Skip to main content

Landnutzungsklassifikation 2016

erstellt von Milenka Hampel | |   Ergebnisse

Der Anbau von Energiemais, die Anlage von Kurzumtriebsplantagen - beide Maßnahmen zur Unterstützung der Energiewende sind raumwirksam. Ohne das Wissen der aktuellen Flächennutzung können diese nicht sinnvoll etabliert werden. Im Rahmen von COP4EE werden Satellitenbilder genutzt, die aktuelle Landnutzung zu kartieren.

Um die EE-Potenzialflächen ausweisen zu können, bedarf es einer Erhebung des Ist-Zustandes der Landnutzung. Diese bildet die Grundlage für die sich anschließende multikriterielle Bewertung  der Flächen nach ihrer Eignung und folgenden Zuweisung zu den einzelnen Energieträgern.

Für die räumlich explizite und zeitlich aktuelle Erfassung der Landnutzung in 2016 wurden die relevanten thematischen Klassen anhand ihres spektralen Rückstreuverhaltens ermittelt. Dabei wurden je nach Zielstellung, Klassifikationstiefe und Grad der Automatisierung verschiedene Satellitenbilder und Methoden verwendet.

Der Ansatz des Projektpartners RSS basiert auf einem wissensbasierten und mit Referenzdaten kalibrierten Klassifikationsverfahren, das anhand ihrer distinkten Phänologien Mais-, Raps-, und Grünlandschläge unterscheiden kann. Die Datenbasis bildete eine multi-temporale  und –sensorale Zeitreihe aus Sentinel-2 und RapidEye-Bildern.

Der Ansatz des Projektpartners DELPHI IMM basiert ebenfalls auf einer multi-temporalen  und –sensoralen Zeitreihe, in diesem Fals aus Sentinel-2 und Sentinel-1-Bildern. Zur Erfassung der Laub- und Nadelwälder, sowie potenzieller KUP-Standorte wurde jedoch ein automatisiertes Klassifikationsverfahren gewählt. RandomForests generiert ein Ensemble an Entscheidungsbäumen, die über maschinelles Lernen die Zuordnung der Klasse zu den Rückstreuungswerten ermitteln [1].

Die Ergebnisse beider Klassifikationsverfahren wurden zusammen geführt und topologisch harmonisiert, sodass ein gemeinsamer Datensatz zur Landnutzung in der Modellregion von COP4EE in 2016 vorliegt, der Grundlage für kommende Analysen ist. Der Datensatz liegt jetzt für Sie im Kartenmodul als WMS (Web Mapping Service) bereit.

Bei Fragen zur Methodik kontaktieren Sie bitte die jeweiligen Projektpartner RSS oder DELPHI IMM!

[1] Breiman, L. & Cutler, A.: Random Forests. https://www.stat.berkeley.edu/~breiman/RandomForests/ [letzter Zugriff: 04.07.2017]

Quelle: eigene Darstellung