|
|
Übung 3 
Vielleicht hast du beobachtet, dass die Luft an Tagen mit hoher Verschmutzung weniger durchsichtig ist. Wie du sicher weißt, nennt man diese Erscheinung: Smog. Sie setzt die Sichtweite herab - man kann weniger weit sehen. An solchen Tagen sind Hügel, die an klaren Tagen deutlich zu sehen sind, kaum oder gar nicht erkennbar. Tatsächlich stellt die horizontale Sichtweite einen guten Indikator zur Beurteilung des Grads der Luftverschmutzung dar. Zum Messen der „Dicke“ der Atmosphäre analysieren wir Bilder, die mit dem Satelliten Envisat aufgenommen wurden. In einem Test vergleichen wir die Daten aus dem All mit den am Boden erhobenen wissenschaftlichen Messungen (den PM10-Werten der Überwachungsstationen). Du sollst jetzt echte Wissenschaft betreiben - keine Angst, es ist machbar! Wir gehen davon aus, dass die Satellitendaten für eine bestimmte Fläche im Umkreis um die Station repräsentativ sind und dass die Luftverschmutzung die Transparenz der Atmosphäre beeinflusst. Jeder Bildpunkt (Pixel) des Satellitenbildes entspricht einer Fläche von 300 m x 300 m. Der Vorteil der Arbeit mit Satellitendaten besteht in der Tatsache, dass sie in unterschiedlichen Farben, einschließlich in dem für unsere Augen unsichtbaren Infrarot, aufgenommen wurden. Die verschiedenen Farben verhalten sich in der Atmosphäre unterschiedlich; Blau spricht in der Regel mehr auf Dunst, Nebel oder Smog an als Rot. Kannst du das erklären? Frage deinen Physiklehrer! Im Folgenden findest du drei Datensätze. Jeder umfasst fünf Spektralbänder; Band 1 wurde im blauen Farbbereich gemessen, Band 2 im grünen, Band 3 im gelben, Band 4 im roten und Band 5 im Infrarotbereich. Die wissenschaftliche Fragestellung lautet: Eignet sich eines dieser Bänder zur Darstellung des Grades der Luftverschmutzung durch PM10? Das bedeutet in anderen Worten, dass wir einen Zusammenhang zwischen den Bodenmessungen und den unterschiedlichen Spektralbändern suchen. Lade die MERIS-Bilder des Kathmandu-Tals herunter und speichere sie:
Lade die shp-Datei „PM10_monitoring_stations” mit Daten der Messstationen im Kathmandu-Tal an den Standorten Thamel, Putalisadak, T.U. Kirtipur, Bhaktapur, Matsyagaon und dem Krankenhaus Patan herunter und speichere sie.
Öffne in LEOWorks das Bild „Band 1r“ vom 4. November 2003. Wende „Enhance - Interactive Stretching” an (nimm nur eine gemäßigte Kontrastverstärkung vor). Lade nun die GIS-Datei „PM10_monitoring_station” ein. Wähle im Fenster „Select the Transformation Method” die Transformationsmethode „Arbitrary” und „Map Based”. Alle sechs Überwachungsstationen werden im Bild angezeigt. Öffne im GIS-Werkzeug „Tools – Information” und klicke auf Punkt 2, um den Namen der entsprechenden Station (Putalisadak) sowie die Werte der Bodenmessungen von den drei Tagen (Nov_4th, Nov_7th und Dec_22nd 2003) anzuzeigen. Der Punkt wird im Bild hervorgehoben. Klicke auf „View – Cursor Position/Value”. Führe den Mauszeiger langsam über den Punkt und lies den mit dem Satelliten als „Original data“ gemessenen Wert des entsprechenden Bildpunkts (z. B. 61 für Putalisadak 4th Nov. Band 1) ab. Sicher fällt dir auf, dass der entsprechende Wert in den nachfolgenden Tabellen und Kurven 61,35 beträgt. Wir mussten die Datenmenge verringern und haben die Werte deshalb um die Stellen hinter dem Komma gekürzt.
1. Erstelle nun eine Tabelle in Microsoft Excel und ordne die PM10-Daten und die entsprechende „Digital Number“ (DN-Wert) tabellarisch an. Untersuche mithilfe von selbst erstellten Grafiken das Verhältnis zwischen den DN-Werten und den Spektralbändern sowie das Verhältnis zwischen den DN-Werten und PM10. Siehe das nachfolgende Beispiel.
2. Wiederhole das beschriebene Verfahren mit allen Bildern/Bändern.
Last update: 27 Mai 2013
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
