Quantifying urban land cover by means of machine learning and imaging spectrometer data at multiple spatial scales.

Abstract

Das weltweite Ausmaß der Urbanisierung zählt zu den großen ökologischen Herausforderungen des 21. Jahrhunderts. Als eine Form der Erdbeobachtung bietet die Fernerkundung die ideale Möglichkeit das Verständnis dieses dynamischen Prozesses und seiner Auswirkungen zu erweitern. Der Schwerpunkt der Arbeit liegt in der Quantifizierung der städtischen Landbedeckung mittels Maschinellen Lernens und räumlich unterschiedlich aufgelöster Hyperspektraldaten. Die Untersuchungen berücksichtigen innovative methodische Entwicklungen und neue Möglichkeiten für die Stadtforschung, die durch die bevorstehende hyperspektrale Satellitenmission 'Environmental Mapping ans Analysis Program (EnMAP)' geschaffen werden. Auf Basis von Bilddaten des flugzeuggestützten Hyperspectral Mapper Sensors sowie simulierten EnMAP-Daten wurde eine Landbedeckungskartierung entlang des Stadt-Umland-Gradienten Berlins durchgeführt.