Erste Schritte und Bilddaten analysieren
Mithilfe von Satellitenbilddaten können Sie den Hagelschaden in den Maisfeldern der Region beurteilen. Richten Sie zunächst das Projekt und die Daten ein und beginnen Sie dann mit dem Erkunden der Bilddaten.
Das Projekt herunterladen und öffnen
Zunächst laden Sie das Projekt mit den Bilddaten herunter, die Sie für das Lernprogramm benötigen, und öffnen es in ArcGIS Pro.
- Laden Sie die Datei Corn field damage.zip herunter.
- Suchen Sie die heruntergeladene Datei Corn field damage.zip auf Ihrem Computer.
Hinweis:
Je nach Web-Browser wurden Sie möglicherweise vor dem Herunterladen aufgefordert, den Speicherort der Datei auszuwählen. In den meisten Browsern werden heruntergeladene Dateien standardmäßig im Ordner "Downloads" gespeichert.
- Klicken Sie mit der rechten Maustaste auf die Datei Corn field damage.zip und extrahieren Sie sie an einem Speicherort, den Sie leicht wiederfinden, beispielsweise den Ordner "Dokumente".
Danach öffnen Sie das Projekt in ArcGIS Pro.
- Starten Sie ArcGIS Pro. Melden Sie sich mit Ihrem lizenzierten ArcGIS-Organisationskonto an, falls Sie dazu aufgefordert werden.
Hinweis:
Wenn Sie über keinen Zugriff auf ArcGIS Pro oder über kein ArcGIS-Organisationskonto verfügen, informieren Sie sich über die Optionen für den Zugriff auf die Software.
- Klicken Sie in ArcGIS Pro im Abschnitt Zuletzt verwendete Projekte auf Anderes Projekt öffnen.
- Navigieren Sie im Fenster Projekt öffnen zum Ordner Corn field damage, in dem Sie die Datei extrahiert haben. Klicken Sie auf Corn field damage.aprx, um die Datei auszuwählen, und dann auf OK.
Das Projekt wird geöffnet.
Das Projekt enthält zwei Bilder, die am 4. August und am 8. August 2019 aufgenommen wurden, also vor und nach dem Hagelsturm in der Region Taber and Barnwell in Alberta: Before_storm.tif und After_storm.tif. Ferner enthält es den Vektor-Layer Field boundaries, den Sie später in diesem Lernprogramm benötigen.
Hinweis:
Bei den beiden Bildern handelt es sich um PlanetScope-Satellitenbilddaten, die von Planet Labs, einem Unternehmen für Bilddaten der Erde, produziert wurden. PlanetScope ist eine Konstellation aus 120 Satelliten, mit denen jeden Tag neue Bilder von jedem beliebigen Gebiet der Erde aufgenommen werden können.
Die Bilder in natürlicher Farbe betrachten
Als Nächstes betrachten Sie die beiden vor und nach dem Sturm aufgenommenen Bilder. Die Bilder sind multispektral, das heißt, sie enthalten mehrere separate Spektralbänder. Jedes Bild enthält drei Bänder, die im Bereich Inhalt aufgeführt sind:
- Rot (oder Band_3)
- Grün (oder Band_2)
- Blau (oder Band_1)
Darüber hinaus enthalten sie ein viertes Band, das derzeit nicht sichtbar ist:
- Nahinfrarot (oder Band_4)
Hinweis:
Nahinfrarotlicht ist für das menschliche Auge nicht sichtbar, wird jedoch oftmals von Satelliten- und Luftbildsensoren erfasst, da es, wie Sie später in diesem Lernprogramm sehen werden, für viele Anwendungen nützlich ist.
Aktuell werden die Bilder in natürlichen Farben mithilfe der Bänder Rot, Grün und Blau angezeigt, die dem Lichtspektrum entsprechen, das für das menschliche Auge sichtbar ist. Die natürliche Farbe kommt dem nahe, wie ein Mensch die Farben sieht. Betrachten Sie die beiden Bilder und vergleichen Sie sie visuell.
- Betrachten Sie die aktuelle Ansicht auf der Karte, auf der das Bild Before_Storm.tif zu sehen ist. Sie können es mit dem Mausrad vergrößern und verkleinern, um weitere Details zu sehen.
