Geoportal  



 

Umweltatlas Berlin

06.10 Gebäude- und Vegetationshöhen (Ausgabe 2014)

Kartenansicht English Text available Inhalt    zurück weiter

Methode

Vorgehensweise

Das Verfahren der Bestimmung der Gebäude- und Vegetationshöhen folgt einem aufwändigen Arbeitsablauf, der an dieser Stelle nur im Überblick dargestellt werden kann. Für detallierte Hinweise, insbesondere zu den "Feinheiten" der einzelnen Verfahrensschritte, die jedoch wesentlichen Einfluss auf die Güte der Ergebnisse haben, wird auf den Projektbericht (pdf; 10,1 MB), Fachliteratur oder entsprechende Websites, z.B. des DLR verwiesen.

Abbildung 4 verdeutlicht den grundsätzlichen Ablauf des Vorgehens, der nachfolgend in seinen wichtigsten Abschnitten erläutert wird.

Die Hauptarbeitsschritte sind in unterschiedlichen Farben dargestellt: Segmentierungsschritte in Orange, Klassifizierung in Blau und Export der Ergebnisse in Grau.

Abbildung 4 - Thumbnail
[Vergrößerung ca. 57 KB groß.]

Abb. 4: Ablaufplan zur Erfassung von Gebäude- und Vegetationsobjekten im Berliner Stadtgebiet (DLR 2013)

Datenprozessierung (DOM / TOM Erstellung)

Das digitale Oberflächenmodell (DOM) und das auf dessen Grundlage generierte TrueOrthoMosaik (TOM) werden auf der Basis von Stereoaufnahmen prozessiert. Liegen auch die Orientierungsparameter (Global Positioning System (GPS), Inertial Navigation System (INS) und der Satellitenpositionierungsdienst der deutschen Landesvermessung (SAPOS)) vor, werden die einzelnen breit überlappenden Luftbilder über sog. Verknüpfungspunkte zueinander in Beziehung gesetzt, als Bildverband zusammengefügt und gleichzeitig in das geforderte Koordinatensystem überführt (Kraus 2004).

Das DOM liefert kodierte Höhen der Erdoberfläche samt aller drauf befindlichen Objekte (Gebäude, Straßen, Vegetationsbewuchs, usw.). Dies geschieht, in dem die Geländehöhe zur Objekthöhe addiert wird. Da die Geländehöhe in Berlin trotz vergleichsweise geringer Topographieunterschiede (~35 m bis zu ~100 m ü. NN) nicht konstant ist, können zu diesem Zeitpunkt noch keine Rückschlusse auf die jeweilige absolute Objekthöhe getroffen werden. Dazu bedarf es eines normierten digitalen Oberflächenmodells (nDOM), bei dem das Gelände überall auf Null normiert wird. Das nDOM entsteht demzufolge durch die Subtraktion des digitalen Geländemodells (DGM) vom Oberflächenmodell (DOM):

nDOM = DOM - DGM

Dies vereinfacht, hinsichtlich der nachfolgenden Segmentierung und Klassifikation, die Unterscheidung der erhöhten von den nicht erhöhten Objekten und gewährleistet eine direkte Messung der Objekthöhen. Es erlaubt die Unterscheidung von Straßen, erhöhter Vegetation und der Bebauung und liefert die exakte Höheninformation (vgl. Abb. 5).

Abbildung 5 - Thumbnail
[Vergrößerung ca. 44 KB groß]

Abb. 5: Prinzip der Generierung eines normierten Digitalen Oberflächenmodells (nDOM) (DLR 2013 nach Mayer 2004)

Das Ausgangsmaterial der Befliegung vor der Datenprozessierung ist ein Luftbildverband mit einer zentralperspektivischen Abbildung. Bei dieser Projektion kommt es zu geometrischen Verzerrungen der aufgenommenen Objekte nach außen. Dadurch ist kein einheitlicher Maßstab im Bild vorhanden und es können keine realistischen Distanzen berechnet werden. Damit die Bilddaten aber in einem Geoinformationssystem (GIS) genutzt werden können, muss eine Differentialentzerrung unter Zuhilfenahme eines DOM durchgeführt werden. Dieser Vorgang resultiert in einem TrueOrthoMosaik (TOM). Mithilfe der TrueOrtho-Bildgenerierung lässt sich anschließend eine pixelgenaue, geometrisch exakte Lage bestimmen, da jeder Pixel nur eine einzige Position innerhalb eines DOM besitzt. Dadurch kommt es zu keinen Verkippungen mehr, bei denen z. B. Hausfassaden zu sehen sein würden, gleichzeitig wird durch diese Korrektur der Bilddaten das Messen realer Entfernungen erst ermöglicht (Heipke 2003, vgl. Abb. 6). Das Vorhandensein eines DOM sowie eines TOM ist demzufolge eine Grundvoraussetzung für genaue Analysen in dicht bebauten urbanen Räumen und steigert die Zuverlässigkeit der Aussagen entscheidend.

Abbildung 6 - Thumbnail
[Vergrößerung ca. 102 KB groß]

Abb. 6: Vergleich von DOP und TOM: a) DOP 20RGB 2011 mit verkippten Gebäudeobjekten (SenStadtUm 2011a), b) TOM RGB überlagert mit ALK Gebäudekonturen, Gebäudekanten lagetreu korrigiert, c) nDOM überlagert mit ALK Gebäudekonturen (DLR 2013)

Das nachfolgend beschriebene weitere Vorgehen bezieht sich – soweit Werteangaben gegeben werden – auf das qualitativ durchweg bessere Ausgangsmaterial der Phase 1. Daraus folgt, dass nicht alle Korrekturschritte (z.B. zur Bestimmung von Vegetation in Schattenbereichen) auf den Flächen der Phase 2 durchgeführt werden konnten.

