L
L
<5*
vrucht kan worden ingezet bij de interpretatie van remote
sensing beelden:
In heuvelachtig terrein kunnen digitale terreinmodellen
(DTM's) worden ingezet om het topografische effect op
beelden te modelleren en eventueel te corrigeren;
Watertoepassingen kunnen worden ondersteund met
gegevens over de bodemtopografïe;
De toepassing van landgebruikclassificatie kan worden
bijgestuurd met bekende informatie over perceels- of
kavelgrenzen.
Generic RS observation model
Fig. 2.
Componenten
van een generiek
aardobservatie
model.
Hoe via beeldsimulatie en terugkoppeling actuele remote
sensing opnamen kunnen worden geïnterpreteerd, is ge
schetst in fig. 1. Een satellietopname wordt opgevangen
door een grondstation en verwerkt tot een geometrisch ge
corrigeerd standaardproduct, bijvoorbeeld een multispec-
traal beeld gekalibreerd in top-of-atmosphere (TOA) radian-
tie-eenheden. Daarnaast wordt vanuit een GIS-bestand en
door gebruikmaking van een observatiemodel een beeld ge
simuleerd van hetzelfde gebied, met de resolutie en de spec
trale banden zoals deze van de satellietsensor bekend zijn.
Vervolgens worden de satellietopname en het gesimuleerde
beeld met elkaar vergeleken. En nu wordt het mogelij k inte
ressant, vooral als er verschillen worden geconstateerdOok
de aard van de gevonden verschillen is hierbij van belang.
Geometrische verschillen zullen al snel aanleiding geven
tot een fijnafstelling van de plaatsbepaling.
In eerste instantie denken we dan aan een verbetering van
de geometrische kwaliteit van het satellietbeeidmaar wan
neer bepaalde discrepanties niet op deze wijze zijn te ver
klaren, zou de opgeslagen geografische informatie zelf wel
eens niet geheel correct kunnen zijn en bestaat er dus aan
leiding het GIS-bestand bij te werken. In het radiometrische
domein spelen soortgelijke overwegingen een rol. Wanneer
bepaalde radiometrische verschillen (d.w.z. intensiteitsver-
schillen in één of meer spectrale banden) over het gehele ge
bied blijken op te treden, zou de oorzaak kunnen liggen in
verkeerde aannames over sommige sensor-eigenschappen
of over de atmosfeer Meer lokale verschillen kunnen we
derom aanleiding vormen om delen van het GIS-bestand bij
Fig. 3.
Geclassificeerd
flinks) en oorspron
kelijk (rechts)
Landsat TM beeld
van Barrax, Spanje.
te werken, en dan met name die ob
jecteigenschappen die invloed hebben
op de reflectie of de emissie van stra
ling. In fig. 2 is in wat meer detail
weergegeven uit welke componenten
een geïntegreerd aardobservatiemodel
bestaat en daardoor wordt ook duide
lijker welke delen in aanmerking ko
men voor aanpassing wanneer het ac
tuele en het gesimuleerde beeld blij
ken te verschillen.
Hierin is nog niet opgenomen de laat
ste, maar zeker niet de minst belangrij
ke mogelijkheid, namelijk die waarbij
het model zelf moet worden aangepast.
Uiteraard zal dit pas worden overwo
gen als modeluitkomsten en actuele
waarnemingen consequent blijven ver
schillen, of als bepaalde waargenomen
effecten met het model niet te verkla
ren zijn. Of het nu gaat om aanpassing
van de eigenschappen van objecten op
de grond, van de aangenomen sensor
en atmosfeer-eigenschappen, of het
verbeteren van de gehanteerde model
len zelf, in alle gevallen blijkt de con
frontatie van modeluitkomsten met ac
tuele waarnemingen zeer nuttige in
formatie op te leveren. Informatie in
GIS-bestanden kan op een betrouwbare
wijze worden geactualiseerd en model
len kunnen relatief snel worden verbe
terd omdat deze zeer frequent aan de
werkelijkheid worden getoetst.
Toepassing op vegetatie
Een groot deel van het landoppervlak
bestaat uit vegetatie, en monitoring
van vegetatie vormt dan ook een be
langrijke toepassing van remote sen
sing. In een ESA-studie naar de toe
komstige SPECTRA-missie (mogelijke
Actual image Simulated image
Sepppf
def.
Object-
sentor
acorn.
Updating
strategy
GIS
Atmos
Object
prop.
prop.
Landuse Barrax 2000
TM image, June 28, 2000
Alfatra
Maize and Sugar beet
Barley (irrigated)
Bare Soil
Bands;
B2 (green)
B3 (red)
B4(NIR)
CEO-INFO 2003-0