Objektorientierte Landbedeckungsklassifizierung auf Basis von hochauflösenden photogrammetrischen Daten

Abstract:
Die Verfügbarkeit sowie die periodischen Aktualisierungen hochauflösender photogrammetrischer Datensätze aus Luftbild- und Airborne Laserscanning (LiDAR - Light Detection and Ranging) Befliegungen stellt die Kartierung von Landbedeckungs- und Landnutzungsdatensätzen vor neue Herausforderungen. Während die Qualität der Daten hinsichtlich ihrer geometrischen Genauigkeit und dem Detaillierungsgrad stetig zunimmt, steigt das damit verbundene Datenvolumen, wodurch das Datenmanagement sowie die Dateninterpretation immer aufwändiger wird. Der Einsatz der Software eCognition von Definiens zur objektorientierten Bildanalyse ermöglicht für diese Zwecke die simultane automatisierte Segmentierung und Klassifizierung von LiDAR Daten und digitalen Orthofotos. In der vorliegenden Arbeit wurde die Klassendefinition zunächst auf Basis des Unterscheidungsmarkmals Höhe vorgenommen. Um Vegetation von Nicht-Vegetation zu trennen, wurde zusätzlich noch der nahe Infrarot Kanal der Bilddaten verwendet. Die bodennahen bzw. ebenerdigen Objekte konnten aufgrund der unterschiedlichen Grauwertverteilung der einzelnen Objektklassen wie z.B. Schatten, versiegelte Fläche etc. differenziert werden. Der Regelsatz wurde auf mehreren für die Landesfläche von Niederösterreich repräsentativen Testsamples entwickelt. Um die Performance zu testen, wurde ein Produktionstest auf einer ausgewählten Testfläche von 400 km² durchgeführt.