 | | | | |
| | | | | |
|
Küstenveränderung DonaudeltaÖlpestEntwaldung Bardia-NationalparkKongobeckenKameng-SonitpurKilimanjaroRondoniaShillong und GuwahatiEis Antarctica 2003Gletscher und KlimawandelRückzug der Gletscher in den AlpenGletscherbewegungGletscherüber
wachung im HimalayaFernerkundung von Eis und SchneeUntersuchung von Gletschern mit RadaraufnahmenUrbanisierung CordobaKairoKathmanduHimalayaKathmandu-TalLagosVegetation Annapurna-NaturschutzgebietVerschollen in den AndenNgorongoro-NaturschutzgebietNigerbinnendeltaVegetation in Südamerika
| | | | | | | Übung 3 - Teil 2
Beispiel
Die Überwachungsstation Putalisadak haben wir bereits für dich ausgewertet. Dies sind die Tabellen und Kurven.
Tabelle 3 Überwachungsstation - Putalisadak
Zunächst erstellen wir aus den Reflexionswerten eine Kurvendiagramm dar (Reflexionskurve für die verschiedenen Tage). Im Fall des Bildes vom 4. November finden wir den höchsten DN-Wert in Band 1 (61,35) und den niedrigsten in Band 5 (44,39). Für das Bild vom 7. November ist der höchste DN-Wert von 76.52 in Band 1, der niedrigste in Band 5 zu beobachten. Das Bild vom 22. Dezember weist den höchsten DN-Wert in Band 1 und den niedrigsten in Band 5 auf.
Tabelle 4 Überwachungsstation – Putalisadak: PM10 im Vergleich zu digitalen Werten (DN)
1. Beurteile den Zusammenhang (zumindest grafisch) zwischen PM10 und DN-Werten für die Bänder 1 bis 5 in sämtlichen Bildern der anderen fünf Stationen.
2. Ziehe deine Schlussfolgerungen aus der Untersuchung, hauptsächlich in Bezug auf deine Ergebnisse durch die Verwendung von Satellitendaten zur Überwachung der Luftverschmutzung. Erörtere auch, wie sinnvoll ein Vergleich von Punktmessungen (PM10-Messungen) mit Flächenmessungen durch Satelliten ist, die eine Oberfläche von rund 300 m x 300 m abdecken.
3. Möchtest du dieselbe Untersuchung gerne in deiner Stadt durchführen? Ja? Dann melde dich bei uns und wir liefern dir die nötigen Satellitendaten! Unsere E-Mail-Adresse lautet: eduspace@esa.int
Weitere Hinweise für die Diskussion über die Grenzen unserer Untersuchung:
- Wetterfaktoren wie etwa die Windgeschwindigkeit, das Mikroklima oder die Temperaturumkehr wurden nicht berücksichtigt, obwohl sie einen bedeutenden Einfluss auf die Verbreitung von Schadstoffen haben können.
- Es wurde nur der PM10-Parameter als Indikator für die Luftverschmutzung beachtet. Auch andere Schadstoffparameter können maßgeblich an der Luftverschmutzung beteiligt sein, wurden jedoch nicht einbezogen. Wir gehen davon aus, dass hohe PM10-Werte für hohe Verschmutzungswerte im Allgemeinen stehen.
- Es wurden nur drei Satellitenbilddatensätze verwendet.
- PM10-Daten sind das Ergebnis einer 24-stündigen Erfassung, während die Satellitendaten einen kurzen Zeitausschnitt am Vormittag (08.28 Uhr Ortszeit in Kathmandu) widerspiegeln.
- Satellitendatenmessungen sind stark von der Bodenreflexion abhängig, die sich im Laufe des Jahres ändert. In unserem Fall (Winter) liegen jedoch nur sehr geringfügige Veränderungen vor.
Kurve 2
Kurve 2.1
Aus dem Vergleich der digitalen Werte mit den PM10-Messungen der Überwachungsstation Putalisadak in den Kurven 2 und 2.1 lässt sich für die Spektralbänder 1, 2, 4 und 5 ein statistisch „allgemeiner“ Anstieg der DN-Werte und der PM10-Höhe, allerdings mit einem relativ niedrigen Korrelationskoeffizienten R ersehen. Für Band 1 ist er am höchsten, in Band 5 deutlich niedriger. All das bedeutet, dass in unserem Fall in Band 1 der relative stärkste Zusammenhang zwischen DN-Werten und PM10 besteht. Eine erste Hypothese könnte deshalb lauten, dass sich Band 1 für die Beurteilung der Luftqualität am besten eignet. Um diese vorläufige Hypothese zu bestätigen oder zu widerlegen, müssen wir uns die Daten der anderen Stationen und entsprechende Satellitendaten anschauen.
| |
| | Kathmandu-Tal EinleitungLuftverschmutzungUntersuchungsgebietÜbungen ÜberblickÜbung 1Übung 2Übung 3Links Nützliche LinksEduspace - Software LEOWorks 3ArcExplorerEduspace - Download Fig. 7.1 - 7.10 (zip file)MERIS Bilddaten vom Kathmandu-Tal (zip Datei)
|
Zurück