch, die Kamera oder die Sensoren an eine Drohne dranhängen. In diesem Fall ist es mehr um eine Hangrutschung gegangen, wo man eben das Gelände analysiert hat. (...) Ja, Fernerkundungsapplikationen, die auf der Basis von Wettervorhersagen verwendet werden, gehen wir jetzt auch nicht darauf ein, aber nur, dass es eben gibt. Was eben wichtig ist bei Fernerkundungsdaten, dass wir hier Daten oft über einen längeren Zeitraum bekommen, nicht nur innerhalb eines Jahres, sondern auch über mehrere Jahre. Wenn eine Satellitenserie vorhanden ist, wie hier in diesem Beispiel Landsat, dann kann man das eben auch für so Veränderungskarten verwenden, heranziehen. Das ist eben ein großer Vorteil der Fernerkundung, dass wir eben Daten meist mehrmals im Jahr bekommen und auch über mehrere Jahre. Und wie bei Landsat zum Beispiel gibt es eine Satellitenserie, (..) die relativ ähnlich aufgebaut ist von den Sensoren her und von den Bereichen, die eben abgedeckt werden \[00:16:38\] und dass man solche Sensoren dann eben für eine Analyse der Veränderung heranziehen kann. (..) Das betrifft vor allem so Landbedeckung. Gibt es eben auch, also wie man hier sieht, zum Beispiel eben hier so versiegelte Bereiche, zu analysieren, was hat sich verändert. Gibt es eben verschiedene Analysen, die hier durchgeführt werden, auch in Österreich logischerweise. (..) Ja, Zeitreihen hier der Vegetationsindex, auf den wir nachher nochmal zu sprechen kommen, (...) der hier über mehrere Jahre gerechnet wird, auf der Basis von einem Satelliten namens MODIS, der eben so quasi weltweit uns Daten liefert und dann kann man eben solche Applikationen erstellen. (..) Wenn wir jetzt von Sensoren sprechen, die wir eben in der Fernerkundung verwenden, kann man unterscheiden logischerweise zwischen Flugzeug oder halt getragenen Sensoren oder auf einem Hubschrauber theoretisch oder auf einer Drohne und Satellitensensoren. \[00:17:39\] Und eines ist wichtig, wenn wir eben Sensoren irgendwie beschreiben möchten, dann kann man hier so verschiedene Charakteristika heranziehen. (..) Also es gibt ja hunderte von Satelliten, die eben für die Erdbeobachtung herangezogen werden können. Also jetzt bekannt ist Sentinel, bekannt ist vielleicht Lanza, das gibt aber auch noch zig andere. Und man muss sich einfach immer anschauen, was können diese Sensoren und kann dann ein bisschen so charakterisieren, wo sind die gut, was haben die für Eigenschaften. Und wenn man sich die Eigenschaft eben ansieht, dann haben wir hier die räumliche Auflösung, sprich die Detailgenauigkeit, die wir von dem Sensor erwarten können. Wir haben eine spektrale Auflösung, das ist eben, wie viele spektrale Kanäle, Bänder kann ein Satellit liefern, in welchem Bereich des elektromagnetischen Spektrums arbeitet dieser. Dann haben wir die radiometrische Auflösung, wenn man sehen, die Anzahl der Grauweite, die er erfassen kann. Und dann haben wir noch eine zeitliche Auflösung. Das heißt, wie oft liefert mir der Sensor überhaupt Daten? \[00:18:41\] Also es ist nicht so, dass der immer über Österreich des Satelliten steht und immer permanent jeden Tag uns Daten liefert, sondern das kann eben sein, dass der nur alle 16 Tage vorbeikommt oder dass er auch alle 15 Minuten Aufnahmen macht. Das hängt vom Sensor ab und da muss man eben schauen, also gleich vorweg, es gibt keinen Sensor, der alles kann. Diese eierlegende Wollmilchsau, die gibt es nicht bei den Satellitensensoren. Es gibt immer welche, die in dem einen oder im anderen Bereich sehr gut sind und man muss dann eben schauen, welcher Sensor passt für mein Projekt, für meine Anwendung am besten. (.) Was nämlich ins Spiel dazu kommt, ist, was deckt der Sensor auch ab, also was ich da unten unter Edition, also Zusatz, was auch noch wichtig ist, eben das, was der Sensor abdecken kann mit einer Aufnahme (.) und vor allem die Kosten. Also das ist dann auch, geht von bis, von gratis bis einige Tausend Euro, die ich für ein kleines Bild dann bezahlen kann. Muss man eben dann auch schauen. Ich meine, klarerweise, wir in der Uni arbeiten meistens dann mit den Gratis-Daten, \[00:19:41\] gibt es mittlerweile auch schon sehr viele, aber es gibt natürlich auch immer eine, vor allem eine besonders hohe, räumliche Auflösung haben möchte, dann wird es auch teuer, muss man eben dann entsprechende Daten zukaufen. Das versuche ich jetzt auch ein bisschen abzudecken und Beispiele zu bringen. Also die räumliche Auflösung ist klar, also wir arbeiten mit Rasterdaten, wir arbeiten mit Pixel und diese Pixel haben dann in der Natur eine gewisse Größe. Das können ein paar Zentimeter sein, können aber auch bei Satellitensensoren ein paar Kilometer sein, die so ein Pixel dann letztendlich groß ist. Aber das ist eben wichtig, diese räumliche Auflösung, im Englischen eben die Spatial Resolution, definiert uns eben, was wird von einem Sensor erfasst, mit welcher Detailgenauigkeit. Das reicht eben von wenigen Zentimetern bis mehrere hundert Meter oder auch Kilometer. Da springe ich ein bisschen durch. Ist klar, je näher ich am Objekt dran bin, desto detaillierter wird mein Bild werden. Das heißt, wenn ich eine Drohne habe, einen Sensor da drauf mache und knapp über den Boden quasi dahin fliehe, dann bin ich irgendwo im Zentimeterbereich. \[00:20:42\] Flugzeug bin ich auch noch so, ja, 30, 10, 20, 30 bis 50 Zentimeter sind da so gängig. Und bei Satellitensensoren ist es halt davon abhängig, was der Sensor kann. Geht runter eben auch bis einen halben Meter, aber dann habe ich wieder andere Einschränkungen. Werden wir uns dann noch ein bisschen anschauen, was es da für Möglichkeiten gibt. (..) Tempo passt hoffentlich. Also das ist so, reden wir jetzt noch den Mund, Fuß lege ich, wenn es irgendwie zu schnell ist, wenn es Fragen gibt, bitte so einhaken. Ja, also das nur so als Beispiel eben, das wäre der Eingangsbereich von der Boku beim Exnerhaus, in dem man eben ein Verhältnis hat, eben was Sensoren liefern. Muss man auch gleich wieder sagen, die Sensoren, die gratis sind, haben eine schlechtere räumliche Auflösung. Und natürlich die, wo es teuer wird, das sind die mit der hohen räumlichen Auflösung. Wenn man den Vergleich sieht, und dann möchte ich auf ein Problem hinweisen, wenn wir eben hier zum Beispiel 30 oder 20 Meter Bodenauflösung \[00:21:44\] bei einem Pixel haben, dann muss man berücksichtigen, was wird hier abgedeckt und dann sehen wir so ein Problem, das uns in der Fernerkundung sehr viel Kopfzerbrechen macht, ist, das nennen wir Mischpixel. Das heißt, das Pixel besteht aus mehreren verschiedenen Oberflächenmaterialien, aus verschiedenen Landbedeckungen, je nachdem, wo es natürlich liegt. Und das verfälscht natürlich unser Signal dann ziemlich. Und ich zeige dann gleich hier ein Beispiel, was könnte das sein. (...) Aus Zeitgründen machen wir jetzt da kein großes Suchspiel. Aber wenn man sich diesen Bereich, der hier rot markiert ist, so anschaut, das sind Landsatpixel, sage ich gleich, mit 30 Meter Bodenauflösung. Und wenn man dann das Luftbild oder das Orthophoto