Detailansicht

Möglichkeitern der Verbesserung Index-basierter Klassifikationsmethoden zur Bestimmung der Oberflächenbedeckung mittels Sentinel-2 Daten
Andreas Trondl
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Geowissenschaften, Geographie und Astronomie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Kartographie und Geoinformation
Betreuer*in
Andreas Riedl
Volltext herunterladen
Volltext in Browser öffnen
Alle Rechte vorbehalten / All rights reserved
DOI
10.25365/thesis.57211
URN
urn:nbn:at:at-ubw:1-17289.98635.273173-4
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract
(Deutsch)
Seit der zivilen Verfügbarkeit von Satellitendaten wurden diese zur Klassifikation von Oberflächenbedeckungen genutzt. Die im Jahr 2015 gelaunchten ESA-Satelliten Sentinel-2 bieten eine höhere räumliche Auflösung (10m) und höhere Überflugfrequenz (zwei bis fünf Tage), als die nicht kommerziellen Satellitenprogramme davor. In dieser Masterarbeit werden diese Sentinel-2 Daten genutzt, um mittels Index-basierter Klassifikation, die Oberfläche in fünf Klassen der ersten (hierarchisch höchsten) Ebene zu unterscheiden. Dafür werden bestehende Indizes, als auch neu entwickelte Indizes verwendet. In dieser Masterarbeit werden neu entwickelte Indizes zur Erkennung von Wolkenschatten, zur Erkennung von Wasserkörpern und zur Erkennung von bebauten Flächen vorgestellt. Der Index zur Wolkenschattenerkennung kommt ohne Thermalbänder aus, über die Sentinel-2 Daten nicht verfügen. Und arbeitet auch nicht mit der Wolkenverschiebung die aus Azimut- und Zenitwinkel sowie der Höhe der Wolken berechnet wird. Der neu entwickelte Ansatz macht sich die Erkennbarkeit von Wolkenschatten im Sentinel-2 Band 8 (NIR) und dem Built-Up Index von Zha et al 2003 zu Nutze. Zur Erkennung von Wasserkörpern wird ein neuer Index vorgestellt, der Wasserkörper besser von, vor allem, Gebäuden und bebauten Flächen unterscheiden kann. Dieser nMNDWI wurde in Anlehnung an die Wasserindizes von McFeeters und Xu entwickelt. Der neue Wasserindex ist in der Lage das Hintergrundrauschen zwischen Wasserkörpern und bebauten Flächen besser zu eliminieren und ist somit in der Lage Wasserkörper besser zu isolieren. Der neu entwickelte Index zur Erkennung von bebauten Flächen, der MNDBI, bietet eine bessere Unterscheidbarkeit zwischen unbewachsenen Land- und Ackerflächen und bebauten Flächen. Dieser Index nutzt anstelle des allgemein üblichen kurzwelligen Infrarot Bandes (SWIR) das blaue Band. In Kombination mit dem NDVI und dem nMNDWI kann dadurch ein neuer Bebauungs-Index entwickelt werden, der bebaute Flächen, Wasserkörper, unbewachsene Land- und Ackerflächen und Gras- und Grünland unterscheiden kann.
Abstract
(Englisch)
Since the civil availability of satellite data, they have been used to classify surface coverings. Launched in 2015, ESA's Sentinel-2 satellites offer higher spatial resolution (10m) and overflight frequency (two to five days) than previous non-commercial satellite programmes. In this master thesis, these Sentinel-2 data are used to distinguish the surface into five classes of the first (hierarchically highest) level using index-based classification. Existing indices as well as newly developed indices are used for this purpose. In this master thesis newly developed indices for the detection of cloud shadows, for the detection of water bodies and for the detection of built-up areas are presented. The index for cloud shadow recognition does not require thermal bands, which Sentinel-2 does not have. And it does not work with the cloud shift which is calculated from the azimuth and zenith angle as well as the height of the clouds. The newly developed approach makes use of the recognizability of cloud shadows in Sentinel-2 Volume 8 (NIR) and the Built-Up Index of Zha et al. For the detection of water bodies a new index is presented, which can distinguish water bodies better from, above all, buildings and built-up areas. This nMNDWI was developed on the basis of the McFeeters and Xu water indices. The new water index is able to better eliminate background noise between water bodies and built-up areas and is therefore able to better isolate water bodies. The newly developed index for the detection of built-up areas, the MNDBI, offers a better differentiation between ungrown land and arable land and built-up areas. This index uses the blue band instead of the common short-wave infrared band (SWIR). In combination with the NDVI and the nMNDWI, this allows the development of a new building index that can distinguish built-up areas, water bodies, ungrown land and arable land and grassland.

Schlagwörter

Schlagwörter
(Englisch)
Index-based classification nMNDWI MNDBI
Schlagwörter
(Deutsch)
Index-basierte Klassifikation nMNDWI MNDBI
Autor*innen
Andreas Trondl
Haupttitel (Deutsch)
Möglichkeitern der Verbesserung Index-basierter Klassifikationsmethoden zur Bestimmung der Oberflächenbedeckung mittels Sentinel-2 Daten
Paralleltitel (Englisch)
Possibility of improving index-based classification methods for determinig surface coverage using sentinel-2 data
Publikationsjahr
2019
Umfangsangabe
xv, 141 Seiten : Illustrationen, Karten
Sprache
Deutsch
Beurteiler*in
Andreas Riedl
Klassifikationen
74 Geographie > 74.41 Luftaufnahmen, Photogrammetrie ,
74 Geographie > 74.48 Geoinformationssysteme
AC Nummer
AC15380192
Utheses ID
50512
Studienkennzahl
UA | 066 | 856 | |
Universität Wien, Universitätsbibliothek, 1010 Wien, Universitätsring 1