CO2 ist das wichtigste anthropogene Treibhausgas und hauptverantwortlich für den momentan stattfindenden Klimawandel. Hauptsächlich durch die Verbrennung fossiler Energieträger, stieg die atmosphärische CO2 Konzentration seit der industriellen Revolution kontinuierlich an. Im dieser Unterrichtseinheit können Schüler mit Hilfe einer interaktiven Grafik diesen Anstieg nachverfolgen, und die Prozesse die ihn verursacht haben nachvollziehen.
Jahrgangstufen: 10,11,12
Bearbeitungszeit: 90 min
Fächer : Geographie, Chemie
Leitfrage: Wie können Klimawissenschaftler und Klimaleugner dieselben CO2 Konzentrationsmesswerte untersuchen und dabei zu konträren Aussagen gelangen?
Themen: CO2 Konzentration, Klimaentwicklung, Klimawandel
In der modernen Beobachtung der Erdoberfläche und ihrer Veränderungsdynamik sind Radarsysteme von entscheidender Bedeutung. Sie erlauben es, großflächige Oberflächenstrukturen selektiv zu erfassen und zu klassifizieren. Mithilfe von Radarfernerkundung können Veränderungen beispielsweise von Vegetationsverteilungen oder Gletschern detektiert werden. Mit Hilfe von ausgewählten Radarbildern erhalten die Schüler und Schülerinnen (SuS) einen Überblick über die Möglichkeiten zur Erfassung von Veränderungsdynamiken an der Erdoberfläche. Diese Erkenntnisse werden mit Hintergrundwissen zu dem Thema Radarfernerkundung, sowie grundlegendes Wissen über Eigenschaften von Mikrowellen ergänzt.
Das Ziel der Unterrichtseinheit „Radar” ist das Verständnis grundlegender Eigenschaften elektromagnetischer Wellen und ihrer Anwendungsmöglichkeiten in Radarfernerkundungssystemen kennen zu lernen. Ferner schult die Unterrichtseinheit den Umgang mit abstrakten Darstellungen (Satellitenbilder) von bekannten Landschaftseinheiten.
Digitale Bilder gehören im Zeitalter von Digitalkameras, Smartphones und Internet zu unserem Alltag. Aber wie sind digitale Bilder aufgebaut und welche Informationen sind darin enthalten? Das Lernmodul “1, 0 – Spalte, Reihe, Bild” geht dieser Frage auf den Grund und deckt dabei auf, wie sich ein Bild aus einzelnen Pixeln zusammensetzt und wie der Computer die in diesen Pixeln enthaltenen Informationen abspeichert. Dabei wird ausgehend vom binären Zahlensystem hergeleitet, wie der Computer Informationen in Bits und Bytes speichert und wie diese – letztlich nur als 1 und 0 vorliegenden Zahlen – in Form eines Bildes für das menschliche Auge sichtbar und interpretierbar gemacht werden können. Hierdurch wird wichtiges Grundlagenwissen in der Fernerkundung vermittelt. Im Zentrum des Lernmoduls steht ein digitales Luftbild, das einige Mängel aufweist und von den Schüler/Innen korrigiert werden soll. Im Übrigen ist die Technik der digitalen Fotografie im Zusammenhang mit der Raumfahrt und Erdbeobachtung entwickelt worden und wird dort schon seit den 1970er Jahren eingesetzt – das bis in die 1960er Jahre übliche Abwerfen der Filmrollen mit Wiedereintrittskapseln war doch recht umständlich.
Klassen: 12
Bearbeitungszeit: 2 Stunden
Niveau: aufbauend
Voraussetzungen: keine
Themen: Bit & Byte, Histogramm, binäre Zahlen, digitale Bilder
Autoren: Roland Goetzke, Henryk Hodam
Ziele:
Der Aufbau eines digitalen Bildes soll erklärt werden können.
Das binäre Zahlensystem soll angewendet und binäre Zahlen in Dezimalzahlen umgerechnet werden.
Der Wertebereich von 8 Bit soll benannt werden können.
Die Schüler/Innen manipulieren Grauwerte eines digitalen Bildes durch die Änderung der Grauwerte einzelner Pixel und durch Histogrammstreckung.
