ESAEducationHauptseiteWetter und KlimaGlobale VeränderungenNaturkatastrophen
   
Erdbeben
EinführungDas Erdbeben von Izmit
Hurrikane
SturmflutenHurrikan Katrina
Überschwemmungen
Thessaloniki (Griechenland)
Vulkane
EinführungAnden-VulkangürtelÄtnaNyiragongo und Nyamuragira
 
 
 
 
 
printer friendly page
Übung 2: Lavadetektion mit überwachter Klassifizierung
 
Page123
Überwachte Klassifizierung

Wir lernen nun, wie man anhand einer halbautomatischen Klassifizierung Lava aufspüren und Veränderungen eines Vulkans erkennen kann. Die Ergebnisse der Klassifizierung basieren auf dem unterschiedlichen Reflexionsverhalten (spektrale Signatur) der erfassten Merkmale (z. B. Vegetation, Stadtgebiet, Lava, nackter Boden) in den verschiedenen Spektralbändern.

Bei einer überwachten Klassifizierung sind Eingaben vom Benutzer erforderlich. Es müssen Trainingsgebiete definiert werden, in denen der Software mitgeteilt wird, welche Pixelwerte zu welcher Klasse gehören. Bei der Klassifizierung mit dem Maximum-Likelihood-Algorithmus werden alle Pixel von der Software einer bestimmten Klasse zugeordnet (siehe Tutorial ab Seite 52).  
 
Definition von Klassen
 
Entscheiden Sie zuerst, worauf Sie sich konzentrieren möchten. Für die Klassifizierung verschiedener Vegetationsarten werden die Trainingsgebiete anders gewählt als für die Unterscheidung zwischen Lava und Vegetation oder anderen Merkmalen. Mit der Übung verfolgen wir zwei Ziele:

  • Erstens: Erkennen von Lava. Die erkannte Lava dient dann zur Veränderungsdetektion nach der Klassifizierung. Zur Beurteilung der Veränderungen werden also Subtraktionsoperationen mit den Klassifizierungsergebnissen durchgeführt.
  • Zweitens: Erkennen von Städten, Dörfern und Straßen.

Bei der Klassifizierung von optischen Bildern stellen Wolken sowie die Schatten von Wolken ein großes Problem dar, denn sie können in einigen Bändern als andere Merkmale mit „dunklen“ Werten (z. B. Lava) fehlinterpretiert werden.

Es stehen zwei Methoden zum Herausfiltern von Wolken und Schatten zur Verfügung: 1) Erstellen einer Wolkenmaske (es erfolgt eine automatische Maskierung durch Anwendung eines Schwellenwerts oder Klassifizierungsalgorithmus und/oder manuelles Digitalisieren und anschließendes Ausschneiden der betroffenen Pixelbereiche aus dem Bild) oder 2) Definieren einer spezifischen Klasse für Wolken und Schatten (wie im Fall des Bilds von 2001).

Folgende Klassen sind vordefiniert:

  • Lava
  • Städtgebiete (Städte, Dörfer, Straßen)
  • Vegetation (in diesem Fall muss nicht zwischen verschiedenen Vegetationsarten unterschieden werden)
  • Wasser (eine eigene Klasse für Wasser ist wichtig, denn anderenfalls könnte Wasser als Lava oder Stadtgebiet fehlinterpretiert werden)
  • Wolken
  • Wolkenschatten

 
 
Page123

 
 
 


Nyiragongo und Nyamuragira
Einführung
Veränderungs
detektion und Risikobewertung
Einführung zum ArbeitsblattÜbung 1: Erforschen und Kennenlernen des VulkansÜbung 3: Multitemporale Veränderungsdetektion und Überwachung
Eduspace - Download
Nyiragongo_Landsat.zip
Eduspace - Software
LEOWorks 3LEOWorks 3 Tutorial
 
 
 
   Copyright 2000 - 2014 © European Space Agency. All rights reserved.