FORCE DataCube Collection

Der FORCE DataCube enthält eine Sammlung analysefähiger Landsat- und Sentinel-2-Daten. Die multispektralen optischen Bilder haben eine räumliche Auflösung von 10m bis 30m und sind für Deutschland von 1984 bis heute verfügbar. Sie können z.B. genutzt werden, um den Zustand und die Prozesse auf der Erdoberfläche zu überwachen.

Dieser DataCube wurde bereits in einer Reihe von wissenschaftlichen Studien erfolgreich eingesetzt (z.B. Kowalski et al. 2020, Schug et al. 2020, Frantz et al. 2021, Hemmerling et al. 2021) und steht nun zur Verfügung.

Details

Die FORCE DataCube Collection bietet Level 2 Analysis Ready Daten aus den Bildarchiven Landsat 4-8 und Copernicus Sentinel-2 A/B. Die Kollektion enthält Daten für Deutschland mit einer räumlichen Auflösung von 10m bis 30m von 1984 bis heute. Analysis Ready Data sind harmonisierte, standardisierte, geometrisch und radiometrisch konsistente Daten mit Qualitätsinformationen pro Pixel. Die Daten wurden mit dem Framework for Operational Radiometric Correction for Environmental Monitoring (FORCE) generiert, einem bewährten Werkzeug zur Verarbeitung von Bildarchiven der Erdbeobachtung.

Zusätzlich erzeugt eine Routineverarbeitung monatliche Sentinel-2-Komposite mit 10m räumlicher Auflösung sowie kombinierte Sentinel-2 + Landsat 8/9 mit 30m. Die Verarbeitung erfolgt zu Beginn eines jeden Monats, wobei das Sentinel-2-Komposit für den vorangegangenen Monat sowie das kombinierte Komposit für den Vormonat erzeugt wird (was die Latenz der Bildlieferung widerspiegelt).

Die Daten stehen für Nutzer von VMs zur Verfügung und können mit jeder geeigneten Verarbeitungssoftware, GIS oder Programmiersprache ausgewertet werden. Darüber hinaus können die Daten mit dem 'Higher Level Processing System' von FORCE weiter analysiert werden. FORCE bietet ein umfassendes Toolset, das alle wesentlichen Aufgaben in einem typischen Erdbeobachtungsanalyse-Workflow, d.h. von Daten zu Informationen, durchführen kann. Dazu gehören zum Beispiel Klassifizierung und Regression durch maschinelles Lernen, Zeitreihen- und Veränderungsanalyse, Bildkomposition oder Datentransformation. Die Links zu den Tutorials finden Sie weiter unten. FORCE ist eine Open-Source-Software und steht allen Benutzern über eine virtuelle Maschine zur Verfügung. Installationsanweisungen finden Sie auf der Seite Hilfe/FAQ. Wissensbasierte Artikel beschreiben den DataCube im Detail und demonstrieren die Verwendung von FORCE auf der Plattform.

Daten

Aufnahmen der folgenden Sensortypen sind im FORCE DataCube enthalten:

Landsat 4 Thematic Mapper, Collection 2
Landsat 5 Thematic Mapper, Collection 2
Landsat 7 Enhanced Thematic Mapper +, Collection 2
Landsat 8 Operational Land Imager 2
Landsat 9
Sentinel-2 A MultiSpectral Instrument
Sentinel-2 B MultiSpectral Instrument
Sentinel-2 monatliche Komposite
Sentinel-2 + Landsat 8/9 monatliche Komposite

Alle Bildaufnahmen mit einer Wolkenbedeckung von weniger als 70 % (gemäß den ESA/USGS-Metadaten) wurden für den DataCube berücksichtigt. Bildaufnahmen, für die der FORCE-interne Wolkenmaskierungsalgorithmus eine Wolkenbedeckung von über 90 % ermittelte, wurden verworfen. Ebenso wurden Bildchips (30 x 30 km) mit einer Wolkenbedeckung von mehr als 90 % nicht in den FORCE DataCube aufgenommen. Es sind nur Tier-1-Bilder von Landsat enthalten. Die Sentinel-2-Daten wurden mit den Landsat-Daten co-registriert. Bilder wurden verworfen, wenn die Koregistrierung fehlschlug (dies geschieht meist aufgrund einer hohen Wolkenbedeckung).

