@phdthesis{Wehrmann2007, author = {Wehrmann, Thilo}, title = {Automatisierte Klassifikation von Landnutzung durch Objekterkennung am Beispiel von CORINE Land Cover}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-25260}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2007}, abstract = {Informationen {\"u}ber die Landbedeckung und die mit der anthropogenen Komponente verbundenen Landnutzung sind elementare Bestandteile f{\"u}r viele Bereiche der Politik, Wirtschaft und Wissenschaft. Darunter fallen beispielsweise die Strukurentwicklungsprogramme der EU, die Schadensregulierung im Versicherungswesen und die Modellierung von Stoffkreisl{\"a}ufen. CORINE Land Cover (CLC) wurde infolge eines erweiterten Bedarfs an einem europaweit harmonisierten Datensatz der Landoberfl{\"a}che erstellt. Das CORINE Projekt weist f{\"u}r diese Arbeit eine hohe Relevanz durch die regelm{\"a}ßigen Aktualisierungen von 10 Jahren, dem Einsatz der Daten in vielen europ{\"a}ischen und nationalen Institutionen und der guten Dokumentation der CORINE Nomenklatur auf. Die Erstellung der Daten basiert auf der computergest{\"u}tzten manuellen Interpretation, da automatische Verfahren durch die Komplexit{\"a}t der Aufgabenstellung und Thematik nicht in der Lage waren, den menschlichen Interpreten zu ersetzen. Diese Arbeit stellt eine Methodik vor, um CORINE Land Cover aus optischen Fernerkundungsdaten f{\"u}r eine kommende Aktualisierung abzuleiten. Hierzu dienen die Daten von CLC 1990 und der Fernerkundungsdatensatz Image 2000 als Grundlage, sowie die CLC 2000 Klassifikation als Referenz. Die entwickelte und in dem Softwarepaket gnosis implementierte Methodik wendet die objektorientierte Klassifikation in Kombination mit Theorien aus der menschlichen Bildwahrnehmung an. In diesen Theorien wird die Bildwahrnehmung als informationstechnischer Prozess gesehen, der den Klassifikationsprozess in die drei folgenden Subprozesse unterteilt: Bildsegmentierung, Merkmalsgenerierung und Klassenzuweisung. Die Bildsegmentierung generiert aus den untersten Bildprimitiven (Pixeln) bedeutungsvolle Bildsegmente. Diesen Bildsegmenten wird eine Anzahl von bildinvarianten Merkmalen aus den Fernerkundungsdaten f{\"u}r die Bestimmung der CLC Klasse zugewiesen. Dabei liegt die wichtigste Information in der Ableitung der Landbedeckung durch den {\"u}berwachten St{\"u}tzvektor-Klassifikator. Die Landoberfl{\"a}che wird hierzu in zehn Basisklassen untergliedert, um weiteren Merkmalen einen semantischen Unterbau zu geben. Zur Bestimmung der anthropogenen Komponente von ausgew{\"a}hlten Landnutzungsklassen, wie beispielsweise Ackerland und Gr{\"u}nland, wird der ph{\"a}nologische Verlauf der Vegetation durch die Parameter temporale Variabilit{\"a}t und temporale Intensit{\"a}t beschrieben. Neben dem jahreszeitlichen Verlauf der Vegetation k{\"o}nnen Nachbarschaftsbeziehungen untersucht werden, um weitere anthropogene Klassen und heterogen aufgebaute Sammelklassen beschreiben zu k{\"o}nnen. Der Versiegelungsgrad als Beispiel f{\"u}r eine Reihe von unscharfen Merkmalen dient der weiteren Differenzierung der verschiedenen Siedlungsklassen aus CORINE LC. Mit Hilfe dieser Merkmale werden die CLC Klassen in abstrakter Form im Klassenkatalog (a-priori Wissensbasis) als Protoklassen beschrieben. Die eigentliche Objekterkennung basiert auf der Repr{\"a}sentation der CORINE Objekte durch ihre einzelnen Bestandteile und vergleicht die gefundenen Strukturen mit der Wissensbasis. Semantisch homogen aufgebaute Klassen, wie