Remote Sensing-data wordt vanaf afstand verzameld met behulp van sensoren. Bij het verzamelen van deze data wordt er geen direct contact gemaakt met de het aard- of wateroppervlak dat in kaart wordt gebracht. Vandaar de benaming Remote Sensing.

Het verzamelen van Remote Sensing-data gebeurt met satellieten, bemande of onbemande vliegtuigen en drones. De sensoren detecteren en registreren elektromagnetische straling die door het aardoppervlak, de oceanen en de atmosfeer wordt gereflecteerd, geabsorbeerd of uitgezonden.

Remote Sensing functionaliteiten worden in de praktijk vooral gebruikt in ArcGIS Pro en in de applicatie Drone2Map. Maar er zijn meer ArcGIS-tools die het gebruik van geavanceerde sensordata ondersteunen:

• De Image Analyst-extensie biedt extra mogelijkheden voor Remote Sensing data in ArcGIS Pro. Voeg deze extentie toe aan de software en je kunt meer halen uit je luchtfoto's, satellietbeelden en andere rasterdata.
• ArcGIS Online biedt ook enkele Remote Sensing-functionaliteiten, zoals het weergeven en analyseren van beelden en het uitvoeren van eenvoudige beeldverwerkingstaken. Met behulp van ArcGIS Image for ArcGIS Online kun je ook in de cloud meer halen uit je Remote Sensing-data. Deze Saas-oplossing ondersteunt orthorectificatie, beeldclassificatie en change detection.
• ArcGIS Enterprise ondersteunt Remote Sensing-functionaliteiten via de Image Server, een component die gespecialiseerd is in het verwerken en serveren van beeldgegevens op grote schaal.
• Software Developer kunnen met behulp van ArcGIS API's en SDK's zelf API's bouwen die Remote Sensing-functionaliteiten integreren.

Om het maximale te halen uit Remote Sensing-data is het aan te raden om met ArcGIS Pro te werken. Zeker in de combinatie met de Image Analyst-extensie biedt dit pakket de meest geavanceerde mogelijkheden.

Remote Sensing data wordt met name veel gebruikt in ArcGIS Pro en in de App Drone2Map. Het aantal mogelijkheden is groot, daarom noemen we hier een aantal veelgebruikte toepassingen:

• ArcGIS Pro kan fouten corrigeren die worden veroorzaakt door de invalshoek van de zon en de wisselende afstand tussen de aarde en de zon.
• Het is ook mogelijk om het landschap, de vegetatie, bodembedekking te classificeren aan de hand van Remote Sensing-data;
• De software biedt meerdere opties om de visuele kwaliteit van Remote Sensing-beelden te verhogen, zoals histogramuitrekking, lokale contrastverbetering en filtering.
• Met behulp van Pan-sharpening kun de ruimtelijke resolutie van multispectrale beelden verbeteren door ze te combineren met panchromatische beelden.
• ArcGIS Pro biedt verschillende beeldtransformaties, zoals vegetatie-indexen, principal component analysis (PCA) en tasseled cap-transformaties, om specifieke kenmerken en patronen in Remote Sensing-beelden te benadrukken.
• De verandering van landgebruik, bodembedekking, vegetatie en andere buitenkenmerken kunnen geanalyseerd worden over een bepaalde tijdsspanne. ArcGIS biedt meerdere change detection technieken, zoals beeldsubstractie, beeldratiëring en cross-correlatie.

Er bestaan heel veel toepassingen voor Remote Sensing-data in je GIS. De meest relevante redenen zetten we hier op een rij:

1. Je kunt grote geografische gebieden sneller en efficiënter bestuderen. Met name wanneer je digitale kaarten maakt met een hoog detailniveau, is dit een groot voordeel.
2. Remote Sensing biedt multispectrale beelden. De sensoren leggen gegevens vast in verschillende delen van het elektromagnetische spectrum, waardoor je als GIS Analist een breed scala aan informatie tot je beschikking hebt.
3. Automatische classificatie maakt het mogelijk om kernmerken en patronen uit de Remote Sensing-data te herkennen. Dit versnelt je GIS-proces én verhoogt de nauwkeurigheid van je analyse.
4. Je kunt de met sensoren verzamelde data integreren met andere GIS-data, zoals hoogtegegevens, bodeminformatie en demografische data, waardoor je analyses nóg meer inzichten bieden.
5. Het efficiënt inzetten van Remote Sensing kan kostenbesparend zijn. Traditionele veldwerkonderzoeken kunnen arbeids- en kostenintensief zijn, zeker wanneer het om een groot gebied gaat. Met behulp van Remote Sensing is er minder veldwerk nodig.