Sie können viele Felder sehen; viele haben eine runde Form, während andere rechteckig sind. Sie sind tendenziell sehr grün, da viele Nutzpflanzen im August vor dem Sturm nahezu reif sind. Vergleichen Sie es nun mithilfe des Werkzeugs Ausblenden mit dem Bild nach dem Sturm.
- Aktivieren Sie im Bereich Inhalt das Kontrollkästchen After_storm.tif.
Auf der Karte ändert sich nichts, was sichtbar wäre, da After_Storm.tif unterhalb von Before_Storm.tif angezeigt wird.
- Klicken Sie auf das Bild Before_storm.tif, um es auszuwählen.
- Klicken Sie auf dem Menüband auf der Registerkarte Raster-Layer in der Gruppe Vergleichen auf Ausblenden.
- Ziehen Sie den Mauszeiger im Map Viewer von oben nach unten, um das Bild After_Storm.tif einzublenden und mit dem Bild Before_Storm.tif zu vergleichen.
Auf den ersten Blick sehen Sie, dass das Bild nach dem Sturm in einigen Bereichen hellere Farbtöne hat als das Bild vor dem Sturm. Insbesondere scheint es einige helle Spuren zu geben, die den Bereich auf der Achse von Nordwesten nach Südosten queren. Es ist jedoch schwierig, zu diesem Zeitpunkt genauere Informationen über die Nutzpflanzenschäden zu sammeln.
- Wenn Sie mit dem Erkunden fertig sind, klicken Sie im Menüband auf der Registerkarte Karte in der Gruppe Navigieren auf Erkunden, um den Vergleichsmodus zu beenden.
Um den durch den Sturm verursachten Flurschaden besser zu visualisieren, wenden Sie Ihre Aufmerksamkeit den Bändern "Rot" und "Nahinfrarot" zu.
Die Bandwerte "Rot" und "Nahinfrarot" erkunden
Um die Veränderungen bei den Nutzpflanzen besser zu visualisieren, verwenden Sie die Bänder "Rot" und "Nahinfrarot" (NIR), die bei der Beurteilung des Gesundheitszustands der Vegetation von Nutzen sind.
- Das Chlorophyll in der gesunden Vegetation absorbiert den Großteil des Lichts im Band "Rot" zur Verwendung bei der Photosynthese, sodass sehr wenig davon reflektiert wird.
- Die Zellstruktur gesunder Vegetation reflektiert NIR-Licht stark.
Da der Satellitensensor die Menge an reflektiertem Licht in den unterschiedlichen Bändern erfasst, sind die Werte eines Bildpixels, auf dem gesunde Vegetation zu sehen ist, in der Regel beim Band "Rot" niedrig und beim NIR-Band hoch. Dies ist im nachfolgenden Spektralprofildiagramm dargestellt. Im Gegensatz dazu absorbiert belastete oder sterbende Vegetation weniger rotes Licht (weshalb sie mehr davon reflektiert) und reflektiert weniger NIR-Licht. Das Diagramm zeigt außerdem, dass ein Pixel, das vegetationslosen Boden darstellt, noch mehr rotes Licht und weniger NIR-Licht reflektiert.
Um ein besseres Gespür für die Variabilität der Reflexionswerte der Bänder "Rot" und "Nahinfrarot" Ihrer Bilder von Alberta zu bekommen, verwenden Sie das Werkzeug Image Information, das Spektralprofildaten auf Pixelebene bereitstellt.
- Überprüfen Sie im Bereich Inhalt, ob das Bild Before_storm.tif ausgewählt ist. Klicken Sie auf dem Menüband auf der Registerkarte Bilddaten in der Gruppe Werkzeuge auf Informationen zum Bild.
Der Bereich Informationen zum Bild wird geöffnet.
- Zeigen Sie im Map Viewer auf ein dunkelgrünes Feld voller dichter und gesunder Vegetation.
Im Bereich Informationen zum Bild wird ein Spektralprofildiagramm zu dem Pixel angezeigt, bei dem Ihr Mauszeiger aktuell steht. Der Reflexionswert des Bandes "Rot" (rot symbolisiert) ist sehr niedrig, während der Reflexionswert des NIR-Bandes (grau symbolisiert) hoch ist.
