@article{WangBachoferKoehleretal.2022,
  author    = {Wang, Zhiyuan and Bachofer, Felix and Koehler, Jonas and Huth, Juliane and Hoeser, Thorsten and Marconcini, Mattia and Esch, Thomas and Kuenzer, Claudia},
  title     = {Spatial modelling and prediction with the spatio-temporal matrix: a study on predicting future settlement growth},
  series = {Land},
  volume    = {11},
  journal   = {Land},
  number    = {8},
  issn      = {2073-445X},
  doi       = {10.3390/land11081174},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-281856},
  year      = {2022},
  abstract  = {In the past decades, various Earth observation-based time series products have emerged, which have enabled studies and analysis of global change processes. Besides their contribution to understanding past processes, time series datasets hold enormous potential for predictive modeling and thereby meet the demands of decision makers on future scenarios. In order to further exploit these data, a novel pixel-based approach has been introduced, which is the spatio-temporal matrix (STM). The approach integrates the historical characteristics of a specific land cover at a high temporal frequency in order to interpret the spatial and temporal information for the neighborhood of a given target pixel. The provided information can be exploited with common predictive models and algorithms. In this study, this approach was utilized and evaluated for the prediction of future urban/built-settlement growth. Random forest and multi-layer perceptron were employed for the prediction. The tests have been carried out with training strategies based on a one-year and a ten-year time span for the urban agglomerations of Surat (India), Ho-Chi-Minh City (Vietnam), and Abidjan (Ivory Coast). The slope, land use, exclusion, urban, transportation, hillshade (SLEUTH) model was selected as a baseline indicator for the performance evaluation. The statistical results from the receiver operating characteristic curve (ROC) demonstrate a good ability of the STM to facilitate the prediction of future settlement growth and its transferability to different cities, with area under the curve (AUC) values greater than 0.85. Compared with SLEUTH, the STM-based model achieved higher AUC in all of the test cases, while being independent of the additional datasets for the restricted and the preferential development areas.},
  language  = {en}
}
@phdthesis{Esch2006,
  author    = {Esch, Thomas},
  title     = {Automatisierte Analyse von Siedlungsfl{\"a}chen auf der Basis h{\"o}chstaufl{\"o}sender Radardaten},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-18863},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2006},
  abstract  = {St{\"a}dtische Agglomerationen zeichnen sich durch eine zunehmende Dynamik {\"o}kologischer, {\"o}konomischer und sozialer Ver{\"a}nderungen aus. Um eine nachhaltige Entwicklung urbaner R{\"a}ume zu gew{\"a}hrleisten, bedarf es verst{\"a}rkt innovativer Methoden zur Erfassung der raumwirksamen Ver{\"a}nderungen. Diesbez{\"u}glich hat sich die satellitengest{\"u}tzte Erdbeobachtung als kosteng{\"u}nstiges Instrumentarium zur Erhebung planungsrelevanter Informationen erwiesen. Dabei wird in naher Zukunft eine neue Generation von Radarsatelliten zur Verf{\"u}gung stehen, deren Leistungsverm{\"o}gen erstmals die operationelle Analyse von Siedlungsfl{\"a}chen auf Grundlage von Radardaten erm{\"o}glicht. Vor diesem Hintergrund ist es das Ziel der Dissertation, auf der Basis einer nutzerorientierten Methodik das Potential hochaufl{\"o}sender SAR-Daten zur automatisierten Erfassung und Analyse von Siedlungsfl{\"a}chen zu untersuchen. Die Methodik setzt auf dem objektorientierten Bildanalysekonzept der Software eCognition auf. Dabei haben sich der SAR-Speckle sowie Schw{\"a}chen hinsichtlich der G{\"u}te der Bildsegmentierung bzw. der Bestimmung geeigneter Segmentierungseinstellungen als Limitierungen erwiesen. Folglich