pléiades tri-stereo-bilder im hochgebirge eine ...€¦ · die am häufigsten genutzte methode...

Full Paper 153

Pléiades Tri-Stereo-Bilder im Hochgebirge ‒ eine Parameterstudie mit PCI Geomatics

Pléiades Tri-Stereo Imagery in High Altitude Alpine Regions ‒ A Parameter Study with PCI Geomatics

Laura Christin Himmelreich1, Martin Ladner1, Armin Heller1 1Institut für Geographie, Universität Innsbruck, Österreich · [email protected]

Zusammenfassung: Digitale Geländemodelle bilden eine wichtige Grundlage in der Kartographie des Alpenvereins. In dieser Arbeit werden Höhenmodelle aus Pléiades Tri-Stereo-Satellitenbildern abge-leitet und überprüft, ob diese Methode in einer Hochgebirgsregion eine Alternative zu ALS-Daten dar-stellt. Dabei wird der Einfluss von verschiedenen Faktoren wie Wallis Filter, B/H-Verhältnis, GCPs und TPs auf die Berechnung von DOMs mit PCI Geomatics untersucht. Anschließende Validierungen anhand eines ALS vom Land Tirol zeigen, dass GCPs für die Generierung von hochwertigen DOMs unabdingbar sind, um hohen kartographischen Ansprüchen gerecht zu werden. Größere Höhenunge-nauigkeiten in Schattenbereichen an steilen Berghängen können mit dem Wallis Filter nur geringfügig verbessert werden.

Schlüsselwörter: Pléiades, Tri-Stereo-Bilder, GCP, PCI Geomatics

Abstract: Digital terrain models are an important basis for the cartography of the alpine club. In this study various elevation models were derived from Pléiades 1B imagery and later validated under the aspect that they might be an alternative to ALS data in high altitude alpine regions. Therefore the influence of several factors such as Wallis Filter, B/H ratio, GCPs and TPs on the DSM calculation with PCI Geomatics is investigated. Validations of height accuracy based on a comparison with an ALS by the state of Tyrol showed that GCPs are important for deriving high-quality DSMs to meet the car-tographic demands. Altitude inaccuracy in shadow areas of steep mountains can only slightly be im-proved with the Wallis Filter.

Keywords: Pléiades, tri-stereo, GCP, PCI Geomatics

1 Motivation und Stand der Technik

Diese Arbeit entstand im Rahmen des von der österreichischen Forschungsförderungsgesell-schaft (FFG) geförderten Projektes AV.MAP (2016) und befasst sich mit der Ableitung von Digitalen Oberflächenmodellen (DOM) aus Pléiades Tri-Stereo-Satellitenbildern sowie der Bedeutung von geometrischen Passpunkten (Ground Control Points ‒ GCPs) innerhalb die-ses Prozesses hinsichtlich ihres Einflusses auf die Genauigkeit der Ergebnisse. In diesem Artikel werden auszugsweise Ergebnisse der Ableitung von DOMs mit der Software PCI Geomatics aus dem Projekt AV.MAP dargestellt. Diese DOMs, bzw. später berechnete Di-gitale Geländemodelle (DGMs), sollen in Verbindung mit den orthorektifizierten, panshar-pened Bildern als kartographische Grundlage dienen, um Schummerungen, Höhenlinien und Klassifikationen für Alpenvereinskarten zu erstellen. In dem Gebiet rund um die Franz-Senn-Hütte im Stubaital stehen hochwertige Vergleichsdaten zur Verfügung, um Methoden für die spätere Erstellung von Alpenvereinskarten zu entwickeln und zu evaluieren.

AGIT ‒ Journal für Angewandte Geoinformatik, 3-2017, S. 153-162. © Wichmann Verlag, VDE VERLAG GMBH · Berlin · Offenbach. ISBN 978-3-87907-633-8, ISSN 2364-9283, eISSN 2509-713X, doi:10.14627/537633016. Dieser Beitrag ist ein Open-Access-Beitrag, der unter den Bedingungen und unter den Auflagen der Creative Commons Attribution Lizenz verbreitet wird (http://creativecommons.org/licenses/by-nd/4.0/).

154 AGIT – Journal für Angewandte Geoinformatik · 3-2017

Die Qualität der Ergebnisse wird anhand eines mittels Airborne Laserscanning (ALS) erfass-ten DOMs überprüft. Die Verwendung von Tri-Stereo-Bildern zur Ableitung von digitalen Höhenmodellen (DHMs – Oberbegriff für sowohl DOM als auch DGM) gewinnt seit einigen Jahren an Bedeutung für Anwendungen im Bereich der Erdbeobachtung (Jacobsen, 2013). Im Vergleich zum ALS liegt ein wesentlicher Vorteil neben den geringeren Kosten darin, dass die aus Pléiades-Triplets abgeleiteten Geländemodelle mit der Bildinformation zeitlich übereinstimmen. Mit dieser Übereinstimmung von Orthophoto und DHM bilden sie eine hochwertige Kartierungsgrundlage.