darunter legt, dann wird man eben sehen, ja, bei diesen Pixeln dann, was da passiert eigentlich, dass das eben das Pixel, das dann herauskommt, eigentlich eine Mischung aus allem Möglichen sein kann. Und dann eben nicht nur, wenn ich ein Feld dann zum Beispiel betrachte, \[00:22:45\] dann wird es vielleicht einfacher, aber auch nicht immer unbedingt, (.) dass eben hier dann verschiedene Informationen drin stehen können. Da muss man eben immer aufpassen auf die Qualität des Sensors. Also bei 30 Metern bekomme ich irgendwie eine Mischung aus allem Möglichen. In diesem Fall vom Hausdach über den Swimmingpool, der daneben liegt, dem Baum, die Grasfläche, das Auto, was davor steht. Und mit einer höheren räumlichen Auflösung kann ich natürlich besser meine Objekte auch abgrenzen und analysieren. (...) Ja, gut. Also da sehen wir noch einmal diese Problematik, dieser Mischpixel. Natürlich, je gröber meine räumliche Auflösung wird, desto mehr Mischpixel habe ich dann. Und da haben wir eben dann verschiedene Anteile von Oberflächenmaterial in einem Pixel abgebildet. Das immer im Hinterkopf behalten, dass man das immer ein bisschen so (.) relativieren muss. (..) Spektrale Auflösung haben wir vorher schon kurz angesprochen. Also wir arbeiten im Bereich des elektromagnetischen Spektrums \[00:23:46\] vom blauen bis ins mittlere oder auch thermale Infrarot hinein bei unseren passiven Sensoren. Es gibt dann so verschiedene Begriffe wie das Pankromatisch, das sind Schwarz-Weiß-Bilder. Es gibt Farbbilder im RGB, also Rot-Grün-Blau, wo ich dann drei spektrale Bänder zusammenbauen kann. Das haben wir in dem Kugelsgleich gesehen, wie man das machen kann. Wenn wir multispektral arbeiten, haben wir mehrere, mehr als drei spektrale Bänder zur Verfügung. Also bei Sentinel kann ich zum Beispiel zehn sinnvolle Bänder heranziehen für meine Analysen. Das ist ein multispektral und dann gibt es aber auch noch sogenannte hyperspektrale Sensoren, die halt dann (.) mehr als 20, meistens so 100, 250 spektrale Bänder, ganz schmale Bänder haben und da das eben abdecken können. (..) Und das ist eben das, worauf man eben schauen muss, wenn man einen Sensor heranziehen möchte, dann muss man eben schauen, was deckt der ab. Und hier seht ihr \[00:24:46\] so verschiedene Beispiele. Also angesprochen Landsat, das ist so diese, das ist so das Arbeitspferd in der Fernerkundung, das so seit Jahren (.) Daten liefert, auch eben gratis zur Verfügung stellt, wo eben verschiedene Bereiche abgedeckt werden. Jetzt europäischer Satellite Sentinel natürlich jetzt in Mode, dann sehen wir eben auch, dass wir hier verschiedene Bereiche abdecken und auch mit einer unterschiedlichen räumlichen Auflösung. Also das muss man auch immer berücksichtigen. Sentinel hat eine räumliche Auflösung von zehn Meter, aber nur in den Bereichen des sichtbaren Bereichs und des nahen Infrarots. (.) Dann haben wir noch bei Sentinel weitere Kanäle, diese 5678a, die so speziell diesen Bereich des nahen Infrarots abdecken, wo ich vorhin sehe, das ist ein Red Edge, also dort, wo es jetzt ein markanter Anstieg ist bei der Vegetation. Also im Hintergrund setzt es auf verschiedene Oberflächenmaterialien, gesunde Vegetation und dieser Bereich wird vor allem eben von Sentinel 2 näher angeschaut, (.) \[00:25:46\] allerdings mit einer Bodenauflösung von 20 Meter. Also wenn man jetzt sagt, juhu, (.) deckt den Bereich toll ab, aber ich habe eben dann nur 20 Meter. Das kann jetzt für Detailfragen wieder nicht ausreichend sein, aber jetzt muss man immer dann diesen Kompromiss eingehen und sagen, gut, das geht halt auch nicht besser. Die 60 Meter Bänder, das sind ja so im blauen Bereich, Cirrus, das sind mehr so Bänder, die für die Kalibrierung des Sensors herangezogen werden und für die Atmosphärenkorrektur, die sind jetzt nicht so interessant und die lässt man auch ganz gerne weg und das werde ich dann später noch einmal wiederholen, dass man dann eben vor allem mit Persenten, mit den Bändern arbeitet, im sichtbaren Bereich nahes Infrarot und das sind die dann, die so, und auch mittleres Infrarot im Bereich 10 und 20 Meter. (.) Aber das muss man ein bisschen im Hinterkopf behalten, sehen, was deckt der Sensor ab, in welchen Bereichen arbeitet der Sensor und vor allem dann auch mit welcher Bodenauflösung. (.....) Gut, ja, was das für einen Auswirkungen hat, \[00:26:47\] also die spektrale Auflösung sieht man hier, jetzt Worldview ist ein kommerzieller Satellit, wo ich dann sehr viel Geld ausgeben kann. Der hat halt dann nur in diesem Fall 1, 2, 3, 4, 5 spektrale Bänder, das heißt, wenn ich mir so eine Kurve, dann eine Reflexionskurve basteln möchte, Details anders sehen möchte, dann wird der irgendwo den sichtbaren Bereich rot-grün-blau abdecken und vielleicht noch zwei Kanäle im nahen Infrarot und das war's. Sentinel arbeitet dann schon anders, der hat dann noch mehrere Kanäle, eben 20 Meter Bodenauflösung, auch dann im nahen Infrarot und auch im mittleren Infrarot und liefert mir dann mehr Details über diese, also eine genauere Reflexionskurve oder eben Lanz oder wieder weniger Kanäle, dann ein bisschen eckig. Und das ist dann das Spannende, natürlich hätte ich gerne einen Sensor, der mir den ganzen Spektralbereich möglichst detailliert aufschlüsselt, das wären dann diese (.) Hyperspektralsensoren. Dann bekomme ich eine \[00:27:47\] feinere Kurve und kann dann mehr Details (.) unterscheiden und auch besser zwischen verschiedenen landwirtschaftlichen Kulturen oder eben den Zustand der Vegetation, kann ich detaillierter analysieren. (.) Aber wir müssen mit dem Leben, was gibt es oder was kann ich mir leisten sozusagen. (..) Die radiometrische Auflösung sind im Prinzip den Grauwertbereich, den der Sensor aufnehmen kann. Das ist dann auch wieder etwas mehr (..) für Feinschmecker, sage ich einmal. Die meisten arbeiten jetzt schon mit 16 Bit-Daten, das heißt wir haben hier 65.000 Grauwertstufen, wie den Sensor unterscheiden kann. Ältere Systeme wie Lanz hat aus 5 oder aus dem früher quasi, von den 80er, 90er Jahren, die haben halt dann mit 8 Bit-Daten mit 256 Grauwertstufen gearbeitet. Kann man auch wieder weniger Details erkennen. Was hier bei dieser radiometrischen Auflösung dann wichtig wäre, wäre ein Blick auf dieses Signal-to-Noise-Ratio, das heißt, der Sensor hat dann auch noch \[00:28:48\] gewisse Störeinflüsse an sich, aber das ist wie gesagt was für Feinschmecker, da ich schaue nicht drauf, ob dieses Verhältnis gut ist, sondern man schaut dann vielleicht bestenfalls drauf, okay, wie viele Grauwertstufen kann der liefern. (..) Das ist, glaube ich, vielleicht bekannt, dass es verschiedene Bit-Stufen gibt, also wenn man das eben betrachtet, ein Bit, also zwei Graustufen hilft uns eh nicht weiter, interessant ist dann ab 8 Bit und dann sieht man eben, dass hier mehr Details auch sichtbar werden, mehr Unterschiede vom Sensor erkannt werden können. Das heißt natürlich, wenn ich einen Sensor habe, der dann eine bessere radiometrische Auflösung hat, mehr Grauwertstufen liefert, dann