elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Imprint | Privacy Policy | Contact | Deutsch
Fontsize: [-] Text [+]

Fernerkundliche Erfassung von städtischen Grünflächen - ein systematischer Vergleich mit Regressionsgleichungen

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

Full text not available from this repository.

Abstract

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.

Item URL in elib:https://elib.dlr.de/131072/
Document Type:Thesis (Master's)
Title:Fernerkundliche Erfassung von städtischen Grünflächen - ein systematischer Vergleich mit Regressionsgleichungen
Authors:
AuthorsInstitution or Email of AuthorsAuthors ORCID iD
Osterkamp, NicoleNicole.Osterkamp (at) dlr.deUNSPECIFIED
Date:2019
Refereed publication:No
Open Access:No
Gold Open Access:No
In SCOPUS:No
In ISI Web of Science:No
Number of Pages:124
Status:Published
Keywords:Fernerkundung, Urban Green Spaces, German Cities, Remote Sensing
Institution:Ruhr Universität Bochum
Department:Geographisches Institut
HGF - Research field:Aeronautics, Space and Transport
HGF - Program:Space
HGF - Program Themes:Earth Observation
DLR - Research area:Raumfahrt
DLR - Program:R EO - Erdbeobachtung
DLR - Research theme (Project):R - Remote sensing and geoscience
Location: Oberpfaffenhofen
Institutes and Institutions:German Remote Sensing Data Center > Geo Risks and Civil Security
Deposited By: Leichtle, Tobias
Deposited On:26 Nov 2019 12:16
Last Modified:26 Nov 2019 12:16

Repository Staff Only: item control page

Browse
Search
Help & Contact
Information
electronic library is running on EPrints 3.3.12
Copyright © 2008-2017 German Aerospace Center (DLR). All rights reserved.