Je kunt de volgende stappen volgen om met point cloud data te werken in ArcGIS Pro:

1. Verzamel eerst relevante point cloud data (zoals Lidar-data).
2. Importeer de point cloud data in ArcGIS Pro als LAS-dataset.
3. Maak een LAS-dataset aan. Ga in ArcGIS Pro naar: Catalog pane, klik met de rechter muisknop op een map of geodatabase en 'kies New > Las Dataset. Voeg vervolgens de LAS-bestanden toe aan de dataset door te klikken op 'Add Files'.
4. Visualiseer de toegevoegde point cloud data door de LAS-dataset toe te voegen aan je project door deze naar een 2D of 3D weergave te slepen. In de weergave kun je de puntenwolk visualiseren en bewerken.
5. Ga naar de contents page en klik met de rechtermuisknop op de puntenwolklaag om de eigenschappen van de laag in te stellen. Kies 'properties' en pas de symbologie, filters en andere eigenschappen aan om de gewenste weergave te krijgen.
6. Met de Point Cloud toolset kun je vervolgens de data analyseren. De toolset vind je in de 3D Analyst toolbox en bevat een breed scala aan digitaal gereedschap waarmee je zeer specifieke analyses kunt uitvoeren.
7. Vervolgens kun je met de geanalyseerde point cloud data terreinmodellen maken, zoals Digital Elevation Models (DEM), Digital Surface Models (DSM) en Canopy Height Models (CHM).
8. Wil je de analyse die je hebt gemaakt met point cloud data vervolgens met data uit andere bronnen combineren, zoals multispectrale beelden of radarbeelden? Dat kan met de Image Analyst toolbox.

Heb je bovenstaande stappen doorlopen? Dan ben je er klaar voor om je analyse en je terreinmodellen te delen met andere ArcGIS-gebruikers, bijvoorbeeld in de vorm van een digitale kaart, een webapplicatie of een rapport.

Doorloop de volgende stappen om Remote Sensing te gebruiken met raster data:

1. Verzamel eerst alle relevante rasterdata, bijvoorbeeld satellietbeelden of luchtfoto's. Importeer deze vervolgens in ArcGIS Pro.
2. Voeg de rasterdata toe aan je kaartweergave door ze naar de Contents pane te slepen. Pas de symbologie en andere laageigenschappen aan om de gewenste weergave te krijgen.
3. Gebruik tools zoals 'Contrast Stretch', 'Histogram Equalization' en 'Gamma Stretch' om de beeldkwaliteit te verbeteren en belangrijke details beter zichtbaar te maken.
4. Corrigeer atmosferische en sensor gerelateerde verstoringen met behulp van radiometrische correctietools zoals 'Dark Object Subtraction', 'Flat Field Correction' of 'Empirical Line Correction'.
5. : Corrigeer geometrische vervormingen met behulp van tools zoals 'Georeferencing' of 'Orthorectification'.
6. Gebruik beeldclassificatietools om de rasterdata te te classificeren verschillende landgebruikstypes (of andere gewenste categorieën). ArcGIS Pro biedt hiervoor een ruim scala aan tools, zoals de 'Iso Cluster Unsupervised Classification', 'Maximum Likelihood Classification' en de 'Random Trees'.
7. Met de Spatial Analyst toolbox kun je vervolgens je data analyseren. Twee veelgebruikte onderdelen van deze toolbox zijn de 'Zonal Statistics', 'Cost Distance' en de 'Flow Direction'.
8. Optioneel: combineer rasterdata met vectorgegevens zoals administratieve grenzen, punten van belang of infrastructurele gegevens, om complexere analyses uit te voeren.

Heb je bovenstaande stappen doorlopen? Dan ben je er klaar voor om je analyse en je terreinmodellen te delen met andere ArcGIS-gebruikers, bijvoorbeeld in de vorm van een digitale kaart, een webapplicatie of een rapport.