ist es natürlich besser, als wenn er halt vielleicht eben nur 8 Bit hat. (..) Ich weiß nicht, wie weit das Bild da jetzt gut rüberkommt, das ist auch nur so ein Beispiel 8 Bit, 16 Bit und da vor allem im Waldbereich würde man sehen, dass man halt dann schönere, (.) besser die Unterschiede erkennen kann, was natürlich für eine Analyse dann eine automatisierte Auswertung auch besser ist, wenn man halt dann mehr \[00:29:48\] aus diesen Daten herausholen kann. (..) Gut, das wäre die radiometrische Auflösung. (.) Dann haben wir die zeitliche Auflösung, die man auch berücksichtigen muss, das ist, wie oft kommt ein Sensor vorbei. Das hängt natürlich von verschiedenen Faktoren ab, also wenn ich jetzt eine Drohne habe, dann bin ich mit der Drohne flexibel und kann jetzt quasi auch fünfmal am Tag die Drohne über mein Feld drüber fliegen lassen, sage ich einmal, überspitzt formuliert oder kann das täglich machen, bin flexibel. (.) Satellitensensoren, die fliegen natürlich auf einer gewissen Bahn und kommen dann nur zu einem gewissen Zeitpunkt wieder an der gleichen Stelle vorbei. (.) Es gibt Satelliten wie Meteosat, den ihr aus dem Wetterbericht kennt, wenn uns das am Abend präsentiert wird, wie die Wolkenbahnen ziehen, dann passiert das auf dem Meteosat, der ist sozusagen geostationär, das heißt, der macht die Erdrotation mit und bleibt immer auf dem gleichen Punkt sozusagen stehen. Geostationär heißt aber, der ist weit weg von der Erde, das heißt, der ist 36.000 Kilometer weg und \[00:30:49\] und dementsprechend, weil die Distanz groß ist, bekomme ich eine sehr schlechte räumliche Auflösung. Für die Analyse von Wolken reicht es, für globale Analysen reicht es auch, aber halt für unser Feld, das wir analysieren wollen, sind diese Daten natürlich dann unbrauchbar. Dann haben wir Modis, der fliegt zum Beispiel in 705 Kilometer Höhe und nimmt alle zwölf Stunden das gleiche Gebiet auf, es sind noch zwei Satelliten im Einsatz, die versetzt fliegen. (..) Klingt gut, zwölf Stunden, hat aber auch den Nachteil, dass er auch wiederum eine sehr grobe räumliche Auflösung hat, die im besten Fall bei 250 Meter liegt, in zwei Kanälen aber sonst auch mit 500 Meter oder einem Kilometer räumliche Auflösung arbeitet, also wiederum die Frage, was für was braucht es, ist nicht gleich schlecht, aber den verwende ich halt dann eher für (.) großräumige Analysen, kontinentale oder weltweite Analysen. (..) Sentinel haben wir schon angesprochen, hat im Prinzip wenn ich einen Satelliten betrachte, braucht er zehn Tage, \[00:31:50\] bis er wieder am gleichen Punkt ankommt, allerdings sind eben zwei Satelliten operativ im Orbit, also um 180 Grad versetzt und wir bekommen theoretisch alle fünf Tage bekommen wir Daten von Sentinel, der andere Satellit, den ich erwähnte, der Landsat, der kommt nur alle 16 Tage vorbei. (.) Das ist natürlich ein Problem, denn (.) soll es nicht, der jetzt ein Hurricane uns irgendwie zeigen, aber wir haben es in der optischen Fernerkundung eben mit einer Wolkenbedeckung sehr häufig zu tun und wo Wolken sind, kann der Sensor nicht durchschauen und natürlich je häufig ein Sensor vorbeikommt, desto höher ist die Wahrscheinlichkeit, dass es auch dann vorbeikommt, wenn gerade perfektes Wetter ist. Also perfektes Wetter heißt wirklich absolut keine Wolke, also nicht gerade Wetter, wo man sagt, ein paar Wolken stören uns nicht, sondern wir wollen ein größeres Gebiet wolkenfrei haben und da wird es schon etwas schwierig und natürlich eben je höher die räumliche, die zeitliche Auflösung, desto höher die Wahrscheinlichkeit, dass ich auch Daten bekomme. (.) Das werden wir dann sehen, wenn \[00:32:50\] man, wenn du mal oder selber das einmal durchspielst, die nach Daten zu suchen, dann werdet ihr eben sehen, wie schwierig das sein kann, dass ich von einem Feld eben mehrmals Daten im Jahr, oder von einem größeren, von einem Feld geht es vielleicht noch, aber von einem größeren Gebiet mehrmals Daten bekomme, die wolkenfrei sind, das ist ein Lotteriespiel oft. (....) Gut, ja, also Satelliten, was man auch sagen muss, nehmen manchmal nicht die ganze Zeit auf, also das ist so, dass die oft, also wie Lanzer, die haben so einen, oder (.) auch andere Sensoren, die halt so einen gewissen Plan haben, wie oft nehmen sie etwas auf und wenn es Gebiete gibt, die sehr häufig erfasst werden, dann werden die auch manchmal abgeschaltet oder wenn eben die Wolkendecke zu hoch ist, dann kann es eben auch sein, dass das Hensum mal etwas nicht aufnimmt. (..) Kommerzielle Satelliten, wie zum Beispiel RapidEye, die werden auch einfach oft nach Bedarf ausgeschaltet, also wenn ein Kunde sagt, ich hätte gerne zu gewissen Zeiten eine Aufnahme, dann wird das Hensum so programmiert, dass er zu \[00:33:52\] diesem Zeitpunkt dann aufnimmt. (...) Das kann auch sein, also gerade diese kommerziellen Satelliten, da kann ich eben on demand, also eben etwas bestellen und wenn ich dann, kann ich Zeitfenster angeben, wo ich eben Daten bekommen möchte und dann werden in den Sensoren hier programmiert und dann in diesem Zeitraum auch eingeschaltet. Beziehungsweise nehmen halt auch diese Betreiber manche Sachen auf Verdacht auf und versuchen dann die Bilder quasi zu verkaufen. Das betrifft dann vor allem, also man sieht es hier in Europa, Bereiche, die sehr dicht besiedelt sind, weil es davon ausgehen, dass dort halt Analysebedarf herrscht und dass dann die Wahrscheinlichkeit hoch ist, dass sie natürlich Daten verkaufen können. Dann Gebiete, die halt vom Betreiber, also muss ich sagen, da wird es uninteressant, weil dort kaum wer Daten kaufen wird, da wird das Satellit gar nicht eingeschaltet. Also das sind die kommerziellen Satelliten, nehmen on demand auf und (..) man kann dann aktivierte Daten auch kaufen, die etwas günstiger sind, aber eben on demand heißt, dass dann mehr Geld zu zahlen ist. (..) \[00:34:54\] Lange Rede, kurzer Sinn. (..) Ich habe schon erwähnt, es gibt keinen Sensor, der alles kann, der unsere tolle räumliche Auflösung bietet, der riesiges Gebiet abdeckt, der spektral fein aufgelöst ist und der auch noch gratis ist, den gibt es nicht und in der Praxis, wenn wir Projekte machen, wir müssen immer Kompromisse eingehen. Also je nachdem, wenn man sagt, okay, man hat unbegrenzt Geldmittel zur Verfügung, dann kann man natürlich sehr viel Daten auch zukaufen, ansonsten muss man halt schauen, dass man einen Kompromiss findet und wir landen meistens bei den Daten, die dann gratis sind. (..) Aber das ist eben das, worauf man eingehen muss, dass eben Satellitendaten, wenn man eine entsprechende räumliche Auflösung bekommen möchte, Geld kostet, sei es, wenn ich eine gute Drohne habe, kostet mich die Drohne auch Geld, aber ist vielleicht billiger als eben Daten, die ich eben befliegen lasse mit einem Flugzeug, dann wird es eben überhaupt sehr teuer, kann \[00:35:56\] aber auch eben notwendig sein, weil ich eben den entsprechenden Sensor auf dem Flugzeug montieren kann und weil ich eben dann auch ein bisschen zeitlicher flexibel bin und bei