liegt ein erster Schwerpunkt auf der Optimierung und Stabilisierung einer segmentbasierten Auswertung von Radardaten. Hier hat sich gezeigt, dass mit Blick auf Siedlungsareale weiterhin Optimierungsbedarf hinsichtlich einer strukturerhaltenden Bildgl{\"a}ttung besteht. Daher wird zun{\"a}chst ein neuer Filteransatz entwickelt, der gegen{\"u}ber den etablierten Techniken eine konsequentere Reduzierung des Speckle in homogenen Bildarealen gew{\"a}hrleistet und dabei gleichsam die hochfrequente Information in stark strukturierten Aufnahmebereichen bewahrt. Die Schwierigkeiten im Zusammenhang mit der G{\"u}te und {\"U}bertragbarkeit der Bildsegmentierung werden ebenso wie die Schw{\"a}chen im Hinblick auf die zielgerichtete Definition der optimalen Segmentierungsparameter durch die Entwicklung eines klassenbasierten Ansatzes zur Segmentoptimierung in der Software-Umgebung von eCognition reduziert. Der zweite Schwerpunkt dieser Dissertation widmet sich der Entwicklung von Konzepten zur automatisierten Analyse der regionalen und lokalen Siedlungsstruktur. Im regionalen Kontext liegen die Identifizierung von Siedlungsfl{\"a}chen und die Erfassung einfacher Landnutzungsklassen im Fokus der Arbeiten. Dazu wird ein Regelwerk zur Auswertung einfach-polarisierter SAR-Aufnahmen erstellt, das sich maßgeblich auf r{\"a}umlich und zeitlich robuste textur-, kontext- und hierarchiebezogene Merkmale st{\"u}tzt. Diese Wissensbasis wird anschließend so erweitert, dass sie die Analyse dual-polarisierter, bifrequenter oder kombinierter optischer und SAR-basierter Bilddaten erm{\"o}glicht. Wie die Ergebnisse zeigen, k{\"o}nnen Siedlungsfl{\"a}chen und Landnutzungsklassen bereits {\"u}ber einfach-polarisierte SAR-Aufnahmen mit Genauigkeiten von rund 90 Prozent erfasst werden. Durch die Einbindung einer weiteren Polarisation, Frequenz oder optischer Daten l{\"a}sst sich diese G{\"u}te auf Werte von bis zu 95 Prozent steigern. Die lokalen Analysen zielen auf die thematisch und r{\"a}umlich differenzierte Erfassung der Landnutzung innerhalb bebauter Areale ab. Die Untersuchung basiert auf der synergetischen Auswertung einer hochaufl{\"o}senden Radaraufnahme und eines bedeutend geringer aufgel{\"o}sten optischen Datensatzes. Die isolierte Analyse von SAR-Aufnahmen reichte hingegen selbst bei der Kombination verschiedener Frequenzen oder Polarisationen nicht zur Charakterisierung der kleinteiligen, heterogenen Stadtlandschaft aus. Im Kontext der synergetischen Auswertung dient die SAR-Aufnahme vornehmlich zur Extraktion der urbanen Topografie, w{\"a}hrend der optische Datensatz wichtige Merkmale zur Differenzierung der erfassten Struktureinheiten in die Kategorien Geb{\"a}ude, versiegelte Freifl{\"a}che, unversiegelte Freifl{\"a}che und Baumbestand beisteuert. Das Resultat zeigt, dass sich trotz des synergetischen Ansatzes lediglich eine Genauigkeit von 65 Prozent erzielen l{\"a}sst. Dennoch k{\"o}nnen Geb{\"a}ude dabei mit einer G{\"u}te von 72 Prozent vergleichsweise akkurat erfasst werden. Im Hinblick auf die Demonstration des siedlungsbezogenen Anwendungspotentials h{\"o}chstaufl{\"o}sender SAR-Daten l{\"a}sst sich res{\"u}mieren, dass eine automatische Ableitung siedlungsstruktureller Merkmale im komplexen st{\"a}dtischen Umfeld aufgrund der eingeschr{\"a}nkten spektralen Aussagekraft und der starken Geometrieabh{\"a}ngigkeit des Signals mit signifikanten Schwierigkeiten verbunden ist. Dennoch hat sich gezeigt, dass diese Limitierungen in gewissem Umfang {\"u}ber den Ansatz der multiskaligen, objektorientierten Klassifizierung kompensiert werden k{\"o}nnen. Dabei lassen sich die regionalen Siedlungs- und Landnutzungsmuster mit {\"u}berzeugenden Genauigkeiten erfassen, w{\"a}hrend die Betrachtung der lokalen Siedlungsstruktur eindeutig die Grenzen der Radartechnik im Hinblick auf die Analyse komplex strukturierter Stadtlandschaften aufzeigt.},
  subject      = {Fernerkundung},
  language  = {de}
}