Academic literature on the topic 'Imaging spektrometry'

Das Monitoring von Landwirtschaftsflächen ist eines der Kernthemen der zukünftigen EnMAP Mission, einem deutschen, hyperspektralen Fernerkundungssensor, dessen Start für 2015 geplant ist. In Vorbereitung dieser Mission gehören die Erweiterung und Entwicklung objektiver, robuster sowie zuverlässiger Methoden zur Ableitung biophysikalischer Parameter zu den Hauptaufgaben. Die für das Monitoring von Vegetation notwendige hohe zeitliche Auflösung wird durch ein stufenloses Schwenken von bis zu +/-30° quer zur Flugrichtung erreicht. Daraus resultiert, dass die Daten durch variierende Ein- und Ausstrahlungsgeometrien stark beeinflusst werden. Daher ist eine detaillierte Kenntnis der bidirektionalen Reflexionsfunktion (engl. bidirectional reflectance distribution function, BRDF) der beobachteten Oberflächen notwendig, um diese Einflüsse auf das Reflexionssignal zu identifizieren und anschließend zu korrigieren. Zu diesem Zweck wurde in dieser Arbeit eine Methodik entwickelt, die es ermöglicht, auf der Basis von simulierten Spektren realistische BRDF Szenarien zu modellieren und oberflächenspezifische Korrekturfunktionen abzuleiten. Die Methodik besteht aus drei aufeinander aufbauenden Komponenten. Im ersten Schritt erfolgt die Modellierung der BRDF von landwirtschaftlichen Vegetationsbeständen. Im zweiten Schritt wird der Einfluss der Bestandsarchitektur auf die BRDF analysiert. Darüber hinaus wird untersucht, inwiefern sich Variationen in der BRDF auf die quantitative Ausprägung von Vegetationsindizes auswirken. Solche Indizes sind eine häufig genutzte Möglichkeit zur Quantifizierung biophysikalische Parameter im Rahmen empirischer Verfahren. Aufbauend auf den gewonnenen Erkenntnissen wurden im dritten Schritt Korrekturfunktionen für ausgewählte Vegetationsindizes entwickelt, um Schrägblickbeobachtungen in Nadirbeobachtungen zu transformieren. Abschließend wurde die entwickelte Methodik auf simulierte, sensorspezifische Spektren übertragen.<br>Monitoring of arable crops is one of the core applications of the upcoming spaceborne EnMAP mission, a German hyperspectral imaging spectrometer scheduled for launch in 2015. During the present preparatory phase one of the primary tasks is the development of accurate, robust and reliable retrieval methods for biophysical canopy parameters. Monitoring of crop canopies requires a frequent temporal coverage. In case of EnMAP, this will be realised by an off-nadir pointing of the sensor up to +/-30° across to the flight direction. The off-nadir pointing leads to data strongly influenced by varying acquisition geometry. Therefore, detailed knowledge of bidirectional reflectance distribution functions (BRDF) of the observed surfaces is necessary to identify and to correct BRDF influenced reflectance signals. For this purpose, a methodology was developed that allows modelling of realistic BRDF scenarios and of surface-specific correction functions. This methodology consists of three consecutive parts. In the first part, modelling of the BRDF of crop canopies was performed. In the second part, the influence of canopy architecture on the BRDF was analysed. Additionally, the BRDF related dependencies of vegetation indices were investigated. Such indices are widely used to quantify biophysical canopy parameters based on empirical methods. In the third part, correction functions were developed for selected vegetation indices to enable a transformation from off-nadir into nadir observations. These correction functions incorporate results obtained in the second part of the methodology. Finally, the developed methodology was applied on sensor-specific simulated spectra.

One of new techniques in the field of analytical chemistry, which has more and more practical use, is mass spectrometry imaging. With its ability to record representation of substances in samples during the tissue analyze arise problem with a lot of output data which needs to be handled programmatically. The goal of this work is to create an software for processing and visualization data of new standard imzML. As a part of the work, the field of mass spectrometry, primarily MALDI TOF mass spectrometry, is briefly introduced. There are also introduced some methods for mass spectrometry data preprocessing. The work also contains a summary of current state of available software for processing and visualization of mass spectrometry data. With requests from cooperating laboratory a novel software is designed and implemented, which besides the visualization itself, can preprocess the data for example data smoothing with Savitzky-Golay method, internal calibration or peak detection with continuous wavelet transformation. The software was successfully tested on real data sets.