Es soll erklärt werden können, was ein Histogramm ist.
Am konkreten Beispiel der verheerenden Waldbrände in Griechenland 2007 setzen sich die Schülerinnen und Schüler mit der Dynamik und Stabilität von Ökosystemen auseinander. Sie schlüpfen in die Rolle eines Beraters, der für die EU-Kommission die Entwicklung der Vegetation nach der Feuerkatastrophe analysieren soll. Zu diesem Zweck setzen die Schülerinnen und Schüler Satellitenbilder ein. Zunächst setzen sie sich mit den verschiedenen Spektralkanälen eines optischen Satelliten auseinander und berechnen einen Vegetationsindex (NDVI), der ihnen Aufschluss über die Vitalität der Vegetation gibt. Zuletzt wird mit mehreren NDVI-Bildern eine Zeitreihe aufgebaut und analysiert.
Klassen: 12
Bearbeitungszeit: 3 – 4 Stunden
Niveau: fortgeschritten
Voraussetzungen: Kenntnisse in den Bereichen Photosynthese, Ökologie (Biologie) und Optik (Physik) sind von Vorteil.
Algenblüten sind eine Bedrohung für die Gesundheit aller, die sich im betroffenen Gebiet aufhalten. In Süßwasserreservoirs gefährden Sie die Trinkwasserversorgung, aber auch den Tourismus und die Fischerei. Ausgelöst werden sie zum einen von landwirtschaftlichen Praktiken, andererseits werden sie von den Folgen des Klimawandels noch verstärkt.
Spezielle Satellitenbilder, sogenannte Hyperspektraldaten, können dabei helfen, verschiedene Algenarten zu identifizieren und zu quantifizieren. In diesem Lernmaterial wird am Beispiel der Rekord-Algenblüte im Eriesee in 2011 dargestellt, wie Algenblüten mit den Hyperspektraldaten des ISS-Sensors HICO untersucht werden. Die Schüler*innen lernen sowohl, die Hyperspektraldaten zu interpretieren, als auch auf deren Basis Maßnahmen für den kurz- und den längerfristigen Schutz der Bevölkerung und Umwelt zu ermitteln.
• Hyperspektrale Bilder zu beschreiben, zu analysieren und zu interpretieren, • spektrale Signaturen und Indizes zur Identifikation von Schwebstoffen zu nutzen, • natürliche und anthropogene Veränderungen von Ökosystemen zu unterscheiden, • Ökosystem-Veränderungen im Klimawandel zu diskutieren
Bilder lassen sich im RGB-Farbraum leicht manipulieren, in dem Helligkeit, Sättigung und Kontrast geändert werden. Bei Satellitenbildern geht dies sogar über RGB hinaus. In der App lässt sich ein Bild des Ätna, geschossen vom ISS-gebundenen DESIS-Sensor, nicht nur in seinem Aussehen verändern, sondern auch in seiner Kanalkombination – denn Satelliten sehen mehr!
Im Arbeitsblatt wird u.a. mit Pseudocode und Programmierung in Java die funktionale und objektorientierte Programmierung geübt, die Manipulation eines RGB-Bildes implementiert und im Kontext der Data Literary analysiert.
Auf der ISS befinden sich zahlreiche Bildsensoren, also Kameras, die die Erde auf verschiedene Arten aufnehmen. Diese Bilddaten müssen aber auch zur Erde gesendet, dort empfangen und gespeichert werden. Um Speicherplatz zu sparen, können die Bilddaten auf verschiedene Weisen komprimiert werden.
In diesem Arbeitsblatt, App und Programmieraufgabe geht es beispielhaft um die Kompressionsverfahren Farbreduktion, Redundanz-/Ähnlichkeitssuche, und Farbunterabtastung, die auf DESIS-Hyperspektralbilder angewendet werden. Somit werden verlustfreie und verlustbehaftete Bildkompression diskutiert und verglichen. Ein Beispiel wird als rekursiver Algorithmus in einer Python-Programmieraufgabe implementiert und mit seiner iterativen Alternative verglichen.