Die Erdbeobachtung ist ein relativ neues Phänomen und begann mit dem Start der ersten Be-obachtungssatelliten in den 1960er-Jahren. Sie gibt uns die nötige Distanz auf die Welt als Ganzes, um Veränderungen auf lokaler, regionaler und planetarer Ebene hinsichtlich der Um-welt, wie z. B. wechselnden Vegetationsmustern, des Schmelzens von Gletschern und Eis-kappen sowie Höhen- und Temperaturänderungen der Meere abschätzen zu können. Da in Bezug auf den Klimawandel 26 von 50 essenziellen Klimavariablen nur vom Weltraum aus beobachtet werden können (Eyres, 2016), ist es nicht überraschend, dass sich heute fast 200 Fernerkundungssensoren im Orbit oder auf dem Weg dorthin befinden (Airbus Defence & Space, 2017b). In Anbetracht des Klimawandels und von Wirtschaftskrisen setzen Regierun-gen, internationale Organisationen und Industrie immer mehr daran, Effizienz durch Investi-tionen in State-of-the-art-Informationen und -Kommunikationstechnologien zu verbessern (Federal Ministry for Transport, Innovation and Technology, 2012). Innerhalb Europas soll mithilfe einer umfassenderen Kooperation der Bedarf an Satellitenbildern von wissenschaft-lichen, institutionellen (inklusive Verteidigung) sowie privaten Nutzern gedeckt werden. Pléiades soll dabei das Schlüsselelement für Initiativen wie GMES (Global Monitoring for Environment and Security, heute Copernicus) und GEO (Group on Earth Observations) auf europäischer sowie internationaler Ebene sein (Baudoin, 2004) und optische Bilder mit sub-metrischer Auflösung liefern (Gleyzes et al., 2012). Demgemäß sind die Pléiades-Satelliten Teil der unterstützenden Missionen innerhalb des Copernicus-Programms und gehören zur Gruppe der Missionen für sehr hochauflösende (Very High Resolution, VHR), multispektrale Bilder (<= 1 m bis ≤ 4 m) (ESA, 2017). Für die aus diesen Bildern ableitbaren DHMs gibt es neben der Bereitstellung von Höheninformationen auch viele weitere Verwendungsmöglich-keiten, wie beispielsweise im Katastrophenschutz. Dieser benutzt DHMs, um hochwasserge-fährdete Gebiete zu ermitteln sowie deren Zugänglichkeit zu bestimmen (PCI Geomatics Enterprises Inc., 2016). Ebenso sind DHMs für jegliche Untersuchungen von Gefahren im Hochgebirge elementar, da viele geomorphologische Prozesse im Hochgebirge durch Relie-fenergie gesteuert sind (Kääb et al., 2005, nach Ehlers & Welch, 1987).

Derzeit gibt es sowohl kommerzielle (PCI, ERDAS, Airbus…) als auch Open-Source- (z. B. NASA Ames Stereo Pipeline ‒ ASP) Softwarepakete auf dem Markt, um DHMs aus hoch aufgelösten (Tri-)Stereobildern abzuleiten. Daher sind die Bewertungen von verschiedenen technischen Daten der VHR optischer Satelliten Ansätze zur DHM-Produktion und erreichten Genauigkeit von hoher Bedeutung. Diese sollen wissenschaftlichen und kommerziellen Nut-zern bei der Auswahl von geeigneten Methoden und Ergebnissen helfen (Deilami & Hashim, 2011). Insbesondere für die Hochgebirgskartographie sind DGMs mit genauen Höheninfor-mationen für Schummerungen, Höhenkoten oder Höhenlinien von immenser Bedeutung. Die Gewinnung von Höheninformationen mittels ALS-Aufnahmen ist jedoch sehr zeitaufwendig und kostenintensiv. Daher ist die Suche nach Alternativen wie Tri-Stereo-Bilder sinnvoll. In dieser Arbeit werden so berechnete DOMs validiert.