Satellitensensoren muss man eben auch schauen, ob die Qualität ausreicht und ja, also wie gesagt, es ist nicht so einfach, dann immer die entsprechenden Daten auszuwählen. (...) Befliegungen mit Flugzeugen, ja, wir haben die Kameras, die meisten Kameras, die jetzt zum Einsatz kommen, sind digitale Kameras und die nehmen meist in vier spektrale Kanäle auf, Rot-Grün-Blau und das nahe Infrarot. In Österreich wird so ein Gebiet alle drei bis vier Jahre beflogen, (.) das heißt Bundesamt für Eich- und Vermessungswesen, aber auch die Landesregierungen geben Befliegungen in Auftrag, das heißt, wenn ihr mal Daten irgendwo bekommen möchtet von einem gewissen Ausschnitt, Ansprechpartner wären da mal die Landes-GIS-Abteilungen, die eben dann auch eben Daten haben und dort kann man dann eben auch so vierkanälige Daten dann \[00:36:58\] kaufen, Rot-Grün-Blau und das nahe Infrarot und kann das eben dann, hat man dann, was ich, 30 Zentimeter Bodenauflösung von dem Gebiet. Wie gesagt, die Aktualität hängt davon, ob man das halt beflogen worden ist. Gut, die Kameras, ja, es gibt verschiedene Sensoren, wo ich die montieren kann, auch wichtig ist, wenn wir von Luftbildern reden, also wenn ihr irgendwo bei (.) einer Landesregierung Daten bekommen wollt, also man sollte jetzt nicht dort immer sagen, ich möchte ein Luftbild haben. Luftbild sind die Originalbilder, was für euch Sinn macht, sind eben geometrisch korrigierte Datensätze, die eben angepasst sind und bereinigt sind. Verzerrungen werden da herausgerechnet, das sind dann sogenannte Autophotos. Das ist der richtige Fachausdruck, den ich da erwähnen möchte. Also das Autophoto ist ein geometrisch verändertes Luftbild, wo man eben die Verzerrungen herausrechnet. Komplizierter Prozess, gehen wir jetzt nicht darauf ein, aber wichtig ist, wenn ich ein Autophoto habe, dann kann ich das Autophoto mit anderen Geodaten kombinieren. Das nochmal so, also \[00:38:01\] als Begriff hineingeworfen, also dass wir immer salopp von Luftbildern reden, meinen wir eigentlich Autophotos. Außer man ist wirklich im Bereich der Fotogrammetrie tätig und möchte etwas messen, dann wird es eben interessant. (..) mit Luftbildern zu arbeiten. Ja, so schaut eine Kamera aus, also Digitalkamera, Ultracam, vielleicht nur kurze Geschichte, das ist eine österreichische Entwicklung, wurde in Graz entwickelt, liefert eben Daten auch ins Nahe Infrarot hinein, ist so state of the art, das ist die beste Kamera und weil sie so gut war, ist sie von Microsoft aufgekauft worden und Microsoft verwendet mittlerweile eben diese Kamera und vertreibt diese Kamera, aber es ist eben eine österreichische Entwicklung, die auch in Österreich gebaut wird. Das wäre ein hyperspektraler Sensor namens High Specs. Also ihr seht, wie die auch im Flugzeug montiert werden. Es ist nämlich eine sehr komplexe Angelegenheit, dass das irgendwie dann sinnvoll Daten liefert. Ich möchte jetzt nur das Hyperspektral insofern erwähnen, weil wir eben hier 416 spektrale Bänder \[00:39:04\] haben und wir haben da mal ein Projekt gehabt im Lehrforst Daboku, wo eben der Lehrforst mit dieser Hyperspektralkamera beflogen worden ist, da gibt es Baumartenerkennung und Schadenserkennung und verschiedene Projekte, die hier verwendet worden sind, aber auch das gibt es, das kostet natürlich dementsprechend, also das ist eben nicht so etwas, was so gang und gäbe ist, sondern das hat uns die DLR, hat die Befliegung durchgeführt, die haben eben das entsprechende Flugzeug und das entsprechende Equipment und ist natürlich dementsprechend komplex. Nur was man sieht, was man da herausbekommt, ist übrigens der Franz im Feld, wer ihn erkennt, wo man dann eben, was ich eben zeigen möchte, sind diese Kurven, die man bekommt, diese Spektralkurven, die jetzt natürlich um einiges detaillierter sind, als ich von Satelliten dann bekomme oder auch von einem Ortofoto, das nur grobe spektrale Bänder hat, wo größere Bereiche abgedeckt werden, aber hier habe ich eine sehr feine spektrale Auflösung und was hier auch gemacht worden ist, nur auch Detail am Rande ist eben, dass wir im Feld zeitgleich mit der \[00:40:07\] Aufnahme von dem Flugzeug Messungen mit einem Spektrometer durchgeführt haben und dann kann man eben hier sehen, diese gezackten, die kommen eben vom Flugzeug und die glatten Kurven, die kommen von diesem Sensor, der hier im Feld gewesen ist und dann kann man eben diese Daten auch wie eine Kalibrierung verwenden, um eben diese Daten vom Flugzeugsensor zu korrigieren. (..) Das ist auch nur, wie gesagt, zu am Rande, aber man sieht eben, da steckt einiges natürlich dahinter, bevor man Daten bekommt. (...) Laserscanning ist bei euch jetzt vielleicht kein Thema, aber da gehe ich auch kurz drauf ein. Also wie gesagt, hier geht es vor allem so um die Geländeoberfläche, dass ich eben mit einem aktiven Verfahren die Erdoberfläche abtaste und dann eben ein Oberflächenmodell und ein Geländemodell bekomme. Oberflächenmodell heißt, dass eben hier dieser Impuls von diesem Laser auf ein Objekt auftrifft und dann teilweise gleich sofort \[00:41:11\] zurückreflektiert wird. Das wird als First Pulse bezeichnet und das, was dann unten am Gelände der Teil aufkommt und auch wieder reflektiert wird und aufgezeichnet wird. Das wird als Last Pulse bezeichnet und wenn ich eben diesen First Pulse und den Last Pulse heranziehe, dann kann ich eben hier einen Oberflächenmodell bekommen und im Englischen das Surface Model und wenn ich dann den Last Pulse, den letzten Impuls heranziehe, dann bekomme ich ein Geländemodell. Natürlich ist die Verarbeitung komplex und ich muss dann das ganze Kettenfiltern und so weiter und so fort, aber bei Laserscanning bekomme ich zwei Produkte. Also wäre mal mit (.) Laserscanndaten zu tun, weiß ich jetzt nicht, wie weit das bei euch ein Thema ist, immer ein bisschen aufpassen, welches Produkt brauche ich, verwende ich. Oberflächenmodell liefert mir eben alle Objekte, die quasi drauf sind, Bäume, Sträucher und Gebäude und das Geländemodell ist das bereinigte Modell, wo das eben dann auch herausgerechnet wird. Gut, Satellitensensoren (.) \[00:42:15\] fliegen hunderte im Orbit herum, also es gibt verschiedene in verschiedenen Höhenlagen sozusagen, also ich habe schon erwähnt. Wettersatelliten geostationär machen die Rotation der Erde mit, bleiben dann sozusagen auf dem gleichen Punkt, obwohl sie eben auch quasi auf einer Bahn sich bewegen, aber machen eben die Erdrotation mit, sind geostationär und dann wir arbeiten mit Sensoren, die hier in diesem sogenannten Low-Earth-Orbit arbeiten, also meistens so im Bereich 6, 7, 800 Kilometer Höhe fliegen die Sensoren, mit denen wir vorwiegend zu tun haben, wie zum Beispiel eben Sentinel Landsat. Gut, die fliegen auf verschiedenen Bahnen, habe ich schon erwähnt, die haben verschiedene Umlaufzeiten und kommen zu verschiedenen Zeiten an einem Punkt wieder zurück, da springe ich ein bisschen drüber. Wichtig ist, die machen kein Foto, das auf, also (.) so wie bei einer Luftbildkamera, wo es macht es klack und ich