Hinweis:
Die Bänder werden in dem Diagramm in der Reihenfolge angezeigt, die das Bild vorgibt, nämlich Blau (Band 1), Grün (Band 2), Rot (Band 3) und Nahinfrarot (Band 4).
- Zeigen Sie im Map Viewer auf einen beigen oder hellbrauen Bereich, der nacktem Boden ohne Vegetation entspricht.
Im Bereich Informationen zum Bild wird das Spektralprofildiagramm aktualisiert. Der Reflexionswert des Bandes "Rot" ist jetzt vergleichsweise höher, während der Reflexionswert des NIR-Bandes geringer ist.
- Zeigen Sie auf weitere Bereiche beider Bilder, und beobachten Sie, wie sich die Werte der Bänder "Rot" und "NIR" verändern.
Jetzt, da Sie das Verhältnis zwischen den beiden Bändern kennen gelernt haben, sehen Sie, dass sich die Berechnung der Lücke zwischen den roten und den NIR-Werten gut eignet, um zu messen, wie viel gesunde Vegetation auf dem Boden vorhanden ist. Dies tun Sie, indem Sie den SAVI-Index auf Ihre Bilder anwenden.
Änderungsanalyse mit dem SAVI-Index durchführen
Als Nächstes erfahren Sie, worum es sich beim SAVI-Index handelt und wie er mit den Bändern "Rot" und "NIR" arbeitet, um ein Maß für den Vegetationszustand bereitzustellen. Sie wenden den SAVI-Index auf die beiden Bilder vor und nach dem Sturm an, berechnen die Differenz zwischen den beiden resultierenden Rastern und extrahieren den durchschnittlichen Verlust an gesunder Vegetation in den einzelnen Nutzpflanzenfeldern.
Hinweis:
Diese Art von Analyse wird auf Pixel- oder Zellebene durchgeführt.
Bei Satellitenbildern im TIFF-Format wie den in diesem Lernprogramm verwendeten Bildern handelt es sich um Raster. Ein Raster besteht aus Daten, die als Gitter aus Zellen oder Pixeln dargestellt werden.
Bei einer rasterbasierten Analyse berechnen Sie Werte für jede Zelle im Raster. Weitere Informationen zu Raster-Daten
Den SAVI-Index anwenden
Ein Spektralindex kombiniert über eine mathematische Formel verschiedene Spektralbänder und berechnet in der Regel ein Verhältnis. Als Ausgabe wird ein neues Rasterbild generiert.
Hinweis:
Es gibt viele verschiedene Indizes, die verschiedene Spektralbänder kombinieren und verschiedene mathematische Formeln verwenden. Jeder Index soll ein anderes Phänomen hervorheben, zum Beispiel gesunde Vegetation, Wasser, Stadtentwicklung, das Vorhandensein von Eisenmineralien im Boden und vieles mehr. ArcGIS Pro enthält die Galerie "Indizes" mit vielen sofort einsatzfähigen Indizes.
Um gesunde Vegetation hervorzuheben, können Sie unter mehreren Indizes wählen. Sie sollten den Soil-Adjusted Vegetation Index (SAVI) verwenden, der mit den Bändern Rot und NIR arbeitet und für das Verhältnis die folgende Formel verwendet:
SAVI = ((NIR - Red) / (NIR + Red + L)) * (1 + L)
Am wichtigsten ist: SAVI misst die Lücke zwischen den Bändern NIR und Rot (NIR - Rot). Ein höherer SAVI-Wert zeigt an, dass mehr gesunde Vegetation vorhanden ist.
Hinweis:
SAVI ist eine Verbesserung gegenüber dem klassischeren NDVI, der eine einfachere Formel ohne den Faktor L verwendet. Der Faktor L wurde in die Formel eingefügt, um den Einfluss der Variation der Bodenhelligkeit auf den Ausgabewert zu minimieren. L erhält für Bilddaten-Szenen mit mittlerer Vegetations-Bodenbedeckung in der Regel den Wert 0,5. Der endgültige SAVI-Wert variiert von -1,5 bis +1,5 (bei L=0,5). Weitere Informationen zum Soil-Adjusted Vegetation Index.