L. C. Himmelreich et al.: Pléiades Tri-Stereo-Bilder im Hochgebirge: eine Parameterstudie 155

2 Methode

2.1 Pléiades Tri-Stereo-Satellitenbilder

Jahrzehntelang waren terrestrische Vermessungstechniken und Luftbilder die einzigen Grund-lagen für die Generierung von DHMs. Durch Global Positioning System (GPS)-Technolo-gien konnten die konventionellen Techniken verbessert werden. Schwierigkeiten hinsichtlich Zeitaufwands, Erreichbarkeit von Gebieten und hoher Kosten (Deilami & Hashim, 2011) blieben bis zum Einsatz von Stereobildaufnahmen bestehen. Stereoaufnahmen sind seitdem die am häufigsten genutzte Methode für Höhenmodellierungen in der Fernerkundung (Toutin, 2002). Damit können aus Satellitenbildern nicht nur 2D-Koordinaten gewonnen werden, son-dern auch Reliefunterschiede im Gelände erhoben und somit die Bestimmung von 3D-Koor-dinaten mithilfe von Stereopaaren ermöglicht werden. Das Verfahren hierfür besteht aus Mo-noplotting, der Produktion von Orthobildern und Stereoplotting. Stereoplotting wird für die Extraktion von 3D-Informationen aus Stereo-Bildpaaren (sich teilweise überlappenden Bil-dern) genutzt, welche in drei Dimensionen gezeigt und gemessen werden können. Stereoplot-ting basiert auf dem Phänomen der Parallaxen. Diese beschreiben die sichtbare Lageverschie-bung von Objekten, welche von verschiedenen Punkten, wie z. B. einem sich bewegenden Satelliten, beobachtet werden kann. Bei der Beobachtung eines Gebäudes sind daher die Ge-bäudespitze und der Gebäudefuß in Relation zur Fotomitte aus zwei unterschiedlichen Posi-tionen betrachtet verschoben. Diese relative Verschiebung wird bei allen Punkten unabhän-gig von ihrer Höhe (Bergfuß vs. Bergspitze) beobachtet. Der Lageunterschied oder Parallaxe wird beim Stereoplotting dazu benutzt, um die Gebäudehöhe zu berechnen bzw. um nach entsprechender Bildorientierung (X, Y, Z) Koordinaten und somit DGM ableiten zu können (Janssen et al., 2004). Durch die Verwendung von Tri-Stereo-Bildern können genauere 3D-Modelle erstellt werden, da die zusätzliche Nadir Aufnahme das Risiko fehlender bzw. ver-deckter Objekte minimiert (siehe Abb. 1). Dadurch sind Tri-Stereo-Aufnahmen insbesondere für dichte urbane Räume und Gebirgsregionen ideal (Astrium, 2012). Insbesondere im Hoch-gebirge, wie den Stubaier Alpen, werden hochwertige DGMs als Kartengrundlage benötigt und die zusätzliche Nadir-Aufnahme kann Abschattungen durch steile Berghänge vermin-dern.

Abb. 1: Unterschied Stereo- vs. Tri-Stereo-Aufnahme (eigene Darstellung 2017, nach Air-bus Defence & Space, 2017a)


Das Erdbeobachtungssystem Pléiades wurde von der französischen Raumfahrtagentur CNES (Centre National d’Etudes Spatiales) ins Leben gerufen. Es ist Teil des Beobachtungssystems ORFEO (Optical and Radar Federated Earth Observation) und gehört darüber hinaus zu einer zwischenstaatlichen Kooperation mit Österreich, Belgien, Spanien und Schweden. Das Pléi-ades-System besteht aus der Konstellation von zwei identischen optischen Satelliten, welche sichtbare und nahe Infrarot(NIR)-Bereiche erfassen. Ein Satellit ist auf einem fast kreisför-migen (Gleyzes et al., 2012), sonnensynchronen Orbit in 694 km Höhe positioniert, mit ei-nem absteigenden Knoten um 10:30 h zur örtlichen Stunde (Poli et al., 2013). Durch die gleichzeitige Nutzung der zwei Satelliten im Orbit mit einer 180°-Phasenverschiebung wird eine weltweite Abdeckung sowie ein täglicher Zugriff auf jeden beliebigen Punkt der Erde ermöglicht. Die geometrische Auflösung des panchromatischen Bandes liegt bei 0.5 m (0.7 m Ground Sampling Distance, GSD) und 2.0 m (2.8 m GSD) bei den multispektralen Bändern (Gleyzes et al., 2012).

2.2 Untersuchungsgebiet, Daten und Software

Als Interessengebiet (Area of Interest – AOI) wurde eine hochalpine Region innerhalb der Stubaier Alpen rund um die Franz-Senn-Hütte ausgewählt, für welches im Rahmen des Pro-jektes die Hüttenumgebungskarte Franz-Senn-Hütte des Alpenvereins erstellt werden soll. Die räumliche Ausdehnung des AOI umfasst rund 275 km2 innerhalb der Gebirgsgruppe Stubaier Alpen in Tirol (siehe Abb. 2). Die Stubaier Alpen als Teil der österreichischen Zent-ralalpen in den Ostalpen sind ein weitläufiges Gebirge, bestehend aus mäßig verwitternden Gneisen und Graniten sowie weichem, leicht erodierendem Schiefer (Veit, 2002). Als solches ist es durch viele Dreitausender, Vergletscherungen, lange Blockgrate, Moränenwälle und Gletscherschliffe gekennzeichnet (Klier, 2002). Die Höhendynamik im AOI reicht von 1207 bis 3499 m ü. A. Das Gelände ist flach bis sehr steil bei Neigungen von null bis rund 90°, wobei nach Standardnormalverteilung 68.2 % des Geländes im Bereich mittlerer Hangnei-gung zwischen 17.9 bis 51.9° liegt. Die insgesamt durchaus heterogenen Gebietscharakteris-tika machen das AOI zu einem idealen Untersuchungsgebiet für die dreidimensionale Aus-wertung von Tri-Stereo-Satellitendaten.