habe das ganze Gebiet aufgenommen, sondern die Sensoren, die auf Satelliten drauf montiert sind, das sind sogenannte Scannersysteme, also die tasten die Erde ab, entweder so wirklich wie hier, also im Englischen ist es so schön \[00:43:18\] bezeichnet, Whisk-Broom und Push-Broom. Broom übersetzt bedeutet der Besen, wieder eines dieser netten Wörter, also klingt gut und ist einfach nur der Wischbesen, der Schiebbesen sozusagen, also der eine fährt hin und her, pendelt hin und her und scannt, das wäre eben der Whisk-Broom-Scanner und der Push-Broom-Scanner hat eben mehrere Detektoren in einer Zeile montiert und fliegt auf seiner Bahn und nimmt dann eben so schubweise das Ganze auf. (..) Die Scannersysteme sind unterschiedlich montiert, es gibt auch welche, die verschwenkbar sind, hat dann den Vorteil, dass ich dann auch am gleichen Tag, wenn ich den Sensor schwenken kann, also nicht Nadir heißt eben, ich schaue gerade hinunter und Off-Nadir heißt, ich schwenke den Sensor und kann nach vorne oder zurückschauen zum Beispiel, wenn ich in der gleichen Bahn bleibe, also ein Long-Track, der Sensor fliegt, macht eine Aufnahme nach vorne, schwenkt den Sensor, schaut nach unten, schwenkt den Sensor, schaut zurück oder hat vielleicht auch mehrere Sensoren, die in verschiedene Richtungen schauen, gibt es auch. \[00:44:19\] Oder, was auch gemacht werden kann, das sind vor allem diese kommerziellen Produkte, der Sensor kommt auf einer Bahn daher am Tag 1, nimmt mein Gebiet senkrecht nach unten auf, kommt dann drei Tage später auf einer anderen Bahn daher und schwenkt den Sensor auf die Seite und nimmt das gleiche Gebiet noch einmal auf. Haben wir natürlich Verzerrungen, natürlich komplexe Geschichte, aber ich kann damit die zeitliche Aufrüstung verkürzen. (....) Das ist ein nettes Video, ich weiß nicht, ob das bei euch jetzt ankommt. Seht ihr das Video? (.) Sehr schön, das ist Sentinel, das ist eine Animation, die Sentinel arbeitet mit zwei Sensoren. Da wird eben die Erde abgetastet und man sieht eben, die sind 180 Grad versetzt. Und dadurch schaffen wir, also wird eben das geschafft, dass eben alle fünf Tage eben ein Bild von der gleichen Position quasi zur Verfügung steht. Und wenn man dann eben die ganze Erde eben abtastet, dann kann man das eben dann innerhalb von fünf Tagen auch theoretisch durchführen. \[00:45:19\] Natürlich haben wir nicht so ein schönes Bild bekommen. Aber das Wichtige ist eben diese Funktionsweise, dass wir hier diese zwei Sensoren haben und dadurch eben eine bessere räumliche Auflösung haben. Also wir bekommen dann so Streifen, die der Sensor erfasst. Das ist das Abtastsystem. Diese Vorwärtsbewegung, dadurch bekomme ich dann eben auch ein Bild. Im Prinzip haben wir so eine zeilenweise Abtastung, aber eben dann durch die Vorwärtsbewegung bekommen wir ein Bild und die Daten werden dann so in sogenannten Tiles, in so Kacheln abgegeben. (.) Also wenn wir dann noch Daten suchen innerhalb von so einer Satellitenbahn, habe ich am gleichen Tag die Aufnahme und die benachbarten Bilder, die stammen halt von einem anderen Tag dann. (...) Gut, was ich vorher erwähnt habe, ist auch, was kann ein Sensor abdecken? Nicht ganz unwesentlich, weil es eben damit ja mit der räumlichen Auflösung auch zu tun hat. Und dann sehen wir eben, dass kommerzielle Satelliten wie Worldview 3 oder Pleiades, die decken nur einen kleinen Teil ab. Die haben 13 Kilometer, 20 Kilometer eine Abdeckung. \[00:46:23\] Also ein Bild ist 20 mal 20 Kilometer groß. Das heißt, wenn ich eben einen größeren Bereich, ein Bundesland abdecken möchte, wenn ich Vorarlberg mit Worldview 3 abdecken möchte, dann brauche ich halt mehrere Tage, Wochen, bis das theoretisch der Fall sein kann. Ich brauche auch dementsprechend mehr Gelder. Dagegen eben, Lanz hat 180 Kilometer oder Sentinel 290 Kilometer, die mit einem Streifen, die Streifenbreite aufgenommen wird und 290 mit 92 Kilometer werden das gesamte Bild, das ich bekommen kann. Wird aber auch noch kleiner portioniert, weil sonst die Datenmenge zu groß wird. Also das ist das nächste Problem, was wir haben. Aber nur mal um zu sehen, eben ein Sensor deckt einen gewissen Bereich mit einer Aufnahme ab und da muss man eben schauen, welchen Sensor nehme ich, weil denke ich dann auch damit zusammen eben, was kann der Sensor für einen Bereich mit einer Aufnahme abdecken. Muss man auch ein bisschen im Hinterkopf behalten. (...) Gut, ja, also natürlich je näher ich am Objekt dran bin, desto kleiner ist der Bereich, den ich aufnehmen kann. Das soll damit natürlich abgedeckt werden. \[00:47:24\] Also wenn ich sehr große Bereiche aufnehmen möchte, sind die Satellitendaten von Vorteil. Natürlich, wenn ich nur einen kleinen Bereich, ein Feld fliegen möchte, dann wäre natürlich eine Drohne sinnvoller. Bekomme ich auch die räumliche Auflösung. (.) Muss man eben schauen, was habe ich zur Verfügung und was kann ich einsetzen. (..) Nur so ein paar Highlights, was hier technisch möglich ist. Also nur so diese kommerziellen Satelliten. Da gibt es vor allem einen so einen Global Player, nämlich den nennt sich Digital Globe. Das ist ein Zusammenschluss. Die haben da sich mehrere Firmen dann schon zusammengetan oder wurden aufgeschnupft, die halt verschiedene Sensoren im Orbit haben. (.) Und das sind die, die halt natürlich viel Geld machen möchten. Daher kosten die Bilder auch und die versuchen eben mit Firmen zu konkurrieren, die eben Luftbildaufnahmen machen. In diesem Bereich gehen sie hinein. Wir haben eine räumliche Auflösung mit Schwarz-Weiß-Bildern, die geht bis auf 30 Zentimeter runter mittlerweile. Meistens werden die Daten ein bisschen schlechter angeboten mit einem halben Meter, aber so \[00:48:25\] einen halben Meter bekomme ich Schwarz-Weiß-Bilder, ich sage mal salopp wieder, Farbbilder im Sichtbarenbereich nahe als Infrarot, die bekomme ich so mit 1,25 Meter Bodenauflösung. Also da wird es schon ein bisschen schlechter. Nur um eben zu sehen von der Detailerkennbarkeit, also das geht in Richtung Luftbilder. (..) Wie gesagt, die Sensoren sind verschwenkbar bei diesen kommerziellen Produkten und man kann dann entweder sagen, ich möchte einen langen Streifen haben oder ich möchte drei Streifen haben und dann wird das dementsprechend programmiert. Und die Kosten sind jetzt ein bisschen schwer zu beurteilen, weil es jetzt keine Preisliste gibt bei diesen Betreibern. Archivierte Daten bekomme ich um ein paar hundert Euro. Die sind dann älter. Und wenn ich wirklich programmieren lasse und aktuelle Aufnahmen bekomme, dann kann so ein 10x10 oder 13x13 Kilometer Bild kann schon 1-2.000 Euro kosten. Also von bis, ja. Also das ist Verhandlungssache, weil man sich davon abhängt, wie viel, wie groß ist mein \[00:49:25\] Gebiet, wie viele Bilder kaufe ich. Hier gibt es immer so einen Mengenrabatt. Also wenn ich sage, ich lasse mein Gebiet alle, ich weiß nicht was, zwei Monate befliegen, dann wird auch das Programmieren billiger. Aber das geht ja nicht wirklich in tausende Euros. (.) Bitte? (.........)