Het aantal toepassingen om luchtbeelden de datakwaliteit te laten verhogen is hoog. We zetten een aantal veelvoorkomende toepassingen op een rij:

• Met behulp van orthorectificatie kun je luchtfoto's corrigeren. Afwijkingen die zijn ontstaan door lensvervorming, door de hoek van de camera bij het maken van de foto of fouten die zijn ontstaat door het reliëf van het terrein kun je met behulp van orthorectificatie geautomatiseerd corrigeren. Vervolgens kunnen de orthofoto's in kwestie gecombineerd woren met andere GIS-gegevenslagen, zoals hoogtemodellen, stratenkaarten en landgebruiksinformatie, om de nauwkeurigheid van basiskaarten te verbeteren.
• Objectherkenning is een techniek waarbij objecten op basis van een algoritme worden herkend als gebouw, als weg of als vegetatie. De daaruit gewonnen informatie kan vervolgens worden geëxtraheerd en opgeslagen als vectorgegevens, die kunnen worden geïntegreerd met andere GIS-gegevenslagen voor ruimtelijke analyses en visualisaties.
• Aan de hand van luchtfoto's kun je de textuur en het patroon van het aardoppervlak uitgebreid analyseren. Aan de hand van deze gegevens kun je de nauwkeurigheid van landgebruiks- en landbedekkingsclassificaties in je GIS verbeteren.
• Door luchtfoto's van verschillende tijdstippen te vergelijken, kunnen veranderingen in het landschap, zoals verstedelijking, ontbossing en kusterosie, in de loop van de tijd worden geanalyseerd en gevisualiseerd. Aan de hand hiervan kun je trends identificeren en voorspellen.
• Tot slot bieden luchtfoto's doorgaan een hogere resolutie dan satellietbeelden, waardoor ze gedetailleerdere informatie bieden over het aardoppervlak. Dit komt de kwaliteit van je GIS-analyses en kaarten ten goede.

Doorloop de volgende stappen om point cloud data te genereren op basis van luchtfoto's:

• Verzamel hoge kwaliteit luchtfoto's, bij voorkeur met overlappende beelden, zodat er op basis van stereoparen de meest accurate point cloud dataset kan worden gegenereerd.
• Importeer de data in ArcGIS Pro en genereer point cloud data. ArcGIS Pro zelf biedt geen directe functionaliteit voor het genereren van point clouds uit luchtfoto's, maar er zijn externe softwarepakketten die dit kunnen doen, zoals Pix4D, Agisoft Metashape, Bentley ContextCapture of Trimble Business Center.
• Voer een camera- en lenskalibratie uit om lensvervormingen en andere fouten te corrigeren. Dit verbetert de nauwkeurigheid van de uiteindelijke point cloud.
• Bepaal de oriëntatie van de luchtfoto's ten opzichte van elkaar en registreer de beelden om een nauwkeurige reconstructie van de scène te waarborgen.
• Vervolgens voert ArcGIS Pro "dense image matching" of "dense photogrammetry" uit om de point cloud data te genereren. Dit proces maakt gebruik van de overlappende delen van de beelden en de bekende oriëntaties om diepte-informatie te extraheren en 3D punten te genereren. Het resultaat is een puntenwolk in een bestandsformaat zoals LAS of LAZ.
• Je kunt de gegenereerde point cloud indien nodig georefereren met behulp van grondcontrolemetingen of bekende referentiepunten om de point cloud te koppelen aan een specifiek coördinatensysteem.
• Tot slot: importeer de gegenereerde point cloud in ArcGIS Pro en voeg deze toe aan de 3D-weergave voor verdere analyse en visualisatie.

Volg de volgende stappen om de kwaliteit van rasterdata te verhogen met behulp van luchtfoto's:

1. Kies voor kwalitatief goede luchtfoto's. Verzamel luchtfoto's die het gebied van de rasterdata bedekken. Hoe beter de kwaliteit van de luchtfoto's, hoe beter de verbetering van de rasterdata zal zijn.
2. Zorg ervoor dat de georefentie van de luchtfoto's goed is, zodat ze correct uitgelijnd zijn met de bestaande rasterdata. De Georeferencing Toolbar in ArcGIS Pro kan je hierbij helpen.
3. Voer kleurcorrectie en radiometrische verbetering uit op de luchtfoto's om de visuele kwaliteit en helderheid van de beelden te verbeteren. In ArcGIS Pro kun je dit doen met behulp van rasterfuncties en geoprocessing tools.
4. Bij foto's met panchromatische en multispectrale banden kun je Pan-sharpening toepassen om de ruimtelijke resolutie van de multispectrale banden te verbeteren. De Create Pan-sharpened Raster Dataset" geoprocessing tool in ArcGIS Pro kan je hierbij helpen.
5. Ook het fuseren van twee datasets kan helpen bij het verhogen van de kwaliteit. Om dit te doen combineer je hoge kwaliteit luchtfoto's met de bestaande rasterdata door middel van fusietechnieken, zoals het rekenkundig gemiddelde, het maximum of het minimum van de twee datasets. Ook deze handeling kun je uitvoeren met behulp van geoprocessing tools zoals "Mosaic to New Raster" of "Weighted Overlay".
6. Controleer vervolgens of de kwaliteit van het gecombineerde raster is verbeterd en ga op zoek naar eventuele fouten of inconsistenties in data. Is de kwaliteit zichtbaar verbeterd? Dan is je doel bereikt. Zo nee, doorloop bovenstaande stappen dan opnieuw om tot de gewenste kwaliteit te komen.

