GeoX Raster Lab · Satellitfjärranalys & Geoberäkning

Fem Satellit- & Rasterexperiment i Webbmiljö

GeoX Sentinel Lab är en professionell geodataplattform för interaktiv rasteranalys. Applikationen kombinerar autentiska observationer från ESA:s Copernicus Sentinel-2 Level-2A och digitala höjdmodeller (Copernicus DEM) med en högpresterande numerisk beräkningsmotor i Python och en modern, blixtsnabb kartvisare.

Starta Interaktiv Kartvisare Utforska Experimenten Vetenskaplig Metodik

Vetenskapliga Experiment

10 m

Markupplösning (Sentinel-2)

6 102 ha

Karterad Brandareal (Kårböle)

0 eval()

Säker Sandlådad AST-Algebra

Översikt & Moduler

De Fem Rasteranalys-Experimenten

Varje modul adresserar en unik vetenskaplig och teknisk frågeställning inom fjärranalys och rasterbearbetning, från vegetationsdynamik och våtmarkshydrologi till katastrofuppföljning och digital terrängmorfometri.

Modul 1 · Spektralindex & Fenologi

Multitemporal Vegetationsförändring (NDVI & ΔNDVI)

Studieområden: Lake Tåkern · Stora Alvaret (Öland) · Skåneslätten | Sensor: MSI 10 m

Starta Experiment 1

Mäter säsongsdynamik, grödornas fenologiska mognad och skörd i södra och mellersta Sverige. Analysen jämför högsommar (juni/juli) mot sensommar/höst (augusti/september) genom att beräkna Normaliserat Differensvegetationsindex (NDVI) på autentisk Bottom-of-Atmosphere (BOA) ytreflektans.

NDVI = (B08 - B04) / (B08 + B04) | ΔNDVI = NDVI_B - NDVI_A

Nyckelinsikt: Jordbruksfälten runt Tåkern och i Skåne uppvisar en dramatisk NDVI-nedgång från ~0.85 (hög biomassa) till ~0.25 efter skörd. På Ölands alvar syns istället torrgräsvegetationens fuktkänslighet. Moln, molnskuggor och mättade pixlar maskeras automatiskt via Sentinel-2 Scene Classification Layer (SCL).

Sannfärg Juni 2024

NDVI Högsommar

Falskfärg NIR (B08-B04-B03)

ΔNDVI Förändring

Modul 2 · Hydrologi & Våtmarker

Vatten- och Våtmarksdetektering (NDWI / MNDWI)

Studieområde: Lake Tåkern (Ramsar-konventionen) | Sensor: MSI B03, B08, B11 (SWIR-1)

Starta Experiment 2

Lake Tåkern är en av norra Europas mest kända fågelsjöar, karaktäriserad av grunda vattenytor och kilometerbreda bladvassbälten (Phragmites australis). Experimentet jämför klassiskt NDWI mot modifierat MNDWI med kortvågigt infrarött ljus (SWIR-1 B11).

NDWI = (B03 - B08) / (B03 + B08) | MNDWI = (B03 - B11) / (B03 + B11)

Hydrologiskt fynd: Klassiskt NDWI överskattar ofta vattenytan i fuktiga jordar och vasszoner. MNDWI dämpar markreflektans i SWIR och isolerar öppet vatten med hög skärpa. Mätningen detekterar en vattenareavariation på +0.68 km² mellan säsongerna, tillgänglig med ett interaktivt tröskelreglage (threshold slider).

NDWI (Grön - NIR)

MNDWI (Grön - SWIR)

Klassificerad Vattenmask Juni

Klassificerad Vattenmask Sept

Modul 3 · Katastrofanalys & Skogsbrand

Skogsbranden i Kårböle 2018 (NBR & dNBR)

Studieområde: Kårböle, Hälsingland (Tile 33VWJ) | Datum: 2018-07-04 vs 2018-09-12

Starta Experiment 3

Den extrema torkan och värmeböljan i juli 2018 orsakade Sveriges mest omfattande skogsbränder i modern tid. Detta experiment använder två molnfria Sentinel-2-observationer direkt före och efter brandkatastrofen för att kartera brandskadegraden enligt USGS/Copernicus EMS-standard.

