Urbane Geo-informationsprodukte aus Rapid Eye Daten · • iSurf-A Modul (Java) zur Versiegelungsmodellierung mittels SVM • DFD Prozessierungsumgebung CATENA (Vorverarbeitung) •

Urbane Geo-informationsprodukte aus Rapid Eye Daten

W. Heldens, M. Wurm ,H. Taubenböck & T. Esch

Deutsches Fernerkundungsdatenzentrum, Abt. Landoberfläche

Urban and rural population – past and future prospects (UN, 2012)

Dr. W. Heldens - RESA Workshop 2014 - 5. März 2014 www.DLR.de • Folie 2

Urbane Geo-informationsprodukte

•  Produkte: •  Landbedeckung •  Versiegelungsgrad •  Bebauungsgrad •  Grünanteil •  Stadtstruktur •  …

•  Nutzer: •  Stadt/Raumplaner •  Wissenschaftler (z.B. Sozialgeografen) •  Firmen (z.B. Versicherer)




•  Rapid Eye für urbane Anwendungen: •  Höhe räumliche Auflösung •  Großflächige Abdeckung •  Hohe wiederholungsrate




•  Rapid Eye für urbane Anwendungen: •  Höhe räumliche Auflösung •  Großflächige Abdeckung •  Hohe wiederholungsrate


Versiegelung

Versiegelungsmonitoring für • Flächeninanspruchnahme • Wassermanagement • Stadtklima (Urban Heat Island)


Großflächige Versiegelungskartierung am DLR

Ziel: •  Entwicklung eines prototypischen Prozessors zur automatisierten

Kartierung versiegelter Flächen. •  Funktionalität zur automatisierten Verarbeitung multispektraler EO-

Daten (v.a. RapidEye, Landsat, IRS-P6 LISS). •  Primäres Szenario: Anwendung in Deutschland Ausgangsbasis: •  iSurf-A Modul (Java) zur Versiegelungsmodellierung mittels SVM •  DFD Prozessierungsumgebung CATENA (Vorverarbeitung)




Weiterentwicklung notwendig bevor Implementierung in CATENA

Training des iSurf SVM Modells (optional: nur

Master Szene)

Multispektrale Bilder

Atm. corr

Rad. Anpassung

Ortho-corr.

Training Data

(Referenz)

Modell Bibliothek

Master Szene

Datensätze (input/output)

Modules aktuell in CATENA implementiert Karte der Bodenver-siegelung

Modellierung der Bodenversiegelung

Vor- Prozessierung

Model Model Model Model Modell

iSurf



Versiegelungskartierung mit RESA-Daten

•  RE L1b Daten für 5 Bundesländer (Bayern, NRW, Brandenburg, Berlin, Hessen)

•  Afnahmejahr 2009 •  Afnahmezeitpunkten zwischen April & Oktober •  Einheitliche Vorprozessierung notwendig •  Aber:

•  Große Datensätze (> 5 GB) •  Hohe Anforderungen an Prozessierungsumgebung und einzelne

Modulen


Ergebnisse Bayern

•  Nur Siedlungs- und Verkehrsflächen

•  Trainingsdata: Versiegelungskartierung 2000 (Landsat)

•  7 RE L1b Szenen


>80 %

40 %

0 %

Versiegelungsgrad München

Ingolstadt

Regensburg

Weiden


Ergebnisse Bayern

Allianz Arena

Englischer Garten


Ergebnisse Bayern

>80 %

40 %

0 %

Versiegelungsgrad

Ergebnisse NRW


•  Nur Siedlungs- und Verkehrsflächen

•  Lokales Modell für alle Szenen

•  3 RE L1b Szenen

•  Mittlerer absoluter Fehler: •  18,8 - 22,5 % (Köln, Wuppertal)

0 – 20 % 21 – 40 % 41 – 60 % 61 – 80 % 81 – 100 % No data

Versiegelte Fläche

Ergebnisse NRW


Fehleranalyse (MAE) • Köln: 18,8 % • Wuppertal: 22,5 % • Köln (Dunst): 46,7 % • Wuppertal (Dunst): 27,9 %

0 – 20 % 21 – 40 % 41 – 60 % 61 – 80 % 81 – 100 % No data

Versiegelte Fläche

Versiegelungsberechnung für bewölkte Szenen nicht möglich Szenen mit Dunst können mit Atcor corrigiert werden.


Optimierungspotential: haze removal

Versiegelungsberechnung für bewölkte Szenen nicht möglich Szenen mit Dunst können mit Atcor corrigiert werden.


Optimierungspotential: haze removal

Trainiert met Versiegelung 2000 (25m), MAE: 31,68 Trainiert mit höch aufgelöste Datensatz (5 m), MAE 18,67

Autobahnkreuz Köln-West, Rapid Eye

500 m

0 – 20 % 21 – 40 % 41 – 60 % 61 – 80 % 81 – 100 % No data

Versiegelte Fläche


Optimierungspotential: • Trainingsdaten • Multi-temporal

Landbedeckung


Landbedeckungskartierung für • Stadtstrukturanalyse • Stadtklima (Local Climate Zones) • Slum-Kartierung

Buildings Impervious Water

Bare soil Vegetation


Landbedeckung

Automatisierte Landbedeckungskartierung auf Basis mehrere Datensätze (wissensbasierte Klassifikation) • Rapid Eye Reflektanz • Open Street Map • DTK-25 Gebäudedaten • Global Urban Footprint (TerraSar-X)

Kempen (NRW)

Dr. W. Heldens - RESA Workshop 2014 - 5. März 2014

Automatisierte Landbedeckungskartierung auf Basis mehrere Datensätze (wissensbasierte Klassifikation) • Rapid Eye Reflektanz • Open Street Map • DTK-25 Gebäudedaten • Global Urban Footprint (TerraSar-X)

Landbedeckung

Buildings Impervious Water

Bare soil Vegetation

Ground Truth – Anforderungen „urban“

•  Zur Validierung: •  Topografische Karten und andere amtliche Kartierungen •  Höher aufgelöste Fernerkundungsdaten, z.B. Luftbilder •  Feldbegehungen, evt. mit Spektrometer

•  Bebaute Gebieten ändern langsam (> 1 Jahr): à Zeitlichen Spielraum für Datensätze und Feldbegehungen zur

Validierung

•  Reflektion- und Atmosphärenmessungen während der RE-Aufnahme von Vorteil für atmosphärische Korrektur


Vielen dank für Ihren Aufmerksamkeit! Grundlage für diesen Vortrag waren die RESA-Projekte

475 – Bundesweite Versiegelungskartierung mit Rapid Eye 340 – Urbane Strukturanalyse mit Rapid Eye (USARE) 504 – Exploiting the potential of Rapid Eye data for sustainable urban planning and land

management

[email protected]


Documents

Urbane Geo-informationsprodukte aus Rapid Eye Daten · • iSurf-A Modul (Java) zur Versiegelungsmodellierung mittels SVM • DFD Prozessierungsumgebung CATENA (Vorverarbeitung) •