Fernerkundliche Erfassung von städtischen Grünflächen - ein systematischer Vergleich mit Regressionsgleichungen

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.