Überwachung der Schnee- und Eisbedeckung im Dalad-Banner, Innere Mongolei, basierend auf hyperspektraler Mischungsspektralzerlegung

Die Schneedecke ist eine aktive systemische Variable im Klimawandel der Erde. Sie ist nicht nur ein wichtiger Indikator für den globalen Klimawandel, sondern auch eng mit dem Energiehaushalt, dem Atmosphärenkreislauf, dem Wasserkreislauf sowie dem Kohlenstoff- und Stickstoffkreislauf der Erde verknüpft. Ihre hohe Reflektivität, ihr hohes Kältespeichervermögen, ihre enorme latente Phasenübergangswärme und ihre Rolle als Quelle und Senke von Treibhausgasen verleihen ihr eine entscheidende Bedeutung für den Energiehaushalt der Erdoberfläche. Quantitative Fernerkundungstechnologien sind das wichtigste Mittel zur Erfassung von Schneedeckeninformationen, um Veränderungen der Schneedecke zu überwachen, ihre Reaktion auf den Klimawandel zu bewerten und hydrologische Forschung im Bereich der Schneedecke durchzuführen. Satellitenfernerkundung findet breite Anwendung in der Schneedeckenforschung.

Schnee weist eine hohe Reflektivität im sichtbaren Lichtspektrum, aber eine geringe im kurzwelligen Infrarotbereich auf, während die meisten Wolken in beiden Spektralbereichen eine hohe Reflektivität zeigen. Daher kann die Berechnung der Differenz zwischen den Spektralbereichen im sichtbaren und kurzwelligen Infrarotbereich mithilfe des normalisierten Differenzindex für Schnee (NDSI) effektiv Schneebedeckungsinformationen in optischen Fernerkundungsdaten identifizieren. Da Schnee und Wolken jedoch ähnliche spektrale Eigenschaften im sichtbaren Lichtspektrum aufweisen, sind auf optischer Fernerkundungstechnologie basierende Schneebedeckungsprodukte häufig durch unzureichende Sonneneinstrahlung und Bewölkung beeinträchtigt, was zu einer großen Anzahl fehlender Werte und gewissen Anwendungsschwierigkeiten führt. Aus diesem Grund verwenden wir eine hybride Spektralzerlegungsmethode zur Extraktion der Schneebedeckungsfläche, die eine hohe Genauigkeit und eine geringe Rate falsch positiver Ergebnisse ermöglicht.

CAS Xiguang Aerospace – Kartierung der Schnee- und Eisbedeckung

Datenquelle: Hyperspektralkamera XIGUANG003

Region: Dalad-Banner, Innere Mongolei

Aufnahmedatum: 5. Januar 2024

Die Kartierung der Schnee- und Eisbedeckung umfasst folgende Schritte:

1. Radiometrische Kalibrierung, atmosphärische Korrektur und Orthorektifizierung der rohen L2A-Daten;
2. Die Reduzierung der spektralen Dimensionalität erfolgt mittels Minimum Noise Transform (MNF).
3. Verwenden Sie Messungen der räumlichen Konsistenz, um die Dimensionen der Daten zu bestimmen;
4. Berechnen Sie den Pure Pixel Index (PPI) und filtern Sie die Variablen anschließend mithilfe des Pure Pixel Index (PPI);
5. Die Ergebnisse werden in N Dimensionen visualisiert, automatisch gruppiert und die Endglieder identifiziert.
6. Die spektrale Kartierung erfolgte mittels eines Spectral Angle Mappers (SAM) und eines hybriden Tuned Matched Filters (MTMF), um die Endmember-Häufigkeit gleichzeitig zu klassifizieren und zu berechnen.
7. Die Karten werden auf Basis der Kartierungsergebnisse erstellt und anschließend mit hochauflösenden panchromatischen Bildern fusioniert.

△ Abbildung 1 Reflexionsbild nach atmosphärischer Korrektur und Orthorektifizierung

Das Untersuchungsgebiet liegt im Banner Dalad in der Inneren Mongolei, genauer gesagt im südlichen Teil der Stadt Baotou am Südufer des Gelben Flusses. Es umfasst die Stadt Dalad und das Photovoltaik-Kraftwerk Dalad. Die Landschaftsformen in diesem Gebiet sind vor allem Städte, Flüsse, Minen und Wüsten; während der Satellitenaufnahmen war eine beträchtliche Schneedecke zu beobachten.