Als Nächstes wenden Sie den SAVI-Index auf die Bilder Before_storm.tif und After_storm.tif an.
- Überprüfen Sie im Bereich Inhalt, ob das Bild Before_storm.tif ausgewählt wurde.
- Klicken Sie auf dem Menüband auf der Registerkarte Bilddaten in der Gruppe Werkzeuge auf Indizes. Wählen Sie im Bereich Indizes den Index SAVI aus.
- Wählen Sie im Fenster SAVI die folgenden Werte aus:
- Legen Sie den Nahinfrarot-Bandindex auf 4 - Band_4 fest.
- Legen Sie den Rotbandindex auf 3 - Band_3 fest.
- Lassen Sie für Bodenhelligkeits-Korrekturfaktor den Wert 0.5 unverändert.
- Klicken Sie auf OK.
Der neue Layer SAVI_Before_storm.tif wird angezeigt.
Hinweis:
Im Gegensatz zum Original-Satellitenbild ist der SAVI-Raster-Layer kein Multiband-Raster-Layer. Jede Raster-Zelle enthält genau einen numerischen SAVI-Wert, der den Status gesunder Vegetation an diesem Ort zusammenfasst.
Außerdem ist das Werkzeug "SAVI-Index" eine Raster-Funktion, was bedeutet, dass der zu generierende SAVI-Layer dynamisch berechnet und nicht auf Festplatte gespeichert wird. Da keine Zwischen-Datasets erstellt werden, lassen sich die Prozesse schnell anwenden.
- Wenden Sie genau so den SAVI-Index auf das Bild After_storm.tif an.
Der neue Layer SAVI_After_storm.tif wird angezeigt. Verwenden Sie noch einmal das Werkzeug Vergleichen, um die zwei SAVI-Layer zu vergleichen.
- Ziehen Sie im Bereich Inhalt den Layer SAVI_Before_storm.tif über den Layer SAVI_After_storm.tif, damit er in der Liste der Layer an erster Stelle angezeigt wird. Stellen Sie sicher, dass beide Layer aktiviert sind, und klicken Sie ggf. auf SAVI_Before_storm.tif, um diesen Layer auszuwählen.
- Klicken Sie auf dem Menüband auf der Registerkarte Raster-Layer in der Gruppe Vergleichen auf Ausblenden.
- Ziehen Sie den Mauszeiger im Map Viewer von oben nach unten, um das Bild SAVI_After_Storm.tif einzublenden und mit dem Bild SAVI_Before_Storm.tif zu vergleichen.
Die höchsten SAVI-Werte werden in weißen oder hellgrauen Tönen symbolisiert und stellen die Flächen dar, auf denen mehr gesunde Vegetation vorhanden ist. Wie Sie sehen, scheinen viele Felder vor dem Sturm höhere SAVI-Werte zu haben als danach. Noch lässt sich aber nur schwer erkennen, ob einige Felder stärker vom Sturm betroffen waren als andere. Als Nächstes berechnen Sie die Differenz zwischen den zwei SAVI-Layern, um die Veränderung der Vegetation genauer zu messen.
- Wenn Sie mit dem Erkunden fertig sind, klicken Sie im Menüband auf der Registerkarte Karte in der Gruppe Navigieren auf Erkunden, um den Vergleichsmodus zu beenden.
- Drücken Sie Strg+S, um das Projekt zu speichern.
Die Veränderungen zwischen den zwei SAVI-Layern berechnen
Um die durch den Sturm verursachten Veränderungen der Vegetation zu messen, berechnen Sie mit der Raster-Funktion Veränderungen berechnen die Differenz zwischen den zwei SAVI-Layern. Für jedes Pixel wird der SAVI-Wert in SAVI_After_storm.tif von dem SAVI-Wert in SAVI_Before_storm.tif subtrahiert. Ein positiver Ergebniswert zeigt einen Verlust an gesunder Vegetation an.
- Klicken Sie auf dem Menüband auf der Registerkarte Bilddaten auf der Registerkarte Analyse auf die Schaltfläche Raster-Funktionen.
