Von vergleichbaren Satellitenbeobachtungen zu räumlichen Mustern
Projekt öffnen → AOI festlegen → Aufnahmen auswählen → Daten abrufen → Qualität prüfen → Indizes berechnen → Flächen vergleichen.
Die Skripte lesen ihre Eingaben selbst ein. Relative Pfade beziehen sich auf das RStudio-Projekt.
Aufnahmetage, Sommerphase, Wolkenmaske und gültige Pixel gehören zum Ergebnis.
data/auswahl.csv legt die Termine fest. data/qualitaetsmaske.csv enthält die zugelassenen SCL-Klassen.
Nach Änderungen: Abruf bei Bedarf wiederholen, dann NDVI und Folgeauswertungen neu berechnen.
\[NDVI = \frac{NIR-Rot}{NIR+Rot}, \qquad kNDVI = \tanh(NDVI^2).\]
Beide verwenden dieselbe Beobachtung. kNDVI transformiert das Signal nichtlinear und verliert durch das Quadrieren das Vorzeichen.
Erst Einzelpixel transformieren, dann mitteln.
Die Reihe beschreibt fünf ausgewählte Sommerbeobachtungen von 2018 bis 2022.
Eine Differenz ist ein verändertes Vegetationssignal. Ihre Ursache wird anhand der Originalbilder und zusätzlicher Beobachtungen geprüft.
Die Auslassungsprüfung beschreibt die Empfindlichkeit der Trendgeraden. Sie ist keine unabhängige Validierung.
Ein Mittelwert enthält keine Information darüber, wo hohe und niedrige Werte liegen.
Auch gleiche Landbedeckungsanteile können unterschiedlich angeordnet sein.
WS04 hält die Klassenhäufigkeiten konstant und verändert nur die Anordnung. Danach wird die Fenstergröße variiert.
WS05 gruppiert Zellen anhand von zwölf monatlichen Temperaturmitteln zu zusammenhängenden Regionen.
WS06 prüft innere Streuung, Unterschiede benachbarter Jahresgänge und verschobene Grenzen bei gröberem Raster.
Die Temperaturwerte sind Klimanormalwerte für 1970–2000. Sie bilden keine aktuelle Beobachtungsreihe ab.