Roads are important infrastructure and are primary means of transportation. Control and maintenance of roads are substantial as the pavement surface deforms and deteriorates due to heavy load and influences of weather. Acquiring detailed information about the pavement condition is a prerequisite for proper planning of road pavement maintenance and rehabilitation. Many companies detect and localize the road pavement distresses manually, either by on-site inspection or by digitizing laser data and imagery captured by mobile mapping. The automation of road condition mapping using laser data and colour images is a challenge. Beyond that, the mapping of material properties of the road pavement surface with spectrometers has not yet been investigated. This study aims at automatic mapping of road surface condition including distress and material properties by integrating laser scanning, RGB imaging and spectrometry. All recorded data are geo-referenced by means of GNSS/ INS. Methods are developed for pavement distress detection that cope with a variety of different weather and asphalt conditions. Further objective is to analyse and map the material properties of the pavement surface using spectrometry data. No standard test data sets are available for benchmarking developments on road condition mapping. Therefore, all data have been recorded with a mobile mapping van which is set up for the purpose of this research. The concept for detecting and localizing the four main pavement distresses, i.e. ruts, potholes, cracks and patches is the following: ruts and potholes are detected using laser scanning data, cracks and patches using RGB images. For each of these pavement distresses, two or more methods are developed, implemented, compared to each other and evaluated to identify the most successful method. With respect to the material characteristics, spectrometer data of road sections are classified to indicate pavement quality. As a spectrometer registers almost a reflectivity curve in VIS, NIR and SWIR wavelength, indication of aging can be derived. After detection and localization of the pavement distresses and pavement quality classes, the road condition map is generated by overlaying all distresses and quality classes. As a preparatory step for rut and pothole detection, the road surface is extracted from mobile laser scanning data based on a height jump criterion. For the investigation on rut detection, all scanlines are processed. With an approach based on iterative 1D polynomial fitting, ruts are successfully detected. For streets with the width of 6 m to 10 m, a 6th order polynomial is found to be most suitable. By 1D cross-correlation, the centre of the rut is localized. An alternative method using local curvature shows a high sensitivity to the shape and width of a rut and is less successful. For pothole detection, the approach based on polynomial fitting generalized to two dimensions. As an alternative, a procedure using geodesic morphological reconstruction is investigated. Bivariate polynomial fitting encounters problems with overshoot at the boundary of the regions. The detection is very successful using geodesic morphology. For the detection of pavement cracks, three methods using rotation invariant kernels are investigated. Line Filter, High-pass Filter and Modified Local Binary Pattern kernels are implemented. A conceptual aspect of the procedure is to achieve a high degree of completeness. The most successful variant is the Line Filter for which the highest degree of completeness of 81.2 % is achieved. Two texture measures, the gradient magnitude and the local standard deviation are employed to detect pavement patches. As patches may differ with respect to homogeneity and may not always have a dark border with the intact pavement surface, the method using the local standard deviation is more suitable for detecting the patches. Linear discriminant analysis is utilized for asphalt pavement quality analysis and classification. Road pavement sections of ca. 4 m length are classified into two classes, namely: “Good” and “Bad” with the overall accuracy of 77.6 %. The experimental investigations show that the developed methods for automatic distress detection are very successful. By 1D polynomial fitting on laser scanlines, ruts are detected. In addition to ruts also pavement depressions like shoving can be revealed. The extraction of potholes is less