About Earth Timelapse

Der Datensatz Earth Timelapse bietet eine visuelle Aufzeichnung der Veränderungen auf der Erde über vier Jahrzehnte, von 1984 bis 2022. Das Dataset wird von Google aus Petabytes von weltraumgestützten Beobachtungen synthetisiert, die von den NASA/USGS-Landsat-Missionen (Landsat 4, 5, 7, 8 und 9) und der Copernicus Sentinel-2-Konstellation der ESA erfasst wurden. Es wird als jährliche Mosaike zur visuellen Interpretation angeboten.

Die Jahresmosaike sind globale, lückenlose und wassermaskierte visuelle Basiskarten, die den öffentlichen interaktiven Viewer von Google Earth Timelapse unterstützen. Beobachtungslücken vor 1999 werden mithilfe einer pixelweisen zeitlichen linearen Regressionsinterpolation über benachbarte gültige Beobachtungsjahre hinweg rekonstruiert. Die offenen Meeresgewässer werden durch eine stilisierte NOAA ETOPO1-Bathymetrie mit Schattierung und eine globale Wassermaske (mit Hansen GFC- und MOD44W-Datasets) ersetzt. Diese Daten eignen sich für die visuelle Interpretation, das Erstellen von Lerninhalten, die Erstellung von Basiskarten oder benutzerdefinierte Videoexporte.

Ären der räumlichen Auflösung

Die Earth Timelapse-Sammlung umfasst zwei unterschiedliche Zeiträume mit unterschiedlicher räumlicher Auflösung:

• 1984–2014 (30 m / Pixel): Synthetisiert aus Beobachtungen von USGS/NASA Landsat 4, 5, 7 und 8. Bilder werden im Web Mercator-Verfahren (EPSG:3857) mit einer Auflösung von 30 Metern gerastert.
• 2015 bis heute (19,11 m / Pixel): Synthetisiert durch die Kombination von Beobachtungen des multispektralen Instruments (MSI) von ESA Copernicus Sentinel-2A/2B (10 m / 20 m nativ) mit Landsat 8 und 9. Bilder werden im Web-Mercator-Verfahren (EPSG:3857) mit einer Auflösung von etwa 19,11 Metern gerastert.

Die jährlichen Mosaike decken alle globalen Landmassen und Küstenzonen von etwa -82,6° S bis 83,69° N ab. Um vier Jahrzehnte an Erdbeobachtungsdaten zusammenzufassen, müssen unterschiedliche Satellitenkonstellationen über Betriebszeiten, Sensormodalitäten, Orbitalgeometrien und atmosphärische Störungen hinweg harmonisiert werden.

In der Earth Timelapse-Pipeline werden Millionen einzelner Szenen aus dem USGS/NASA Landsat-Programm (Landsat 4, 5, 7, 8 und 9) und der Copernicus Sentinel-2-Konstellation der Europäischen Weltraumorganisation (ESA) aufgenommen. Um Rohdaten und Beobachtungen am oberen Rand der Atmosphäre (Top-of-Atmosphere, TOA) in konsistente jährliche Grundkarten umzuwandeln, wird jede Szene mit Folgendem verarbeitet:

• Phänologisches und saisonales Szenenfiltern zur Optimierung des maximalen Pflanzenwachstums und zur Minimierung vorübergehender saisonaler Effekte.
• Wiederherstellung fehlender Kanäle und Behebung von Sensoranomalien (z.B. Landsat 8 TIRS-Sättigung, Landsat 7 SLC-Off-Artefakte).
• Bewertung der Qualität von Wolken, Dunst und Schatten mit mehreren Sensoren, die LandsatsimpleCloudScore, die heuristische HSV-Raum-Wiederherstellung von Wolken und Sentinel-2Cloud Score+ kombiniert.
• Panchromatische Normalisierung und strukturelle Pseudo-Pansharpening zur Erhöhung der scheinbaren Auflösung.
• Radiometrische Normalisierung mit MODIS-BRDF-Kalibrierung mit räumlicher Low-Pass-Filterung in mehreren Maßstäben, um Szenengrenzen zu eliminieren und gleichzeitig lokale Oberflächenstrukturen beizubehalten.
• Wasserschonende Kantenschärfung, um das Ausbleichen der Küstenlinie zu vermeiden.
• Temporales 16-Bit-Median-Compositing, um vorübergehendes atmosphärisches Rauschen, Schatten und kurzlebige Artefakte zu entfernen.
• Temporale lineare Regressionsinterpolation (für Global Final-Assets), um fehlende Beobachtungen in Mosaiken vor 1999 zu rekonstruieren.
• Globale Modellierung der Meeresbathymetrie und Wassermaskierung in Kombination mit NOAA ETOPO1, der Hansen Global Forest Change-Datenmaske und MODIS-Wassermasken.
• Globale Farbbalance, Beibehaltung des Weißpunkts von Polareis, lokale Kontrastverstärkung (Local Contrast Enhancement, LCE) in mehreren Skalen für eine bessere Darstellung.

