Zweijahresbericht 2004/2005 - Bibliothek - GFZ

208
Abb. 1.74: Bestimmung des Bodeneisengehalts; a) Untersuchungsgebiete in Cabo de Gata-Nijar Naturpark (HyMap
Daten vom 11.07.2003, Echtfarbendarstellung), b) Bodenprobenentnahmepunkte, c) Laboranalyse der Bodenproben,
d) Spektren der Bodenproben A und G mit gekennzeichnetem Flächenmerkmal (pos. und neg.), das für die Korrelation
genutzt wird, e) vorläufige Bodeneisenkarte.
Determination of the soil iron content: a) Test site in Cabo de Gata-Nijar Natural Parc (HyMap data from 11.07.2003,
real color composite), b) soil sampling points, c) Laboratory analysis of the soil samples, d) Spectra of soil sample A
and G with indicated area feature (pos. and neg.) that is used for the correlation, e) preliminary soil iron map.
ziertheit und hoher zeitlicher Auflösung. Die Fernerkundung
hat mit der wiederholten zeitlichen Abbildung großer
Landschaftsausschnitte in hoher räumlicher Auflösung
beträchtliche Potentiale zur Lösung dieser Aufgabe.
Jede Verwendung von Fernerkundungsdaten und der Einsatz
von Fernerkundungsmethoden ist an einen bestimmten
Arbeitsalgorithmus geknüpft. Dabei spielt das Erstellen
einer Klassifikationsvorschrift zur Bildclusterung eine
zentrale Rolle. In der Regel ist diese gegenwärtig nicht
nur an einen Klassifizierungsalgorithmus gebunden, sondern
in hohem Maß auch an den verwendeten Datensatz.
Die Übertragung eines einmal erstellten Klassifikators auf
andere Datensätze scheitert fast immer an der Charakteristik
der ursprünglich verwendeten Daten. Bei Fruchtartenklassifikationen
in der Landwirtschaft ist das entscheidende
Hindernis die ungenügende Objektivität der
Klassen bezüglich des phänologischen Zustands der in den
verwendeten Aufnahmen abgebildeten Pflanzenbestände.
Während dieser Effekt in kleinräumigen Betrachtungen
keine Rolle spielt (Witterung) oder durch die Verwendung
von mehreren Beispielsflächen unterschiedlicher Bodenausstattung
ausgeglichen wird, führt die von veränderten
Boden- und Witterungsbedingungen modifizierte spektrale
Charakteristik der Kultur in anderen Anbaugebieten
als dem Erstellungsraum zu Fehlklassifizierungen.
Dieses Problem stellt den Ansatzpunkt für die jetzt entwickelte
Methode dar. Es wurde mit multitemporalen Daten
ein universeller, übertragungsfähiger Klassifikator erstellt,
der den Monitoringcharakter des multitemporalen Ansatzes
verstärken wird. Grundidee für diesen Klassifikator ist
die Erstellung spektraler Normkurven der Pflanzenentwicklung
von Kulturen (Abb. 1.76). Steht eine große
Anzahl von Satellitenszenen zur Verfügung, die das gleiche
Gebiet über einen langen Zeitraum zu verschiedenen
Phasen der phänologischen Entwicklung abbildet, erlaubt
dies anhand der Anbauinformation von Beispielbetrieben
die Analyse des Spektralverhaltens von Ackerkulturen in
jedem phänologischen Zustand. Die so gewonnenen
Wachstumskurven verknüpfen jeden phänologischen
Zustand im Lauf des Wachstums- und Reifeprozesses mit
der für diesen Zustand typischen Spektralinformation. Sie
erlauben eine Klassifikation von Ackerkulturen unabhängig
von der sonst üblichen Abgrenzung von Beispielsflächen
im zu klassifizierenden Satellitenbild.
Zweijahresbericht 2004/2005 GeoForschungsZentrum Potsdam