View/Open - JUWEL - Forschungszentrum Jülich

82 KAPITEL 5. Klassifizierung mit neuronalen Netzen
Hierzu wird das vom US Department of Defense (DoD) unter dem Namen (Navi-
gation System for Timing and Ranging) NAVSTAR entwickelte GPS eingesetzt.
Es besteht aus 24 Satelliten zuzüglich einiger Reserveeinheiten (heute insgesamt
ca. 30 aktive Satelliten), die in einer nominellen H öhe von 20200 km die Erde um-
kreisen . Dieses orbitale Segment wird von f ünf Bodenstationen, dem Kontrollseg-
ment, überwacht, das ggf. Ephemeridendaten zur Korrektur heranzieht (C LARKE
et al. 2002 [45]) . Die mit Atomuhren ausgestatteten Satelliten entsenden st ändig
Informationen über ihren Standort und den genauen Zeitpunkt des Ausgangs der
Nachricht . Aus der Zeitdifferenz von der Sendung bis zum Empfang der Nachricht
berechnet der Empfänger die Entfernung und kann darüber hinaus mit Messun-
gen weiterer Satelliten die genaue Position in x-, y- und z-Richtung triangulieren.
Vier Satelliten werden zur Positionsbestimmung ben ötigt, doch je mehr Satel-
liten gleichzeitig erkannt werden, desto höher ist die Genauigkeit des Messer-
gebnisses (J OHNSON 1995 [92]). Bis zur endgültigen Abschaltung der Selective
Availability am 2. Mai 2000 wurde die erzielte Exaktheit für die zivile Nutzung mit
± 100 m angegeben, genauere Messungen blieben milit ärischen Zwecken vor-
behalten . Seitdem produziert ein einfaches Empfangsger ät sogar nur noch einen
Fehler von + 15 m, was für das angestrebte Ziel dieser Studie durchaus zufrie-
denstellend ist . Zus ätzlich wird die Genauigkeit mathematisch durch die Mittelung
dreier Messsequenzen weiter erhöht, was aber für die Verwendung im Kontext der
Referenzflächenbeschaffung nicht quantifiziert werden kann.
Zur Bestandsaufnahme wird der GPS-Empfänger mit einem PocketPC verbun-
den, um die erfassten Informationen in der ESRI 1 -Software ArcPad (Version 6)
darstellen zu können. Zur besseren Orientierung können aus ArcGIS Satelli-
tenbilder, ATKIS-Daten oder Referenzfl ächen früherer Begehungen nach ArcPad
übertragen werden (C LARKE et al. 2002 [45]) . Die einzelnen Felder werden um-
rundet, die Nutzung angegeben, ggf. Besonderheiten festgehalten und schließ-
lich im Shape-Format gespeichert (Abbildung 5 .1). Für diese Studie relevante
Anbaufr üchte sind Weizen (WZ), Zuckerrüben (ZR), Kartoffeln (KT), Mais (MS)
und Gerste (GT) . Zusätzlich werden Daten für Grünland (GL1 und GL2 - gemäht
bzw. ungemäht) erhoben. Auf diese Weise wird die direkte Übertragung in Soft-
ware wie ENVI oder Erdas Imagine, die automatische Ableitung von Regions of
Interest (ROIs) und die anschließende Klassifikation von Satellitendaten erheb-
lich vereinfacht . Zusätzlich werden Informationen aus Kooperationen der Land-
1 Environmental Systems Research Institute, Redlands (CA), USA