In ArcGIS Pro is het mogelijk om de groei van vegetatie in kaart te brengen met behulp van infraroodbeelden. Volg hiervoor de volgende stappen:

1. Verzamel luchtfoto's of satellietbeelden met infrarood-banden. Bij voorkeur beelden met zowel nabij-infrarood (NIR) als rood (R) banden, aangezien deze banden veel gebruikt worden voor vegetatie-analyses.
2. Importeer deze infrarood beelden in ArcGIS Pro en zorg ervoor dat de georeferenties kloppen.
3. Bereken vervolgens de Normalized Difference Vegetation Index (NDVI). Dit is een veelgebruikte index om de aanwezigheid en gezondheid van vegetatie te beoordelen. De NDVI bereken je met deze formule: (NIR - R) / (NIR + R). Je hoeft deze formule overigens niet zelf toe te passen. In ArcGIS Pro kunt je de Raster Calculator tool gebruiken om de berekening te maken op basis van de infrarood en rood banden van de beelden.
4. Gebruik de NDVI-waarden om de vegetatie te classificeren op basis van hun gezondheid of groeistadium. Je kunt zelf drempelwaarden instellen voor verschillende klassen van vegetatie, zoals gezond, matig gezond en ongezond. Met de Reclassify tool in ArcGIS Pro kun je vegetatie classificeren op basis van de gekozen drempelwaarden.
5. Optioneel: het is mogelijk het aantal vegetatieclassificaties in je project te vergroten met de ArcGIS tools Maximum Likelihood Classification en ISO Cluster Unsupervised Classification tools. Zoals de titels van de tools al doen vermoeden is het zowel mogelijk om hiervoor machine learning toe te passen als handmatig te classificeren.

Heb je bovenstaande stappen doorlopen? Dan is het tijd om de vegetatie-analyse te maken die bij je organisatiedoelstellingen past.

Het gebruik van dronebeelden kent een aantal voordelen:

• Drones vliegen dichter bij de grond dan vliegtuigen. Dronebeelden hebben daarom een hogere resolutie en zijn nauwkeuriger. Dit is vooral handig voor het in kaart brengen van kleine objecten en andere details in het terrein.
• De kosten voor de inzet van drones zijn over het algemeen lager dan van andere voertuigen die foto's maken.
• Drones kunnen snel worden ingezet. Dit maakt het bijvoorbeeld mogelijk om real-time gegevens te verzamelen. Dit maakt het eenvoudiger om bij te blijven met de evolutie van het landschap en daarmee kan het besluitvormingsproces verkort worden.
• Het wisselen van sensortypes en camera's is een stuk eenvoudiger bij een drone dan bij een vliegtuig. Dit maakt het eenvoudiger om voor een de gegevensbehoefte betrekkelijk snel aan te passen aan de hand van je projectdoelstellingen.
• Een drone kan beelden maken op voor andere voertuigen lastig te bereiken terreinen, denk aan dicht beboste gebieden of in het hooggebergte.
• Drones zijn milieuvriendelijker dan andere voertuigen en veroorzaken minder geluidsoverlast tijdens het verzamelen van data.
• Met dronebeelden kunnen hele nauwkeurige 3d-modellen worden gemaakt, die het mogelijk maken om GIS-analyses zoals volumetrische berekeningen en hellinganalyses te maken.

