In vielen Anwendung, in denen Rasterdaten verwendet werden, ist es notwendig auf einzelnen Pixelwerten zu rechnen. Zum Beispiel möchte man oft Daten umrechnen oder normalisieren. Darüber hinaus ist es bei mehreren Datensätzen oder Rasterkanälen interessant, diese zu kombinieren und miteinander zu verrechnen. Hierfür werden oft Raster-Kalkulatoren verwendet. In der Geo Engine heißt dieser Kalkulator Expression. Im Folgenden zeigen wir ein kurzes Beispiel mit unserer neuen Raster-Expression-Syntax.
Die Idee
Wir verwenden zwei Infrarot- und Nahinfrarotbänder von Sentinel 2 [1], um ein NDVI-Produkt für Mittelhessen, Deutschland zu erzeugen. Der NDVI-Index wird dann in vier verschiedene Klassen umgerechnet: sehr niedrig, niedrig, mittel und hoch.
Die Schritte
Zunächst fügen wir die zwei Rasterbänder als Datasets hinzu. Hierzu kann man über das Data Repository zu den Sentinel-2-Daten gelangen. Die Geo Engine kann Datensätze übereinander gestapelt oder nebeneinander als Gitter anzeigen.
Anschließend suchen wir den Expression-Operator. Hierfür gehen wir in die Operatorliste und wählen den entsprechenden Rasteroperator aus.
Im Eingabedialog können wir eine Expression eingeben. Man kann auf die Rasterpixel jeweils mit den Buchstaben A und B zugreifen. Neben einfachen Berechnungen kann man hier auch Variablen und Verzweigungen verwenden.
let ndvi = (A - B) / (A + B);
if ndvi < 0 {
1
} else if ndvi < 0.25 {
2
} else if ndvi < 0.75 {
3
} else {
4
}
Als No-Data-Wert verwenden wir einen Wert außerhalb der Klassifikation und als Ausgabedatentyp reicht in unserem Fall für die vier Werte Byte. Wenn wir den Operator anwenden, erscheint ein neuer Layer auf der Karte. Wir können diesen nach den vier Klassen einfärben und erhalten entsprechend die klassifizierte Übersicht.
Fazit
Mithilfe von Raster-Expressions lassen sich Raster pixelweise kombinieren. Dies reicht von einfachen bis zu komplexen mathematischen Ausdrücken und kann effizient mit der Geo Engine berechnet werden. Die Ausgaben können kontinuierliche als auch klassifizierte Daten sein. Diese könnte man wiederum in neuen Anwendungsfällen verwendet. Ein Beispiel wären Düngemittelkarten für Landwirte auf Basis der hier erstellten Klassifikation.
Daten-Zitierung
- M. Drusch, U. Del Bello, S. Carlier, O. Colin, V. Fernandez, F. Gascon, B. Hoersch, C. Isola, P. Laberinti, P. Martimort, A. Meygret, F. Spoto, O. Sy, F. Marchese, P. Bargellini: Sentinel-2: ESA’s Optical High-Resolution Mission for GMES Operational Services, Remote Sensing of Environment, Volume 120, 2012, Pages 25-36, ISSN 0034-4257, https://doi.org/10.1016/j.rse.2011.11.026.