- Geben Sie im Bereich Raster-Funktionen den Text Veränderungen berechnen in das Suchfeld ein, und klicken Sie auf das Werkzeug Veränderungen berechnen, um es zu öffnen.
- Geben Sie im Bereich Eigenschaften von "Veränderungen berechnen" die folgenden Parameterwerte ein:
- Wählen Sie für Von-Raster die Option SAVI_After_storm.tif aus.
- Wählen Sie für In-Raster die Option SAVI_Before_storm.tif aus.
- Stellen Sie sicher, dass für Methode "Veränderungen berechnen" die Methode Unterschied ausgewählt ist.
- Klicken Sie auf Neuen Layer erstellen.
Der neue Raster-Layer Compute Change_SAVI_After_storm.tif_SAVI_Before_storm.tif wird angezeigt.
Die Flächen in Violetttönen zeigen einen Verlust an gesunder Vegetation an (positive numerische Werte), wobei der stärkste Verlust in Dunkelviolett symbolisiert wird. Eine visuelle Untersuchung zeigt ziemlich deutlich, dass der Hagelsturm dieses Gebiet diagonal auf einer Achse von Nordwesten nach Südosten überquert und dabei Schäden an den meisten Feldern in dieser diagonalen Fläche angerichtet hat. Die Felder an den Seiten rechts oben und links unten im Bild scheinen weniger stark betroffen zu sein.
Hinweis:
Sie dürften bemerken, dass einige Flächen in Grün symbolisiert sind (negative numerische Werte), was wohl auf kleine Gewinne an Vegetation hinweist. Da nur vier Tage diese zwei Bilder voneinander trennen, ist es unwahrscheinlich, dass in dieser Zeit viel Wachstum der landwirtschaftlichen Vegetation stattgefunden hat. Allerdings ist es möglich, dass wegen des Wetters im August einige Flächen nackten Bodens trocken waren und auf ihnen schnell Unkraut zu wachsen begann, nachdem sie während des Sturms mit Regen und geschmolzenem Hagel durchtränkt wurden.
Da die kleinen Gewinne an Vegetation für Ihre Analyse der Ernteschäden nicht relevant sind, sollten Sie mit der Raster-Funktion Neuzuordnung alle Werte unter 0 in Ihrem Raster entfernen.
- Suchen Sie im Bereich Raster-Funktionen nach der Funktion Neuzuordnung und öffnen Sie sie.
- Geben Sie unter "Neuzuordnung" im Bereich Eigenschaften die folgenden Parameterwerte ein:
- Wählen Sie für Raster die Option Compute Change_SAVI_After_storm.tif_SAVI_Before_storm.tif aus.
- Lassen Sie für Neuzuordnungs-Definitionstyp die Einstellung Liste unverändert.
Die Neuzuordnungsregel sollten Sie so formulieren, dass alle negativen Werte im Raster entfernt werden sollen, das heißt, auf NoData festgelegt werden sollen. Wie in der Legende im Bereich Inhalt zu sehen ist, beträgt der niedrigste Wert des Layers -0,576915. Verwenden Sie deshalb -0,6 als Minimalwert.
- Geben Sie in der ersten Zeile der Tabelle die folgenden Werte ein:
- Geben Sie als Minimum den Wert -0.6 ein.
- Geben Sie als Maximum den Wert 0 ein.
- Aktivieren Sie für NoData das Kontrollkästchen.
- Klicken Sie auf Neuen Layer erstellen.
Der neue Raster-Layer Remap_Compute Change_SAVI_After_storm.tif_SAVI_Before_storm.tif wird angezeigt. Sie sollten ihm einen kürzeren, aussagekräftigeren Namen geben.
- Klicken Sie im Bereich Inhalt zweimal auf den Layer Remap_Compute_Change_SAVI_After_storm.tif_SAVI_Before_storm.tif, um ihn zu bearbeiten. Legen Sie den Namen auf Loss of healthy vegetation fest, und drücken Sie die Eingabetaste.
- Deaktivieren Sie im Bereich Inhalt alle Layer bis auf das Raster Loss of healthy vegetation und die Grundkarten Weltweite topografische Karte und World Hillshade.
