Um die Produkte für die verschiedenen thematischen Schwerpunkte zu erstellen, wird im Team „Siedlungsraum und Landmanagement“ eine breite Palette an Methoden eingesetzt:
Objektorientierte Bildanalyse
Dieser Bereich der Methodenentwicklung umfasst die Erstellung robuster und weitestgehend automatischer Regelwerke zur objektorientierten Klassifikation fernerkundlicher Datensätze. Die entsprechenden Ansätze nutzen dazu nicht nur die Spektral- oder Intensitätsinformationen der Bilddaten, sondern auch Form-, Textur, Hierarchie- sowie Kontextinformationen. Die Resultate reichen von Siedlungsmasken („urban footprint“) über block- bzw. gebäudescharfe Klassifikationen der Landbedeckung bis hin zu hoch detaillierten, dreidimensionalen Stadtmodellen.
Synergistische Datenauswertungen und Datenfusion
Um das Nutzungspotential von Fernerkundungsdatensätzen zu vergrößern, werden Verfahren zur synergistischen Datenauswertung und Datenfusion eingesetzt. Einerseits bietet die kombinierte Analyse von Fernerkundungsdaten verschiedener Sensoren - etwa Optik und SAR - die Möglichkeit, komplementäre Informationsebenen zu erschließen und somit letztlich höherwertige thematische Endprodukte zu erstellen. Gleiches gilt für die synergistische Auswertung von Fernerkundungsdaten und statistischen Informationen oder Geobasisdaten. So können etwa über eine verknüpfende Betrachtung von sozioökonomischen Daten und fernerkundlichen Aufnahmen Zusammenhänge zwischen Umwelt und Mensch untersucht werden, z.B. um die Auswirkungen von Umweltveränderungen auf die Gesundheit der Menschen zu beschreiben.
Zeitserien- und Veränderungsanalysen
Für viele Anwendungen – wie etwa die Erfassung und qualitative sowie quantitative Charakterisierung von Veränderungen - ist die Auswertung von Zeitserien essentiell. Fernerkundliche Zeitseriendaten ergänzen die Informationen zur spektralen Signatur von Oberflächen um Merkmale zum saisonalen oder interannuellen Verhalten von Objekten. Auf diese Art lässt sich beispielsweise der phänologische Wandel von Vegetation im Verlaufe eines Jahres beschreiben, was unter anderen zur Unterscheidung von Acker- und Grünland oder zur Identifizierung unterschiedlicher Feldfrüchte eingesetzt werden kann (Intensität anthropogener Überprägung). Eine weitere Anwendung von Zeitserienanalysen ist das Monitoring von Siedlungswachstum. Der Fokus im Team liegt dabei auf der der Entwicklung von Verfahren zur radiometrischen Anpassung der multitemporaler Daten, der automatischen Trainingsdatengenerierung ( z.B. aus existierenden Datenbanken wie LUCAS) und der thematischen Klassifikation mittels spezifieller Parameter zur Beschreibung des saisonalen Verhaltens.
Fortschreibung von Geobasisdaten und Statistiken
Ein besonderer Vorzug der Satellitenfernerkundungbesteht in der Fähigkeit zur flächendeckenden und raumzeitlich flexiblen Erfassung der Erdoberfläche. Damit bietet sie beste Voraussetzungen für Monitoringaufgaben bzw. die Ableitung von Grundlageninformationen zur Aktualisierung bestehender Geobasisdatensätze. Letztere können aufgrund des in der Regel sehr hohen Personal- und Kostenaufwands zur Fortschreibung nur in begrenzten zeitlichen Intervallen aktualisiert werden. Hier eröffnet die Fernerkundung die Möglichkeit, die Geometrien und Nutzungszuweisungen existierender Geobasisdaten zu überprüfen und eine Indikationen von Änderungen oder ein direktes geometrisches und/oder thematisches Update zu liefen. Zu diesem Zweck werden im Team verschiedene Techniken zur Erfassung von Veränderungen sowie Aktualisierung bestehender (Vektor-)Geometrien entwickelt.
Hyperspektraldaten-Auswertung
Hyperspektraldaten unterscheiden sich von multispektralen Fernerkundungsdaten durch die große Anzahl von schmalen, spektralen Kanälen und einer fast kontinuierlichen Abdeckung eines Teils des elektromagnetischen Spektrums. Da die meisten existierenden hyperspektralen Sensoren flugzeuggetragen sind, ist auch die räumliche Auflösung dieser Daten sehr gut. Hierdurch sind Hyperspektralaufnahmen zur Identifikation der meist kleinteiligen städtischen Objekte mit ihrer Vielfalt an Oberflächenmaterialien sehr gut geeignet. Um die Hyperspektraldaten auszuwerten, kommen spezielle Verfahren zum Einsatz - etwa Subpixelansätze (u.a. spektrale Entmischung) oder merkmalsbasierte Klassifikationsverfahren, die die Absorptionsmerkmale im Reflektionsspektrum nutzen, um die physikalischen Eigenschaften der Oberflächematerialien zu charakterisieren.
SAR-Daten-Auswertung
Die in Intensitätsbildern von single-polarisierten SAR-Daten enthaltenen Informationen spiegeln geometrische und physikalische Eigenschaften der beobachteten Landoberfläche wieder. In verschiedenen Arbeiten werden Verfahren entwickelt, die Intensitätsinformationen in Kombination mit daraus abgeleiteten Texturmerkmalen zur Klassifikation von SAR-Daten nutzbar machen. Mit Blick auf urbane Räume eignen sich SAR-Daten aufgrund ihrer Sensitivität bezüglich der Analyse strukturbezogener Oberflächeneigenschaften insbesondere zur Identifizierung von bebauten Arealen. Darüber hinaus qualifiziert diese Eigenschaft – zusammen mit der Fähigkeit zur wetter- und tageszeitenunabhängigen Datenaufnahme – SAR-Sensoren in besonderem Maße für Monitoring-Aufgaben. Beispiele dazu sind die Erfassung von Veränderungen in der Landnutzung (z.B. Siedlungswachstum, Baustellen) und die Analyse von Zeitserien zur Qualifizierung menschlicher Eingriffe in die Kulturlandschaft (z.B. Intensivierung/Extensivierung landwirtschaftlicher Nutzung) bzw. zur Charakterisierung von Anbaufrüchten (z.B. Biomassepotential). Darüber hinaus wird untersucht, in welchem Umfang über SAR-Daten eine Abschätzung von Gebäudedichten und die Beschreibung von Stadtstrukturen möglich sind.