W{\"a}lder und Siedlungen oder Protoklassen mit eindeutigen Merkmalen, beispielsweise zur Bestimmung von Gr{\"u}nland durch die Ph{\"a}nologie, k{\"o}nnen durch den bottom-up Ansatz identifiziert werden. Das {\"u}bergeordnete CLC Objekt kann direkt aus den Bestandteilen zusammengebaut und einer Klasse zugewiesen werden. Semantisch heterogene Klassen, wie zum Beispiel bestimmte Sammelklassen (Komplexe Parzellenstrukur), k{\"o}nnen durch ihre Bestandteile validiert werden, indem die Bestandteile eines existierenden CLC Objektes mit der Wissensbasis auf Konsistenz untersucht werden (top-down Ansatz). Eine a-priori Datengrundlage ist f{\"u}r die Erkennung dieser Klassen essentiell. Die Untersuchung der drei Testgebiete (Frankfurt, Berlin, Oldenburg) zeigte, dass von der CORINE LC Nomenklatur 13 Klassen identifiziert und weiteren 14 Klassen validiert werden k{\"o}nnen. Zehn Klassen k{\"o}nnen durch diese Methodik aufgrund fehlender Merkmale oder Zusatzdaten nicht klassifiziert werden. Die Gesamtgenauigkeit der automatisierten Klassifikation f{\"u}r die Testgebiete betr{\"a}gt zwischen 70\% und 80\% f{\"u}r die umgesetzten Klassen. Betrachtet man davon einzelne Klassen, wie Siedlungs-, Wald- oder Wasserklassen, wird aufgrund der verwendeten Merkmale eine Klassifikationsgenauigkeit von {\"u}ber 90\% erreicht. Ein m{\"o}glicher Einsatz der entwickelten Software gnosis liegt in der Unterst{\"u}tzung einer kommenden CORINE Aktualisierung durch die Prozessierung der identifizierbaren Klassen. Diese CLC Klassen m{\"u}ssen vom Interpreten nicht mehr {\"u}berpr{\"u}ft werden. F{\"u}r bestimmte CLC Klassen aus dem Top-down Ansatz wird der Interpret die letzte Entscheidung aus einer Auswahl von Klassen treffen m{\"u}ssen. Weiterhin k{\"o}nnen die berechneten Merkmale, wie die temporalen Eigenschaften und der Versiegelungsgrad dem Bearbeiter als Entscheidungsgrundlage zur Verf{\"u}gung gestellt werden. Der Einsatz dieser neu entwickelten Methode f{\"u}hrt zu einer Optimierung des bestehenden Aufnahmeverfahrens durch die Integration von semi-automatisierten Prozessen.}, subject = {Optische Fernerkundung}, language = {de} } @phdthesis{Gessner2010, author = {Geßner, Ursula}, title = {R{\"a}umliche und zeitliche Muster der Vegetationsstruktur in Savannen des s{\"u}dlichen Afrika}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-55128}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2010}, abstract = {Die Ver{\"a}nderung der terrestrischen {\"O}kosysteme, ist ein grundlegendes Element des Globalen Wandels. In diesem Kontext unterliegt auch eines der gr{\"o}ßten Biome der Erde, die tropische und subtropische Savanne, immer st{\"a}rkeren Ver{\"a}nderungen. Dieses Biom in sozio{\"o}konomischer und {\"o}kologischer Hinsicht von besonderer Bedeutung. F{\"u}r einen rasch wachsenden Teil der Weltbev{\"o}lkerung bildet es die Grundlage f{\"u}r das Betreiben von Weidewirtschaft, Ackerbau und Tourismus. In nationalen und internationalen Forschungsprogrammen zum Globalen Wandel hat die Analyse von Landnutzungs- und Landbedeckungs{\"a}nderungen in den vergangenen Jahrzehnten zunehmend an Bedeutung gewonnen. Die Landbedeckungsdynamik von Savannen{\"o}kosystemen ist jedoch noch nicht hinreichend verstanden, so dass diese {\"O}kosysteme in globalen Studien nur ansatzweise ber{\"u}cksichtigt werden k{\"o}nnen. Besondere Herausforderungen bei der Erfassung der Landbedeckung und ihrer Dynamik liegen im Falle der Savannen in der heterogenen r{\"a}umlichen Verteilung der Wuchsformen, in den graduellen {\"U}berg{\"a}ngen zwischen Landbedeckungsklassen und in der hohen inner- und interannuellen Variabilit{\"a}t der Vegetationsdecke. Vor diesem Hintergrund besch{\"a}ftigt sich diese Dissertation mit der fernerkundungsbasierten Erfassung und Interpretation der Vegetationsstruktur und der Vegetationsdynamik von Savannen am Beispiel ausgew{\"a}hlter afrikanischer Untersuchungsregionen. Die Vegetationsstruktur wird in dieser Dissertation in Form von Bedeckungsgraden holziger Vegetation, krautiger Vegetation und vegetationsloser Fl{\"a}che erfasst. Es kommt ein mehrskaliges Verfahren zum Einsatz, in dem h{\"o}chstaufgel{\"o}ste IKONOS- und QuickBird-Daten, Landsat-Daten und annuelle MODIS-Zeitreihen ausgewertet werden. Der Ansatz basiert auf der Methodik der Ensemble-Regeressionb{\"a}ume und stellt eine Erweiterung und Optimierung der Herangehensweise des MODIS-Standardproduktes Vegetation Continuous Fields (VCF) nach Hansen et al. (2002) dar. Beim Vergleich mit unabh{\"a}ngigen Validierungsdaten der n{\"a}chst h{\"o}heren Aufl{\"o}sungsebene zeigt sich das Potenzial der vorgestellten Methodik. Die r{\"a}umliche {\"U}bertragbarkeit der Regressionsb{\"a}ume wird am Beispiel von zwei Vegetationstypen innerhalb der Zentralnamibischen Savanne dargestellt. In diesem Zusammenhang zeigt sich der hohe Stellenwert einer optimalen Auswahl an Trainingsdaten mit einer repr{\"a}sentativen Abdeckung der Wertespanne aller existierenden Bedeckungsgrade. Die erarbeiteten Resultate unterstreichen, die optimale Eignung der Subpixel-Bedeckungsgrade, gerade zur Beschreibung von Savannenlandschaften. In der Kombination von herk{\"o}mmlichen, diskreten Landbedeckungs- oder Vegetationskarten mit Informationen zu Bedeckungsgraden wird ein besonderer Mehrwert f{\"u}r weiterf{\"u}hrende Analysen gesehen. Die Dynamik der Savannenvegetation wird in dieser Arbeit sowohl auf biannueller als auch auf mehrj{\"a}hriger Skala charakterisiert. Bei der biannuellen Analyse werden die Ver{\"a}nderungen der holzigen Vegetationsbedeckung zwischen den Jahren 2003/04 und 2006/07 erfasst. Hierf{\"u}r findet eine zeitliche {\"U}bertragung des zuvor vorgestellten Verfahrens zur Ableitung von Bedeckungsanteilen statt. Im Rahmen der biannuellen Untersuchungen k{\"o}nnen Ver{\"a}nderungsfl{\"a}chen identifiziert werden, ohne Einschr{\"a}nkung auf {\"U}berg{\"a}nge zwischen fest definierten Klassengrenzen. In Erg{\"a}nzung der biannuellen Analysen werden aus MODIS-EVI- und Niederschlagszeitreihen Maßzahlen abgeleitet, die den Zusammenhang zwischen Niederschlag und Vegetationsentwicklung, die Variabilit{\"a}t und die Trends der Vegetation {\"u}ber einen Zeitraum von acht Jahren beschreiben. Hierbei kommen beispielsweise Korrelationsanalysen zwischen Vegetationsindex- und Niederschlagszeitreihen zum Einsatz. Zudem werden Trendanalysen der Vegetationsindex-Zeitreihen durchgef{\"u}hrt. Die Trends werden einerseits allein aus den Zeitreihen der Vegetationsindizes ermittelt, andererseits wird bei der Berechnung von Restrends (Residual Trends) der Einfluss des Niederschlags ber{\"u}cksichtigt. Neben den Korrelations- und Trendanalysen werden unterschiedliche Variabilit{\"a}tsmaße der Vegetationsindex-Zeitreihen genutzt, um die mehrj{\"a}hrige Vegetationsdynamik zu beschreiben. Durch die Kombination von Fernerkundungsdaten unterschiedlicher r{\"a}umlicher und zeitlicher Aufl{\"o}sungen wird in dieser Dissertation die heterogene Vegetationsstruktur und die komplexe Vegetationsdynamik ausgew{\"a}hlter afrikanischer Savannen{\"o}kosysteme beschreiben.