Quelldaten und Sensorspezifikationen

Für die Earth Timelapse-Sammlung werden die folgenden raumgestützten Erdbeobachtungsmissionen genutzt:

Spezifikationen für Satelliten und Sensoren

Tabelle 1. Wichtige optische Sensorsysteme, die in die jährliche Mosaik-Produktionspipeline für Earth Timelapse integriert sind.

Hilfs- und Referenz-Datasets

1. MODIS Global BRDF / Surface Reflectance Baselines:
   • Vorberechnete mehrjährige Oberflächenreflexionsverbunde, die aus Terra- und Aqua-MODIS-Daten (MODIS/006/MCD43A4 und MOD09GA/MYD09GA) mit einer Auflösung von 500 Metern abgeleitet wurden, dienen als planetarisches radiometrisches Referenzziel für die großflächige Harmonisierung von Beleuchtung und Dunst.
2. NOAA ETOPO1 Global Relief:
   • Globale Topografie und Bathymetrie mit einer Bogenminute, die zur Generierung von realistischen Reliefdarstellungen des Meeresgrunds und Tiefenlinien im globalen wassermaskierten Produkt verwendet werden.
3. Hansen Global Forest Change (UMD/hansen/global_forest_change_2015):
   • Die datamask-Ebene (mit Unterscheidung zwischen Land, permanenten Gewässern und Küstenzonen) dient als primäre Grenze zwischen Land und Wasser.
4. MODIS Global Land/Water Mask (MODIS/MOD44W/MOD44W_005_2000_02_24):
   • Wird in Verbindung mit Hansen GFC verwendet, um Landoberflächen zu isolieren und ein Ausbluten der Küstenwassermaske zu verhindern.
5. Sentinel-2 Cloud Score+ (GOOGLE/CLOUD_SCORE_PLUS/V1/S2_HARMONIZED):
   • Qualitätsbewertung auf Pixelebene mit den Messwerten cs (Konfidenz bei klarem Himmel) und cs_cdf (kumulative Wahrscheinlichkeit bei klarem Himmel) für Sentinel-2-MSI-Daten.
6. Globale Statistiken zur Wolkenklimatologie:
   • Empirisch abgeleitete Baselines für das 25. Perzentil und den Mindest-Cloud-Score, die die Schwellenwerte für die Cloud-Maskierung in dauerhaft bewölkten tropischen Zonen anpassen.

Räumliche und zeitliche Filterung

Die globalen Jahresmosaike gleichen den Bedarf an genügend gültigen Beobachtungen in wolkenreichen tropischen Regionen aus und verhindern gleichzeitig eine Kontamination durch Winterschnee und extreme Sonnenzenitwinkel in Regionen mit hohem Breitengrad.

Breiten- und phänologisches Windowing

• Polar-/Hochbreitenzone der nördlichen Hemisphäre (>60° N bis 83,69° N):
  • Direktes Filtern nach Tag des Jahres (Day of Year, DOY): Beobachtungen sind auf DOY 150 bis 270 (Ende Mai bis September) beschränkt. Damit wird auf die Hauptvegetationsperiode (maximale Grünheit) abgezielt und saisonaler Schnee, Eisbedeckung und lange Geländeschatten, die durch niedrige Sonnenhöhenwinkel (Sonnenhöhe ≤ 0°) verursacht werden, werden minimiert.
• Gemäßigte Zone und Südhalbkugel (57° S bis 60° N):
  • Das gesamte Kalenderjahr (1. Januar bis 31. Dezember) wird verwendet, um die Verfügbarkeit von Szenen zu maximieren.

Verarbeitungsmethodik: Maskierte Jahresmosaike

Mit der Pipeline für maskierte Jahresmosaike werden nicht interpolierte globale Composites generiert.

Fehlende Channel-Wiederherstellung und Sensorvorbereitung

Vor der atmosphärischen Korrektur und der Qualitätsbewertung werden die Landsat-Rohdaten standardisiert:

• Rekonstruktion von Thermalbändern:In Betriebszeiträumen, in denen die Thermalbänder des Landsat 8-TIRS-Sensors beeinträchtigt oder nicht kalibriert waren, werden Platzhalter-Thermalkanäle mit der Varianz 0 synthetisiert, um die internen Schnittstellenanforderungen automatisierter Landsat-Algorithmen zur Bewertung von Wolken zu erfüllen.
• Synthetische panchromatische Generierung für Landsat 4/5:Die TM-Sensoren von Landsat 4 und 5 haben keinen optischen panchromatischen Kanal (Band 8). Pro Szene wird ein synthetisches pseudopanchromatisches Band erstellt:

\(I_{\text{raw}}(\cdot)\) Hier sehen Sie eine Bildfunktion, die Rohpixel bereitstellt und einen oder mehrere Bänder als Parameter verwenden kann. Beispiel:\(I_{\text{raw}}(Pan)\) gibt das rohe panchromatische Band zurück und\(I_{\text{raw}}(RGB)\) die rohen RGB-Bänder. mean() ist die Mittelwertfunktion.

Kalibrierung auf die Reflexion am oberen Rand der Atmosphäre (Top-of-Atmosphere, TOA)

Landsat-Rohszenen werden mit ee.Algorithms.Landsat.TOA in TOA umgewandelt.

ee.Algorithms.Landsat.TOA ist eine Bildfunktion, mit der Landsat-Rohdaten in Landsat-TOA-Daten (\(I_{\text{TOA}}\)) konvertiert werden.

Qualität der Multisensor-Daten und Cloud-Maskierung

Verjüngung der Grenzlinie des Orbital-Swath

Eine Soft-Alpha-Maske mit Distanzverfall trägt dazu bei, harte Übergänge entlang der Landsat-Umlaufbahnen zu minimieren:

Dabei ist \(\text{Mask}_{\text{MODIS}}\) die Maske, die aus den jährlichen MODIS-Oberflächenreflexionsverbundbildern (MOD09GA/MYD09GA) abgeleitet wurde, \(\text{Mask}_{\text{raw}}\)die Maske einer Landsat-Rohszene,min()die Minimierungsfunktion und \(\text{Gaussian}\) eine räumliche Gauß-Faltung mit angegebener Standardabweichung.

Landsat 7 SLC-off-Wassermaskierung

Nach dem Ausfall des Scan Line Corrector (SLC) auf Landsat 7 im Mai 2003 enthalten Landsat 7-Szenen lineare Datenlücken, die zu schweren Artefakten über offenem Wasser führen können. Landsat 7-Pixel über offenen Gewässern werden mit einer verschwommenen MODIS-Wassermaske maskiert. Dabei werden je nach Jahr der Mosaikproduktion Landsat 4/5/8/9 oder Sentinel-2 priorisiert.

Landsat-Cloud-Bewertung und Anomaliekorrektur

Landsat-Szenen erhalten mit ee.Algorithms.Landsat.simpleCloudScore einen pixelgenauen \(\text{Cloud}\) Wert (in [0, 100]). Es werden zwei zusätzliche Verfeinerungsphasen angewendet:

1. Nicht erkannte Cloud Recovery im HSV-Farbraum:Cloud-Anomalien mit hoher Reflexion und geringer Sättigung, die fälschlicherweise den Wert „Cloud = 0“ erhalten, werden erkannt, indem \(I_{\text{TOA}}(RGB)\) in den HSV-Farbraum (Hue-Saturation-Value) transformiert und die \(\text{Cloud}\) Maske aktualisiert wird:

1. Adaptives klimatologisches Thresholding:Der Schwellenwert zum Verwerfen von bewölkten Pixeln (d.h. \(\text{Cloud} \gt \text{Threshold}_{\text{cloud}}\)) wird dynamisch aus vorab berechneten räumlichen Cloud-Statistiken berechnet:

Dabei ist \(\text{Cloud}_{\text{p25}}\) das 25. Perzentil pro Pixel und\(\text{Cloud}\) der auf einen Wert zwischen 25 und 65 begrenzte Score. Der Grenzwert wird für helle Landoberflächen (Wüstensanddünen, Salzebenen) angehoben:

Sentinel-2-Cloud-Bewertung

Harmonisierte Sentinel-2-Aufnahmen werden mit GOOGLE/CLOUD_SCORE_PLUS/V1/S2_HARMONIZED kombiniert:

• Pixel-Filterung:Beibehalten, wenn die Wahrscheinlichkeit für klaren Himmel cs ≥ 0,60 und die kumulative Wahrscheinlichkeit für klaren Himmel cs_cdf ≥ 0,70 ist.

