Automatische strukturelle Interpretation landwirtschaftlicher Flächen aus multitemporalen hochauflösenden Luftbildern
Final Report Abstract
In diesem Projekt wurde ein neues Verfahren zur multitemporalen Interpretation von landwirtschaftlichen Flächen aus hochaufgelösten Bilddaten entwickelt. Innerhalb vorgegebener Schlaggrenzen werden die einzelnen Parzellen im Hinblick auf hochauflösende Merkmale analysiert. Dabei wurden sowohl spektrale als auch strukturelle Merkmale verwendet wobei insbesondere die strukturellen Merkmale in der automatischen Bildinterpretation landwirtschaftlicher Flächen bisher noch nirgends zum Einsatz kamen und eine wesentliche Erweiterung des Standes der Wissenschaft darstellen. Auf Basis der zu erwartenden phänologischen Entwicklungen der unterschiedlichen angebauten Fruchtarten wurden in Verbindung mit den beobachtbaren Merkmalen unter Verwendung von Expertenwissen multitemporale Modelle erstellt, die als Referenz für eine Interpretation dienten. Über ein Jahr hinweg wurden dazu 12 Befliegungen über ein Testgebiet durchgeführt, die die Entwicklung unterschiedlicher landwirtschaftlicher Flächen über eine Wachstumsperiode hinweg dokumentieren. Mit Hilfe dieser Daten und den beobachtbaren Merkmalen wurden multitemporale Referenzmodelle erstellt. Dies stellt die zweite Innovation in diesem Projekt dar. Die multitemporalen Referenzmodelle wurden schließlich verwendet um eine Zuordnung von neuen Feldern zu Klassen durchzuführen. Es wurden für 8 Klassen Referenzmodelle erstellt und anhand von Testflächen verifiziert. Dabei ergab sich, dass für fast alle Flächen die automatische Klassiflkation der eines menschlichen Operateurs entsprach.
Publications
- Multitemporal fuzzy classification model based on class transition possibilities. In: ISPRS Journal of Photogrammetry and Remote Sensing, 62 (2007), Nr. 3, S. 186-200
Mota G. L. A., Feitosa R. Q., Coutinho H. L. C , Liedtke, C. - E., Müller S., Pakzad K., Meirelles M. S. P.
- Structural Interpretation of High Resolution Images, 4th lEEE/GRSS/ISPRS Joint Workshop on Remote Sensing and Data fusion over urban areas. Paris, 2007, 7 S., CD
Pakzad, K.
- idden Markov models applied in crop classification. In: IntArchPhRS. Band XXXVII, Teil B3b. Peking, 2008, S. 435-440
Leite P. B. C , Feitosa R. Q., Formaggio A. R., Costa G. A. O. P., Pakzad K., Sanche I. D. A.