Er zijn een aantal aandachtspunten bij het inzetten van dronebeelden om de maximale waarde uit de gewonnen data te halen. We zetten ze voor je op een rij:

• Kies het juiste type drone en de juiste sensoren. Selecteer een drone die geschikt is voor de benodigde data voor je specifieke project, zoals bijvoorbeeld hoge-resolutiecamera's, LiDAR, of multispectrale sensoren.
• Plaats duidelijk zichtbare markeringen op de grond met bekende coördinaten. Deze zogeheten GCP's (grondcontrolemarkeringen) verbeteren de nauwkeurigheid van de data. Het vastleggen van GCP's gebeurt in ArcGIS Online en Esri Fieldmaps. De GCP's worden gebruikt om gegevens die door de drone zijn verzameld, te corrigeren en te georefereren.
• Plan de dronevlucht vooraf goed en zorg voor een goede overlap tussen de beelden (meestal tussen 60% en 80%). Dit bevordert de kwaliteit van het uiteindelijke 3dmodel van het terrein.
• Overweeg het gebruik van Real-time kinematic (RTK)- of Post-processed kinematic-technologie om de nauwkeurigheid van de GPS-gegevens te verbeteren. Deze technologieën corrigeren GPS-gegevens met behulp van grondstations.
• Denk aan het weer. Een ideale dag voor een dronevlucht is zo helder mogelijk met een zwakke wind.
• Gebruik Drone2Map. Deze ArcGIS applicatie levert het beste resultaat voor je dronebeelden. Drone2Map helpt bij het uitvoeren van orthorectificatie, DEM-generatie en 3D-modellering.
• Controleert tot slot de nauwkeurigheid van de opgehaalde data. Dit kun je doen door de data te vergelijken met bekende referentiepunten, zoals GCP's, of door onafhankelijke metingen uit te voeren met traditionele landmeetkundige instrumenten.

Fotogrammetrie maakt gebruik van de principes van perspectief en stereoscopie om driedimensionale (3D) informatie te extraheren uit twee of meer overlappende beelden die vanuit verschillende standpunten zijn genomen. Er zijn een aantal redenen waarom fotogrammetrie je GIS-processen kan verbeteren:

• Fotogrammetrie genereert zeer nauwkeurige en betrouwbare geografische gegevens die als basis kunnen dienen voor je GIS-analyses. Je kunt hierbij denken aan: orthofoto's, digitale terreinmodellen (DTM) en digitale oppervlaktemodellen (DSM).
• Met behulp van fotogrammetrie is het eenvoudiger om data over grote gebieden te verzamelen. In vergelijking met traditionele veldwerkmethoden is het tijd- en kostenbesparend.
• Fotogrammetrie maakt de creatie van 3D-modellen van objecten en landschappen mogelijk. Dit geeft een beter inzicht in de ruimtelijke kenmerken van het te analyseren gebied.
• Door beelden die op verschillende tijdstippen zijn genomen te vergelijken, kun je veranderingen in het landschap, zoals erosie, verstedelijking, ontbossing en landgebruik, detecteren en analyseren.
• Fotogrammetrie kan ook een rol spelen bij het onderhouden van de infrastructuur. Het maakt efficïente monitoring van de staat van bijvoorbeeld bruggen, dammen, wegen en spoorwegen mogelijk.

De meest gebruikte fotogrammetrie functionaliteiten in ArcGIS Pro zijn:

• ArcGIS kan orthofoto's genereren door beelden te corrigeren voor lensvervorming, perspectief en terreinvariaties. De georeferentie van Orthofoto's wordt gecorrigeerd zodat ze ingezet kunnen worden voor nauwkeurige analyses.
• Met de Ortho Mapping workflow kun je beelden corrigeren, blokafstellingen uitvoeren, ruwe beelden verwerken en orthofoto's genereren.
• ArcGIS Pro ondersteunt het genereren van digitale hoogtemodellen (DEM) en digitale oppervlaktemodellen (DSM) uit stereobeelden of LiDAR-gegevens. Deze modellen kun je gebruiken voor het analyseren van terrein, het meten van volumes en het modelleren van oppervlakken.
• Het automatisch registreren en uitlijning van beelden is mogelijk met behulp van fotogrammetrische technieken. Dit verbetert de nauwkeurigheid van de data die je gebruikt.
• ArcGIS ondersteunt het aanpassen van beelden om kleur-, helderheids- en contrastverschillen te minimaliseren. Het is ook mogelijk om meerdere beelden samen te voegen.

Naast bovengenoemde functionaliteiten ondersteunt ArcGIS ook andere Remote Sensing die op deze pagina worden omschreven, zoals 3d-modellering en change detection.