demanding. As potholes appear relatively rare in the road networks of a city, the road segments which are affected by potholes are selected interactively. While crack detection by Line Filter works very well, the patch detection is more challenging as patches sometimes look very similar to the intact surface. The spectral classification of pavement sections contributes to road condition mapping as it gives hints on aging of the road pavement<br>Straßen bilden die primären Transportwege für Personen und Güter und sind damit ein wichtiger Bestandteil der Infrastruktur. Der Aufwand für Instandhaltung und Wartung der Straßen ist erheblich, da sich die Fahrbahnoberfläche verformt und durch starke Belastung und Wettereinflüsse verschlechtert. Die Erfassung detaillierter Informationen über den Fahrbahnzustand ist Voraussetzung für eine sachgemäße Planung der Fahrbahnsanierung und -rehabilitation. Viele Unternehmen detektieren und lokalisieren die Fahrbahnschäden manuell entweder durch Vor-Ort-Inspektion oder durch Digitalisierung von Laserdaten und Bildern aus mobiler Datenerfassung. Eine Automatisierung der Straßenkartierung mit Laserdaten und Farbbildern steht noch in den Anfängen. Zudem werden bisher noch nicht die Alterungszustände der Asphaltdecke mit Hilfe der Spektrometrie bewertet. Diese Studie zielt auf den automatischen Prozess der Straßenzustandskartierung einschließlich der Straßenschäden und der Materialeigenschaften durch Integration von Laserscanning, RGB-Bilderfassung und Spektrometrie ab. Alle aufgezeichneten Daten werden mit GNSS / INS georeferenziert. Es werden Methoden für die Erkennung von Straßenschäden entwickelt, die sich an unterschiedliche Datenquellen bei unterschiedlichem Wetter- und Asphaltzustand anpassen können. Ein weiteres Ziel ist es, die Materialeigenschaften der Fahrbahnoberfläche mittels Spektrometrie-Daten zu analysieren und abzubilden. Derzeit gibt es keine standardisierten Testdatensätze für die Evaluierung von Verfahren zur Straßenzustandsbeschreibung. Deswegen wurden alle Daten, die in dieser Studie Verwendung finden, mit einem eigens für diesen Forschungszweck konfigurierten Messfahrzeug aufgezeichnet. Das Konzept für die Detektion und Lokalisierung der wichtigsten vier Arten von Straßenschäden, nämlich Spurrillen, Schlaglöcher, Risse und Flickstellen ist das folgende: Spurrillen und Schlaglöcher werden aus Laserdaten extrahiert, Risse und Flickstellen aus RGB- Bildern. Für jede dieser Straßenschäden werden mindestens zwei Methoden entwickelt, implementiert, miteinander verglichen und evaluiert um festzustellen, welche Methode die erfolgreichste ist. Im Hinblick auf die Materialeigenschaften werden Spektrometriedaten der Straßenabschnitte klassifiziert, um die Qualität des Straßenbelages zu bewerten. Da ein Spektrometer nahezu eine kontinuierliche Reflektivitätskurve im VIS-, NIR- und SWIR-Wellenlängenbereich aufzeichnet, können Merkmale der Asphaltalterung abgeleitet werden. Nach der Detektion und Lokalisierung der Straßenschäden und der Qualitätsklasse des Straßenbelages wird der übergreifende Straßenzustand mit Hilfe von Durchschlagsregeln als Kombination aller Zustandswerte und Qualitätsklassen ermittelt. In einem vorbereitenden Schritt für die Spurrillen- und Schlaglocherkennung wird die Straßenoberfläche aus mobilen Laserscanning-Daten basierend auf einem Höhensprung-Kriterium extrahiert. Für die Untersuchung zur Spurrillen-Erkennung werden alle Scanlinien verarbeitet. Mit einem Ansatz, der auf iterativer 1D-Polynomanpassung basiert, werden Spurrillen erfolgreich erkannt. Für eine Straßenbreite von 8-10m erweist sich ein Polynom sechsten Grades als am besten geeignet. Durch 1D-Kreuzkorrelation wird die Mitte der Spurrille erkannt. Eine alternative Methode, die die lokale Krümmung des Querprofils benutzt, erweist sich als empfindlich gegenüber Form und Breite einer Spurrille und ist weniger erfolgreich. Zur Schlaglocherkennung wird der Ansatz, der auf Polynomanpassung basiert, auf zwei Dimensionen verallgemeinert. Als Alternative wird eine Methode untersucht, die auf der Geodätischen Morphologischen Rekonstruktion beruht. Bivariate Polynomanpassung führt zu Überschwingen an den Rändern der Regionen. Die Detektion mit Hilfe der Geodätischen Morphologischen Rekonstruktion ist dagegen sehr erfolgreich. Zur Risserkennung werden drei Methoden untersucht, die rotationsinvariante Kerne verwenden. Linienfilter, Hochpassfilter und