Tree Species Classification using SENTINEL2 data
-
Upload
data-market-austria -
Category
Science
-
view
16 -
download
0
Transcript of Tree Species Classification using SENTINEL2 data
Baumartenklassifikation mit SENTINEL2 Daten
Nutzeranforderungen
SENTINEL2 Satellitendaten (Erfassung und Aufbereitung)
Erhebung von Referenzdaten
CIR Luftbilder (airborne Laserscannerdaten)
Geländebegehungen
Forstliche Daten
Signaturanalyse und Qualitätskontrolle
Klassifikation
Hauptbaumarten
Fichte
Lärche
Kiefer
Tanne
Laubwald
Mischwaldklassen
Flächendeckende Auswertung (mit 10m Rasterweite)
Statistisch abgesicherte Genauigkeit
Nutzeranforderungen
SENTINEL2 Daten
SENTINEL 2A – 13. August 2015
Sensor
13 Spektralbänder
10m / 20m / 60m räuml. Auflösung
Orbitstreifen von 290 km
Jede Szene besteht aus Kacheln von 110 km x 110km
Vorverarbeitung
Download, Import Level 1C
Resampling auf 10m Rasterweite
Atmosphärische Korrektur SEN2COR (Level2A)
Topographische Korrektur IMPACT
SENTINEL2 Daten vor der topographischen Korrektur
SENTINEL2 Daten nach der topographischen Korrektur
Erhebung der Referenzgebiete
Erhebung von Referenzdaten
CIR Luftbilder
Verschiedene Aufnahmezeitpunkte zu berücksichtigen (2009 – 2015)
Visuelle Auswertung von ca. 450 Referenzflächen nach Baumart, Überschirmung und Alter (mind. 0,3 ha)
Sonstige Forstliche Daten
Waldtypisierung, etc.
Airborne Laserscannerdaten
Erstellung eines nDOM (digitales Oberflächenmodell) zur Abfrage der Baumhöhen
Geländebegehungen
Durchgeführt von den Experten der Landesforstdirektion Tirol
Signaturanalyse
Basiert auf den Referenzflächen
Analyse und Optimierung der Referenzflächen
Trennbarkeitsanalyse mittels statistischer Kennmaße
Signaturanalyse - Beispiele
Basiert auf den Referenzflächen
Analyse und Optimierung der Referenzflächen
Trennbarkeitsanalyse mittels statistischer Kennmaße
Zwischenergebnis der Klassifikation
Pixelbasierte Klassifikation (Maximum Likelihood Klassifikator)
Multispektrales SENTINEL 2A - Ausgangsbild
Zwischenergebnis der Klassifikation
Pixelbasierte Klassifikation (Maximum Likelihood Klassifikator)
Räumliches Verteilungsmuster der Baumarten
Zwischenergebnis der Klassifikation
Pixelbasierte Klassifikation (Maximum Likelihood Klassifikator)
Räumliches Verteilungsmuster der Baumarten
Ausblick
Fertigstellung der Klassifikation
Validierung
Geländebegehung durch Forstexperten
Statistische Auswertung
Kovarianzmatrix – user accuracy / producer accuracy
Die Klassifikationsergebnisse können verwendet werden
Storm Damage Resilience
Gefahrenhinweiskarten
Forstmanagementpläne
Berechnung des Holzvolumens