Beispiele automatisch abgeleiteter Trainingsgebiete

Das Verfahren ist bei Eingangsdaten unterschiedlicher Sensoren in unterschiedlichen Skalen anwendbar und räumlich übertragbar.




Optische Eingangsdaten – Nordhausen




Grundlage: Landsat Daten mit 30 m Auflösung. Diese sind mit den abgeleiteten Trainingsgebieten überlagert. Zu erkennen ist der jahreszeitliche Einfluss auf die Ausweisbarkeit der Vegetationsklassen, insbesondere Feldfrüchte.



RP = Referenzpixel, HG = Herstellergenauigkeit, NG = Nutzergenauigkeit, GG = Gesamtgenauigkeit

Die Gesamtgenauigkeit der Trainingsgebiete ist bei multitemporalen Daten am größten.




Optische Eingangsdaten – Bonner Testgebiet



Grundlage: Landsat Daten mit 30 m und Spot Daten mit 20 m Auflösung. Diese sind mit den abgeleiteten Trainingsgebieten überlagert.




Optische und SAR-Eingangsdaten – Nordhausen




Potentielle Trainingsgebiete. Eingangsdaten sind: Landsat-5 TM vom 22. April und 10. Juli 10 und multitemporale SAR-Daten.




Optische Eingangsdaten mit hoher räumlicher Auflösung – Bonner Testgebiet




Auf Grundlage von Hymap-Befliegungsstreifen simulierte Landsat-5 TM Daten mit einer räumlichen Auflösung von 4m bildeten die Eingangsdaten:






Automatisch generierte Trainingsgebiete:






   Klassifikationsergebnis: