Multisensorale und multitemporale Fernerkundungsdaten zur Erfassung, Differenzierung und Veränderungsanalyse ausgewählter Vegetationsstrukturen der Bergbaufolgelandschaft Mitteldeutschlands

Abstract

Für die Bergbaufolgelandschaft besteht ein hoher Bedarf an räumlich exakten Informationen. Klassische Feld- und Analysemethoden können diese Informationen auf Grund der Größe der zu überwachenden Flächen und des damit verbundenen Kostenaufwandes nicht liefern. Als Alternative kommt damit der Analyse multispektraler und multitemporaler Fernerkundungsdaten eine besondere Bedeutung bei der flächendeckenden raum-zeitlichen Bewertung und Kontrolle zu. Die vorliegende Dissertation hatte zum Ziel, Fernerkundungsdaten unterschiedlicher Maßstabsebenen auf ihre Eignung hin zu untersuchen, die Vegetationsstrukturen der Bergbaufolgelandschaften Mitteldeutschlands zu erfassen, zu differenzieren und Veränderungen zu detektieren. Großräumige Auswertungen der Tagebaue wurden anhand operationell verfügbarer multitemporaler Satellitendaten der Sensoren Landsat5 TM, Landsat7 ETM, SPOT4 sowie IRS-1C vorgenommen; ausgewählte Teilflächen konnten mittels räumlich und spektral hochauflösender CASI- und HYMAP-Flugzeugscannerdaten untersucht werden. Für die Charakterisierung der Vegetationsstrukturen kamen pixelbasierte automatische Klassifikationen mittels kombiniertem Parallelepiped-Maximum-Likelihood-Algorithmus und SAM-Algorithmus (Spectral Angle Mapper) sowie das Verfahren der Mischpixelmodellierung (Linear spectral unmixing) zur Anwendung und konnten ausreichend genaue Klassifizierungsergebnisse liefern. Basierend darauf konnte ein durchgängig hierarchisch strukturiertes Klassifikationssystem für die Oberflächenstrukturen der Bergbaufolgelandschaft hergeleitet werden. Für die Analyse von Veränderungen wurde ein Verfahren -FESPA (Feature space analysis)- entwickelt, das es erlaubt, unabhängige Klassifizierungen effektiv auszuwerten. Es konnte gezeigt werden, dass dieses Verfahren zur Veränderungsanalyse schnell und effizient Aussagen zum Wesen von Veränderungen gestattet und somit ein langfristiges Monitoring von Bergbaufolgelandschaften gewährleisten kann.

For abandoned mining areas high requirements for precisely geocoded information exist. Traditional field- and analysis methods cannot deliver these information due to the size of the areas to be supervised and the expense for monitoring. The analysis of multispectral and multitemporal remote reconnaissance data as an alternative is of special importance for a broad-coverage spatial-temporal monitoring and assessment.. This thesis had the aim to examine remote sensing data of abandoned mining areas in Central Germany of various scale levels for their suitability in respect to survey and differentiate vegetation cover structures as well as their changes. Extensive evaluations of the mining area were carried out with operationally available multitemporal satellite data of the sensors Landsat5 TM, Landsat7 ETM, SPOT4 as well as IRS 1C. Selected sub-areas could be examined by means of spatially and spectrally high-resolution CASI- and HYMAP airborne scanner data. Pixel-based automatic classifications for the characterization of the vegetation structures by means of the composite parallelepiped maximum likelihood algorithm and the SAM-Algorithm (spectral angles mapper) as well as the procedure of linear spectral unmixing were applied and delivered sufficiently exact classification results. Based on the results a classification system for the surface structures of abandoned mining areas could be derived that was structured continuously hierarchically. For the analysis of changes a procedure named FESPA (feature space analysis) was developed that permits to evaluate independent classifications effectively. It could be shown that this procedure for change analysis allows fast and efficient statements concerning the nature of changes and enables for a long-term Monitoring of abandoned mining areas.