Return to search

Investigating the potential of hyperspectral remote sensing data for the analysis of urban imperviousness

Durch den Prozess der Urbanisierung verändert die Menschheit die Erdoberfläche in großem Ausmaß und auf unwiederbringliche Weise. Die optische Fernerkundung ist eine Art der Erdbeobachtung, die das Verständnis dieses dynamischen Prozesses und seiner Auswirkungen erweitern kann. Die vorliegende Arbeit untersucht, inwiefern hyperspektrale Daten Informationen über Versiegelung liefern können, die der integrierten Analyse urbaner Mensch-Umwelt-Beziehungen dienen. Hierzu wird die Verarbeitungskette von Vorverarbeitung der Rohdaten bis zur Erstellung referenzierter Karten zu Landbedeckung und Versiegelung am Beispiel von Hyperspectral Mapper Daten von Berlin ganzheitlich untersucht. Die traditionelle Verarbeitungskette wird mehrmals erweitert bzw. abgewandelt. So wird die radiometrische Vorverarbeitung um die Normalisierung von Helligkeitsgradienten erweitert, welche durch die direktionellen Reflexionseigenschaften urbaner Oberflächen entstehen. Die Klassifikation in fünf spektral komplexe Landnutzungsklassen wird mit Support Vector Maschinen ohne zusätzliche Merkmalsextraktion oder Differenzierung von Subklassen durchgeführt. Eine detaillierte Ergebnisvalidierung erfolgt mittels vielfältiger Referenzdaten. Es wird gezeigt, dass die Kartengenauigkeit von allen Verarbeitungsschritten abhängt: Support Vector Maschinen klassifizieren Hyperspektraldaten akkurat aber die Kartengenauigkeit wird durch die Georeferenzierung deutlich gemindert; die Versiegelungskartierung stellt die Situation am Boden gut dar, aber die Überdeckung versiegelter Flächen durch Bäume bedingt systematische Fehlschätzungen; eine Bildsegmentierung führt zu keiner Verbesserung der Klassifikationsergebnisse, bietet jedoch eine sinnvolle Möglichkeit zur effektiveren Prozessierung durch Datenkomprimierung. Auf diesem Weg ermöglicht die vorliegende Arbeit Rückschlüsse zur Verlässlichkeit von Datenprodukten, die eine Ausweitung fernerkundlicher Analysen in weniger gut dokumentierte urbane Räume voranbringt. / Urbanization is one of the most powerful and irreversible processes by which humans modify the Earth''s surface. Optical remote sensing is a main source of Earth observation products which help to better understand this dynamic process and its consequences. This work investigates the potential of airborne hyperspectral data to provide information on urban imperviousness that is needed for an integrated analysis of the coupled natural and human systems therein. For this purpose the complete processing workflow from preprocessing of the raw image to the generation of geocoded maps on land cover and impervious surface coverage is performed using Hyperspectral Mapper data acquired over Berlin, Germany. The traditional workflow for hyperspectral data is extended or modified at several points: a normalization of brightness gradients that are caused by directional reflectance properties of urban surfaces is included into radiometric preprocessing; support vector machines are used to classify five spectrally complex land cover classes without previous feature extraction or the definition of sub-classes. A detailed assessment of such maps is performed based on various reference products. Results show that the accuracy of derived maps depends on several steps within the processing workflow. For example, the support vector machine classification of hyperspectral data itself is accurate but geocoding without detailed terrain information introduces critical errors; impervious surface estimates correlate well with ground data but trees covering impervious surface below generally causes offsets; image segmentation does not enhance spectral classification accuracy of the spatially heterogeneous area but offers an interesting way of data compression and more time effective processing. Findings from this work help judging the reliability of data products and in doing so advance a possible extension of urban remote sensing approaches to areas where only little additional data exists.

Identiferoai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/16409
Date19 May 2008
CreatorsLinden, Sebastian van der
ContributorsHostert, Patrick, Kaufmann, Hermann, Small, Christopher
PublisherHumboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II
Source SetsHumboldt University of Berlin
LanguageEnglish
Detected LanguageEnglish
TypedoctoralThesis, doc-type:doctoralThesis
Formatapplication/pdf, application/octet-stream, application/octet-stream

Page generated in 0.031 seconds