EnMAP (Environmental Mapping and Analysis Program) ist eine deutsche hyperspektrale Satellitenmission, die darauf abzielt, die Erdoberfläche zu überwachen und zu charakterisieren. EnMAP wurde am 1. April 2022 gestartet und liefert seitdem operationell genaue und diagnostische Oberflächenparameter für terrestrische und aquatische Ökosysteme, die in einer Reihe von Anwendungsbereichen eingesetzt werden können. EnMAP ermöglicht die Quantifizierung und Modellierung wichtiger Ökosystemprozesse, die Untersuchung der vielfältigen Auswirkungen menschlicher Eingriffe und das Management natürlicher Ressourcen.

Das Hauptziel des Projekts ist die Entwicklung und Bereitstellung mehrerer operationeller Prozessoren, die von der Agentur zur Erzeugung von Level-2A (oder Level-2S) und Level-2B aus den CHIME-Erdbeobachtungen verwendet werden sollen sowie zusätzlich Level-2H/F, um CHIME Level-A Produkte mit denen anderer aktueller und zukünftiger Hyperspektralmissionen wie EnMAP, PRISMA, EMIT, DESIS und SBG zu harmonisieren.

Das Hauptziel des Projekts ist die Entwicklung eines End-to-End-Simulators für die "Copernicus Hyperspectral Imaging Mission for the Environment" (CHIME). Der Simulator wird ein leistungsfähiges Werkzeug sein, das es ermöglicht, die End-to-End-Leistung der Mission zu simulieren - von der beobachteten Szene bis hin zu den quantifizierten Parametern.

Künstliches Licht ist eine eindeutige Signatur der menschlichen Tätigkeit, mit starken Korrelationen zur Bevölkerung, zum wirtschaftlichen Entwicklungstand und zur Elektrifizierungsrate. Es repräsentiert auch eine Form von globalen Veränderungen, die noch wenig erforscht sind, mit Folgen für Ökosystemdienstleistungen und den Verlust der biologischen Vielfalt. Es werden die spektralen, räumlichen und zeitlichen Muster der künstlichen Lichtemission von Städten untersucht.

Luftgestützte Multisensor-Fernerkundungsdaten benötigen eine sorgfältige Prozessierung unter Verwendung automatischer, konsistenter, flexibler und robuster Methoden. Hierbei stellt insbesondere die Fusion passiver hyperspektraler mit aktiver LIDAR-Sensorcharakteristik einen aktuellen Forschungsschwerpunkt dar. Durch die Integration einer hohen spektralen mit einer hohen räumlichen und strukturellen Auflösung ermöglicht diese Art der Datenfusion eine umfassendere Objektcharakterisierung. Alle Synergien bezüglich geometrischer und spektraler Anpassung werden ausgenutzt, um sowohl die Datenqualität als auch den Informationsgehalt zu verbessern. Hierfür kommt eine Vielzahl moderner Algorithmen und Methoden zum Einsatz. Eine Kombination aus physikalisch getriebenen Methoden (Photogrammetrie, Raytracing, Strahlungstransfermodellierung) und Datengetriebenen Methoden (Computervision, Deep learning, Punktwolkenprozessierung) ermöglichen eine möglichst reale Messung der Oberflächenreflektanz frei von geometrischen-, Beleuchtungs- und Blickwinkeleinflüssen.

Kartierung der Umweltverschmutzung durch Mikro- und Makro-Plastik Projekte ENSURE

Das Monitoring von Landwirtschaftsflächen ist eines der Kernthemen der zukünftigen EnMAP Mission. Die Simulation multitemporaler Reflexionsdaten, die durch variierende Aufnahmegeometrien und Pflanzenphänologie charakterisiert sind, ist dabei von sehr hohem Interesse. Aus diesem Grund wurde HySimCaR entwickelt, ein spektrales, räumliches und zeitliches Simulationsmodell zur Simulation von Vegetationsbestandsreflexionen. Kern der Simulation sind 4D Pflanzemodelle, die mit einem Raytracing gekoppelt sind. Diese Daten dienen als Eingabedaten für den EnMAP Szenensimulator.