△Abbildung 2 Vergleich des Reflexionsvermögens verschiedener Bodenmerkmale

Das Vorhandensein eines Reflexionsmaximums bei 760 nm im Schnee deutet auf dessen hohe Reflektivität für Licht dieser Wellenlänge hin. Schnee besteht aus Eiskristallen, die Licht stark streuen. Trifft Licht auf Schnee, wird ein Teil von den Eiskristallen absorbiert, der Rest wird in verschiedene Richtungen gestreut. Die Streuintensität ist bei 760 nm am höchsten, daher das Reflexionsmaximum bei dieser Wellenlänge. Abbildung 2 zeigt, dass die Unterschiede in der Reflektivität bei 760 nm zur weiteren Klassifizierung der Schneedecke genutzt werden können. Durch die Beobachtung der Veränderungen der Lichtreflexion bei 760 nm lässt sich das Schmelzen des Schnees verfolgen. Beim Schmelzen des Schnees wandeln sich die Eiskristalle in Wasser um, und Wasser streut Licht weniger effektiv als Eiskristalle. Daher nimmt die Lichtreflexion bei 760 nm mit dem Schmelzen des Schnees ab.

Nach der reinen Pixelberechnung und der Extraktion der Endglieder verblieben drei Endglieder, von denen zwei die Schneedecke repräsentierten. Die Schneedecke wurde daher anschließend in Neuschnee und Altschnee (Eis-Schnee-Gemisch) unterteilt und die Schneeschmelzsituation analysiert.

Die Überwachung der Schneeschmelze kann für folgende Anwendungen genutzt werden:

1. Hochwasservorhersage: Die Schneeschmelze ist eine der Hauptursachen für Überschwemmungen. Durch die Überwachung der Schneeschmelze lassen sich Wahrscheinlichkeit und Ausmaß von Überschwemmungen vorhersagen.
2. Lawinenvorhersage: Lawinen sind eine weitere Naturkatastrophe, die durch Schneeschmelze verursacht wird. Durch die Überwachung der Schneeschmelze lassen sich Wahrscheinlichkeit und Ausmaß von Lawinen vorhersagen.
3. Wassermanagement: Die Schneeschmelze ist eine bedeutende Quelle des Flussabflusses. Durch die Überwachung der Schneeschmelze lassen sich Veränderungen des Flussabflusses vorhersagen und somit ein effektives Wassermanagement ermöglichen.

△ Abbildung 3 Häufigkeitsverteilungskarte des Neuschneeelements.

△ Abbildung 4: Häufigkeitsverteilungskarte endogener Pflanzen im Altschnee

Mixture-Tuned Matched Filtering (MTMF) nutzt eine partielle Spektralentmischung, um die Häufigkeit von Endmember-Spektren zu bestimmen. Dieses Verfahren verwendet einen „angepassten Filter“ (MF), um die Signalstärke bekannter Endmember zu maximieren und Signalstärken, die mit unbekannten Hintergrundsignalen überlagert sind, zu unterdrücken. Dadurch wird ein bekanntes Signal „abgeglichen“. MTMF ermöglicht die schnelle Erkennung spezifischer Materialien durch Abgleich der Endmember-Spektren in einer Bibliothek oder einem Bild, ohne dass Kenntnisse über alle Endmember in der Bildszene erforderlich sind. Die lineare Spektralentmischung hingegen ermittelt die Materialhäufigkeit in Bildpixeln, indem sie annimmt, dass die Pixelreflexion in jedem Band einer linearen Kombination der Reflexionen der im Pixel vorhandenen Endmember-Materialien entspricht.

Abbildungen 3 und 4 zeigen die Ergebnisse der MTMF-Analyse, die die Häufigkeit der einzelnen Endglieder in jedem Pixel visualisiert und die spektrale Zusammensetzung des Pixels anschaulich darstellt. Je dunkler die Farbe, desto höher ist die Häufigkeit des jeweiligen Endglieds. Der Neuschnee bedeckte die westlichen Ebenen und die südlichen Berge der Stadt Dalat. Der alte Schnee verteilte sich hauptsächlich in der westlichen Wüste, in der Stadt Dalat und im Bergbaugebiet.Die Ergebnisse der nachfolgenden Spectral Angle Mapper (SAM)-Analyse bestätigen dies ebenfalls.

