incora - Siedlungsflächenmonitoring

Die sich schnell ändernden Siedlungsstrukturen können mit Copernicus-Satellitendaten erfasst werden.

Im incora-Projekt werden jährliche deutschlandweite Landbedeckungsklassifikationen erstellt, um Status und Veränderungen von Siedlungs- und Verkehrsflächen konsistent erfassen zu können. "Damit sind wir gemeinsam mit unseren Partnern ILS Dortmund und dem BBSR in der Lage, Indikatoren zum Flächenverbrauch zu berechnen und diese für Entscheidungen in der Raumplanung zur Verfügung zu stellen.", sagt Dr. Markus Neteler von der mundialis GmbH & Co. KG. Die grundlegenden Landbedeckungsklassifikationen wurden auf Basis von Sentinel-2 Daten mit Hilfe einer vollautomatischen Trainingsdatengenerierung in der Cloud berechnet und werden nun auf CODE-DE zur Verfügung gestellt. Das Projekt incora wird vom BMDV (ehem. BMVI) im Rahmen der mFUND-Initiative unterstützt.

Die entwickelte Methodik setzt auf wolkenfreien Mosaiken des MAJA/WASP-Prozessors auf. Ein automatisiertes Verfahren zur Erzeugung von Trainingsflächen wurde auf actinia implementiert - einer für die Verarbeitung von Geodaten optimierten Prozessierungsplattform. Unter der Voraussetzung, dass hinreichend viele wolkenfreie Sentinel-2 Daten zur Verfügung stehen, können hochgenaue Ergebnisse erzielt werden.

Neben den Satellitendaten wurden folgende weitere Informationen zur Erzeugung von Trainings- und Validierungsdaten verwendet:

OpenStreetMap (OSM): Wasserflächen, Gebäude und Straßen in 10 m Auflösung.
Copernicus HRL Versiegelungskarte 2018 in 10 m Auflösung
Sentinel-2 GLC Landnutzungskarte Europa 2017, 13 Landnutzungsklassen mit 86 % Genauigkeit.

Die Spektralbänder von Sentinel-2, die daraus erzeugten Indizes sowie die obigen Zusatzinformationen werden genutzt, um regelbasiert automatisiert Trainingsgebiete für folgende sechs Klassen abzuleiten: Wald, niedrige Vegetation, Wasser, bebaute Fläche, unbedeckter Boden und landwirtschaftliche Flächen. Diese Gebiete werden verwendet um einen Random Forest Klassifikator zu trainieren. Damit werden die benötigten Klassen aus den Spektralbändern B02, B03, B04, B06, B08, B11 und B12, einigen Spektralindizes und einer Zeitreihen des Vegetationsindex NDVI abgeleitet.

Auf der Basis dieser Klassifikationen der Jahre 2016 und 2019 wurde ein Veränderungslayer erzeugt, der alle möglichen Kombinationen von Landveränderungen beinhaltet. Ein räumlicher Filter eliminiert vereinzelte Veränderungspixel und glättet Kanteneffekte.

Für eine detaillierte Beschreibung der verwendeten Methodik siehe auch die Veröffentlichung auf der Konferenz BIDS'21.

Verfügbarkeit

Deutschland: vollständige Abdeckung 2016/2019/2020
Europa: -
Weltweit: -

Aktualisierung

Datenzugriff

Abhängig von der jeweiligen Umgebung und dem Einsatzzweck gibt es mehrere Möglichkeiten, um auf die Daten zuzugreifen:

EO Browser: Community Beiträge --> incora
Data Explorer: -
Pfad zum Repository auf einer Virtuellen Maschine: /codede/community/incora

Referenz

Riembauer, G., Weinmann, A., Xu, S., Eichfuss, S., Eberz, C., Neteler, M. (2021): Germany-wide Sentinel-2 based land cover classification and change detection for settlement and infrastructure monitoring. Proc. of the 2021 conference on Big Data from Space, Soille, P., Loekken, S. and Albani, S., eds., EUR 30697EN, Publications Office of the European Union, Luxembourg, 2021, ISBN 978-92-76-37661-3, JRC125131, pp.53-56, https://doi.org/10.2760/125905