Analyse von polarimetrischen L-Band-Radaraufnahmen bezüglich typischer Waldstrukturen im Nationalpark Bayerischer Wald

In dieser Arbeit wird im Bayerischen Wald eine Klassifikation von Waldstrukturen mit polarimetrischen L-Band-Daten des japanischen Satelliten-SAR-Sensors ALOS-PALSAR 2 durchgeführt. Ziel ist es, mithilfe von LIDAR-Referenzdaten aus vorangehenden Projekten der Hochschule München in Zusammenarbeit mit dem Nationalpark Bayerischer Wald die Attribute Baumart, Baumhöhe, Baumkronenvolumen und Baumkronenanfangshöhe aus den Kennaugh-Elementen abzuleiten. Die Kennaugh-Bilder sind durch das Multi-SAR-System des DLR Oberpfaffenhofen vorprozessiert worden. Durch die Informationen aus den Laserscanning-Daten werden Trainings- und Kontrollgebiete für die Maximum-Likelihood-, Minimum-Distance- und Random Forest-Klassifikationen erstellt.

Abbildung 1: Die Übersichtsdarstellung des Attributes Baumart Variante 2 (zwei Klassen) visualisiert die Ergebnisse der Random Forest-Klassifikation der 15. Aufnahme, die die besten Validierungsergebnisse hervorbringt, über das gesamte Untersuchungsgebiet. Die freien, weißen Felder werden durch die Waldmaske als Nichtwaldflächen ausgeschnitten. Die leicht erkennbaren weißen Streifen werden durch das Ausschließen von Störpixeln anhand der GIM hervorgerufen.

Zunächst wird festgehalten, dass sich aus den Signaturenplots keine wesentlichen Unterschiede zwischen den Klassen eines Attributes ablesen lassen. Die Random Forest-Klassifikation zur Baumart stellt sich als die beste der gesamten Arbeit dar, weil eine Gesamtgenauigkeit von 73 % erzielt wird. In Abbildung 1 ist das klassifizierte Untersuchungsgebiet zu erkennen. Abbildung 2 lässt eine optische Überprüfung anhand der LIDAR-Daten zu. Nach der ersten Validierung mit weniger Kontrollgebieten, die weniger Kontrollpixel enthalten, liegt die Genauigkeit sogar noch deutlich höher. Für die Attribute Baumhöhe und Baumkronenvolumen können solche Ergebnisse nur in der ersten Validierungsphase erreicht werden. Die genauere, zweite Validierungsphase korrigiert die Genauigkeiten nach unten. Die Bodenabtastung von nur 25 m spielt ebenfalls eine Rolle, das ist nämlich sehr viel für Parameter, die sich insbesondere bei nebeneinanderstehenden Bäumen sehr stark unterscheiden. Für die Baumkronenanfangshöhe liegen bereits in der ersten Validierung die Genauigkeiten im uninteressanten Bereich, bei dem man fast von einer zufälligen Klassifikation ausgehen könnte.

Abbildung 2: Optische Überprüfung des Attributes Baumart Variante 2 (zwei Klassen); im Hintergrund ist die Random Forest-Klassifikation der 15. Aufnahme abgebildet, die die besten Validierungsergebnisse hervorbringt, darüber eingeblendet sind die LIDAR-Referenzdaten, die einen optischen Vergleich in diesem Kartenausschnitt herstellen sollen. Die weißen Felder werden durch die GIM ausgeschlossen.

Die Klassifikation von mehreren hundert Quadratkilometer großen Wäldern ist vor allem bezogen auf die Baumart zielführend. Bedarf es bei Projekten nicht der räumlichen Schärfe eines Einzelbaumes, so eignen sich die polarimetrischen L-Band-Daten in Form von normierten Kennaugh-Elementen durchaus zur Anwendung. Die Daten wurden über das Proposal „Evaluating potential applications of polarimetric L-band SAR data over European temperate forests“ (PI No. 3258) im Rahmen des Research Announcement 6 der Japan Aerospace Exploration Agency (JAXA) bezogen.