Panchromatische Normalisierung und strukturelle Fusion

Um die panchromatische Auflösung von 15 Metern von Landsat 7/8/9 ohne spektrale Verzerrung bei Sensorübergängen zu nutzen, wird die panchromatische Normalisierung auf die TOA-Daten angewendet:

Dabei ist \(\mu_{\text{3x3}}\) die Funktion für den Mittelwert der 3x3-Pixelumgebung.

Radiometrische Normalisierung anhand von MODIS-BRDF-Baselines

Nichtlineare Kontrastskalierung:Die Reflexion an der Oberseite der Atmosphäre wird mit Gamma-Anpassung auf den 8‑Bit-Anzeigebereich ([0,255]) skaliert:

Dabei ist \(\text{Visualize}\) die Funktionee.Image.visualize(). Im Folgenden wird der 8‑Bit-RGB-Farbraum verwendet, sofern nicht anders angegeben.

Maske für die Ablehnung von Überkorrekturen:Schützt echte schnelle Änderungen der Landbedeckung vor einer zu starken Glättung:

Dabei werden mit \(I_{\text{BRDF}}\) 8‑Bit-RGB-Daten aus MODIS-BRDF-bereinigten Reflexionswert-Composites (MCD43A4) generiert.

Extraktion von räumlichen Feldern mit Tiefpassfilter:

Entfernung von Dunst und Harmonisierung der Reflexion:

Räumliche Schärfung von Landaufnahmen

Wendet die Laplace-Kantenglättung auf eine Kombination aus \(I_{\text{scaled}}\)und \(I_{\text{normalized}}\) an, ausschließlich auf terrestrische Landoberflächen.

Temporales Median-Compositing

Für jedes Kalenderjahr \(Y\)wird die normalisierte, cloudmaskierte Bildsammlung mit einem Median-Reducer mit 16‑Bit-Präzision in ein einzelnes Mehrband-Composite reduziert:

Das resultierende Bild ist ein rohes Jahresmosaik mit den Bändern red, green, blue und cloud sowie nicht interpolierten gültigen Pixelmasken. Die Zeit (\(t\)) ist ein Parameter der Bildfunktion.

Nachbearbeitung: Global Gap-Filled- und Water-Masked-Assets

Die rohen Jahresverbundbilder werden nachbearbeitet, um die nahtlose, global vollständige Basiskarte zu erstellen, die im interaktiven Earth Timelapse-Viewer und in den Jahresmosaiken verwendet wird.

Lückenfüllung mit temporaler linearer Regression (Mosaike vor 1999)

Vor dem Start von Landsat 7 im Jahr 1999 war die globale Satellitenaufnahme durch die historische Downlink-Infrastruktur, die Einschränkungen des Onboard-Bandrekorders und die anhaltende Wolkendecke begrenzt. Daher enthalten die Jahresmosaike vor 1999 erhebliche räumliche Lücken, insbesondere in Zentralafrika, Südostasien, Sibirien und im Amazonasgebiet.

Um störende graue Lücken zu vermeiden und gleichzeitig zeitliche Übergänge beizubehalten, wird in der Pipeline eine pixelweise zeitliche lineare Regressionsinterpolation implementiert:

Suche mit zeitlichem Anker

Für jedes Zieljahr Y sucht der Algorithmus in der jahrzehntelangen Sammlung nach der letzten gültigen, nicht maskierten Pixelbeobachtung vor (\(t_{\text{before}} \le Y\)) und nach (\(t_{\text{after}} \ge Y\)).

Lineare Regression

Ein OLS-Regressionsmodell wird für jeden Pixel über die begrenzenden Zeitbeobachtungen mit unabhängigen Variablen [1, t] und abhängigen Variablen [Red, Green, Blue] ausgewertet:

Bewertung des simulierten Werts

Der lineare Pfad wird im Zieljahr Y bewertet:

Beobachtungsschichten

Die jährlichen Pixel aus dem Jahr Y werden mit den interpolierten Pixeln mosaikiert:

So wird sichergestellt, dass alle Satellitenbeobachtungen für das jeweilige Jahr erhalten bleiben , während Lücken in den Verlaufsdaten im Zeitverlauf interpoliert werden.

Gletschereis in hohen Breitengraden

Die Neigung der Landsat-Umlaufbahn schränkt die Beobachtungen in der Nähe der extremen Polkappen (>82,6°N) ein. Für die inneren Regionen von Nordgrönland und arktische Eisschelfe ohne optische Abdeckung wird eine kalibrierte, normalisierte mehrjährige Baseline verwendet, um saubere, nahtlose polare Grundkarten zu erhalten.

