räumliche Auflösung
Syn. geometrische A., Bildauflösung; engl. spatial resolution, geometric r., image r., franz. résolution spatiale; Maß der kleinsten identifizierbaren Fläche auf einem Bild als diskrete unabhängige Einheit.
Nach DIN 18716 gilt als räumliche Auflösung die "Fähigkeit eines Sensorsystems, Signale von benachbarten Objektstrukturen getrennt zu erfassen". Der Definition sind folgende zwei Anmerkungen beigefügt:
- "Die räumliche Auflösung kann entweder auf die Bildgröße (in µm) oder auf die Objektgröße (in m) bezogen werden."
- "Die geometrische Auflösung wird durch die Bodenauflösung und die Modulationsübertragungsfunktion (MTF) bestimmt."
Bei Rasterdaten wird die räumliche Auflösung oft ausgedrückt als die Größe der Rasterzelle. Die Bodenauflösung in Zentimetern oder Metern gibt dann an, welche Strecke auf der Erdoberfläche ein Bildpunkt (Pixel) eines Orthophotos abbildet. Diese Aussage wird häufig so interpretiert, dass Objekte ab dieser Länge auf dem Bild sichtbar werden (bei einer Auflösung von 50 cm wären dann Objekte mit einer Länge von mindestens 50 cm sichtbar). Tatsächlich jedoch hängt die Sichtbarkeit von mehreren Faktoren ab, bspw. dem Kontrast des Objektes und seiner Umgebung. Daher sind oft auch Objekte mit einer Länge < Auflösung zu sehen.
In der Fernerkundung ist die räumliche Auflösung definiert bezüglich des Durchmessers der Grundfläche, die erkannt/unterschieden werden kann und ist häufig vergleichbar mit der Größe der Erdoberfläche, die von einem einzigen Pixel bedeckt wird. Damit hängt die Erkennbarkeit von Details in FE-Aufnahmen direkt von der räumlichen Auflösung ab. Häufig wird der Begriff auch synonym gebraucht mit Instantaneous Field of View (IFOV).
Die Wahl des räumlichen Auflösungsvermögens hängt hauptsächlich von der geplanten Anwendung des Fernerkundungsprodukts ab. Die grob auflösenden, aber global aufgezeichneten Daten werden vorwiegend für klimarelevante Untersuchungen verwendet (Strahlungshaushalt der Erde, Wetterbeobachtung, Meereisbedeckung, Oberflächentemperatur), die hochauflösenden Daten hingegen zur topographischen und thematischen Kartierung (Bildkarten, Landnutzung, Ernteprognosen, Präzisionslandwirtschaft, Vegetation, Waldschäden, mineralogische Prospektion) sowie als Planungsgrundlage.
Ein weiterer Faktor, der diese Wahl beeinflusst, ist die Größe der zu beobachtenden Szene. Hochauflösendes Bildmaterial ist teurer und erzeugt Dateien von großer Größe. Hochauflösende Bilder werden im Allgemeinen für Zielgebiete verwendet, die kleiner als 100 Quadratkilometer sind.
Die Fernerkundungssysteme an Bord der METEOSAT-Satellitenserie haben eine räumliche Auflösung von ungefähr 900 m, während die auf der SPOT-Serie bis hinunter auf 2,5 m, jene auf Ikonos II bis 1 m, die auf QuickBird II bis 61 cm und die auf WorldView-3 bis 30 cm (jeweils panchromatisch) auflösen kann. Es wird vermutet, dass die Auflösung militärischer Aufklärungssatelliten 10 cm und weniger erreichen können.
Noch vor 20 Jahren war es unvorstellbar, dass so hoch aufgelöste Satellitenbilder frei verkauft werden. Zu groß war die Angst etwa der US-Geheimdienste und -Militärs, dass die Informationen in falsche Hände geraten könnten. Doch mittlerweile dürfen private Satellitenbetreiber mit ultrascharfen Fotos Geschäfte machen, solange sie sich an bestimmte Spielregeln halten. So hat DigitalGlobe erklärt, dass Aufnahmen tabu seien, die die nationale Sicherheit der USA berühren könnten.
Interessant ist dabei, dass sich derzeit das Machtverhältnis zwischen kommerziellen und staatlichen Betreibern verschiebt. War es lange so, dass vornehmlich von Militärs genutzte Satelliten die bessere Technologie hatten, ist die Weiterentwicklung bei kommerziellen Anbietern derzeit rasant.
