Änderungserkennung in Fernerkundungsdaten

Hauptkomponenten der Änderungserkennung

Um Änderungen in multitemporalen Fernerkundungsdaten zu ermitteln, werden verschiedene Techniken angewendet. Die Analyse stützt sich auf folgende Aspekte:

• Bildstabilität: Analyse der primären Dimensionen.
• Datenerfassung: Sammlung unveränderter Informationen.

Gängige Techniken:

• Multitemporale Regression
• Änderungsvektoren

Streudiagramm (Dispersograma):

Untersucht die Korrelation zwischen Bändern.

• Bandauswahl: Identifizierung von Clustern.
• Fehlende vertikale Beobachtung: Hinweis auf atmosphärische Einflüsse.
• Fehlende Reflektoren: Hinweis auf Topographie (Lambert'sches Modell).

Vegetationsindizes:

Verstärken den Beitrag der Vegetation im Spektrum und mildern Einflüsse wie Boden und Atmosphäre. Sie dienen als Eingangsgröße für biophysikalische Modelle und ermöglichen die Überwachung der Vegetation.

Kappa-Statistik (Multitemporal):

Vergleicht Bewertungen verschiedener Methoden, um die Übereinstimmung mit der Realität zu bewerten.

Geometrische Korrektur:

1. Identifizierung gemeinsamer Punkte: Zwischen Bild und Karte > Festlegung von Kontrollpunkten.
2. Berechnung der Transformationsfunktionen: Zwischen den Koordinaten des Bildes und der Referenz.
3. Übertragung der Pixel: Auf neue Positionen gemäß der definierten Transformation.

Konfusionsmatrix (Änderungserkennung):

Dient zur Überprüfung der Ergebnisse, insbesondere bei der Änderungserkennung. Das Format ist wie folgt:

1. Bereich als stabil erkannt, wenn er tatsächlich stabil ist.
2. Bereich als geändert erkannt, wenn er tatsächlich geändert ist.
3. Bereich als stabil erkannt, obwohl er geändert ist.
4. Bereich als geändert erkannt, obwohl er stabil ist.
5. Keine tatsächliche Änderung wurde fälschlicherweise als Änderung erkannt.
6. Änderungen wurden falsch identifiziert.

Methoden der Änderungserkennung:

Unüberwachte Methoden (Spektralklasse -> Informationsklasse):

Verwenden Clustering-Algorithmen, um spektrale Klassen basierend auf der statistischen Ähnlichkeit der Pixel zu definieren. Der Analyst legt die Anzahl der Klassen fest und ordnet die spektralen Gruppen (Cluster) Informationsklassen zu. Die Trainings- und Zuordnungsphasen sind vermischt.

Überwachte Methoden (Informationsklasse -> Spektralklasse):

Der Bildanalyst identifiziert repräsentative Stichproben jeder Klasse (Trainingsgebiete). Der Computer extrahiert numerische Informationen aus diesen Proben (spektrale Signaturen). In der Zuordnungsphase wird jedes Pixel mit diesen Signaturen verglichen und der Klasse zugeordnet, die am besten passt.

Techniken zur Änderungserkennung:

Voraussetzungen: Radiometrische und geometrische Korrektur.

• Visuelle Analyse: Multitemporale Farbkompositionen.
• Digitale Analyse:
  1. Kontinuierliche Variablen: Subtraktionen, Verhältnisse, Hauptkomponentenanalyse, Regression, Änderungsvektoren.
  2. Kategorisierte Variablen: Multitemporale Kreuztabellierung.