Kathmandu-Tal - Allgemeiner Überblick mit optischen Aufnahmen - Fortzetzung
|  | Unüberwachte Klassifizierung von Kathmandu | |
Multispektralbild-Klassifizierung
Vorbereitung
Die folgende Übung soll dazu dienen, mithilfe der Bildklassifizierung mehr über Kathmandu zu erfahren. Man könnte meinen, das lässt sich per Knopfdruck erledigen. Dem ist aber nicht so. Recherche, Wissen und Genauigkeit sind für diesen Vorgang gefragt.
In den nachfolgenden Übungen wenden wir unterschiedliche Klassifizierungsmethoden an. Unser Ziel ist es, die Prinzipien der Bildklassifizierung zu verdeutlichen und die Ergebnisse der unterschiedlichen Verfahren zu vergleichen.
Die Klassifizierung ist ein sehr nützliches Hilfsmittel zum Sammeln von Informationen für Planungs- und Kontrollzwecke oder für die Aktualisierung von Kartenmaterial. Sie bietet eine vergleichsweise kostengünstige und einfache Methode, um Informationen über Landbedeckung, Landnutzung und entsprechende Veränderungen zu erhalten, insbesondere in abgelegenen oder unzugänglichen Gegenden. Doch selbst in gut bekannten Teilen der Welt gehören Satellitenbilder heute zum Alltag. Denke nur an die tägliche Wettervorhersage im Fernsehen mit ihren Wolkenanimationen. Ein gutes Beispiel für die Nutzung von Klassifikationen ist die Europäische Union.
Die Landwirtschaft wird mit Satelliten überwacht und die Klassifizierungen geben dem Landwirtschaftsministerium Auskunft über den Anteil an bestelltem und brachliegendem Land. Die Zuschüsse, die Bauern erhalten, richten sich nach der Menge des Landes, das sie brachliegen lassen. Wer aber könnte deren Aussagen kontrollieren, wenn nicht Satelliten?
Satellitenbilder und Klassifikationskarten finden auch in der Kartographie Anwendung. Deutlich wird dies an den genauen Waldgrenzen in topographischen Karten. Sie werden aus Satellitenbildern und deren Bildverarbeitungsprodukten entnommen.
Jede digitale Klassifizierung, ob automatisch („unüberwacht“) oder halbautomatisch („überwacht“, interaktiv), stellt nur eine Ausgangsbasis für die weitere Anpassung dar. Ohne manuelle Arbeit ist eine genaue und nützliche Klassifizierung nicht möglich. Die Informationsverarbeitung, die das menschliche Hirn leistet, ist zu viel komplexeren Verfahren fähig als Computerprogramme. Es bestehen zahlreiche vielschichtige Zusammenhänge zwischen unterschiedlichen Oberflächenarten, die nicht durch spektrale oder geometrische Unterschiede definierbar sind.
Da es sich um einen äußerst komplexen Vorgang handelt, können wir im Rahmen der nachfolgenden Übungen nur sehr grobe Klassifizierungen von Kathmandu vornehmen. Wir beginnen mit einer manuellen Übung, die zunächst die Methode veranschaulichen und uns einen Überblick über die verschiedenen Oberflächentypen der Stadt geben soll. Ein weiteres Resultat der Übung ist eine hübsche, handgezeichnete Karte, die du als persönliches Werk bezeichnen kannst.
Diese Karte wird mit einer digitalen Klassifikation verschnitten, sodass die Ergebnisse der manuellen und der groben digitalen Klassifizierung verglichen werden können.
Damit das manuell klassifizierte mit dem digital klassifizierten Bild verschnitten werden kann, müssen wir die handgezeichnete Karte georeferenzieren. Das geht am einfachsten, indem wir Passpunkte (GCP, Ground Control Points) in die Falschfarbenbilder 4, 5, 3 einfügen und sie auf die Transparent-Folie übertragen.
Öffne das Bild Kathmandu_Landsat_Band_453.tif aus der Übung zur Falschfarbenkombination mit LEOWorks.
Die Passpunkte fügen wir mit dem GIS-Werkzeug von LEOWorks hinzu. Vergrößere das Bild, bis es den Bildschirm ausfüllt. Klicke dann in der Werkzeugleiste auf GIS. Es wird ein Kontextmenü eingeblendet. Klicke auf File>New Theme, nenne das neue Thema „GCP“ und wähle Polyline. Wähle Edit>Start Edit, um mit dem Zeichnen zu beginnen.
Zeichne acht Markierungen ein - eine in jeder Bildecke und die übrigen an den Rändern zwischen den Bildecken.