}, subject = {Savanne}, language = {de} } @phdthesis{Bachmann2007, author = {Bachmann, Martin U. R.}, title = {Automatisierte Ableitung von Bodenbedeckungsgraden durch MESMA-Entmischung}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-26337}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2007}, abstract = {Weltweit sind Trockengebiete in st{\"a}ndiger Ver{\"a}nderung, verursacht durch nat{\"u}rliche klimatische Schwankungen und oftmals durch Prozesse der Landdegradation. Auch weisen die meisten semi-ariden Naturr{\"a}ume eine große r{\"a}umliche Heterogenit{\"a}t auf, hervorgerufen durch ein kleinr{\"a}umiges Mosaik aus Gr{\"a}sern, kleineren Str{\"a}uchern und Bereichen offenliegenden Bodens. Die Dichte der Vegetation wird prim{\"a}r vom pflanzenverf{\"u}gbaren Wasser bestimmt, aber auch der Entwicklungs- und Degradationszustand der B{\"o}den sowie anthropogen bedingte Faktoren spielen hierbei eine Rolle. Zur Charakterisierung und Kartierung der Vegetation sowie zur Bewertung des Bodenerosionsrisikos und des Degradationszustands hat sich die Erhebung der Bedeckungsgrade von vitaler, photosynthetisch aktiver Vegetation (PV), von abgestorbener oder zeitweise vertrockneter und somit nicht photosynthetisch aktiver Vegetation (NPV) sowie von offenliegendem Boden als zweckm{\"a}ßig herausgestellt. Die Nutzung der Fernerkundung f{\"u}r diese Aufgabe erfolgt zumeist nur f{\"u}r kleinmaßst{\"a}bige Kartierungen und - im Falle von Multispektralsensoren - unter Vernachl{\"a}ssigung nicht-photosynthetisch aktiver Vegetation. Die r{\"a}umliche Variabilit{\"a}t der Vegetation-Boden-Mosaike liegt oftmals in der Gr{\"o}ßenordnung von wenigen Metern und somit unterhalb des r{\"a}umlichen Aufl{\"o}sungsverm{\"o}gens von Fernerkundungssystemen. Um dennoch die verschiedenen Anteile innerhalb eines Pixels identifizieren und quantifizieren zu k{\"o}nnen, sind Methoden der Subpixel-Klassifikation notwendig. In dieser Arbeit wird eine Methodik zur verbesserten und automatisierbaren Ableitung von Bodenbedeckungsgraden in semi-ariden Naturr{\"a}umen vorgestellt. Hierzu wurde ein Verfahren zur linearen spektralen Entmischung in Form einer Multiple Endmember Spectral Mixture Analysis (MESMA) entwickelt und umgesetzt. Durch diese Methodik kann explizit die spektrale Variabilit{\"a}t von Vegetation und Boden in das Mischungsmodellmiteinbezogen werden, und quantitative Anteile f{\"u}r die funktionalen Klassen PV, NPV und Boden innerhalb eines Pixels erfasst werden. Durch die r{\"a}umliche Kartierung der verwendeten EM wird weiterhin eine thematische Klassifikation erreicht. Die hierf{\"u}r ben{\"o}tigten Informationen k{\"o}nnen - wie im Falle der Spektren reiner Materialien (EM-Spektren) - aus den Bilddaten selbst abgeleitet werden, oder k{\"o}nnen - wie ein Gel{\"a}ndemodell und die Information {\"u}ber den Scanwinkel - im Zuge der Vorprozessierung aus weiteren Datenquellen erzeugt werden. Hinsichtlich der automatisierten EM-Ableitung wird eine zweistufige Methodik eingesetzt, welche auf einer angepassten Version des Sequential Maximum Angle Convex Cone (SMACC)-Verfahrens sowie der Analyse einer ersten Entmischungsiteration basiert. Die Klassifikation der gefundenen potentiellen EM erfolgt durch ein merkmalsbasiertes Verfahren. Weiterhin weisen nicht-photosynthetisch aktive Vegetation und Boden eine hohe spektrale {\"A}hnlichkeit auf. Zur sicheren Trennung kann die Identifikation schmaler Absorptionsbanden dienen. Zu diesen z{\"a}hlen beispielsweise