Der vorhandene TOM-Datensatz besteht aus vier Kanälen: Rot, Grün, Blau (Echtfarben RGB) und nahem-Infrarot (nIR) in einer geometrischen Auflösung in x/y von 15 cm. Ähnlich wie beim nDOM werden die spektralen Daten auf eine Auflösung von 30 cm reduziert. Dies dient in erster Linie der Reduktion der Datenmenge, nimmt aber auch Rücksicht auf die spektrale und geometrische Heterogenität der zu erfassenden Objekte (Trosset et al. 2009). Aufgrund der in beiden Phasen jahreszeitlich relativ späten Befliegungszeit (vgl. Flugparameter) weisen die Bildprodukte einen erhöhten Grad an Verschattung auf. Dank der hohen radiometrischen Auflösung von mehr als 12 Bit und des simultan generierten DOM lassen sich - allerdings nur in der Projektphase 1 - trotzdem viele Objekte in den Schattenbereichen korrekt identifizieren. Insbesondere durch den nIR Kanal, in dem die Vegetation hohe spektrale Werte aufweist, lässt sich der Vegetationsanteil zuverlässig erfassen (vgl. Abb. 7) .

Abbildung 7 - Thumbnail
[Vergrößerung ca. 113 KB groß]

Abb. 7: Qualität der erzeugten TrueOrthoMosaik (TOM) Daten: Nutzung des Kanals nahes-Infrarot (nIR) (unten); die hellen Bereiche bedeuten hohe spektrale Werte und gute Bestimmbarkeit der Vegetationsanteile (DLR 2013)

Durch die zunehmende Verfügbarkeit von sehr hochauflösenden Fernerkundungsdaten (Very High Spatial Resolution Data (VHSR), nehmen auch die geeigneten Methoden zu deren Verarbeitung sowie zur Gewinnung von Informationen aus diesen Daten zu. Insbesondere in dicht bebauten städtischen Gebieten, die sich durch hohe Heterogenität ihrer Strukturen auszeichnen, gestaltet sich diese Aufgabe als sehr komplex. Obwohl die VHRS-Daten es erst ermöglichen urbane Räume zufriedenstellend zu analysieren, werden durch die hohe Auflösung und die dadurch entstehende größere Heterogenität der Daten weitere Probleme hervorgerufen. Wegen der großen Datenmengen müssen also geeignete Methoden zur großflächigen Bearbeitung der Daten angewendet werden.

Analyse und Segmentierung

In der Fernerkundung werden zwei unterschiedliche Ansätze der Bildanalyse verfolgt, der objektbasierte sowie der pixelbasierte Ansatz. Bei der hier eingesetzten objektbasierten Analyse werden einzelne Objekte in ihrem jeweiligen Kontext analysiert. Es werden demzufolge nicht nur die spektralen Eigenschaften, sondern auch die Objektform, Textur sowie vor allem die Nachbarschaftsbeziehungen - alles Informationen, die nicht aus einzelnen Pixeln abzuleiten sind - berücksichtigt. Auf diese Weise versucht das objektbasierte Verfahren die menschliche Wahrnehmung zu modellieren. Dabei bilden nicht wie bei der pixelbasierten Analyse die einzelnen Bildelemente, sondern aussagekräftigere homogene Segmente, die aus mehreren Pixeln bestehen, die Grundlage für die Klassifizierung (Blaschke 2000).

Das in diesem Projekt verwendete datengetriebene Verfahren segmentiert also mithilfe bestimmter statistischer Verfahren und definierter Parameter die gesamte Bildszene. Die daraus resultierenden Segmente sind Pixelcluster, die noch keine besondere semantische Bedeutung haben. Erst eine anschließende Klassifizierung weist den Objekten Klassen zu, mit deren Klassenbeschreibung sie am meisten übereinstimmen. Die Qualität der Segmentierung ist für die nachfolgende Klassifizierung ausschlaggebend. Aus diesem Grunde gibt es in der verwendeten Software auch verschiedene Segmentierungsalgorithmen, die eingesetzt werden können.

Eine herausragende Rolle - insbesondere zur Erstellung der Vegetationsmaske - spielt dabei die Segmentierungsmethode MRS (Multiresolution Segmentation) . Hier werden die benachbarten Pixel, die bestimmte Homogenitätskriterien erfüllen, zu immer größeren Segmenten zusammengefasst. Dies erfolgt solange ein bestimmter Homogenitätsschwellenwert nicht überschritten wird.
Je genauer die gewünschten Objekte oder Objektteile deren reale Form widerspiegeln, umso einfacher lässt sich die anschließende Klassifizierung durchführen (Baatz, Schäpe 2000).

Abbildung 8 veranschaulicht diesen Segmentierungsablauf über mehrere Objekt-Hierachiestufen, in dem sich die kleineren Objekte (z.B. Gebäudeteile) jeweils auf den unteren und die größeren (ALK-Gebäude) auf den oberen Ebenen befinden. Durch dieses Vorgehen "erben" die Teilobjekte die Eigenschaften (z.B. den Objektschlüssel) der "Mütter", d.h. der ALK-Gebäude.

Abbildung 8 - Thumbnail
[Vergrößerung ca. 121 KB groß]

Abb. 8: Objekthierachie auf mehreren Skalenebenen in abstrakter Darstellung (links) und mit Bildbeispielen (rechts) (DLR 2013)

Kartenansicht English Text available Inhalt    zurück weiter

umweltatlas_logo_klein