Veranstaltungsprogramm

Eine Übersicht aller Sessions/Sitzungen dieser Tagung.
Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.

 
Sitzungsübersicht
Session
S20: Fernerkundung II
Zeit:
Freitag, 09.03.2018:
13:15 - 14:45

Chair der Sitzung: Volker Hochschild
Ort: Hörsaal 0606
200 PLÄTZE

Zeige Hilfe zu 'Vergrößern oder verkleinern Sie den Text der Zusammenfassung' an
Präsentationen
13:15 - 13:30

Comparison of Power Law Tropospheric Correction for Time Series InSAR Application

N. H. Isya1,2, A. Riedel1, W. Niemeier1, B. Riedel1

1Institut für Geodäsie und Photogrammetrie, Technische Universität Braunschweig, Deutschland; 2Department of Geomatics Engineering, Institut Teknologi Sepuluh Nopember, Indonesia

Radar interferometric technology is nowadays considered as one geodetic methods to observe earth surface changes. The use of time series analysis in SAR imageries could figure out slow periodical displacement rates on natural hazard phenomena such as mass movement in landslide prone areas and crustal deformation in tectonic areas. However, this multi-temporal SAR results could be bias due to effect of atmospheric phase screen (APS) when microwave signals are going through tropospheric layer. Power law tropospheric correction is a method that recently used on InSAR application to minimize atmospheric noise both spatially and temporally. The method attempts to find a correlation of phase delay to hydrostatic and wet components in troposphere properties. Thus, we try to estimate the tropospheric delay on individual interferograms and apply Small Baseline Subset (SBAS) on InSAR in different regions. The case study of a small region case is represented in Ciloto, West Java, Indonesia and for a large region, we chose an area located along the Aqua Blanca fault, Mexico. 33 Sentinel-1A/B Ascending SAR Imageries has been proceed in Ciloto Landslide prone area from October 2014 to January 2017 with the minimum coherence based on maximum of 200 days temporal and 75 m perpendicular baselines. In term of detecting crustal deformation around Aqua Blanca fault, we tested 44 Envisat Descending data from February 2003 to October 2010. Sounding data are needed to calculate tropospheric delay at different altitudes. They are taken from International Upper Air network data which provide variables of atmospheric pressure, temperature and relative humidity. We find the estimation of phase delay using topography correlated by a power law and reference height could improve the displacement's accuracy value. Nevertheless, the attention either under or over estimation due to band-filtering performance should be watched out for every interferogram. We then conduct general assessment before and after power law tropospheric correction for SBAS results and compare them to measurements from Extensometer installed in Ciloto. For the large area in northern Baja California, Mexico, the phase-based power law correction is compared to atmospheric delay maps generated by MERIS, a spectrometer instrument on board Envisat, in condition to daily cloud cover < 10% at the study area.


13:30 - 13:45

Methoden zur automatisierten Suche von Bodendenkmälern in LiDAR-Daten – neues aus Westfalen

M. F. Meyer1, I. Pfeffer2, C. Jürgens1

1Ruhr-Universität Bochum; 2LWL-Archäologie für Westfalen

1 Einleitung & Problemstellung

Die LiDAR-Technologie hat in den letzten Jahren einige Probleme der archäologischen Prospektion gelöst und es wurden verschiedene Visualisierungen entwickelt, um die Sichtbarkeit von Strukturen zu erhöhen. Bei der systematischen und effizienten Auswertung der LiDAR-Daten besteht jedoch noch immer Forschungsbedarf.

Das Geographische Institut der Ruhr-Universität Bochum sucht daher in Kooperation mit der LWL-Archäologie für Westfalen seit Mitte 2015 nach Möglichkeiten, die großen LiDAR-Datenmengen möglichst effizient auszuwerten und potentielle Bodendenkmäler weitestgehend automatisiert zu erfassen. Bislang wurden Motten,[1] Grabhügel und Wölbäcker[2] betrachtet. Seit 2017 stehen hingegen celtic fields[3] im Fokus, da diese kürzlich erstmals in Westfalen gefunden wurden.

2016 wurde im Rahmen einer Masterarbeit ein Workflow entwickelt, dessen Kern die Software eCognition bildet. Diese sucht mit dem Konzept der objektbasierten Bildanalyse (object-based image analysis, OBIA) in speziellen Geländemodellen automatisch nach Bodendenkmälern.

Für die Suche nach Celtic Fields wird hingegen ein template matching-Verfahren getestet. Diese Technik stellt in der Archäologie zwar kein Novum dar, wurde allerdings lange nur im Kontext von einfachen Strukturen wie z.B. Grabhügeln verwendet. Aktuelle Forschungen zeigen jedoch, dass auch komplexere Strukturen wie Fundamentüberreste in GPR-Daten gefunden werden können. Eine Übertragung auf Celtic Fields und LiDAR erscheint daher spannend.