Vorverarbeitung

Die Vorverarbeitung der Daten umfasst unter anderem:

Erweiterte Erkennung von Wolken und Wolkenschatten und anschließende Wolkenmaskierung
Qualitätsprüfung
Integrierte atmosphärische und topografische Korrektur
Korrektur des Adjacent-Effekts
Korrektur der bidirektionalen Reflexionsverteilungsfunktion (BRDF, Bidirectional Reflectance Distribution Function)
Zusammenlegung der Sentinel-2-Bänder von 20 m auf 10 m Auflösung
Co-Registrierung von Sentinel-2-Aufnahmen
Datenkubifizierung, d.h. Reprojektion und Rasterung

FORCE wurde in einer Reihe von internen und externen Projekten streng validiert, vor allem in der Atmospheric Correction Intercomparison eXercise (ACIX, Doxani et al. 2018), sowie in ACIX II (Veröffentlichung in Vorbereitung) und der Cloud Masking Intercomparison eXercise (Veröffentlichung in Prüfung).

Datenverfügbarkeit, Datenformat und Datenzugang

Die Daten sind für Deutschland von 1984 bis heute verfügbar. Alle vorverarbeiteten Aufnahmen liegen als GeoTiff-Bilder in einem Kachelformat mit einer Kachelgröße von 30 x 30 km vor. Weitere Informationen zur Datenstruktur und zu den Attributen finden Sie im Tutorial.

Der FORCE DataCube kann über VMs oder auch direkt in einer Instanz des CODE-DE JupyterLab zugegriffen werden. Neue Bilddaten werden kontinuierlich in diesen Datensatz eingespeist. Weitere Informationen zum Zugriff auf den DataCube finden Sie in unserer Knowledgebase. Außerdem enthält unser Samples-Verzeichnis auf Github Vorlagen für die Arbeit mit FORCE-Daten.

Die Daten können mit dem FORCE-Prozessor weiter analysiert werden. Dazu muss der Nutzer eine Docker-Installation von FORCE auf einer virtuellen Maschine einrichten. Bitte beachten Sie auch die FAQs und Tutorials unter den unten stehenden Links.

Nutzungsvoraussetzungen

Es gibt bestimmte Voraussetzungen, die für die Nutzung erfüllt werden müssen. Einige Daten oder Dienste erfordern einen individuellen Antrag. Für weitere Informationen wenden Sie sich bitte an den CODE-DE Support.

	Erforderlich?	Bemerkung
Registrierung auf CODE-DE	Ja	---
Cloud-Ressourcen auf CODE-DE	Ja	---
Individuelle Beantragung	Nein	---

Weiterführende Informationen

Weitere Informationen zu diesem Produkt sind auch auf den folgenden externen Seiten zu finden:

References

The Framework for Operational Radiometric Correction for Environmental monitoring (FORCE) was developed by David Frantz.

Frantz, D. (2019): FORCE – Landsat + Sentinel-2 Analysis Ready Data and beyond. Remote Sensing 11, 1124, doi: 10.3390/rs11091124
Doxani, G., Vermote, E., Roger, J.-C., Gascon, F., Adriaensen, S., Frantz, D., Hagolle, O., Hollstein, A., Kirches, G., Li, F., Louis, J., Mangin, A., Pahlevan, N., Pflug, B., & Vanhellemont, Q. (2018). Atmospheric Correction Inter-Comparison Exercise. Remote Sensing, 10, 352, doi: 10.3390/rs10020352
Frantz, D., Schug, F., Okujeni, A., Navacchi, C., Wagner, W., van der Linden, S., & Hostert, P. (2021). National-scale mapping of building height using Sentinel-1 and Sentinel-2 time series. Remote Sensing of Environment, 252, 112128, doi: 10.1016/j.rse.2020.112128
Hemmerling, J., Pflugmacher, D., Hostert, P., (2021). Mapping temperate forest tree species using dense Sentinel-2 time series. Remote Sensing of Environment, 267, 112743, doi: 10.1016/j.rse.2021.112743
Schug, F., Frantz, D., Okujeni, A., van der Linden, S., & Hostert, P. (2020). Mapping urban-rural gradients of settlements and vegetation at national scale using Sentinel-2 spectral-temporal metrics and regression-based unmixing with synthetic training data. Remote Sensing of Environment, 246, 111810. DOI:10.1016/j.rse.2020.111810
Kowalski, K., Senf, C., Hostert, P., & Pflugmacher, D. (2020). Characterizing spring phenology of temperate broadleaf forests using Landsat and Sentinel-2 time series. International Journal of Applied Earth Observation and Geoinformation, 92, 102172. DOI:10.1016/j.jag.2020.102172

Nutzungsbedingungen

Die Nutzung des Produkts unterliegt den nachstehenden Nutzungsbedingungen:

GNU General Public License v3.0