S04: \[00:49:50\] Ich glaube nicht, dass das eine Frage ist.

S02: \[00:49:51\] War nur ein Kommentar, der bei mir jetzt akustisch nicht angekommen ist, aber da möchte ich auch nicht allzu viel sagen, weil ich die Preislisten eben nicht kenne, die auch nicht öffentlich sind. Dann kann man zu den Betreibern hingehen, dann kann man verhandeln und bekommt dann irgendwelche Preise. (.) Das ist wahnsinnig schwer da zu sagen. Also generell ist es nur, ja, es gibt eben gratis und die kommerziellen, da wird es dann meistens sehr teuer. Worldview 3 ist schon ein bisschen ein interessanter Sensor, weil der auch, man sieht es hier dann im nahen Infrarot, mehr Bereiche abdeckt, auch mit einer entsprechenden guten Bodenauflösung. Der hat 16 Kanäle. Auch im mittleren Infrarot, ich denke, das hat, was ich vorher gezeigt habe bei der Reflexionsgruppe, was für die Vegetation interessant ist. Allerdings eben der Nachteil ist eben, dass er teuer ist und dass er eben hier nur diese (.) 13 Kilometer großen Bilder eben liefert und man eben dann in einem größeren Gebiet viel mehr Bilder braucht, um das abzudecken. (.) \[00:50:54\] Ja, das sind also diese quasi Werbebilder von den Firmen, dass man eben sieht, mit welchem (.) einerseits gibt es das Pankomatische mit einer sehr hohen räumlichen Auflösung, also man sieht hier Kolosseum in Rom, man sieht hier so die einzelnen Punkte, das sind Menschen und man sieht auf der anderen Seite eben diese multispektralen Daten, die ich dann habe, die sind eben schlechter räumlich aufgelöst und es gibt dann auch ein Produkt, das nennt sich das Panschartend. Da wird eben dieser Pankomatische Kanal mit den multispektralen Kanälen kombiniert. Das ist ein rechnerisches Verfahren, wo man eben dann die Auflösung der multispektralen \[00:51:58\] Kanäle verbessern kann. (...) Wenn man eine optische Geschichte, wenn man irgendwelche Quantifizierungen machen möchte, Analysen machen möchte, ist das Produkt eher nicht so. Aber nur das am Rande. Ja, Worldview 4, also wenn man so Bilder sieht oder auch in den Medien sieht, die von eben so Satellitensensoren kommen, das ist Luftbildqualität im Prinzip, aber wenn man ein Detail weiter hineingeht, dann würde man dann doch die Pixel sehr stark sehen. Ja, ich spring da jetzt ein bisschen drüber. Das sind jetzt auch so kommerzielle Satelliten, die eben recht nette Beispiele haben, immer recht nette Bilder liefern, die funktionieren alle nach dem gleichen Schema, kleiner Bereich wird aufgenommen, meist eben ein eingeschränkter spektraler Bereich und vor allem eben kommerziell und dementsprechend dann legt man einiges dafür ab, um Daten zu bekommen. (..) Für uns sind natürlich immer interessant, die gratis sind. Landzeit habe ich schon erwähnt, eine Zeitreihe seit den 70er Jahren mit ähnlichen charakteristischen Eigenschaften. \[00:52:59\] In den 70er Jahren des letzten Jahrhunderts hat man natürlich nicht die räumliche Auflösung gehabt, aber dennoch vergleichbare Bereiche wurden abgedeckt. (..) Wir sehen hier Landzeit 8, der aktuelle, mit eben 30 Meter Bodenauflösung, pankomatisch noch ein Kanal mit 15 Meter dabei. Alle 16 Tage kommen da vorbei, ist gratis, gibt es auch eine Suchmaschine, das sage ich dann gleich, und hat eine Reihe von spektralen Kanälen, sichtbaren Bereich, nahes Infrarot, mittleres Infrarot und hat auch vor allem zwei Kanäle im thermalen Infrarot, also wo ich dann so die Wärmeunterschiede, das quasi Wärmebilder machen kann. (...) Ja, sieht man eben diese Produkte, die man ableiten kann, also vor allem Landbedeckung, Landnutzung und vor allem diese Oberflächentemperaturen kann man eben aus diesen Sensoren ableiten, wobei eben die Oberflächentemperaturen, das weiß ich gar nicht auswendig, was haben wir gehabt, wo es da stehen, ja 100 Meter ist dann so eine Rasterzelle groß bei Thermalbilden, \[00:54:00\] also es ist auch nicht so für kleine Rämmige Analysen zu verwenden. (..) Ja, Sentinel ist der, der auch vorher schon gefallen ist, das Sentinel ist eben diese Satellit aus dem ESA oder europäischen Copernicus Programm, mittlerweile eben zwei im Orbit, die eben alle fünf Tage Daten liefern. Dann, wie schon zuvor erwähnt, wir haben Bänder im sichtbaren Bereich nahes Infrarot mit 10 Meter Bodenauflösung, was sehr gut ist. Wir haben dann noch ein paar Bänder im nahen Infrarot mit 20 Meter Bodenauflösung und die mit 60, die kann man vergessen, weil uns die nicht weiterhelfen ist, mehr für Kalibrierung zu verwenden. (.) Ihr seht es da, weil es da gerade ist, dieses Referenzsystem, das sind so diese Kacheln, die vom Sentinel abgegeben werden, also wenn man irgendwo ein Gebiet abdecken möchte, da muss man eben schauen, welche Kacheln trifft drauf zu und kann dann nach dieser auch dann suchen und diese auch herunterladen. Hier noch einmal so die Lage der spektralen Bänder, aber bevor es schon erwähnt, möchte jetzt nicht nochmal drauf eingehen, aber wir haben eben die 10 Meter und die 20 Meter \[00:55:02\] Bänder, die eben für uns interessant sind. Ja, und kann dann eben schöne Kurven daraus ableiten mit verschiedenen Oberflächenmaterialien, jetzt hier sind hier die Pixelwerte, nicht die Reflexionswerte, aber wie man eben sieht, und hat eben eine sehr feine Auflösungsmöglichkeit und das ist eigentlich im Moment das Beste, was gratis vorhanden ist. Ja, hier nochmal der Vergleich, räumliche Auflösung, Sentinel-2, Landsat und halt Luftbilder. Klarerweise Luftbilder sehe ich mehr, aber wir haben keine schlechte spektrale Auflösung und natürlich nur alle paar Jahre Luftbilder zur Verfügung nehmen. In den meisten Fällen, wenn ich mich gerade selber befliegen lasse und Sentinel erleben, haben wir eben eine halbwegs adäquate räumliche Auflösung, auch in einer sehr hohen zeitlichen Auflösung und auch spektralen Auflösung. (.) Ja, die Mode ist nur zu erwähnen, der eben uns alle 12 Stunden Daten, also jeden Tag ein Bild liefert, theoretisch, aber eben mit entsprechend schlechten räumlichen Auflösung, hätte aber eine gute spektrale Auflösung, aber wird eben vor allem so für weltweite oder \[00:56:04\] kontinentale Analysen herangezogen. (....) Auf die meteorologischen gehe ich jetzt nicht ein und damit habe ich jetzt einen Crashkurs in der Theorie Fernerkundung euch an den Kopf geworfen, sozusagen. (..) Gibt es einmal Fragen dazu? (13 Sekunden Pause)