2 Automatisierte Erfassung von Bodendenkmälern

Der 2016 entwickelte Workflow besteht aus drei Schritten, die jeweils vollautomatisch ablaufen. Als erstes werden die Rohdaten so vorbereitet, dass ein eigens angefertigtes ArcGIS-Tool im zweiten Schritt die benötigten Geländemodelle berechnen kann. Im dritten Schritt findet schließlich die eigentliche Erfassung statt. Dafür kommt die Software eCognition zum Einsatz, die mit dem Konzept der objektorientierten Klassifikation automatisch nach Bodendenkmälern sucht.

Der Workflow von eCognition ist in Form eines rulesets gespeichert, das sich in neuen Gebieten mit wenig Aufwand anwenden lässt. Dies ermöglicht schnelle Analysen.

Da die Suche nach Celtic Fields ohne eCognition abläuft, sind die DGM-Berechnung, die Erfassung mittels template matching und weitere Funktionen mit Python in ein (neues) GIS-Tool eingebunden, was einige Vorteile mit sich bringt. Umfangreiche Ergebnisse liegen bislang nicht vor, erste Tests verliefen allerdings vielversprechend.

Am Ende der Erfassung liegen GIS-kompatible Verdachtsflächen vor, die der Interpretation bedürfen. Zwar ist diese auf absehbare Zeit nicht automatisierbar, doch wird sie dadurch erleichtert und beschleunigt, dass die Verdachtsflächen danach sortiert sind, wie sehr sie ihrem jeweiligen Idealtyp entsprechen bzw. wie gut sie erhalten sind. Auf diese Weise können die interessantesten Flächen zuerst begutachtet und uninteressante zunächst zurückgestellt werden.

3 Ergebnisse

Die Ergebnisse zeigen, dass alle bisher getesteten Bodendenkmaltypen grundsätzlich erfassbar und Trefferquoten von 75-90% möglich sind. Darüber hinaus wurden bereits neue Denkmäler gefunden. Die Qualität der Klassifikation hängt von mehreren Faktoren ab, insbesondere dem Erosionsgrad der Strukturen, der Überprägung eines Gebietes durch den Menschen, den Klassifikationseinstellungen in eCognition und schließlich der Datenqualität. Auch die Anzahl identisch aussehender Strukturen natürlichen und anthropogenen Ursprungs spielt eine Rolle.


[1] Motten sind mittelalterliche Burganlagen, die aus einem Hügel und einem umlaufenden Graben bestehen.

[2] Wölbäcker sind historische Ackerfluren, die aus parallel verlaufenen Wällen bestehen.

[3] Celtic Fields sind historische, rechteckige Ackerfluren, die von Wällen umgeben sind.


13:45 - 14:00

Klassifikation von Vegetationstypen auf Moorstandorten unter Verwendung von multisensoralen Drohnendaten

F. Beyer, G. Grenzdörffer

Universität Rostock, Deutschland

UAS liefern sehr hochaufgelöste multisensorale Daten, mit deren Hilfe und unter Verwendung moderner Klassifikatoren eine präzise Vegetationsklassifikation eines Moores möglich wird. Der im Rahmen einer UAS-Befliegung aufgenommene multisensorale Datensatz (14 Bänder), einer ca. 8 ha großen Moorfläche, besteht aus RGB-Daten, multispektralen Informationen, Thermaldaten, einem digitalen Oberflächenmodell (DOM) und mehreren Vegetationsindizes. Die Klassifikation mit einem Random Forest Ansatz lieferte bei 11 Klassen eine Gesamtgenauigkeit von ca. 89 %. Die vier relevantesten Variablen für die Klassifikation waren das DOM, die Thermaldaten, der normalisierte Vegetationsindex aus Rot und Red-Edge und der NDVI. Somit ermöglichen UAS auf der Skalenebene zwischen Blatt- und Bestandsebene neue erklärende Daten, die herkömmlichen Satelliten- und Flugzeug-basierten Untersuchungen überlegen sind.


14:00 - 14:15

Bilanzierung von Landnutzungsdaten 2007 und 2017 – Ist ein Vergleich möglich?

D. Günther-Diringer

Hochschule Karlsruhe – Technik und Wirtschaft, Deutschland

Im Auftrag des Bundesamtes für Naturschutz hatte die Hochschule Karlsruhe 2006 – 2009 eine deutschlandweite Auenbilanzierung durchgeführt. In einem dreijährigen F+E-Projekt (2016 – 2019) werden die Daten derzeit aktualisiert und sollen im Auenzustandsbericht der Bundesregierung 2020 Verwendung finden.

Aufgrund genauerer und neu verfügbarer Datensätze (wie DGM10, LBM-DE, Ergebnisse der EU-Hochwasserrisikomanagement-Richtlinie) werden sich die vor ca. 10 Jahren erfassten Auenabgrenzungen verändern. Hinzu kommen natürlich die anthropogen beeinflussten Landschaftsveränderungen, die dokumentiert und ausgewertet werden sollen.