Lokale Binäre Muster werden implementiert. Ein Ziel des Konzeptes zur Risserkennung ist es, eine hohe Vollständigkeit zu erreichen. Die erfolgreichste Variante ist das Linienfilter, für das mit 81,2 % der höchste Grad an Vollständigkeit erzielt werden konnte. Zwei Texturmaße, nämlich der Betrag des Grauwert-Gradienten und die lokale Standardabweichung werden verwendet, um Flickstellen zu entdecken. Da Flickstellen hinsichtlich der Homogenität variieren können und nicht immer eine dunkle Grenze mit dem intakten Straßenbelag aufweisen, ist diejenige Methode, welche die lokale Standardabweichung benutzt, besser zur Erkennung von Flickstellen geeignet. Lineare Diskriminanzanalyse wird zur Analyse der Asphaltqualität und zur Klassifikation benutzt. Straßenabschnitte von ca. 4m Länge werden zwei Klassen („Gut“ und „Schlecht“) mit einer gesamten Accuracy von 77,6 % zugeordnet. Die experimentellen Untersuchungen zeigen, dass die entwickelten Methoden für die automatische Entdeckung von Straßenschäden sehr erfolgreich sind. Durch 1D Polynomanpassung an Laser-Scanlinien werden Spurrillen entdeckt. Zusätzlich zu Spurrillen werden auch Unebenheiten des Straßenbelages wie Aufschiebungen detektiert. Die Extraktion von Schlaglöchern ist weniger anspruchsvoll. Da Schlaglöcher relativ selten in den Straßennetzen von Städten auftreten, werden die Straßenabschnitte mit Schlaglöchern interaktiv ausgewählt. Während die Rissdetektion mit Linienfiltern sehr gut funktioniert, ist die Erkennung von Flickstellen eine größere Herausforderung, da Flickstellen manchmal der intakten Straßenoberfläche sehr ähnlich sehen. Die spektrale Klassifizierung der Straßenabschnitte trägt zur Straßenzustandsbewertung bei, indem sie Hinweise auf den Alterungszustand des Straßenbelages liefert

The development and application of new cloud retrieval methods from ground–based and airborne measurements of spectral radiance fields above heteorogeneous surfaces is introduced. The potential of imaging spectrometers in remote–sensing applications is evaluated. The analyzed spectral radiance fields were measured during two international field campaigns in the visible wavelength range (400–970 nm) with high spatial (&lt;10m) resolution. From ground–based measurements, high ice clouds were observed and from airborne measurements Arctic stratus. From the measurements, cloud optical thickness is retrieved with high spatial resolution and the horizontal cloud inhomogeneities are investigated. Depending on the measurement configuration, different uncertainties arise for the retrieval of the cloud optical thickness. A reduction of those uncertainties is derived by a specification of the ice crystal shape to improve the retrieval of the optical thickness of high ice clouds. The ice crystal shape is obtained independently from the angular information of the scattering phase function features, imprinted in the radiance fields. A performed sensitivity study reveals uncertainties of up to 90%, when neglecting this information and applying a wrong crystal shape to the retrieval. For remote-sensing of Arctic stratus, the highly variable surface albedo influences the accuracy of the cloud optical thickness retrieval. In cloudy cases the transition of reflected radiance from open water to sea ice is not instantaneous but horizontally smoothed. In general, clouds reduce the reflected radiance above bright surfaces in the vicinity of open water, while it is enhanced above open sea. This results in an overestimation of to up to 90% in retrievals of the optical thickness. This effect is investigated. Using observations and three-dimensional radiative transfer simulations, this effect is quantified to range to up to 2200 m distance to the sea-ice edge (for dark-ocean albedo of αwater = 0.042 and sea-ice albedo of αice = 0.91 at 645 nm wavelength) and to depend on macrophysical cloud and sea-ice properties. The retrieved fields of cloud optical thickness are statistically investigated. Auto–correlation functions and power spectral density analysis reveal that in case of clouds with prevailing directional cloud structures, cloud inhomogeneities cannot be described by a universally valid parameter. They have to be defined along and across the prevailing cloud structures to avoid uncertainties up to 85%<br>Im folgenden wird die Entwicklung und Anwendung neuer Ableitungsverfahren von Wolkenparametern, basierend auf bodengebundener und