△ Abbildung 5 Klassifizierungsergebnisse des Spektralwinkel-Mappers

Der Spectral Angle Mapper (SAM) vergleicht ein Bildspektrum mit einem Referenzspektrum im N-dimensionalen Raum. SAM vergleicht den Winkel zwischen dem Endgliedspektrum (dargestellt als n-dimensionaler Vektor, wobei N die Anzahl der Bänder ist) und dem Vektor jedes Pixels im N-dimensionalen Raum. Ein kleinerer Winkel bedeutet eine bessere Übereinstimmung mit dem Referenzspektrum. Bei Anwendung auf kalibrierte Daten ist dieses Verfahren relativ unempfindlich gegenüber Beleuchtungs- und Albedoeffekten. SAM erzeugt ein Klassifizierungsbild basierend auf einem maximalen Winkelschwellenwert.

Abbildung 5 zeigt die finalen Klassifizierungsergebnisse. Im Vergleich zu den MTMF-Ergebnissen ist die Klassifizierung für die westliche Region besser, wodurch die Rate falsch positiver Ergebnisse effektiv reduziert wird. Gleichzeitig werden die geringe Schnee- und Eisbedeckung sowie die Schneeschmelze in der Stadt Dalat im Nordosten und im Bergbaugebiet im Südosten deutlicher sichtbar.

Statistiken zur Schnee- und Eisbedeckung

Die Statistiken zur Schnee- und Eisbedeckung lauten wie folgt:

Gesamtfläche der Satellitenbilder: 6.400 Quadratkilometer

Schneebedeckung: 11 % (704 Quadratkilometer)

Alte Schneedecke: 6 % (384 Quadratkilometer)

Durch die Auswertung lokaler historischer Wetterdaten wurde festgestellt, dass die höchste Temperatur bei etwa -1 °C lag. Daher sind die Hauptgründe für das Schmelzen von Schnee und Eis in diesem Gebiet wahrscheinlich folgende Faktoren:

1. Auswirkungen menschlicher Aktivitäten: Dicht besiedelte Gebiete und Kohleabbaugebiete sind in der Regel stark von menschlichen Aktivitäten wie Bergbau, Transport und maschinellem Betrieb geprägt. Diese Aktivitäten können die Beschaffenheit und Struktur der Oberfläche verändern, die Oberflächenrauigkeit verringern und das Liegenbleiben oder Ansammeln von Schnee erschweren. Gleichzeitig wird in Städten und auf Straßen künstlicher Schneeräumung betrieben. Im Gegensatz dazu bestehen die nördlichen Gebiete hauptsächlich aus Dörfern und landwirtschaftlichen Flächen mit weniger menschlichen Eingriffen, sodass der Schnee dort langsamer schmilzt.
2. Bedeckung und Infrastruktur: Dicht besiedelte Gebiete und Kohleabbaugebiete weisen typischerweise eine große Anzahl von Bauwerken wie Gebäuden, Anlagen und Straßen auf. Diese Bedeckungen absorbieren Sonnenstrahlung, was die Oberflächentemperatur erhöht und die Schneebildung und -beständigkeit verringert.
3. Wärmeemissionen: Produktionsprozesse in dicht besiedelten Gebieten und Kohlebergwerken gehen üblicherweise mit hohen Wärmeemissionen einher, beispielsweise durch die Verbrennung von Kohle und den Betrieb von Maschinen. Diese Wärme erhöht die Temperatur der Umgebung und erschwert so die Schneebildung.

Die Ergebnisse der Klassifizierung der alten Schnee-/Eisoberfläche traten im Gelben Fluss auf. In Verbindung mit den meteorologischen Bedingungen und dem Datum der Eisflutsaison des Gelben Flusses wurde festgestellt, dass es sich um Eisschollen aus einem Eis-Wasser-Gemisch oder um einen teilweise zugefrorenen Flusslauf handelte. Mithilfe von Bodendaten können weitere Analysen der Eisschollenzusammensetzung oder des Flussvereisungsprozesses durchgeführt werden. Der gesamte Prozess der Eisschollen im Flusslauf kann so aus einer größeren räumlichen Perspektive überwacht werden, was den Anwendungswert der hyperspektralen Fernerkundungstechnologie unterstreicht.