Neben der Erfassung der Auenflächen an Flüssen in Deutschland von ca. 10.000 km, stand vor allem die Bilanzierung der Landnutzung im Vordergrund. Basierend auf dem damals zur Verfügung stehenden BasisDLM mussten die zahlreichen, sich zum Teil überlagernden bzw. nicht flächendeckend abschließenden Objektarten zunächst aufwändig vorbereitet und dann nach sieben Hauptlandnutzungsklassen ausgewertet werden. Die Ergebnisse sind in der BfN-Schriftenreihe Naturschutz und Biologische Vielfalt (Brunotte et al. 2009) dokumentiert.

Seit 2009 steht von Seiten des BKG der für solche Bilanzierungsfragen hervorragend geeignete Datensatz des LBM-DE (Landschaftsbedeckungsmodell) zur Verfügung. Dabei handelt es sich um einen flächendeckenden Datensatz u.a. mit den CORINE-Landcover-Klassen, der auf den BasisDLM-Daten basiert, aber vor allem auf Grundlage von Satellitenbildauswertungen aktualisiert und verfeinert wurde.

Es stellt sich die entscheidende Frage für das Projekt, ob ein Vergleich der bilanzierten Landnutzungsdaten der beiden Auendatensätze (2007 und 2017) auf Basis der unterschiedlichen Landnutzungsdatensätze überhaupt belastbare Ergebnisse erzielen kann, d.h. kann dadurch die tatsächliche Änderung in der Landnutzung bilanziert und dokumentiert werden oder sind die methodischen Unterschiede in den Daten so groß (Detaillierungsgrad, unterschiedliche Landnutzungsklassen, etc), dass sie die tatsächlichen Änderungen in der Landnutzung wesentlich überlagern.

Im Rahmen einer Bachelor-Thesis wird eine Landnutzungsbilanzierung mit den aktuellen LBM-DE-Daten auf Basis der alten Auenabgrenzung durchgeführt. Anschließend werden die Unterschiede pro vorhandenem KM-Flussauensegment prozentual miteinander verglichen. Auf Basis von aktuellen und historischen Satelliten- bzw. Luftbildern (2006 und früher, verfügbar in GoogleEarth) werden die Landnutzungsdaten in einzelnen KM-Segmenten stichprobenartig miteinander verglichen und dahingehend klassifiziert, ob eine tatsächliche Landnutzungsänderung stattgefunden hat oder die unveränderte Landnutzung nur detaillierter bzw. unterschiedlich interpretiert wurde.

Die Ergebnisse der Thesis sind von großer Bedeutung für die Aussagekraft über die Entwicklung der Landnutzung in den untersuchten Auengebieten in den letzten 10 Jahren.

Litaratur:

Brunotte, E., Dister, E., Günther-Diringer, D., Koenzen, U., Mehl, D. (2009): Flussauen in Deutschland. Erfassung und Bewertung des Auenzustands. Naturschutz und Biologische Vielfalt Heft 87. Bonn. 243 S.


14:15 - 14:30

Remote sensing classification accuracy: a case study along the urban-rural gradient in the megacity of Bangalore, India

N. Nölke1, K. Awuah2

1Georg-August-Universität Göttingen, Deutschland; 2Swedish University of Agricultural Sciences, Southern Swedish Forest Research Center, Sweden

Along the rural-urban gradient in megacities, the extent and material composition of impervious surfaces are changing. Those various surface materials lead to varying spectral signatures and, as a consequence, possibly also to different degrees of misinterpretations in remote sensing image classification, thus creating a challenge in choosing suitable classification algorithms and image processing techniques.

In this study, we examine how the accuracy of land-cover classification as a function of spatial resolution, spectral and spatial heterogeneity changes along a rural-urban gradient, in the megacity of Bangalore in Southern India. A 50 x 5 km transect in the northern part of Bangalore was defined in the framework of a larger study investigating social-ecological transition processes in the rural-urban interface. This transect contains different land use categories in rural, urban and suburban areas. For the analyses, the transect was divided into 5x5 km subsets to analyse the relationship between classification accuracy, land-cover spectral and spatial heterogeneity along the gradient. Landsat 8, Sentinel-2 and WorldView-3 imagery acquired in November 2016 were used as remote sensing datasets.

Our findings indicate that classification accuracy along the urban-rural gradient is inversely related to Patch Density (PD), Landscape Shape Index (LSI) and Shannon’s Diversity Index (SHDI), and, directly related to Contagion Index (CONTAG). Specifically, as the degree of fragmentation and spatial diversity within a landscape increases, classification accuracy decreases. Overall, the findings from the study suggest that spatially heterogeneous landscapes exhibit high spectral variability, signaling the need to integrate spatial landscape characteristics in the accuracy assessment of land-cover maps.



 
Impressum · Kontaktadresse:
Veranstaltung: PFGK18-Tagung
Conference Software - ConfTool Pro 2.6.119
© 2001 - 2018 by Dr. H. Weinreich, Hamburg, Germany