Weiterhin versucht etwa die US-Regierung über Auflösungsbeschränkungen dem Einhalt zu gebieten. Seit dem Jahr 2014 gilt eine maximale Auflösung von 25 Zentimeter, bei der dann grob gesprochen ein Schuh die Größe eines einzelnen Bildpunkts hat. Das ist genug, um größere Objekt wie Autos zu erkennen, aber nicht ausreichend, um das betreffende Kennzeichen lesen oder gar Personen identifizieren zu können. Aus einer Privatsphärenperspektive gilt dies ein ganz guter Kompromiss, doch es zeichnet sich ab, dass diese Beschränkung nicht auf Dauer aufrechterhalten werden kann, insbesondere angesichts der wachsenden Konkurrenz aus China.
Gleichzeitig ist die Frequenz der Aufnahmen in den vergangenen Jahren massiv gewachsen: So behauptet etwa die Firma Planet, dass man mit den eigenen Satelliten den gesamten Planeten einmal täglich erfassen kann. Konkurrent Black Sky gibt an, jede große Stadt 70-mal am Tag zu fotografieren. All das reicht zwar noch nicht aus, um die Bewegungen einzelner Personen in Echtzeit verfolgen zu können, Muster lassen sich damit aber sehr wohl identifizieren. Also etwa, wohin sich ein Auto bewegt, wo die Kinder zur Schule gehen, welche Geschäfte besucht werden. Durch die neuen Möglichkeiten von Maschinenlernen kann das auch massenhaft automatisiert erfolgen.
Moderne Systeme erlauben die gleichzeitige Aufnahme von panchromatischen und multispektralen Daten. Durch Datenfusion ist es dann mit Einschränkungen möglich, multispektrale Bilder mit einer Auflösung zu generieren, die an jene der panchromatischen Aufnahme heranreicht.
Die hohe Auflösung wird durch eine verringerte Aufnahmebreite erkauft. Während die indischen Satelliten IRS-1C und IRS-1D mit einer Bodenauflösung von 5 Metern mit einem Überflug noch einen Streifen von 70 km abdecken, reduziert sich die Streifenbreite bei den 1m-Satelliten auf 4-20 km. Diese technisch bedingte Limitierung zieht eine herabgesetzte Überflugwiederholrate nach sich. Diese Einschränkung wird aufgehoben, indem die Sensoren verschwenkbar sind und zwei oder mehrere Satelliten der selben Serien in Umlauf gebracht werden sollen. Dadurch wird es möglich, idente Gebiete auch innerhalb kurzer Zeit wiederholt abzudecken, eine Tatsache, die für ein zuverlässiges Monitoring von Bedeutung ist.
Die eigentlich wünschenswerte hohe räumliche Auflösung bei möglichst vielen Systemen findet ihre Grenzen in den Datenmengen, die zu den Empfangsstationen am Boden übertragen werden müssen. Diese werden durch die Übertragungsfrequenz (X-Band) beschränkt, da an Bord keine oder nur minimale Speichermöglichkeiten gegeben sind. Eine Verbesserung der Pixelgröße um den Faktor 2 bedeutet eine 4-fache Datenmenge pro aufgezeichnetem Spektralkanal. Bei Landsat TM würde der Schritt von 30m-Pixeln zu 15m-Pixeln bei 7 Kanälen die 28-fache Datenmenge ergeben, d.h ein Bild würde anstatt 250 Byte dann 7 GByte groß werden. Aus diesem Grund bedingen sich Streifenbreite und Pixelgröße wechselseitig.
Räumliche und temporale Auflösung bei verschiedenen Anwendungen
Bei bestimmten Fernerkundungsanwendungen müssen Überlegungen zur räumlichen und zeitlichen Auflösung getroffen werden müssen. Mit dem Anstieg der Anforderungen an die zeitliche Auflösung ist es in der Regel nötig, die räumliche Auflösung zu reduzieren, damit die Menge an Sensordaten noch handhabbar bleibt.
Normalerweise sind für viele Anwendungen, die sehr detaillierte räumliche Informationen erfordern, z.B. Landnutzungskartierungen, zum Glück keine hohen temporalen Auflösungen vonnöten. Hierbei genügen gewöhnlich Datensätze, die alle 5 bis 10 Jahre erhoben werden.
Ausnahmen gelten z.B. für die Bereiche Precision Farming, Ernteertragsuntersuchungen, Verkehrsstudien oder Notfall-Management, für die beide Auflösungsarten sehr gute Qualitäten liefern müssen und mit ihrer Datenfülle entsprechend schwierig zu verarbeiten sind. Es kann auch zu weiteren Abwägungsnotwendigkeiten bezüglich anderer Auflösungsarten kommen.
Räumliche und temporale Auflösung bei verschiedenen Anwendungen Quelle: Jensen 2007 |
Weitere Informationen:
- High Resolution Satellite Imaging Systems - Overview (K. Jacobsen, IPI, Hannover)
- Use of very high resolution satellite Imagery (K. Jacobsen, IPI, Hannover)
- Hochaufgelöste Satellitenbilder - ein gleitender Übergang zu Luftbildern (K. Jacobsen, IPI, Hannover)