Tabelle 1: Aufnahmeparameter des panchromatischen Pléiades-1B-Triplets

Aufnahme- datum

Bild-Nr. Aufnahme Aufnahme-zeitpunkt (hh:mm:ss.s)

Blickwinkel (°) (Mittelwert)

quer zur Bahn

entlang der Bahn

gesamt

24.08.2016 Bild 1 Forward 10:13:51.3 15.27 ‒8.66 17.36

24.08.2016 Bild 2 Backward 10:14:34.2 9.45 16.73 18.96

24.08.2016 Bild 3 Nadir 10:14:03.2 13.67 ‒1.52 13.74

Für die Analyse wurde ein Pléiades-1B-Triplet verwendet, welches als Primärprodukt gelie-fert wurde. Die Bilder umfassen das panchromatische Band (0.47-0.83 µm) sowie die vier multispektralen Bänder (Band 1 – Blau = 0.43-0.55 µm, Band 2 – Grün = 0.50-0.62 µm, Band 3 – Rot = 0.59-0.71 µm, Band 4 – NIR = 0.74-0.94 µm) (Astrium, 2012). Aufgrund der höheren Auflösung sind nur die panchromatischen Bilder für die DOM-Ableitungen verwen-


det worden, im Folgenden nur noch Bild 1 (Forward), Bild 2 (Backward) und Bild 3 (Nadir) genannt. In Tabelle 1 findet sich eine Übersicht über die Aufnahmeparameter des Pléiades-1B-Triplets vom 24.08.2016.

Für die Ableitung des DOM ist das Softwarepaket OrthoEngine von PCI Geomatics 2016 SP1 verwendet worden (PCI Geomatics Enterprises Inc., 2016).

Für den Vergleich sowie als Grundlage für die Ermittlung von GCPs wurden ein DOM und ein Orthophoto vom Land Tirol herangezogen, welches in der Zeit vom 15.08.2006 bis 12.09.2010 durch eine landesweite Laserscanbefliegung von Tirol aufgenommen wurde. Die Originaldaten sind in dem Europäischen Terrestrischen Referenzsystem 1989 (ETRS89) er-hoben und nach der DGM- und DOM-Erstellung in Gauß Krüger (MGI Austria GK West) transformiert worden. Die DOM-Auflösung beträgt 1 1 m. Die Höhengenauigkeit der vom Land gelieferten Daten sollte, wie in der Ausschreibung verlangt, bei ±15 cm nach einfacher Standardabweichung und bezogen auf die Originalpunktwolke im ETRS89-Koordinaten-system liegen (Land Tirol, 2017). Bei den Höhenangaben handelt es sich laut Angabe vom Land Tirol (Attwenger, 2016) um Gebrauchshöhen (Höhenreferenzsystem Österreich, „Mi-litärgeographisches Institut (MGI)“ mit Bezugsniveau Adria in Triest 1875), die leicht von den orthometrischen Höhen abweichen. Das vorliegende ALS-DOM ist mit NTV2 (National Transformation Version 2) von MGI nach ETRS89 transformiert worden. Für Höhenangaben in Meter wurde der Datensatz weiter in das Koordinatensystem ETRS89 UTM 32 N trans-formiert. Hiervon wurde letztlich die Geoidundulation (mit Punktdaten vom Bundesamt für Eich- und Vermessungswesen in Österreich ‒ BEV) (BEV, 2017) subtrahiert, um den ALS-Datensatz mit Ellipsoidhöhen bezogen auf das GRS80-Ellipsoid zu erhalten.

Die benötigten GCPs (X-, Y- und Z-Koordinaten) wurden manuell auf Grundlage von ALS-Orthophotos und dem ALS-DOM extrahiert. Aufgrund des Zeitunterschiedes zwischen der ALS- und Pléiades-Aufnahme sind 16 beständige, gleichmäßig über das AOI verteilte Pass-punkte verwendet worden. Diese wurden in Bodennähe ausgewählt, d. h. hauptsächlich mit-tig von Gesteinsblöcken. Dies verhindert, dass der Versatz bei ungenauem Setzen eines GCPs eine ungewollte Höhendifferenz zur Folge hätte, wie er beim Übergang von Hausdächern zum Gelände vorkommt. Eine bodennahe Positionierung ist überdies wichtig, da die Paralla-xe in den drei Bildern mit der Höhe eines Objektes steigt.

