Teilvorhaben Algorithmendefinition
In einer ersten Phase von ENVILAND wurde exemplarisch demonstriert, dass sich durch die Nutzung von multitemporalen und -sensoralen Datensätzen bei der Ableitung von Fernerkundungsinformationen, z. B. Landnutzungsklassifikation die Gesamtgenauigkeit signifikant verbessern lässt. Zukünftig wird durch die zunehmende Datenverfügbarkeit vor allem von räumlich extrem hoch aufgelösten Datensätzen (z. B. TerraSAR-X und RapidEye) das Potential dieser Anwendungen weiter zunehmen. Zeitgleich steigen der Umfang und die Komplexität der verwendeten Datensätze (verbesserte räumliche Auflösung, höhere zeitliche Abdeckung, viele unterschiedliche Sensoren), so dass vielfältige Anpassungs- und Entwicklungsarbeiten notwenig werden sowie grundlegende Forschungsfragen aufgeworfen werden. Entscheidend dabei ist, dass die entwickelten Verfahren in unterschiedlichen Regionen anwendbar sind und möglichst robust bezüglich des Ausfalls einzelner Aufnahmezeitpunkte oder Sensoren sind.
Auch der Arbeitsschwerpunkt zur Veränderungsdetektion knüpft an den multisensoralen Projektgedanken an. Die Idee ist hierbei, dass durch die Verwendung unterschiedlicher Sensoren die Wahrscheinlichkeit, dass ein Change-Ereignis, z. B. Hochwasser, aufgenommen werden kann, erhöht wird. Um eine möglichst große Unabhängigkeit von den Wiederholraten eines einzelnen Sensors zu erzielen, soll ein Schwerpunkt der Arbeiten auf der plattformübergreifenden Methodenentwicklung liegen, wobei hierfür auch grundlegende Untersuchungen angestellt werden müssen.
Die exakte Erfassung und Differenzierung von urbanen Räumen und somit die Berechnung von Karten des Versiegelungsgrads oder der Durchgrünungsanteile sind für eine moderne Stadtverwaltung ein zentrales Planungselement. Jahreszeitlich bedingte Schatteneinflüsse in hoch auflösenden Multispektraldaten erschweren jedoch häufig die Bildauswertung und verringern die Produktgüte. Ebenso zeigen die ersten TerraSAR-X Szenen über urbanen Flächen deutliche Geometrie-Einflüsse.