flugzeuggetragener spektraler Strahldichtemessungen über heterogenen Untergründen, vorgestellt und das Fernerkundungspotential abbildender Spektrometer evaluiert. Die spektralen Strahldichtefelder wurden während zweier internationaler Feldkampagnen im sichtbaren Wellenlängenbereich (400–970 nm) mit hoher räumlich Auflösung (&lt;10m) gemessen. Bodengebundene Messungen wurden genutzt, um hohe Eiswolken zu beobachten und flugzeuggetragenen um arktischen Stratus zu beobachten. Aus den Messungen werden räumlich hochaufgelöste wolkenoptische Dicken abgeleitet und anschließend horizontale Wolkeninhomogenitäten untersucht. Die Ableitung der wolkenoptischen Dicke birgt je nach Messkonfiguration verschiedene Unsicherheiten. Eine Reduzierung der Unsicherheiten wird durch die Vorgabe einer Eiskristallform zur Verbesserung der Ableitung der optischen Dicke hoher Eiswolken erreicht. Diese werden unabhängig aus den winkelabhängigen, in das gemessene Strahldichtefeld eingeprägten Eigenschaften der Streuphasenfunktion, abgeleitet. Bei Vernachlässigung dieser Information und Wahl der falschen Eiskristallform, treten Fehler in der abgeleiteten optischen Dicke von bis zu 90% auf. Bei der Fernerkundung von arktischem Stratus beeinflusst die sehr variable Bodenalbedo die Genauigkeit der Ableitung der optischen Dicke. Beim Übergang von Meereis zu Wasser, findet die Abnahme der reflektierten Strahldichte im bewölktem Fall nicht direkt über der Eiskante, sondern horizontal geglättet statt. Allgemein reduzieren Wolken die reflektierte Strahldichte über Eisflächen nahe Wasser, während sie über dem Wasser erhöht wird. Dies führt zur Überschätzung der wolkenoptischen Dicke über Wasserflächen nahe Eiskanten von bis zu 90 %. Dieser Effekt wird mit Hilfe von Beobachtungen und dreidimensionalen Strahlungstransferrechnungen untersucht und es wird gezeigt, dass sein Einfluss noch bis zu 2200 m Entfernung zur Eiskante wirkt (für Meeresalbedo 0.042 und Meereisalbedo 0.91 bei 645 nm Wellenlänge) und von den makrophysikalischen Wolken- und Meereiseigenschaften abhängt. Die abgeleiteten Felder der optischen Dicke werden statistisch ausgewertet, um die Inhomogeneität der Wolken zu charakterisieren. Autokorrelationsfunktionen und Leistungsdichtespektren zeigen, dass Inhomogenitäten von Wolken mit vorranging richtungsabhängiger Struktur nicht mit einem allgemeingültigen Parameter beschrieben werden können. Es sind Inhomogenitätsmaße entlang und entgegen der jeweiligen Wolkenstrukturen nötig, um Fehler von bis zu 85% zu vermeiden

Das weltweite Ausmaß der Urbanisierung zählt zu den großen ökologischen Herausforderungen des 21. Jahrhunderts. Die Fernerkundung bietet die Möglichkeit das Verständnis dieses Prozesses und seiner Auswirkungen zu erweitern. Der Fokus dieser Arbeit lag in der Quantifizierung der städtischen Landbedeckung mittels Maschinellen Lernens und räumlich unterschiedlich aufgelöster Hyperspektraldaten. Untersuchungen berücksichtigten innovative methodische Entwicklungen und neue Möglichkeiten, die durch die bevorstehende Satellitenmission EnMAP geschaffen werden. Auf Basis von Bilder des flugzeugestützten HyMap Sensors mit Auflösungen von 3,6 m und 9 m sowie simulierten EnMAP-Daten mit einer Auflösung von 30 m wurde eine Kartierung entlang des Stadt-Umland-Gradienten Berlins durchgeführt. Im ersten Teil der Arbeit wurde die Kombination von Support Vektor Regression mit synthetischen Trainingsdaten für die Subpixelkartierung eingeführt. Ergebnisse zeigen, dass sich der Ansatz gut zur Quantifizierung thematisch relevanter und spektral komplexer Oberflächenarten eignet, dass er verbesserte Ergebnisse gegenüber weiteren Subpixelverfahren erzielt, und sich als universell einsetzbar hinsichtlich der räumlichen Auflösung erweist. Im zweiten Teil der Arbeit wurde der Wert zukünftiger EnMAP-Daten für die städtische Fernerkundung abgeschätzt. Detaillierte Untersuchungen unterstreichen deren Eignung für eine verbesserte und erweiterte Beschreibung der Stadt nach dem bewährten Vegetation-Impervious-Soil-Schema. Analysen der Möglichkeiten und Grenzen zeigen sowohl Nachteile durch die höhere Anzahl von Mischpixel im Vergleich zu hyperspektralen Flugzeugdaten als auch Vorteile aufgrund der verbesserten Differenzierung städtischer Materialien im Vergleich zu multispektralen Daten. Insgesamt veranschaulicht diese Arbeit, dass die Kombination von hyperspektraler Satellitenbildfernerkundung mit Methoden des Maschinellen Lernens eine neue Qualität in die städtische Fernerkundung bringen kann.