Universität Wien FIND

Kehren Sie für das Sommersemester 2022 nach Wien zurück. Wir planen Lehre überwiegend vor Ort, um den persönlichen Austausch zu fördern. Digitale und gemischte Lehrveranstaltungen haben wir für Sie in u:find gekennzeichnet.

Es kann COVID-19-bedingt kurzfristig zu Änderungen kommen (z.B. einzelne Termine digital). Informieren Sie sich laufend in u:find und checken Sie regelmäßig Ihre E-Mails.

Lesen Sie bitte die Informationen auf https://studieren.univie.ac.at/info.

290027 PR Angewandte Bildverarbeitung und Fernerkundung (2019S)

4.00 ECTS (2.00 SWS), SPL 29 - Geographie
Prüfungsimmanente Lehrveranstaltung

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 30 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine

Dienstag 05.03. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 19.03. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 26.03. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 02.04. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 09.04. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 30.04. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 07.05. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 14.05. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 28.05. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109 (Ersatztermin)


Information

Ziele, Inhalte und Methode der Lehrveranstaltung

INHALT:
1. Einführung
a. Wiederholung der Basics aus Fernerkundung und Bildverarbeitung (auch physikalische Grundkenntnisse – elektromagnetisches Spektrum etc.)
b. Bildverarbeitung mittels Scripting (R [R-ArcGIS Bridge]; Python)
c. Einführung in ArcGIS Pro (Benutzeroberfläche etc.; Funktionen zu Raster in Pro; Integration von R oder Python in Pro (Praxis)
d. Datengrundlagen (Aktive/passive Sensoren, Space-borne, Airborne, Terrestrial…; Multispektral, Hyperspektral…; Praxisbeispiel: Download von Daten [Sentinel Science Hub, USGS Earth Explorer]; Laser Scanning und Point Clouds)

2. Prozessierung und Verarbeitung
a. Vorverarbeitung (Grundlagen [TOA Berechnung etc.]; Bilddarstellung: spektrale und räumliche Profile, Kontrastoperationen, Histogramme; Radiometrische und geometrische Korrektur; Bildtransformation)
b. Bildverbesserung und Bildfusion (Histogramm Matching; Pan-sharpening, IHS/PCA merging; Praxisbeispiel: Preprocessing mittels Scripting)

3. Klassifikation
a. Grundlagen zur Klassifikation von FE-Daten (Überwachte/unüberwachte Klassifikation; Parametrische/nichtparametrische Klassifikationen; Klassifikationsalgorithmen aus dem Machine Learning; Time Series Analysis/Change Detection; Accurracy Assessment; Abschlussprojekt: Preprocessing von Daten, Klassifikation, Accurracy Assessment, Visualisieurng der Endergebnisse, Präsentation)

METHODEN:
Erläuterung und kurze Wiederholung der Grundlagen, interaktiver Unterricht und praktisches Arbeiten mit Spezialsoftware, sowie präsentieren eines Kleingruppenprojekts+

ZIELE:
Studierende sind mit den Grundlagen der digitalen Bildverarbeitung vertraut und kennen die aktuellen Entwicklungen sowie die Anwendungen in lokalen, regionalen und globalen Problemfeldern. Sie sind in der Lage, Methoden der Fernerkundung einzusetzen, deren Integration in Geoinformationssysteme zu bewerkstelligen und darauf aufbauend Fragestellungen z.B. des Umweltmonitorings zu lösen.

Art der Leistungskontrolle und erlaubte Hilfsmittel

- Anwesenheit & Mitarbeit
- Übungsaufgaben
- Abschlussprojekt
- Präsentation

Mindestanforderungen und Beurteilungsmaßstab

Die Note setzt sich aus 3 Übungsaufgaben: 2 kleinere Übungen (10%+10%) + 1 Abschlussprojekt (50%), einer Präsentation der Arbeit (10%) und der Mitarbeit (20%) zusammen. Ein positiver Abschluss erfordert eine Gesamtbewertung von mind. 51%.

Prüfungsstoff

siehe "Inhalte der LV"

Literatur

Bereitstellung via E-Learning Plattform sowie Unterlagen aus der Vorlesung Bildverarbeitung und Fernerkundung (WS)

Zuordnung im Vorlesungsverzeichnis

(MK1-W2-PI)

Letzte Änderung: Mo 08.04.2019 16:09