Biology Reference
In-Depth Information
Klassifikationsmethoden. Der Erfolg der Klassifikation hängt dabei von mehreren
Faktoren ab. Neben der Qualität der Fernerkundungsdaten (z. B. Wolkenfrei-
heit) und Vorhandensein von Referenzdaten sind vorbereitende Arbeitsschritte wie
die Festlegung von Trainingsgebieten und der Klassenanzahl besonders wichtig.
Des Weiteren können je nach Anforderung und Bedarf bedeutungslose Bodenbe-
deckungstypen ausmaskiert werden, die so den Klassifikationsprozess nicht mehr
anbauspezifischen Klassifikation von Satellitenbildern ist weiterhin zu berücksich-
tigen, dass die Feldfrüchte auf unterschiedlichen Anbauflächen verschieden weit in
ihrer Entwicklung fortgeschritten sein können. Im Extremfall kann in einem Sa-
tellitenbild eine aufgelaufene Untersaat als gerade sprießende Wiese identifiziert
spektralen Signaturen der Ackerfrüchte können also nicht immer eindeutig vonein-
ander unterschieden werden, so dass Fehlklassifikationen bei der Auswertung von
hinaus kann sich bei großflächigen Auswertungen im Vergleich zu kleinräumi-
gen Bodenbedeckungs-Klassifikationen die Variabilität der Einflussfaktoren auf
Qualität der Klassifikationsergebnisse lässt sich insbesondere deutlich durch eine
multitemporale Analyse verbessern. Hierbei werden für einen definierten Raumaus-
schnitt mehrere Fernerkundungsdatensätze unterschiedlicher Aufnahmezeitpunkte
ausgewertet. Im Jahresverlauf zeigt die Vegetation typische phänologische Verände-
rungen. Je nach Aufnahmezeitpunkt können die spektralen Ausprägungen der phä-
nologischen Phasen einiger Landnutzungsklassen deutlich oder schwer voneinander
getrennt werden. Ein geeignetes Verfahren, die erzielten Klassifikationsergebnis-
se zu verifizieren, ist der Abgleich des Kartenprodukts mit Referenzdaten, die die
Realität korrekt abbilden.
Datengrundlagen
Für die Kartierung von Maisfeldern mit Fernerkundungsmethoden wurden Bil-
der des indischen Umwelt-Satelliten IRS-P6 bzw. Resourcesat-1 erworben. Mit
insgesamt drei unterschiedlichen Sensoren LISS-IV Mono, LISS-III und AWiFS
zeichnet der Satellit simultan Daten in unterschiedlichen Auflösungen auf. Aus
Kostengründen und wegen der räumlichen Auflösung wurde die Wahl zugunsten
der Multispektraldaten des LISS-III Sensors getroffen. Die räumliche Auflösung
der Daten liegt in jedem Aufnahmekanal bei 23,5 m, d. h. ein Pixel bildet einen
552,25 m
2
großen Ausschnitt der Landesfläche ab. Dabei deckt eine Satellitensze-
ne (Vollszene) eine Flächengröße von 141 km
141 km ab. Die Bilddaten werden
in 4 unterschiedlichen Spektralkanälen erfasst: Band 2: Grünkanal (520-590 nm),
Band 3: Rotkanal (620-680 nm), Band 4: NIR-Kanal (770-860 nm) und Band 5:
×
8
http://papinga.bis.uni-oldenburg.de/mirror/presse/einblick/24/fern.htm
9
http://www.landwirtschaft-mlr.baden-wuerttemberg.de/servlet/PB/menu/1043423_l1/index.
html
Search WWH ::
Custom Search