<br>The global dimension of urbanization constitutes a great environmental challenge for the 21st century. Remote sensing is a valuable Earth observation tool, which helps to better understand this process and its ecological implications. The focus of this work was to quantify urban land cover by means of machine learning and imaging spectrometer data at multiple spatial scales. Experiments considered innovative methodological developments and novel opportunities in urban research that will be created by the upcoming hyperspectral satellite mission EnMAP. Airborne HyMap data at 3.6 m and 9 m resolution and simulated EnMAP data at 30 m resolution were used to map land cover along an urban-rural gradient of Berlin. In the first part of this work, the combination of support vector regression with synthetically mixed training data was introduced as sub-pixel mapping technique. Results demonstrate that the approach performs well in quantifying thematically meaningful yet spectrally challenging surface types. The method proves to be both superior to other sub-pixel mapping approaches and universally applicable with respect to changes in spatial scales. In the second part of this work, the value of future EnMAP data for urban remote sensing was evaluated. Detailed explorations on simulated data demonstrate their suitability for improving and extending the approved vegetation-impervious-soil mapping scheme. Comprehensive analyses of benefits and limitations of EnMAP data reveal both challenges caused by the high numbers of mixed pixels, when compared to hyperspectral airborne imagery, and improvements due to the greater material discrimination capability when compared to multispectral spaceborne imagery. In summary, findings demonstrate how combining spaceborne imaging spectrometry and machine learning techniques could introduce a new quality to the field of urban remote sensing.

(EN) Ambient mass spectrometry defines the versatile group of methods providing analysis of solid sample surfaces and liquids in an open atmospheric pressure environment, where the sample is simultaneously accessible to another treatment. Ambient mass spectrometry is a sharply developing research area in the analytical chemistry. It provides fast, direct analysis of objects without any sample pretreatment with the use of the mass spectrometer. Desorption electrospray ionization (DESI) and desorption atmospheric pressure photoionization (DAPPI) equipped with software control of the sample holder were investigated in this doctoral thesis. These methods use a spray of solvents for desorption and ionization molecules from solid substrate and they are suitable tools for mass spectrometry imaging (MSI) of low molecular organic compounds, where the chemical identity of molecules present on a surface is examined as a function of spatial distribution. This project deals with applications and instrumental development. As for the applications, the position of the defense glands on insect bodies, separation of the lipids in complex mixtures on thin-layer chromatography (TLC) plates, or steroid metabolites in woman urine during pregnancy were thus investigated. As for the instrumental development, the most...

Title: Implementation of ion imaging technique in experiments with free molecules, clusters and nanoparticles Author: Jaroslav Kočišek Department: Department of Surface and Plasma Science Supervisor: Mgr. Michal Fárník, PhD., DSc., Ústav fyzikální chemie J. Hey- rovského, AV ČR, v.v.i. Abstract: The experimental work is focused on implementation of novel tech- niques to study clusters and nanoparticles in molecular beams. A new exper- imental system was tested, which combines the technique of velocity map ion imaging with pulsed molecular beam source. The same method and new mass spectrometer were implemented on the apparatus with molecular beam of size selected clusters. The new methods were used to study environmental effects on photo and electron induced chemistry. The most important results concerns on influence of expansion conditions on the structure of formed neutral clusters of HBr and C2H2. Results of experiments with HNO3 and CF2Cl2 molecules are then crucial for understanding heterogeneous processes in the Stratosphere. Keywords: ion imaging, mass spectrometry, molecular beams, photochemistry, nanoparticles