Bathymetrie und Wassermaskierung des globalen Ozeans

In rohen Jahresmosaiken enthalten Meeresoberflächen Sonnenblendung, Wolkenschatten und vorübergehende Wellenartefakte. Im endgültigen Asset wird das offene Meer durch eine globale, schattierte bathymetrische Basiskarte ersetzt:

1. Bathymetrische Schattierung:Die topografische Höhe aus dem NOAA ETOPO1-Modell wird mit einem Farbverlauf für die Meerestiefe dargestellt:
   • Tiefseeebenen (-5.000 m): Tiefseeblau (#000927)
   • Kontinentalhang (–1.000 m): Schieferblau (#000E3A)
   • Kontinentalschelf (-100 m): Azure Navy (#000E3B)
   • Küste (0 m): Royal Cobalt (#001146)
2. Schattierung und High-Pass Gaussian Enhancement:In Kombination mit analytischer Schattierung (ee.Terrain.hillshade) und 5.000 m Gaussian Unsharp Masking zur Hervorhebung von ozeanischen Gräben, mittelozeanischen Rücken und Seamounts.
3. Harmonisierung von Land- und Wassergrenzen:
   • Kombiniert die Daten zu globalen Waldveränderungen von Hansendatamask (Unterscheidung zwischen Land und Meer) mit der MODIS-Wassermaske (MOD44W).
   • Stellt Binnenseen und eingeschlossene Meere (z.B. Kaspisches Meer, Große Seen, Baikalsee, Aralsee) so dar, dass die natürlichen Wasserdynamiken erhalten bleiben.
   • Wendet eine dreistufige morphologische kreisförmige Kernel-Reduzierung und eine Gaußsche Unschärfe von 3.000 m an, um die Grenze zwischen flachen Küstengewässern und der Offshore-Bathymetrie ohne hartes Clipping sanft zu verjüngen.

Globale Farbbalance und lokale Kontrastverstärkung (Local Contrast Enhancement, LCE)

1. HSV-Wertverstärkung und Gamma-Abstimmung:Channel-Gammas ($\gamma_R = 0.98, \gamma_G = 1.00, \gamma_B = 1.04$), gefolgt von einer 10-prozentigen Verstärkung des Wert-Channels im HSV-Farbraum.
2. Korrektur des Weißpunkts für Polareis:Kennzeichnet stark reflektierende polare Oberflächen (Grönland, Antarktis, alpine Eisdecken) und gleicht sie an reines neutrales Weiß ([255, 255, 255]) an.
3. LCE mit mehreren Skalen:Kontrast und Schärfe des Geländes für verschiedene Feature-Typen werden durch eine Kombination aus Laplace-Faltung, Mittelwertfilterung und Gaußscher Unscharfmaskierung verbessert.

Tabelle 2. Detaillierter technischer Vergleich zwischen den Earth Timelapse-Sammlungen „Raw“ und „Global Final“.

Einschränkungen und analytische Überlegungen

1. Zeiten mit doppelter Auflösung (30 m im Vergleich zu 19,11 m): Nutzer, die Analysen von Zeitreihen über mehrere Jahrzehnte durchführen, müssen den Übergang der Auflösung im Jahr 2015 berücksichtigen. Die zusammengesetzten Bilder von 1984 bis 2014 haben eine Auflösung von 30,0 Metern pro Pixel, während Bilder ab 2015 aufgrund der Integration von Sentinel-2-MSI-Daten eine Auflösung von 19,11 Metern pro Pixel haben.
2. Interpolierte Pixel (vor 1999): In der Global Final-Sammlung werden fehlende Pixel in Mosaiken vor 1999 zeitlich interpoliert. In Regionen, in denen während einer mehrjährigen Lücke ein plötzlicher Übergang der Landnutzung stattfindet (z.B. schnelle Entwaldung oder Bau eines Stausees), stellen die interpolierten Pixel einen allmählichen linearen Übergang und kein abruptes diskretes Ereignis dar.
3. Geänderte Bandverhältnisse:Bei der radiometrischen Normalisierung wird die visuelle Konsistenz zwischen Szenen anhand von MODIS-BRDF-Zielen optimiert. Während relative räumliche Muster beibehalten werden, unterscheiden sich abgeleitete spektrale Indexe (z.B. NDVI, EVI) von den Oberflächenreflexionswerten der Stufe 2.
4. Phenological Mixing:Die nördlichen Regionen mit hohem Breitengrad (>60°N) repräsentieren die Bedingungen im Hochsommer (DOY 150–270), während die gemäßigten und tropischen Zonen die jährlichen zusammengesetzten Mediane darstellen.

Attribution

Google Earth Timelapse (Google, Landsat, Copernicus)