Das Potenzial von Sentinel-2 zur Detektion sub-pixelarer Landschaftsmerkmale

Landnutzungs- und Landbedeckungskarten, die aus Satellitenfernerkundungsbildern abgeleitet werden, sind entscheidend zur Unterstützung der Biodiversität und des Naturschutzes, insbesondere in großen Gebieten. Mit seiner räumlichen Auflösung von 10 m bis 20 m ist Sentinel-2 ein vielversprechender Sensor zur Erkennung verschiedener landschaftlicher Merkmale von ökologischer Relevanz. Viele Komponenten des ökologischen Netzwerks sind jedoch kleiner als der 10 m Pixel, d. h. sie sind sub-pixel Ziele, die die Auflösung des Sensors an ihre Grenzen bringen. Dieses Papier schlägt einen Rahmen vor, um empirisch die Mindestobjektgröße für eine präzise Detektion einer Reihe von strukturellen Landschafts-Vorder-/Hintergrundpaaren zu schätzen. Die entwickelte Methode kombiniert eine spektrale Trennbarkeitsanalyse und eine empirische Punktspreizfunktionseinschätzung für Sentinel-2. Derselbe Ansatz wurde auch auf Landsat-8 und SPOT-5 (Take 5) angewendet, die in Bezug auf spektrale Definition bzw. räumliche Auflösung als ähnlich betrachtet werden können. Die Ergebnisse zeigen, dass Sentinel-2 in beiden Aspekten konstant gut abschneidet. Eine große Anzahl von Indizes wurde gemeinsam mit den einzelnen spektralen Bändern getestet, und die Zielunterscheidung war in allen bis auf einen Fall möglich. Insgesamt heben die Ergebnisse für Sentinel-2 die entscheidende Bedeutung eines guten Kompromisses zwischen räumlicher und spektraler Auflösung hervor. So lag die Erkennungsgrenze für Straßen bei Sentinel-2 bei 3 m, und kleine Wasserflächen sind mit einem Durchmesser von mehr als 11 m unterscheidbar. Darüber hinaus lenkt die Analyse spektraler Mischungen die Aufmerksamkeit auf die ungleiche Empfindlichkeit verschiedener spektraler Indizes. Der vorgeschlagene Rahmen könnte implementiert werden, um die Zweckmäßigkeit zukünftiger Sensoren in einem breiten Anwendungsspektrum zu bewerten.