View/Open - JUWEL - Forschungszentrum Jülich

94 KAPITEL 5. Klassifizierung mit neuronalen Netzen
Zum Vergleich sind in Tabelle 5 .2 die Kappawerte der übrigen Klassifikationen ge-
genübergestellt . Eine eingehende Analyse der Klassifikationsgenauigkeit und die
Übernahmen der daraus resultierenden thematischen Karten in einen Datensatz
zur landwirtschaftlichen Rotation erfolgt in Kapitel 5 .5.
5.5 . Diskussion der Klassifikationsergebnisse und
Bestimmung der landwirtschaftlichen Rotation
Das neuronale Netz mit dem Kalman Filter liefert mit anschließender Filterung
bei allen Datens ätzen gute bis sehr gute Ergebnisse mit r,-Werten über 0,89.
Ein Grund daf ür ist die M öglichkeit, mit einem neuronalen Netz eine nicht nor-
malverteilte Wahrscheinlichkeitsdichte adäquat abbilden zu können . Als Beispiel
soll der über die unkorrelierten Hauptkomponenten 1 und 2 gespannte Merk-
malsraum der LANDSAT-Szene des Jahres 2001 in Abbildung 5 .9 dienen, für die
Daten anderer Sensoren können ähnliche Abbildungen erstellt werden.
Gewässer
Nadelwald
Laubwald
Grünland
Hochmoor
Zuckerrüben
Weizen
Mais
Gerste
Siedlung
Gewerbe
Tagebau
HK 1
Abbildung 5 .9 . : Verteilung der Referenzpixel im Merkmalsraum der Hauptkomponenten 1
und 2 der LANDSAT-Szene vom 26.6.2001.
Zu erkennen sind die Punktwolken der Referenzdaten in ihren Klassen, die zum
Teil durch den Betrachter recht gut von Nachbarklassen abgegrenzt werden
können . Auf der anderen Seite existieren jedoch Überlappungen . Zunächst sind