Der neue Layer zeigt nur die Flächen, auf denen es einen Verlust an gesunder Vegetation gegeben hat. Der tiefe Violettton zeigt den stärkeren Verlust an.
- Drücken Sie Strg+S, um das Projekt zu speichern.
Den durchschnittlichen Vegetationsverlust für jedes Feld extrahieren
Im diesem letzten Abschnitt berechnen Sie den durchschnittlichen Verlust an gesunder Vegetation in jedem Feld. Dazu verwenden Sie die Feature-Class Field boundaries, mit der die Grenzen aller kultivierten Felder in diesem Gebiet durch Polygone dargestellt werden. Ein solcher Layer würde durch die Landwirtschaftsorganisation, für die Sie arbeiten, gepflegt.
- Ziehen Sie im Bereich Inhalt den Layer Field boundaries an den Anfang der Layer-Liste. Aktivieren Sie ihn.
Die Polygone, die die kultivierten Felder darstellen, werden in Rot symbolisiert angezeigt.
Um den durchschnittlichen Vegetationsverlust zu berechnen, verwenden Sie das Werkzeug Zonale Statistiken als Tabelle. Für jedes Polygon von Field boundaries berechnet das Werkzeug den Mittelwert aller Pixel im Raster Loss of healthy vegetation, die in diesem Polygon liegen.
- Klicken Sie auf dem Menüband auf der Registerkarte Analyse in der Gruppe Geoverarbeitung auf Werkzeuge.
Daraufhin wird der Bereich Geoverarbeitung angezeigt.
- Navigieren Sie im Bereich Geoverarbeitung zu Zonale Statistiken als Tabelle, und öffnen Sie es.
- Geben Sie im Werkzeug Zonale Statistiken als Tabelle die folgenden Parameterwerte ein:
- Wählen Sie für Eingabe-Raster oder -Feature-Zonen-Daten die Option Field boundaries aus.
- Lassen Sie für Zonenfeld die Field_ID unverändert, da sie automatisch eingetragen wurde.
- Wählen Sie für Eingabe-Werte-Raster die Option Loss of healthy vegetation aus.
- Geben Sie für Ausgabetabelle den Text Vegetation_loss_table am Ende des Pfades Corn field damage.gdb ein.
- Lassen Sie für NoData-Werte in Berechnungen ignorieren das Kontrollkästchen aktiviert.
- Wählen Sie für Statistiktyp die Option Mittelwert aus.
- Übernehmen Sie die Standardeinstellungen für die anderen Parameter.
- Klicken Sie auf Ausführen.
Die Ausgabe dieses Werkzeugs ist eine Tabelle, die Sie jetzt öffnen sollten.
- Klicken Sie im Bereich Inhalt unter Standalone-Tabellen mit der rechten Maustaste auf Vegetation_loss_table, und klicken Sie auf Öffnen.
Die Tabelle wird geöffnet. Sie enthält eine Zeile für jedes Polygon eines kultivierten Feldes. Die Spalte Mean enthält den Mittelwert für den Verlust an gesunder Vegetation für jedes Polygon. Jetzt müssen Sie diese Tabelle über die gemeinsame Field_ID wieder mit dem Layer Field boundaries verbinden.
- Schließen Sie die Tabelle Vegetation_loss_table.
- Klicken Sie im Bereich Inhalt mit der rechten Maustaste auf Field boundaries, und wählen Sie Verbindungen und Beziehungen und dann Verbindung hinzufügen aus.
- Wählen Sie im Fenster Verbindung hinzufügen die folgenden Werte aus:
- Überprüfen Sie, ob für Eingabetabelle die Option Field boundaries ausgewählt ist.
- Wählen Sie für Eingabe-Join-Feld Field_ID aus.
- Wählen Sie als Join-Tabelle die Tabelle Vegetation_loss_table aus.
- Wählen Sie als Join-Tabellen-Feld das Feld Field_ID aus.
- Klicken Sie auf OK.
Der Wert Mean wurde jeder Zeile in der Attributtabelle Field boundaries hinzugefügt. Als Nächstes symbolisieren Sie den Layer Field boundaries basierend auf diesem Mittelwert unter Verwendung eines Schemas abgestufter Farben.