Wähle Edit>Stop Edit, um das Zeichnen zu beenden. Save Theme „GCP“ speicherst du dann das Thema in deinem Ordner „Kathmandu“.
Drucke das Bild aus. Wähle Print... und stelle „Scale:“ (die Massstabszahl) auf 100000 ein und drucke das Bild.
Manuelle Klassifizierung
Befestige eine Transparent-Folie auf dem Ausdruck. Die Blätter müssen fest miteinander verbunden sein, damit sich keines von beiden verschiebt.
Übertrage zunächst die Markierungen mit einem schwarzen Stift auf die Transparent-Folie.
Als Nächstes wird das Bild klassifiziert - also in Klassen unterteilt. Welche Klassen du auswählst, liegt in deinem eigenen Ermessen. Sinnvoll sind die folgenden Unterteilungen:
| | | Manuelle Erstellung übergeordneter Klassen von Kathmandu |
Übergeordnete Klassen
- Flüsse
- Dicht bebaute Gebiete
- Weniger dicht bebaute Gebiete
- Start- und Landebahnen
- Wald und Busch
- Gras- und Ackerland
Um eine hilfreiche und genaue Klassifikation zu erzeugen, muss weiteres Material herangezogen werden. Das können hochauflösende Bilder oder Stadtpläne sein oder Informationen aus Recherchen über ein bestimmtes Gebiet.
An eine Karte von Kathmandu ist leicht zu kommen. Dazu suchen wir einfach unter www.maps.google.com nach der Stadt.
Lade die Proba Bilder als ZIP-file herunter.
Als hochauflösende Bilder stellt ESA Aufnahmen von Kathmandu zur Verfügung, die mit dem Satelliten Proba erfasst wurden. Die Bodenauflösung der Bilder beträgt 5 m.
Der ESA-Satellit Proba (Project for On-Board Autonomy) gehört zu den fortschrittlichsten Kleinsatelliten, die je in den Weltraum befördert wurden. Seit seinem Start im Jahre 2002 erledigt der Winzling, dessen Mission lautet, neue Technologien zu demonstrieren, Lenkung, Navigation, Kontrolle, Bordplanung sowie Nutzlast-Ressourcenverwaltung vollkommen selbständig. Unter seiner Nutzlast befinden sich ein kompaktes Instrument zur Multispektralbilderfassung sowie eine hochauflösende Kamera für die Aufnahme von Erdbeobachtungsdaten.(Quelle: ESA)
Weitere Informationen findest du unter ESA's Proba Website.
| | Unüberwachte Klassifizierung von Kathmandu | |
Wenn es dir schwerfällt, die Flüsse ausfindig zu machen, nimm das Wärmebild Kathmandu_Landsat_2001_Band_61.tif zu Hilfe. Wasser erwärmt sich wesentlich langsamer als der Boden und wird in einem Wärmebild, das die Temperatur der Erde erfasst, dunkler wiedergegeben.
Um eine deutlichere Ansicht des Bildbereiches zu erhalten, muss das Wärmebild verbessert werden. Wähle Enhance>Interactive Stretching. Es wird ein Histogramm angezeigt. Verschiebe die linke Leiste (blau) im Eingangshistogramm (Input Histogram) an den äußerst linken Punkt des Eingangshistogramms. Verschiebe dann die rechte Leiste (rot) an den äußerst rechten Punkt des Histogramms, und klicke auf Apply.
Jetzt sollte dir genügend gutes Material vorliegen, um eine Klassifizierung des Falschfarbenbildes vorzunehmen. Zeichne die Konturen der verschiedenen Bildobjekte nach und fülle sie mit unterschiedlichen Farben aus. Gehe dabei nicht zu sehr ins Detail. Diese Übung dient dazu, dich mit der Klassifizierungsmethode vertraut zu machen.
Scanne die Zeichnung und speichere die Datei unter dem Namen „HLC_Kathmandu.tif“ im Ordner „Kathmandu“, damit du sie später wiederverwenden kannst.
Wie viele Rollfelder hat dieser Flughafen?
Wie heißt die südliche Stadt (bzw. das Stadtgebiet)?
Wie heißt der Hauptfluss, der die Stadt von Südwesten her in Richtung Osten durchquert?
Weshalb sind die Gras- und Agrarflächen in den Bildern von 2001 kaum erkennbar? Welches topographische Objekt ist am dichtesten bewaldet?
Nimm einen Stadtplan von Kathmandu zur Hand und versuche herauszufinden, wofür das Grasland im Osten des Stadtzentrums genutzt wird.
| 