die Absorptionsbanden von Holozellulose und - je nach Bodentyp - Absorptionsbanden von Bodenmineralen. Auch die spektrale Variabilit{\"a}t der Klassen PV und NPV erfordert zur sicheren Unterscheidung die Verwendung biophysikalisch erkl{\"a}rbarer Merkmale im Spektrum. Hierzu z{\"a}hlen unter anderem die St{\"a}rke der Chlorophyll-Absorption, die Form und Lage der 'RedEdge' und das Auftreten von Holozellulosebanden. Da diese spektrale Information bei herk{\"o}mmlichen Entmischungsans{\"a}tzen nicht ber{\"u}cksichtigt wird, erfolgt {\"u}berwiegend eine Optimierung der Gesamtalbedo, was zu einer schlechten Trennung der Klassen f{\"u}hren kann. Aus diesem Grund wird in der vorliegenden Arbeit der MESMA-Ansatz dahingehend erweitert, dass spektrale Information in Form von identifizierten und parametrisierten Absorptionsbanden in den Entmischungsprozess mit einfließt und hierdurch das Potential hyperspektraler Datens{\"a}tze besser genutzt werden kann. Auch wird in einer zus{\"a}tzlichen Entmischungsiteration die r{\"a}umliche Nachbarschaft betrachtet, um insbesondere die Verwendung des sinnvollsten Boden-EMs zu gew{\"a}hrleisten. Ein zus{\"a}tzliches Problemfeld stellt die numerische L{\"o}sung des {\"u}berbestimmten und oftmals schlecht konditionierten linearen Mischungsmodells dar. Hierzu kann durch die Verwendung des BVLS-Algorithmus und des Ausschlusses kritischer EM-Kombinationen eine numerisch stabile L{\"o}sung gefunden werden. Um die oftmals immense Rechenzeit von MESMA-Verfahren zu verk{\"u}rzen, besteht die M{\"o}glichkeit einer iterativen EM-Auswahl und somit die Vermeidung einer L{\"o}sung des Mischungssystems durch Berechnung aller EM-Kombinationen ('Brute-Force'-Ansatz). Ein weiterer wichtiger Punkt ist die explizite pixelweise Angabe zur Zuverl{\"a}ssigkeit der Entmischungsergebnisse. Dies erfolgt auf Basis des Mischungsmodells selbst, durch den Vergleich zu empirischen Regressionsmodellen, durch die Ber{\"u}cksichtigung des lokalen Einfallswinkels sowie durch die Integration von Qualit{\"a}tsangaben der Ausgangsdaten. Um das Verfahren systematisch und unter kontrollierten Bedingungen zu verifizieren und um den Einfluss verschiedener externer Parameter sowie die typischen Genauigkeiten auf einer breiten Datenbasis zu ermitteln, wird eine Simulationskette zur Erzeugung synthetischer Mischungen erstellt. In diese Simulationen fließen Feldspektren von B{\"o}den und Pflanzen verschiedener semi-arider Gebiete mit ein, um m{\"o}glichst viele F{\"a}lle abdecken zu k{\"o}nnen. Die eigentliche Validierung erfolgt auf HyMap-Datens{\"a}tzen des Naturparks 'Cabo de Gata' in der andalusischen Provinz Almer{\´i}a sowie auf Messungen, die begleitend im Feld durchgef{\"u}hrt wurden. Hiermit konnte die Methodik auf ihre Genauigkeit unter den konkreten Anforderungen des Anwendungsbeispiels {\"u}berpr{\"u}ft werden. Die erzielbare Genauigkeit dieser automatisierten Methodik liegt mit einem mittleren Fehler um rund 10\% Abundanz absolut im selben Wertebereich oder nur geringf{\"u}gig h{\"o}her als die Ergebnisse publizierter manueller MESMA-Ans{\"a}tze. Weiterhin konnten die typischen Genauigkeiten der Verifikation im Zuge der Validierung best{\"a}tigt werden. Den limitierenden Faktor des Ansatzes stellen in der Praxis fehlerhafte oder unvollst{\"a}ndige EM-Modelle dar. Mit der vorgestellten Methodik ist somit die M{\"o}glichkeit gegeben, die Bedeckungsgrade quantitativ und automatisiert im Subpixelbereich zu erfassen.}, subject = {Optische Fernerkundung}, language = {de} }