2.3 DOM-Ableitung

Für diese Arbeit wurde das rationale Funktionsmodell (Rational Functions Math Model –RFM) verwendet, ein einfaches mathematisches Modell, welches eine Korrelation zwischen den Pixeln und Bodenlage herstellt (PCI Geomatics Enterprises Inc., 2016). Nach Cheng (2011) ist dies die gängigste Methode geometrischer Korrekturen für Orthorektifizierungen von hoch aufgelösten Bildern. Diese Methode nutzt Rationale Polynomkoeffizienten (Ratio-nal Polynomial Coefficients – RPCs), welche für die Orthorektifizierung mit den Satelliten-daten mitgeliefert werden (PCI Geomatics Enterprises Inc., 2016). Somit können DOMs aus Pléiades-Bildern in PCI auch ohne GCPs oder Verknüpfungspunkte (Tie Points ‒ TP) be-rechnet werden. TPs sind Merkmale, welche in zwei oder mehr Bildern eindeutig identifiziert werden können aber im Gegensatz zu GCPs keine Bodenkoordinaten aufweisen (PCI Geo-matics Enterprises Inc. 2016). Für die Optimierung des rationalen Polynominalmodells wurden im nächsten Schritt GCPs und TPs in den drei Bildern gesammelt, da diese für Ableitun-


gen hochwertiger 3D-Modelle aus Pléiades-Datensätzen nach Perko et al. (2014) unerlässlich sind. Dadurch soll der RMS-Fehler (Root Mean Square Error) und somit das Ergebnis opti-miert werden. Die Qualität der Lösung kann mithilfe der Restfehler überprüft werden, da diese den Unterschied zwischen den eingegebenen Koordinaten der GCPs oder TPs und Lage der Referenzpunkte wiedergeben. Dabei müssen die Restfehler nicht zwangsläufig den Feh-ler in den GCPs oder TPs wiedergeben, sondern zeigen, wie exakt das berechnete mathema-tische Modell zu den verwendeten Punkten passt. Bei dem RFM wird das mathematische Modell und der RMS-Fehler für jedes Bild separat berechnet. Als anzustrebende Genauigkeit wird ein Restfehler von einem Pixel oder weniger empfohlen, d. h. in diesem Fall 0.5 m (PCI Geomatics Enterprises Inc., 2016).

Nachdem in allen drei Bildern die GCPs gesetzt und auch Bildkoordinaten bestimmt wurden, konnte das RFM berechnet sowie der daraus resultierende RMS-Fehler angezeigt werden. Vier der 16 GCPs dienten als Check Points (CP), mit welchen die Qualität der Punkte über-prüft werden kann. CPs fließen dabei nicht in die Berechnung des Modells mit ein. Von den ca. 100 automatisch berechneten TPs wurden nach visueller Prüfung die schlechtesten sowie RMS-Fehler unter einem Meter gelöscht, sodass letztlich 50 übrig blieben.

Anschließend folgte die Berechnung der Epipolargeometrie der Bildpaare. Darunter sind (Tri-)Stereopaare zu verstehen, bei welchen durch Projektion das linke und rechte Bild eine gemeinsame Orientierung haben. Dadurch liegen übereinstimmende Objekte beider Bilder auf einer gemeinsamen X-Achse (PCI Geomatics Enterprises Inc., 2016). Es wurden drei Bildpaare erstellt (Bild 1 & Bild 2, Bild 2 & Bild 3, Bild 1 & Bild 3), mit welchen die eigent-liche DOM-Berechnung durchgeführt werden konnte.

Um die Auswirkungen von GCPs, TPs und verschiedenen Parametereinstellungen auf die Genauigkeit zu analysieren, wurden folgende DOM-Varianten berechnet: a) 50 TPs/keine GCPs, b) keine TPs/12 GCPs, c) 50 TPs/12 GCPs, d) 50 TPs/12 GCPs, mit den beiden Epi-polarpaaren 1-2, 2-3 (siehe Tabelle 2). Bei Variante d wurde das Bildpaar 1-3 von der DOM-Berechnung exkludiert, da der Schnittwinkel zwischen den beiden Bildern und somit die base-to-height (B/H) Rate mit 0.123 sehr niedrig ist. Für Berechnungen mit Tri-Stereo-Bil-dern wird eine B/H Rate für ein Bildpaar von 0.25 empfohlen (PCI Geomatics Enterprises Inc. 2016). Bei den Berechnungen der Variante b bis d wurden dieselben kartesischen Koor-dinaten sowie Bildkoordinaten verwendet.