S04: \[00:56:37\] Ich sehe immer die Frage, wenn es keine Frage gibt, ist alles klar oder wurde es so wenig verstanden? (.)

S02: \[00:56:43\] Vielleicht war es auch zu schnell von meiner Seite, das ist natürlich auch jetzt eine Sache, aber ich glaube, es geht jetzt auch nicht darum, dass wir da so ins Detail hineingehen. (.) Es sollen ein paar Dinge halt hängenbleiben. (..) Auf die habe ich jetzt versucht hinzuweisen. (.) Ich weiß auch nicht, wie weit das bei euch ein Thema ist und was ihr brauchen könnt. (..)

S03: \[00:57:07\] Ich sage Ihnen nur eine kurze Frage. Ja. Die fünf Tage sind ja quasi das Maximum. Also noch fünf Tage hat er wirklich alles abdeckt. (..)

S02: \[00:57:16\] Naja, theoretisch sage ich einmal.

S03: \[00:57:17\] Ja, genau. Aber wenn man die Kurven da anschaut, da gibt es ja dann die Schnittpunkte, wo man ja eigentlich viel enger ist, oder?

S02: \[00:57:23\] Ja, überlappt teilweise, ja. Dann hätte ich auch, aber das ist halt von der Bahn her, also beim Äquator her, habe ich dann vielleicht auch überlappt eine Höhe und ich bekomme eine höhere Auflösung. Aber generell, also im Schnitt fünf Tage ist eben das, was ich bekommen kann.

S03: \[00:57:37\] Okay, also wir liegen ja nicht jetzt zufällig in Österreich da auf einen Schnittpunkt, wo man ja alle zwei Tage drüber fliegt. Nein, nein, leider nicht. Okay. (..)

S01: \[00:57:45\] Und aus den Erfahrungswerten der Vergangenheit, wie oft sind die Daten dann aufgrund von Bewölkung und Sonstiges verwendbar in einem Jahr? Kann man da irgendwas sagen oder kann man gar nichts sagen? (..)

S04: \[00:57:56\] Kommt darauf an, wo man ist, in den Alpenregionen weniger, irgendwo in Burgenland mehr. Also es hängt wirklich von der Bewölkung ab und von der Wettersituation. Also Burgenland mehr Sonnentage besser, irgendwo im Enztal mehr Bewölkung schlechter. Also das kann man so, ist wetterabhängig, kann man leider nicht verallgemeinern.

S01: \[00:58:16\] Aber was heißt weniger und was heißt mehr? (.) Wir haben 365 Tage, alle fünf Tage, was kann man so zehnmal im Jahr, zwanzigmal im Jahr? Ja, wahrscheinlich kann es noch die Sonnentage gehen, ne? (.)

S02: \[00:58:29\] Auch nicht unbedingt. Da gibt es ja eine Liste. Das ist ja die Geschichte, dass man oft sagt, heute ist ein super Wetter und es ist ein Sonnentag und ich habe aber irgendwo die Wäldewolken sitzen. Ja, das erste Indikator, in welchem Gebiet man ist, ne? Aber ich muss jetzt gestehen, ich habe jetzt keinen statistischen Wert, wo ich sage, im Schnitt, (..) Daumen mal B, hätte ich gesagt, so wirklich, ja, es hängt auch vom Gebiet ab. Ich kann euch jetzt ein Beispiel dann zeigen, wo man sagt, das Feld, das wir in Groß Enzersdorf haben, ist sogar wolkenfrei und da kriege ich sehr viele Daten. Aber wenn ich jetzt das Gebiet, das größere Gebiet betrachte, dann schaut es wieder schlechter aus. (....)

S01: \[00:59:11\] Also, der Hintergrund meiner Frage ist, die Sentinel-Daten sind momentan, werden eigentlich von vielen FMS-Anbietern oder sonstiges als TES herangezogen für diverse Berechnungen von Applikationskarten. Und wenn man sich das jetzige Früh anschaut, dass bei uns eigentlich Zeit, was jetzt sechs, sieben Wochen, acht Wochen fast jeden zweiten Tag regt und doch stark bewölkt ist, in einer Zeit, wo ich aber Düngermaßnahmen, wo ich Pflanzenschutzmaßnahmen setzen soll, dann stellt sich für mich natürlich die Frage, es sind die Sentinel-Daten wirklich eine Basis, die mir da helfen kann. (...)

S02: \[00:59:43\] Wir haben nichts anderes. (......) Und wenn wir nichts haben, haben wir nichts.

S01: \[00:59:53\] Das ist der schlechteste Kompromiss, der beste Kompromiss, Entschuldigung.

