Ergebnisse

Mit der Bebauungsdichte (Urban Density, UD) wurde im Rahmen des urbanen Arbeitspaketes von Enviland-2 ein optimierter Versiegelungskoeffizient hergeleitet und umgesetzt. UD ist das Ergebnis einer logischen Verknüpfung von vier Parametern. Dabei handelt es sich um die Gebäudeaggregation, den Grad der Versiegelung (horizontal), den Vegetationsanteil sowie den Grad der Bebauung (vertikal). Die Berechnung von UD erfolgt für jedes Gebäude einzeln und innerhalb eines vordefinierten Radius (Area of Interest, AOI) um den Mittelpunkt des betrachteten Gebäudes. UD weist intensiv bebaute Areale im Stadtzentrum und in Industriegebieten nach. Die typische Bebauungsform, wie sie auch in anderen Stadtzentren beobachtet werden kann, verursacht sehr schmale und tiefe urban canyons mit wenig Raum für natürliche Oberflächen aufgrund des hohen Versiegelungsanteils. Im Gegensatz dazu heben sich Kleingartenanlagen und Vororte mit Ein- und Zweifamilienhäusern durch niedrige Werte ab. Die Bebauungsdichte ist nach der Verknüpfung aller Parameter in diesen Bereichen am geringsten.

Auf dem Gebiet der Fernerkundung besteht bis heute ein dringender Bedarf an operationellen, d.h. weitestgehend automatisierten, robusten und übertragbaren Auswertesystemen. Mit der Entwicklung einer Prozesskette zur automatischen Trainingsgebietsableitung wurde im Rahmen von Enviland-2 ein Verfahren entwickelt, das zur automatischen Generierung von Landnutzungs-/Bedeckungsinformationen herangezogen werden kann, da die Trainingsgebiete, die als Input für ein überwachtes Klassifikationsverfahren dienen, ohne Nutzerinteraktion erzeugt werden. Eine weitere Einsatzmöglichkeit der Methodik besteht in der Unterstützung des oft sehr zeit- und kostenaufwendigen Prozesses der Generierung von Trainingsdatensätzen. Das entwickelte Verfahren wurde erfolgreich auf zwei landwirtschaftlich geprägte Gebiete in Deutschland angewandt. Die automatisch generierten Trainingsdatensätze beinhalten die Haupt-landbedeckungsklassen (Wasser, Nadelwald, Laub-/Mischwald, Grünland, Ackerland, Siedlungen) sowie verschiedene Feldfruchtarten. Die Prozesskette nutzt die Synergie aus optischen und SAR-Daten, kann aber auch auf alleiniger Basis von SAR-Daten angewandt werden.
In Hinblick auf operationelle Anwendungen ist eine Übertragbarkeit der vorgeschlagenen Prozesskette von herausragender Bedeutung. Das Verfahren wurde für das Testgebiet Nordhausen (Thüringen) entwickelt und mit Klein Altendorf (Nordrhein-Westfalen) erfolgreich auf ein weiteres landwirtschaftliches Areal übertragen. Weiterhin konnte die Prozesskette auf Daten verschiedener Sensoren und Auflösungen (optisch: RapidEye, Spot-4/-5, Landsat TM/ETM; SAR: TerraSAR-X, Envisat ASAR, ERS-2, ALOS PALSAR), auf Satellitenszenen, die zu unterschiedlichen Zeitpunkten (Saison / Jahr) aufgenommen wurden, sowie auf alleiniger Basis von multitemporaler und multisensoraler SAR-Daten angewandt werden.

Diese objektbasiete Klassifikation basiert auf einem multitemporalen und multisensoralen Datensatz der optische (RapidEye) sowie Radardaten (TerraSAR-X) beinhaltet. Neben den spektralen Daten flossen auch Informationen über die Objektbeschaffenheit , Texturparameter und der NDVI ein. Als Klassifikator wurden Support Vector Machines verwendet. Diese wurden mit den aus AP 4200 gelieferten Trainingsgebeiten trainiert.

Die Informationsebenen Urbane Landbedeckung stellen die in Rostock und Umgebung vorherrschende Landbedeckung dar. Während das erste Produkt auf der Basis von Quickbird und LiDAR Daten abgeleitet wurde, kamen für das zweite Produkt RapidEye, TerraSAR-X und LiDAR Daten zum Einsatz. Es werden sechs Hauptklassen der Landbedeckung unterschieden: Wasser (blau), Gras- und Strauchvegetation (hellgrün), Wald (dunkelgrün), Offenland (gelb), Versiegelungsflächen (grau) und Gebäude (rot). Mit einer Gesamtgenauigkeit von 91,3 % (Produkt 1) bzw. 90,0 % (Produkt 2) und einem Kappa-Index von 0,89 (0,88) ist die Landbedeckungsklassifikation für Rostock als gut bis sehr gut zu bewerten.