Für den visuellen Vergleich der DOMs und als kartographische Grundlage wurde ein Ortho-photo benötigt, welches ebenfalls mit PCI aus den Pléiades-Bildern generiert wurde. Für die Orthorektifizierung wurden pansharpened Bilder verwendet. Hierfür werden die originalen multispektralen und panchromatischen Bilder zusammengeführt, um ein Bild mit sowohl ho-her spektraler als auch hoher geometrischer Auflösung (0.5 m) zu erhalten. Auch wenn die Generierung eines Orthophotos nur anhand von RCPs möglich ist, wurden GCPs verwendet, um ein besseres Ergebnis zu erhalten.

3 Ergebnisse – Validierung der DOM-Qualität

Die Qualität der verschiedenen DOM-Varianten ist sowohl visuell, als auch statistisch (RMS-Fehler, Höhendifferenz zum ALS) validiert worden. Die statistische Validierung der RMS-Fehler von den verschiedenen DOM-Varianten zeigt, dass die Verwendung von GCPs den anfänglichen RMS-Fehler der RPCs, welcher bei 8.5 m CE90 (Circular Error im 90 % Ver-


trauensbereich) (Nadir) bzw. 10.5 m (bis 30°) liegt (Astrium, 2012), deutlich verbessert. Der Transformationsfehler (z. B. durch Kontinentaldrift der Europäischen Platte) von den im WGS84 vorliegenden Pléiades-Aufnahmen zu den im ETRS89 befindlichen ALS-Daten kann in diesem Genauigkeitsbereich vernachlässigt werden. Durch die Verwendung von ge-ometrischen Passpunkten, welche auf Grundlage der ALS-Daten erhoben wurden, liegen die Vergleichsdaten bereits im richtigen Koordinatensystem (ETRS89 UTM 32N) für die Ana-lysen vor. Nach Perko et al. (2014) ist eine Verbesserung des horizontalen Fehlers auf 0.5 Meter und vertikal kleiner als einen Meter möglich. Für die Feststellung der Höhengenauig-keit (vgl. Tabelle 2) sind die abgeleiteten DOMs vom ALS-DOM abgezogen worden. Hier wird deutlich, dass der RMS-Fehler der TPs und GCPs von Variante a sich nicht in der Hö-hengenauigkeit des DOMs im Vergleich zum ALS widerspiegelt. So liegt nur 5.4 % des DOMs im Abweichungsbereich von ±1 m und etwas mehr als ein Drittel unter ±5 m. Die Höhengenauigkeit kann unter Verwendung von GCPs deutlich gesteigert werden, sodass rund 66 % des DOMs nur ±1-2 m vom ALS abweicht. Dieses Ergebnis kann durch Exklusion des Bildpaares 1-2 (Forward/Nadir) aufgrund dessen schlechter B/H Rate von 0.123 noch-mals deutlich verbessert werden (um rund 20 % im ±1 m Bereich und rund 10 % im ±2 m Bereich).

Tabelle 2: Statistischer Vergleich zwischen ALS- und PCI-DOMs

DOM-Variante

Pixelanteile (in %) verschiedener Höhendifferenzen, gerundet

RMS-Fehler (m)

±1 m ±2 m ±3 m ±5 m ±10 m X Y Z

a 50 TPs 5.4 11.5 18.9 38.4 86.6 0.017 0.003 0.066

b 12 GCPs 39.4 66.1 78.7 87.0 93.9 0.429 0.221 0.311

c 12 GCPs, 50 TPs 39.1 66.3 79.0 87.1 94.0 0.025 0.006 0.095

d 12 GCPs, 50 TPs, ohne Bildpaar 1-2

60.0 77.5 82.6 87.2 94.2 0.025 0.006 0.095

Großflächige Höhendifferenzen von rund 5 – 37 m treten im Bereich von Gletscher- und Schneeflächen auf, wobei der Großteil der Abweichungen bei etwa 5 – 12 m liegt. Diese Hö-henunterschiede können allerdings durch den zeitlichen Unterschied der Aufnahmen (ALS – Pléiades) und dem damit verbundenen unterschiedlichen Gletscherstand erklärt werden, da das berechnete DOM unterhalb des ALS-DOMs liegt. Überdies nimmt die vertikale Abwei-chung zum ALS vornehmlich in Richtung Gletscherzunge zu, was besonders deutlich beim Bachfallenferner und Alpeiner Ferner erkennbar ist (siehe Abb. 2).

Kleinere Differenzen liegen innerhalb von Waldgebieten, wobei nicht eindeutig festgestellt werden konnte, ob die Abweichungen durch die Schatten der Bäume, eine ungenaue Berech-nung der Baumhöhen oder durch Wachstum erklärt werden können. Die größten Abweichun-gen vom ALS treten im Bereich von Schatten an Berghängen bzw. im Kammbereich auf. Diese können durch Einbeziehen des Wallis Filters in die Berechnung geringfügig verbessert und geglättet werden. Dennoch sind abgeschattete Bereiche an Berghängen auch nach An-wendung des Filters problematisch, was darauf schließen lässt, dass der Berechnungsalgo-rithmus in abgeschatteten Bereichen Schwächen aufweist.