S04: \[00:59:57\] Nein, also das ist halt, wenn man das Beispiel nimmt, zum Beispiel, was der Kollege Wohlo gemacht hat bei der Wasserberechnung, der schaut halt, wann sind gute Bilder da und dann nimmt er die Werte und dann rechnet er modellbasiert auch dazwischen weiter. Also der hat dann ein Evapotranspirationsmodell dazwischenlaufen, wo er so Zwischendaten überbrücken kann. Aber man kann es eigentlich nicht so allgemein sagen und das kommt halt immer auf die Anwendung an. Wenn ich zum Beispiel das sehe, ich möchte für Düngekarte das machen, dann kommt es jetzt wieder darauf an, möchte ich in allgemeinen Vegetationszustand beurteilen, dann ist es wahrscheinlich nicht so gut geeignet, weil ich genau den Zeitpunkt nicht kriege, wo ich jetzt gerade fahre oder vielleicht eventuell nicht so gut hinkomme. Möchte ich jetzt aber so eine Biomassekarte haben oder so eine Biomassekarte mir irgendwo bestimmen, wo ich jetzt vielleicht eh zwei, drei Jahre mitteln möchte, um das klarer darzustellen, dann ist es gut geeignet. Also man muss da immer so ein bisschen mitdenken und deswegen glaube ich, ist auch das jetzt gut gewesen, was der Thomas einfach gemacht hat. \[01:00:57\] Es gibt nicht diese eierlegende Wollmichsau, sondern man muss diese Rahmenbedingungen wissen und verstehen und dann sagen, kann ich das für mein Problem heranziehen oder nicht. (..)

S02: \[01:01:08\] Also noch zu erwähnen, was eben der Norbert erwähnt hat, dass ich eben dann zwischen verschiedenen Zeitpunkten dann quasi interpolieren kann auch. Also man kann dann, es gibt dann verschiedene Ansätze, ich lade alle Daten herunter, ich nehme dann die Gesenten davon ab, wo ich was analysiere. Also es gibt eben, wie gesagt, auch wenn das ein großes Gebiet, das gesamte Bild, das ich quasi habe, wo viele Wolken drauf sind, manche Bereiche sind dann doch wieder wolkenfrei. Also das ist dann auch, (...) so kann ich das zusammenstückeln auch. Also das gibt es auch. Man könnte auch theoretisch verschiedene Sensoren nehmen (.) und kombinieren. (.) Auch das gibt es. Auch da gibt es Applikationen, die nicht nur auf Sentinel zugreifen, sondern auch auf verschiedene andere Sensoren, die halt auch vielleicht gratis sind oder billig sind und hier eingesetzt werden können. So Franz jetzt. (.)

S05: \[01:02:02\] Bei der Francesco, wo Olaf vorhin erwähnt wurde, er macht genau das, dass er zum Beispiel die Modis-Daten, die er jeden Tag zur Verfügung stehen, dann unter anderem auch hernehmen kann, um da jetzt sozusagen nicht nur zu interpolieren zwischen zwei Zeitpunkten, wo jetzt dazwischen gerade Wolken waren, sondern dass er dann schon gezielter (..) ein neues Bild sozusagen oder eine neue Information generieren kann an einem Ort, wo im Moment vielleicht dort Wolken sind. (.) Und ich glaube, wichtig ist ja noch, es sind die Wolken, es sind die einen und dann gibt es aber nur die Wolkenschatten, die einem auch sehr viel an Informationen wegnehmen können. Also das sind beide Aspekte. Wenn man das alles nicht haben wollte, dann bräuchten wir eigentlich Radotaten. Also wenn man jetzt eine Analyse hat im Regenwald, dann müsste man dort eigentlich dann mit Radotaten arbeiten. Und vielleicht ist es die Zukunft, dass irgendwann mal Radotaten für solche Zwecke \[01:03:03\] dann auch mehr eingesetzt werden. Nur die Prozessierung dieser Radotaten ist wesentlich aufwendiger.

S02: \[01:03:09\] Man muss aber Radar anmerken, also wenn wir gerade von Vegetation sprechen, (..) dann sprechen wir von einem Bereich, wo sich eben gerade im Nahes Infrarot sehr viel abspielt und dass da Radardaten, die können zwar durch die Wolken durchschauen, aber eben im Bereich der Pflanzenwachstum oder Gesundheitszustand und, und, und, dass uns die da eigentlich relativ wenig weiterhelfen. Also Radar klingt immer gut, man sagt, man schaut auch die Wolken durch, aber die Verarbeitung ist dann extrem kompliziert, wie der Franz schon gesagt hat. Und vor allem gerade im Vegetationsbereich (...) sind die Erfahrungen eben, man kann vielleicht zwischen verschiedenen Arten irgendwie unterscheiden oder Baumarten vielleicht oder irgendwas auch immer aufgrund der Struktur, weil ich hier vor allem die Struktur habe, aber jetzt mit Pflanzen her, da kommen wir um die optischen Daten eigentlich nicht richtig drum herum.

S05: \[01:03:59\] Und rein von der Fernerkundung könnte man jetzt natürlich argumentieren, wenn Wolken da sind, dann habe ich den Vorteil, dass ich keine Schatten habe und wenn ich dann zum Beispiel eine Drohne fliegen lasse, dann habe ich vielleicht noch eine bessere Aufnahme, möglicherweise als wenn das sogar noch eine Beleuchtung wäre. (....)

S01: \[01:04:19\] So würde ich das.

S05: \[01:04:20\] Also sowas kann auch vorkommen. Nur die Drohnen sind halt immer für kleinräumige Sachen, sind super, aber wir haben ja da mit den Satelliten große Flächen abgedeckt und sowas wird dann halt sehr schnell dann unrentabel, das mit einer Drohne zu fliegen.

S02: \[01:04:37\] Aber vielleicht, um auf die Frage von Robert zurückzukommen, eben ist Sentinel, ich bringe auch ein Beispiel über Zeit rein innerhalb eines Jahres von einem Beispielfeld, dann sieht man auch vielleicht ein bisschen besser diese Probleme, die auftreten, eben was das dann an Wolken sind und was kann ich dazwischen machen. Also vielleicht kommen wir auf die Frage nochmal später zurück (...) und ich würde vorschlagen, wir springen in den mehr praktischen Teil hinein, auch was die Datensuche betrifft. (...) Ich muss den Bildschirm wieder freigeben. (..) Ihr solltet da jetzt wieder meinen Bildschirm sehen. (..) Ja. (...) Gut. (....) Es gibt verschiedene Suchmaschinen. Gleich vorweg, also ich zeige es noch in Folien auch nochmal vor. Es gibt hier drei so Filmchen, sind jetzt auf Englisch, die drei Suchmaschinen beschreiben. Das Prinzip ist eigentlich immer gleich. \[01:05:37\] Ich kann es auch dann praktisch vorzeigen. (.) Der Earth Explorer, den wollte ich eigentlich vorzeigen, mit dem er der angenehmste ist. Der ist aber gerade außer Betrieb, schlauerweise die Suchmaschine. (..) Aber generell kann ich immer ein Gebiet einschränken und ihr seht hier auch eine Liste mit verschiedenen Suchmaschinen (.) und die Beschreibung, die es hier dazu gibt, also viele können das Gleiche und ich habe eigentlich hier die angeführt, die ich als am sinnvollsten erachte. Das ist eben dieser Earth Explorer, weil der benutzerfreundlich ist. Dann gibt es eben von der Acer den Copernicus Open Access Hub. (..) Der ist nicht ganz so benutzerfreundlich, aber da kann ich mir das Händeldaten (..) herunterladen und dann gibt es auch noch so von privaten Firmen auch das oder das ist das gleiche Spiel dann in Dunkelgrün. (...) Also, wenn man sich jetzt das betrachtet, vielleicht machen wir zuerst die Folien ein bisschen und vom praktischen Teil (....) \[01:06:40\] und dann schauen wir uns das vielleicht auch noch an, wo ihr dann die Daten auch...