- Doppelklicken Sie auf das Symbol für Field boundaries, um den Bereich Symbolisierung zu öffnen.
- Klicken Sie ggf. im Bereich Symbolisierung auf die Schaltfläche "Zurück".
- Wählen Sie unter Primäre Symbolisierung die Option Abgestufte Farben aus.
- Wählen Sie für Feld den Eintrag MEAN aus.
- Stellen Sie sicher, dass als Methode die Methode Natürliche Unterbrechungen (Jenks) ausgewählt ist.
- Wählen Sie für Klassen den Wert 4.
- Erweitern Sie die Dropdown-Liste für Farbschema, und wählen Sie Namen anzeigen aus. Wählen Sie in der Liste der Farbverläufe das Farbschema Gelb zu Rot aus.
Die Symbolisierung für Field boundaries wird aktualisiert.
- Deaktivieren Sie im Bereich Inhalt den Layer Loss of healthy vegetation, um die Kartendarstellung zu vereinfachen.
Sie sollten den Layer Field Boundaries und die Symbolisierungsbeschriftungen umbenennen, um deren Aussagekraft zu verbessern.
- Klicken Sie im Bereich Inhalt zweimal auf Field Boundaries, um den Layer zu bearbeiten. Legen Sie den Namen auf Vegetation loss per field fest, und drücken Sie die Eingabetaste.
- Klicken Sie im Bereich Symbolisierung auf der Registerkarte Klassen auf den Beschriftungswert für die gelbe Klasse. Geben Sie Low ein, und drücken Sie die Eingabetaste. Legen Sie in analoger Weise die anderen Beschriftungswerte auf Medium, High und Very high fest.
Die Beschriftungen werden zudem im Bereich Inhalt aktualisiert.
- Schauen Sie sich das Endergebnis an.
Die Felder, bei denen so aussieht, als wäre der Verlust an gesunder Vegetation Hoch und Sehr hoch, konzentrieren sich klar und deutlich auf derselben Achse von Nordwesten nach Südosten, die bereits vorher beobachtet wurde. Die Felder, bei denen der Verlust Niedrig war, konzentrieren sich hauptsächlich in den Ecken rechts oben und links unten.
Sie könnten einige benachbarte Felder mit einem anderen Grad der Schäden beobachten. Dies könnte viele Ursachen haben. Zum Beispiel könnten andere Feldfrüchte auch anders von einem Hagelsturm betroffen sein. Auch wenn die Reife auf zwei Feldern mit derselben Frucht ungleich weit fortgeschritten ist, könnten sie anders betroffen sein.
Die Karte bietet eine erste Bewertung der durch den Hagelsturm verursachten Schäden. Sie könnte als Anleitung für eine detailliertere Untersuchung am Boden dienen.
Hinweis:
Die nächsten Schritte könnten darin bestehen, die Karte über ArcGIS Online im Web zu veröffentlichen und in eine Anwendung für den Außendienst zu integrieren. Dies würde den Inspektoren die direkte Interaktion mit der Karte auf ihren mobilen Geräten und die Aktualisierung der Karte mit ihren Ergebnissen in Echtzeit ermöglichen. Ein Beispiel für einen ähnlichen Workflow finden Sie im Lernprogramm Hydranten überprüfen.
- Drücken Sie Strg+S, um das Projekt zu speichern.
In diesem Lernprogramm haben Sie Bilder vor und nach dem Sturm in natürlicher Farbe betrachtet und die Spektralprofile der Pixel analysiert. Sie haben etwas über die Bedeutung der Bänder "Rot" und "Nahinfrarot" für die Beurteilung des Vegetationszustands gelernt und erfahren, worum es sich beim SAVI-Index handelt. Sie haben den SAVI-Index auf beide Bilder angewendet und die Differenz zwischen den beiden resultierenden Rastern berechnet. Zum Schluss haben Sie den durchschnittlichen Verlust an gesunder Vegetation aus den einzelnen Nutzpflanzenfeldern extrahiert und eine Karte erstellt, die eine erste Bewertung der durch den Hagelsturm verursachten Ernteschäden ermöglicht.
Weitere vergleichbare Lernprogramme finden Sie auf der Seite Introduction to Imagery & Remote Sensing.