In den restlichen Bereichen freier Flächen weicht Variante d bis zu ±5 m vom ALS ab, d. h. insgesamt 87.2 % des DOMs haben eine Höhendifferenz von maximal 5 m. Im Gegensatz zum ALS entstehen bei (Gletscher-)Seen keine Datenlücken, allerdings variieren die Seehö-hen innerhalb der Seeflächen mit Unterschieden von teils 30 m oder mehr und müssen daher manuell nachbearbeitet werden.

Abb. 2: Gebietsübersicht und Ergebnis der Höhendifferenzen zwischen ALS-DOM und

PCI-DOM (Variante d) (eigene Darstellung 2017)

Erste DGM-Generierungen mittels DSM2DTM-Algorithmus in PCI-Focus zeigen bei visu-eller Überprüfung einer abgeleiteten Schummerung, dass das Relief des Untersuchungsge-bietes gut dargestellt wird. So sind beispielsweise Bergkämme gut abgegrenzt und wurden nicht etwa abgeschnitten.

4 Diskussion

Der Vorteil der Ableitung von DOMs aus Tri-Stereo-Satellitenbildern von Pléiades gegen-über DOM-Ableitungen aus Stereobildern liegt darin, dass durch die zusätzliche Nadir-Auf-nahme ausreichend genaue DOM-Ableitungen im Hochgebirge möglich gemacht werden. Für ein zufriedenstellendes Ergebnis im Genauigkeitsbereich unter 1 m sind jedoch zusätz-lich Passpunkte Voraussetzung. Dabei ist diese Methode kostengünstiger und weniger zeit-aufwendig als eine ALS-Aufnahme. Überdies sind die Bildaufnahmen auch länderübergrei-


fend möglich. Dennoch sind die Berechnungen stark von der Genauigkeit der Passpunkte ab-hängig, da für die meisten Anwendungsbereiche die Qualität der DOMs, welche ohne RCP Verbesserung anhand von GCPs durchgeführt wurden, zu schlecht sein wird. Es gilt überdies zu überprüfen, ob zusätzliche Punkte vom BEV durch eigene GNSS-Messungen zur weiteren Optimierung der erzielten Ergebnisse beitragen können. Ebenso soll anhand von Gletscher-standberichten o. Ä. validiert werden, inwieweit die Höhendifferenzen im Bereich von Glet-schern durch Gletscherschmelze zu erklären sind.

Die Ergebnisse sind aufgrund eines unter optimalen Bedingungen aufgenommenen Triplets entstanden, d. h. beispielsweise ohne starke Bewölkung. Dennoch können im Gegensatz zu ALS-Befliegungen große Schattenbereiche nicht durch Verschiebung der Aufnahmezeit ver-ringert oder vermieden werden. Bei schlechtem Wetter oder in diesem Fall bei geringerer Priorität anderer Aufträge gegenüber können Aufnahmeanträge auch zurückgestellt werden. Dabei sind die Zeitfenster für Hochgebirgsaufnahmen, wie im Bereich der Franz-Senn-Hütte, generell sehr kurz. In vergletscherten Gebieten sollten die Aufnahmen bei möglichst geringer Schneebedeckung durchgeführt werden.

Für die Anwendbarkeit in der Kartographie des Alpenvereins wird im nächsten Schritt in ein digitales Geländemodell aus den Oberflächenmodellen erzeugt, um daraus z. B. Schumme-rungen, Höhenlinien sowie Klassifikationen aus pansharpened, orthorektifizierten Bildern ableiten zu können. Innerhalb des Projektes AV.MAP soll eine Übertragung des Workflows auf außeralpine Regionen (z. B. Kenia) erfolgen, für welche keine Vergleichsdaten vorliegen. Ebenso werden weitere Ergebnisse von verschiedenen Softwareprodukten validiert und ver-glichen. Die bisherigen aus Triplets abgeleiteten DOMs zeigen, dass die Ergebnisse alternativ zu ALS-Daten durchaus eine gute Grundlage an Höheninformationen für Hochgebirgsregio-nen liefern können.

Literatur

Airbus Defence & Space (2017a). Hochauflösende 3D DHMs mit Pléiades. Retrieved Apr 4, 2017, from www.intelligence-airbusds.com/de/4399-hochauflosende-3d-dhms-mit-plei-ades.

Airbus Defence & Space (2017b). Pixel Factory. Retrieved Apr 4, 2017, from www.intelli-gence-airbusds.com/en/161-pixel-factory.

Astrium (2012). Pléiades Imagery. User Guide. Astrium Geo Information Services. Frank-reich.

