Die Landnutzungsklassifizierung wurde unter Verwendung fernerkundlicher Methoden durchgeführt. Dazu wurden Aufnahmen des LANDSAT 5-Satelliten  herangezogen, die mir von der Abteilung Fernerkundung des Fachbereichs VI der Universität Trier zur Verfügung gestellt wurden.

Bei dem verwendetem Datensatz handelt es sich um eine LANDSAT-TM5-Szene vom 4. August 2003. Nach dem WORLDWIDE REFERENCE SYSTEM 2 (WRS 2) findet sich der Untersuchungsraum in "path 196" und im Grenzbereich von "row "25/26".

Bei der Aufnahme von Satellitendaten kommt es, bedingt durch atmosphärische Einflüsse und Systematik des Scanners, zu Verfälschungen der Messwerte in Geometrie und Radiometrie.

Die Radiometrische Korrektur wurde unter Verwendung der Software "AtCPro©3.1", Geometrische Korrektur und Landnutzungsklassifizierung wurden mit dem Softwarepaket "ENVI 4.0" durchgeführt.

Veranschaulicht man sich die unterschiedlichen Spektralsignaturen, die eine LANDSAT-TM Bildszene liefert, scheint es nahe liegend die verschiedenen Reflexionskurven zur Objektunterscheidung heranzuziehen. In der Fernerkundung haben sich im Laufe der Jahre mehrere Klassifizierungsansätze herauskristallisiert, die je nach Aufgabenstellung Vor- und Nachteile mit sich ziehen, so dass es dem Bearbeiter vorbehalten ist, die geeignete Methode auszuwählen und möglichst genau durchzuführen.

Klassifizierungsverfahren

Zur Identifikation der vier Landnutzungsklassen, die für das TUB-BGR-Verfahren benötigt werden, wurde der „Decision Tree Classifier“ in ENVI 4.0 angewandt. Bei dieser Klassifikation werden binäre Entscheidungen aufgestellt, die jedes einzelne Pixel überprüfen und aneinandergereiht einen so genannten „Entscheidungsbaum“ bilden. Am Ende eines jeden Astes finden sich schließlich die definierten Landnutzungsklassen. Die Abzweigungen des „Decision Trees“ basieren auf mathematischen Bedingungen. Neben den Basisfunktionen wie Addition, Subtraktion etc., trigonometrischen Kosinus- und Sinusfunktionen, kommen besonders Relationen und logische Operatoren zum Einsatz, die den Variablen einen Schwellenwert zuordnen. Diese Variablen begrenzen sich nicht nur auf die vorhandenen TM-Kanäle, sondern können auch durch transformierte Spektraldatensätze und Geländeparameter, in Form von Hangneigungs- und Expositionsraster, ergänzt werden.

Entscheidungsbaum

Der Decison Tree wurde so aufgebaut, dass er jedes Pixel einer Klasse zuweist. Um einer Fehlklassifikation vorzubeugen wurden deshalb die Objektklasse „Wasser“ und „versiegelte Flächen“ hinzugefügt. Da sich das Bearbeitungsgebiet in einem sehr ländlich geprägten Raum befindet, fällt der prozentuale Anteil dieser Flächen sehr gering aus und kann somit für die späteren Berechnungen ausgeklammert werden.