elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Fernerkundliche Erfassung von städtischen Grünflächen - ein systematischer Vergleich mit Regressionsgleichungen

Osterkamp, Nicole (2019) Fernerkundliche Erfassung von städtischen Grünflächen - ein systematischer Vergleich mit Regressionsgleichungen. Masterarbeit, Ruhr Universität Bochum.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Kurzfassung

Städtische Grünflächen sind für eine nachhaltige Stadtentwicklung ein wesentlicher Faktor. Für die Planung und Überwachung wird ein Grünflächenmonitoring heutzutage immer wichtiger. Die Datengrundlagen für das Monitoring sollten hierbei eine hohe räumliche Auflösung besitzen, zu einem guten Kostenverhältnis verfügbar sein und eine hohe Aktualität aufweisen. Bestehende Grünflächenklassifikationen besitzen oftmals diese gewünschten Eigenschaften nicht oder nur teilweise. In dieser Arbeit wird ein Lösungsansatz erarbeitet, der eine Klassifikation für großräumige Gebiete bei hoher Auflösung und gutem Kostenverhältnis auf Basis aktueller Daten erlaubt. Hierzu wurde ein systematischer Vergleich verschiedener Methoden zur Berechnung von Grünflächenklassifikationen auf Basis prozentualer Vegetationsanteile vorgestellt. Für vier Städte in Deutschland wurden Referenzdaten aus einer objektorientierten Klassifikation mit hochauflösenden kommerziellen World-View-Daten erhoben. Mittels verschiedener Regressionsverfahren (Lineare Regression, Random Forest und Support Vector Regression) wurden die Referenzdaten mit verschiedenen Featuredatensätzen in Szenen von kostenfreien Sentinel-2-Daten (Untersuchungsgebiete 100 x 100 km, Auflösung 10 m) klassifiziert. Die Ergebnisse zeigten, dass Regressionsverfahren eine zuverlässige Methode darstellen, um Grünflächenklassifikationen für großräumige Gebiete bei hoher Auflösung zu berechnen. Im Vergleich der Regressionsverfahren zeigte die Support Vector Regression (SVR) die zuverlässigsten Klassifikationsergebnisse. Eine ebenfalls durchgeführte Vergleichsregression auf Basis von Mehrfachaufnahmen über drei Jahre zeigte Vorteile gegenüber Regressionen auf Einzelaufnahmen, die jahreszeitliche Einflüsse zeigen. Die Genauigkeitswerte erreichten bei SVR auf Basis von Mehrfachaufnahmen über alle Untersuchungsgebiete einen mittleren absoluten Fehler (MAE) zwischen 0,17 und 0,2, einen quadratischen Mittelwertfehler (RMSE) von 0,27 bis 0,29 und ein Bestimmtheitsmaß (R²) von 0,56 bis 0,65.

elib-URL des Eintrags:https://elib.dlr.de/131072/
Dokumentart:Hochschulschrift (Masterarbeit)
Titel:Fernerkundliche Erfassung von städtischen Grünflächen - ein systematischer Vergleich mit Regressionsgleichungen
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Osterkamp, NicoleNicole.Osterkamp (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2019
Referierte Publikation:Nein
Open Access:Nein
Seitenanzahl:124
Status:veröffentlicht
Stichwörter:Fernerkundung, Urban Green Spaces, German Cities, Remote Sensing
Institution:Ruhr Universität Bochum
Abteilung:Geographisches Institut
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Fernerkundung u. Geoforschung
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Deutsches Fernerkundungsdatenzentrum > Georisiken und zivile Sicherheit
Hinterlegt von: Leichtle, Tobias
Hinterlegt am:26 Nov 2019 12:16
Letzte Änderung:26 Nov 2019 12:16

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.