Eine mathematische, statistische oder physikalische Darstellung, die Fernerkundungsbeobachtungen (Radiance, Rückstreuung, Distanz usw.) und Hilfsdaten auf geschätzte Umweltvariablen oder Klassen abbildet, häufig als Algorithmus, Machine‑Learning‑Modell oder prozessbasiertes Simulationsmodell implementiert.

Prinzip

Modelle formalisieren die Beziehung zwischen sensors gemessenen Signalen und Zielgrößen, indem sie Strahlungstransport, empirische Korrelationen oder Prozessdynamik kodieren, um Inversion, Klassifikation oder Vorhersage zu ermöglichen.

Demonstration

Ein Strahlungstransportmodell, das Top‑of‑Atmosphere‑Radiance in Oberflächenreflexion umrechnet mithilfe atmosphärischer Profile, oder ein Random‑Forest‑Klassifikator, der spektral‑zeitliche Merkmale auf Landbedeckungsklassen abbildet.

Fehlanwendung

Die Anwendung eines in einem Biom oder unter einer Sensorkonfiguration trainierten Modells auf ein anderes Biom oder einen anderen Sensor ohne Rekalibrierung führt zu verzerrten Schätzungen oder Fehlklassifikationen.

Konsequenz

Geeignete Modelle ermöglichen skalierbare Schätzungen, Unsicherheitsquantifizierung und automatisierte Interpretation von Fernerkundungsdaten; ungeeignete Modelle liefern irreführende Karten und Entscheidungen.

Umkehrung

Eine datengetriebene Lookup‑Tabelle, die lediglich beobachtete Labels interpoliert, besitzt im Vergleich zu einem Modell mit expliziter Abbildungsfunktion keine Generalisierungsfähigkeit.

Abgrenzung

Schließt rein beschreibende visuelle Interpretation aus; schließt rein in‑situ statistische Modelle aus, die keine Fernerkundungsdaten als Eingang verwenden; umfasst hybride Modelle, die Fernerkundungs‑ und Bodenmessungen kombinieren.

Semantische Spannung

Spannungen bestehen zwischen physikalisch basierten Modellen (erklärbar, übertragbar) und rein empirischen/ML-Modellen (flexibel, datenintensiv) mit jeweils unterschiedlichen Vor- und Nachteilen bezüglich Bias und Generalisierung.

Synthese

Ein Fernerkundungsmodell ist eine explizite Abbildung — physikalisch, statistisch oder hybrid — die Sensormessungen und Kontext in Schätzungen oder Klassen übersetzt und so Vorhersage und Interpretation über Raum und Zeit ermöglicht.