Digitale Forstkartenerstellung und Feldgrenzendelinierung mit Hilfe Hochauflösender Satellitensysteme : Zwei Anwendungsbeispiele aus der Forst- und Landwirtschaft : Dissertation, Albert-Ludwigs-Universität, Forstwissenschaftliche Fakultät
In den letzten Jahren wurden verstärkt geometrisch hochauflösende Sensoren aus der militärischen Forschung für zivile Einsatzbereiche freigegeben. Mit dem indischen IRS-1C ist bereits ein operationelles Aufnahmesystem im Orbit. In den kommenden Jahren ist eine neue Generation hochauflösender Fernerkundungssatelliten zu erwarten, welche hochgenaue Daten mit einer Bodenauflösung von 1 m liefern werden. Parallel zu dieser Entwicklung wurden seit Beginn der 90er Jahre verstärkt Algorithmen entwickelt, welche die vielfältigen Daten unterschiedlicher Sensoren miteinander verknüpfen. Diese Verfahren werden unter dem Begriff Image Fusion zusammengefasst. Ausgehend von diesen Entwicklungen ergeben sich für die Forst- und Landwirtschaft neue Anwendungsmöglichkeiten für die Fernerkundung. Diese Arbeit hatte das Ziel, die Qualität der hochauflösenden Sensordaten, sowie daraus abgeleiteten Fusionsprodukten anhand von zwei Anwendungsbeispielen aus der Praxis zu prüfen: - Delinierung von Bestandesgrenzen bei der Forsteinrichtung - Delinierung von Feldgrenzen in der Landwirtschaft. Im forstlichen Bereich der Bestandesausscheidung sollte untersucht werden, ob und in welcher Weise hochauflösende Daten bei der digitalen Erfassung von Bestandesgrenzen verwendet werden können. Da automatische Waldklassifikationen nach wie vor sehr unbefriedigende Genauigkeiten erzielen, wurde der methodische Weg gewählt, die hochauflösenden Daten und daraus abgeleitete Image Fusion Produkte als optimierte Bilddaten für eine visuelle Interpretation zu gewinnen. Für die Interpretation wurden folgende Daten berechnet, bzw. verwendet: - IRS-1C panchromatisch (pan) - IHS Transformation aus TM und IRS-1C Daten (ihs_tm) - AIF mit nachfolgender IHS Transformation aus SPOT pan und SPOT XS (ihs_sp) - Simulation eines 1 m Sensors durch IHS Transformation aus TM und Ortholuftbild (qsim) - Ortholuftbilder (ortho). Die Bildprodukte wurden von zwei Testpersonen interpretiert. Dabei wurde die Bestandesausscheidung der letzten Forsteinrichtung am Bildschirm überlagert. Die Interpreten mussten die Bestandesgrenzen in drei Klassen (sichtbar / teilweise sichtbar / nicht sichtbar) einstufen. Der prozentuale Anteil der Klasse sichtbar stieg dabei unabhängig vom Interpreten vom ihs_tm über pan nach qsim an, wobei die Vorlage des hochauflösenden qsim mit annähernd 90% Anteil in der Klasse sichbar das beste Ergebnis erzielte. Bei beiden Interpreten schnitt die Vorlage ihs_tm schlechter ab als die pan Vorlage alleine. Dies bedeutet, dass in diesem Fall die Einbeziehung multispektraler Daten keinen zusätzlichen Informationsgewinn erzielte. Im zweiten Analyseschritt wurde die Referenz der Forsteinrichtung in 2.5 m, 5 m und 10 m Stufen gebuffert und mit den jeweiligen Interpretationen verschnitten. Es wurde untersucht, wie viel Prozent der Delinierung in den jeweiligen Buffern beinhaltet sind. Die Vorlagen qsim und ortho schneiden in allen drei Bufferweiten am besten ab, wobei das Fusionsprodukt qsim nur bei den 2.5 m Buffer eine weitere Verbesserung (um 10%) erbrachte. Aus der Buffermethode lassen sich in Anlehnung an HEIPKE ET AL. (1998) sogenannte Qualitätskriterien berechnen. Bei der Bestandesdelinierung wurden die Maße Vollständigkeit, Korrektheit und Qualität für den 10 m Buffer ermittelt. Hierbei ergeben sich für qsim und ortho die jeweils besten Werte. Als Alternative zur Bildschirmdelinierung wurde im Rahmen einer Messkampagne ein mobiles DGPS System für die Waldwegeerfassung getestet. Dabei konnten mit 90% innerhalb eines 10 m Buffers um die Wegmitte sehr hohe Genauigkeiten erzielt werden. Die Untersuchungen im landwirtschaftlichen Bereich sollten Hinweise darüber geben, in wieweit die oben genannten Bildprodukte zur Vermessung von Agrarflächen geeignet sind. Hierzu wurden IRS-1C pan und IRS-1C LISS Satellitendaten eingesetzt und mit folgenden Verfahren verschnitten: - Adaptive Image Fusion (aif) - Local Mean Matching (lmm) - AIF mit nachfolgender IHS Transformation (aifihs). Ebenso wie bei der forstlichen Bestandesdelinierung wurde auch hier eine visuelle Delinierung am Bildschirm mit anschließender Berechnung von Qualitätsmaßen durchgeführt. Obwohl aif hierbei eines der schlechtesten Resultate erzielt, liefert das kombinierte Verfahren (aifihs) die besten Ergebnisse. Ein weiterer Gegenstand der Untersuchung war die Frage, ob mit Image Fusion Produkten wie aif und lmm im Vergleich zu originalen LISS Daten eine Verbesserung der Genauigkeit bei überwachten Klassifizierungen erreicht werden kann. Während mit dem AIF Verfahren gegenüber den originalen LISS Daten keine Verbesserung erzielt wurde (86.16%) konnte die Gesamtgenauigkeit beim LMM Verfahren auf 92.31% gesteigert werden. Zusammenfassen kann gesagt werden, dass mit hochauflösenden Sensoren ein vielversprechendes Potential zur Kartierung zu erwarten ist. Allerdings sind zur Zeit die Satellitensysteme nicht in ausreichender Zahl verfügbar oder bieten eine zu grobe räumliche Auflösung für die angestrebten Ziele.