NBR = (B08 - B12) / (B08 + B12) | dNBR = NBR_pre - NBR_post

Kvantitativ brandskadekartering: Genom att ställa NIR (B08, 842 nm, absorberas av sot och förkolnat material) mot SWIR-2 (B12, 2190 nm, reflekteras starkt av aska och exponerad mineraljord) avslöjas exakt 6 102 hektar hög- och medelintensivt eldhärjad barrskog.

4 juli 2018 (Före Brand)

12 sept 2018 (Efter Brand)

Falskfärg (Röda brandärr)

dNBR Brandskadegrad (USGS)

Modul 4 · Topografi & Morfometri

Terräng- och Höjdanalys Omberg (Copernicus DEM)

Studieområde: Omberg & Vätterns förkastningsbrant | Datakälla: Copernicus DEM GLO-30 (30 m)

Starta Experiment 4

Omberg reser sig som en dramatisk horst mellan Vätterns djupa graven och Östgötaslättens flacka sediment. Experimentet beräknar analytiska terrängmodeller direkt från Copernicus digitala höjdmodell: absolut höjd, lutningsgradient och analytisk solrelief (hillshade).

Slope = arctan(√(p² + q²)) [Horn 1981] | Hillshade (Az 315°, Alt 45°)

Morfometriska resultat: Höjdspannet sträcker sig från 87.5 m (Vätterns vattenyta) till 263.6 m ö.h. (Hjässan, ~176 m över Vättern). Lutningsanalysen med Horns 3×3-faltningsfilter identifierar stup på upp till 50.5° lutning längs västra förkastningsbranten mot Vättern. Inkluderar interaktiv topografisk tvärsnittsprofil!

Digital Höjdmodell (DEM)

Lutningsanalys (Horns metod)

Analytisk Terrängskuggning

Tvärsnittsprofil (SVG)

Modul 5 · Interaktiv Rasteralgebra

Säker Sandlådad AST-Rasterkalkylator

Arkitektur: Rekursiv AST-Parser & Tokenizer | Noll eval() | Float32 Rastermatriser

Starta Experiment 5

Till skillnad från naiva webblösningar som förlitar sig på osäker Javascript eval() eller new Function(), implementerar GeoX Raster Lab en fullständig sandlådad lexer och parser för abstrakta syntaxträd (Abstract Syntax Tree, AST).

Validerad AST-Grammatik: BinOp(Left, Op, Right) | BandToken | Num

Funktioner: Interaktiva bandvalsknappar (B02, B03, B04, B08, B11, B12), standardiserade operatorer (+, -, *, /), förinställda formler (NDVI, NDWI, MNDWI, NBR, SAVI), realtidsvalidering med felmeddelanden samt numerisk rendering direkt på skärmen med anpassningsbara färgkartor.

(B08 - B04) / (B08 + B04 + 0.0001)

B02 B03 B04 B08 B11 B12

Sandlådad Klient/Server Rastermotor

Teknisk Specifikation & Databearbetning

Bearbetningsmotorn är utvecklad med Rasterio, NumPy, SciPy, PyProj och GDAL. Alla geospatiala produkter bevarar metriska koordinatreferenssystem (SWEREF99 TM / UTM 33N, EPSG:32633).

Parameter	Datakälla / Algoritm	Upplösning & Detaljer
Optiska Satellitdata	Copernicus Sentinel-2 MSI Level-2A	10 m & 20 m markupplösning, Bottom-of-Atmosphere (BOA) reflektans
Kvalitetsmaskering	Scene Classification Layer (SCL)	20 m nearest-neighbor uppsamplat till 10 m, filtrering av moln & skuggor
Terrängmodell (DEM)	Copernicus DEM GLO-30	30 m spatial upplösning, WGS84 ellipsoidal höjd omräknad till metrisk grid
Lutningsanalys (Slope)	Horns 3×3 faltningsmetod	Andra ordningens ändliga differenser, utdata i grader [°]
Skogsbrandskartering	NBR / dNBR (USGS 4-klassig skala)	NIR (B08) vs SWIR-2 (B12), differens 2018-07-04 vs 2018-09-12
Vattenklassificering	MNDWI (Xu 2006) med tröskel	Grön (B03) vs SWIR-1 (B11), dynamisk tröskling och pixelareaberäkning
Rasterkalkylator	Sandlådad AST-parser	Ren grammatik med rekursiv descent, ingen eval(), Float32-beräkning

Öppna Analysarbetsbordet Ladda ned CSV-statistik Källkod på GitHub