Dynamische Land-Wasser-Klassifikation mit Hilfe eines selbstlernenden Klassifikationsalgorithmus

Abstract

Es gibt inzwischen Fernerkundungsdatenzeitreihen, die weltweit flächendeckend über einen längeren Zeitraum zur Verfügung stehen. Damit eignen sie sich für Monitoringaufgaben zur Verbesserung des globalen Prozessverständnisses. Im Laufe der Missionsdauer der entspre-chenden Fernerkundungssysteme wurden und werden verschiedene Auswertealgorithmen und mögliche Zusatzdaten wie Land-Wasser-Masken in immer besserer Qualität entwickelt (CARROLL ET AL., 2009). Wassermasken sind nicht nur hilfreich, um Wasserflächen in Fernerkundungsdaten möglichst sicher zu erkennen (LEHNER & DOLL, 2004), sondern um sie auch von anderen dunkel erscheinenden Flächen (JUSTICE ET AL., 2002), sowohl Wol-ken- und Geländeschatten, Waldflächen und verbrannten Flächen möglichst sicher zu un-terscheiden. Mit dieser Arbeit wird das Grundprinzip eines selbstlernenden Verfahrens vorgestellt, das auf der Basis verbesserter statischer Wassermasken (USGS, 2003) und der Nutzung zweier dynamischer Klassifikationsverfahren beruht, das weiterhin stabile Was-serpixel identifiziert und mit deren spektralen Eigenschaften mittlere Werte ableitet. Mit deren Hilfe können weitere sichere Wasserpixel identifiziert werden.