Attwenger, M. (2016). Email, Oct 7, 2016. AV.MAP (2016). AV.MAP – Einsatz von hochauflösenden optischen Pléiades Satellitenda-

ten in der Hochgebirgskartographie. Retrieved Apr 4, 2017, from www.gis.tirol/AV.MAP/.

Baudoin, A. (2004). BEYOND SPOT 5, PLÉIADES, part of the french-italian program ORFEO. ISPRS Istanbul International Archieves of the Photogrammetry Remote Sensing and Spatial Information Sciences, 35(B1).

BEV (2017). Höhen-Grid plus Geoid: Schnittstellenbeschreibung. Retrieved Apr 4, 2017, from: http://www.bev.gv.at/pls/portal/docs/PAGE/BEV_PORTAL_CONTENT_ALLG EMEIN/0200_PRODUKTE/SCHNITTSTELLENBESCHREIBUNGEN/BEV_S_GV_Hoehen-GRID_plus_Geoid_V1.0.pdf.


Cheng, P. (2012). Pléiades Satellite ‒ Geometric Correction, Pan-sharpening and DTM Ex-traction. GEOInformatics, 15(7), 10-12. Retrieved Apr 4, 2017, from https://37.128.144.2:8443/sitepreview/http/magazine.cmedia.nl/GEO-Informatics_7_ 2012/index.html#/1/.

Deilami, K., & Hashim, M. (2011). Very high resolution optical satellites for DEM genera-tion ‒ a review. European Journal of Scientific Research, 49(4), 542‒554.

Ehlers, M. & Welch (1987). Stereocorrelation of Landsat TM images. Photogrammetric En-gineering and Remote Sensing, 53, 1231‒1237.

ESA (2017). Copernicus space component data access. Retrieved Apr 4, 2017, from https://spacedata.copernicus.eu/web/cscda/data-offer/mission-groups.

Eyres, H. (2016). Seeing Our Planet Whole: A Cultural and Ethical View of Earth Observa-tion. Schweiz: Springer International Publishing. doi:10.1007/978-3-319-40603-9.

Federal Ministry for Transport, Innovation and Technology (Eds.) (2012). Austrian Space Applications Programme asap. Projects- 7th and 8th Call for Proposals. Retrieved Apr 4, 2017, from https://www.bmvit.gv.at/innovation/downloads/asap_call_7_8.pdf.

Gleyzes, M. A.; Perret, L. & Kubik, P. (2012). PLÉIADES system architecture and main performances. International Archives of the Photogrammetry, Remote Sensing and Spa-tial Information Sciences, 39(1), 537‒542.

Jacobsen, K. (2013). DEM generation from high resolution satellite imagery. Photogrammet-rie ‒ Fernerkundung ‒ Geoinformation, 5, 483‒493.

Janssen, L. L. F. et al. (2004). Geometric aspects. In: Kerle, N. et al. (Eds.), Principles of Remote Sensing: An introductory textbook (3rd Ed.) (pp. 316‒345). Enschede, Nieder-lande: The International Institute for Geo-Information Science and Earth Observation.

Kääb, A. et al. (2005). Remote sensing of glacier-and permafrost-related hazards in high mountains: an overview. Natural Hazards and Earth System Science, 5(4), 527‒554.

Klier, W. (2002). Stubaier Alpen alpin: Alpenvereinsführer für Hochalpenwanderer und Bergsteiger: Begründet von Heinrich Klier (12th ed.). München: Rother.

Land Tirol (2017). Landesweite Laserscanbefliegung Tirol 2006-2010. Retrieved Apr 4, 2017, from https://www.tirol.gv.at/fileadmin/themen/sicherheit/geoinformation/bilder/ ALS_Tirol_Onlinebericht.PDF.

PCI Geomatics Enterprises Inc. (2016). User guide V X.0. Perko, R. et al. (2014). Assessment of the mapping potential of Pléiades stereo and triplet

data. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sci-ences, 2(3), 103–109.

Poli, D., & Caravaggi, I. (2013). 3D modeling of large urban areas with stereo VHR satellite imagery: lessons learned. Natural Hazards, from doi:10.1007/s11069-013-0583-4.

Toutin, T. (2002). Three-Dimensional Topographic Mapping with ASTER Stereo Data in Rugged Topography. IEEE Transactions on Geoscience and remote sensing, 40(10), 2241‒2247.

Veit, H. (2002). Die Alpen: Geoökologie und Landschaftsentwicklung. Eugen Ulmer: Stutt-gart.

Zeger, J. (1986). Historische Entwicklung des Präzisionsnivellements in Österreich. Öster-reichische Zeitschrift für Vermessungswesen und Photogrammetrie, 74(4), 250‒263. Re- trieved Apr 4, 2017, from https://geo.tuwien.ac.at/fileadmin/editors/VGI/VGI_198616_ Zeger.pdf.

pléiades tri-stereo-bilder im hochgebirge eine ...€¦ · die am häufigsten genutzte methode...

Documents