Hyperspektrale Fernerkundungsdaten zur Charakterisierung von Waldbeständen : Dissertation; Technische Universität Dresden. Fakultät für Forst-, Geo- und Hydrowissenschaften

Tharandt

Technische Universität Dresden

2001

116 S.

38 Abb., zahlr. Lit. Ang.

Serie

400082008

Hyperspektrale Aufnahmesysteme bieten, aufgrund ihrer höheren spektralen Auflösung und der nahezu vollständigen Abdeckung des optischen Spektralbereiches, zusätzliche Möglichkeiten zur Intensivierung der Fernerkundungsanwendung im Bereich der Wald- und Forstwirtschaft. In der vorliegenden Dissertation wird die Eignung von Hyperspektraldaten zur verbesserten Charakterisierung von Waldbeständen näher untersucht. Im Rahmen des vom Deutschen Zentrum für Luft- und Raumfahrt und Dornier Satellitensysteme GmbH geförderten ProSmart Projektes wurde ein forstliches Untersuchungsgebiet im Erzgebirge, südlich von Dresden, mit dem australischen Bildspektrometer HyMapTM beflogen. Die Hyperspektraldaten wurden zunächst einer Minimum Noise Fraction Transformation unterzogen, um den Informationsgehalt vom Rauschen zu trennen und das Datenvolumen zu reduzieren. Im Anschluss daran wurden die transformierten Daten einer spektralen Mischungsanalyse und einer Maximum Likelihood Klassfikation zugeführt. Für die Zielparameter Hauptbaumart, natürliche Altersklasse und Beschirmungsgrad wurde eine Verbesserung der erreichbaren thematischen Auflösung und der entsprechenden Genauigkeiten, im Vergleich zur multispektralen Fernerkundung erwartet. Aufgrund ungünstiger Beleuchtungsverhältnisse während der Aufnahme, die eine Reduzierung der Datenqualität mit sich brachten, konnten diese Erwartungen nur teilweise erfüllt werden. Unter anderem wurden für das Untersuchungsgebiet vier verschiedene Baumartengruppen mit einer verifizierten Genauigkeit von 92% und drei Altersstufen mit einer verifizierten Genauigkeit von 90% klassifiziert. Die erreichten Ergebnisse sprechen dafür, dass die Charakterisierung von Waldbeständen durch Hyperspektraldaten mit einer größeren Anzahl von Klassen und einer höheren Genauigkeit vorgenommen werden kann. Es besteht allerdings noch deutlicher Forschungsbedarf, um die operationale Nutzung des Informationsgehaltes von Hyperspektraldaten im Bereich der Wald- und Forstwirtschaft zu gewährleisten.