Bachelor

Fakultät 08
Baufallerkundung anhand von Sentinel-1 und Sentinel-2 Zeitreihen
Kategorie:
Abschlussarbeit
Status:
abgeschlossen
BetreuerIn:
Extern/e BetreuerIn:
Simone Rogginger
Extern/e AutorIn:
Lea Schollerer
Jahr:
2021


Hintergrund:

Aufgrund der guten wirtschaftlichen Lage boomt die Baubranche seit einigen Jahren und es wird auch erwartet, dass sich dieser Trend in der Zukunft weiterhin fortsetzt. Dadurch nimmt die Arbeitsauslastung der Gebäudemesstrupps an den jeweiligen Ämtern für Digitalisierung, Breitband und Vermessung (ÄDBV) zu. Um dort den Überblick zu behalten und eine Entlastung der Mitarbeiter zu schaffen, ist man auf der Suche nach neuen automatisierten Baufallerkundungsmethoden, mit denen der Neubau eines Gebäudes mittels Fernerkundungsdaten erkannt werden kann. In diesem Kontext stellt sich die Frage: Sind kostenlos zugängliche multi-temporale Sentinel-1 und Sentinel-2 Satellitendaten - aufbereitet als Analysis Ready Data (ARD) im Kennaugh-Framework - dazu geeignet, den Neubau eines Wohnhauses zu erfassen? Dies soll in dieser Arbeit genauer untersucht und dadurch ein neues Baufallerkundungsverfahren entwickelt werden.


Verwendete Daten und Testgebiet:

Verwendet werden hierfür Sentinel-1 und -2 Satellitenaufnahmen des Europäischen Copernicus Programms im Zeitraum von Anfang Oktober 2019 bis Ende November 2020, über einem Testgebiet im nord-östlichen Teil der niederbayerischen Stadt Dingolfing, wo wegen des Standortes der Bayerischen Motoren Werke AG (BMW) viele Gebäude entstehen. Aufgrund der witterungsunabhängigen Aufnahmemöglichkeit des Synthetic Aperture Radar (SAR)-Systems von Sentinel-1 kann eine Zeitreihe von 67 Aufnahmen und für das multi-spektrale System von Sentinel-2, wegen der starken Beeinflussung durch die Atmosphäre und Wolken, 46 Aufnahmezeitpunkte mit in die Betrachtung einbezogen werden. Zum zusätzlichen Abgleich wird auf Amtliche Liegenschaftskataster und Informationssystem (ALKIS) Daten der Bayerischen Vermessungsverwaltung (BVV) zurückgegriffen. Außerdem wird das im Jahr 2020 erfasste und kostenlose Digitale Orthophoto (DOP) - ebenfalls von der BVV - mit der Bodenauflösung von 80 cm verwendet. Für die Validierung der Ergebnisse wird im Testgebiet eine Befragung der Eigentümer, der neu entstandenen Wohngebäude, zum zeitlichen Verlauf des Hausbaus durchgeführt.


Methodik:

Vor dem Bilden der Zeitreihen werden die optischen Daten basierend auf der Methode der Transformation auf hyperkomplexen Basen in Kennaugh-like Elemente umgewandelt und ebenso wie die polarimetrischen Aufnahmen in die einzelnen Kennaugh-Elemente zerlegt. Aus den einzelnen Datensätzen werden multi-temporale Signaturen der Klassen Gebäude neu, Gebäude alt und Landwirtschaft berechnet. Des Weiteren wird ein neuer Index, der LEAIndex, aus dem Verlauf der Signaturen der Kennaugh-like Elemente entwickelt. Der LEAI zeigt im Vergleich zu den Signaturverläufen der vier Kennaugh-like Elemente (Abb. 1 (l.)), bei einem Neubau den größten Ausschlag in den Daten, weshalb er als Verstärkung auf die multi-spektrale Zeitreihe eingesetzt wird. Diese Zeitreihe und die der Gesamtintensität k0 werden mit verschiedenen Haar-Wavelet Kernel gefaltet (Abb. 1 (r.)), um durch lokale Änderungsberechnung den Bau eines Gebäudes herauszufiltern. Anschließend wird auf diese Daten eine Schwellenwert-Klassifikation, durch Untersuchung der Vollständigkeit und Richtigkeit, mit Abgleich der Eigentümerangaben aus dem Testgebiet, angewandt.


Abbildung 1: Multi-temporale Signaturen der originalen (l.) und der mit den drei Skalen des Haar-Wavelets gefilterten (r.) Kennaugh-like Elemente der Sentinel-2 Zeitreihe, exemplarisch am neu entstandenen Wohngebäude Nr. 16. Der Sprung bzw. die Minima stellen den Guss der Bodenplatte Ende Mai dar.
Abbildung 1: Multi-temporale Signaturen der originalen (l.) und der mit den drei Skalen des Haar-Wavelets gefilterten (r.) Kennaugh-like Elemente der Sentinel-2 Zeitreihe, exemplarisch am neu entstandenen Wohngebäude Nr. 16. Der Sprung bzw. die Minima stellen den Guss der Bodenplatte Ende Mai dar.


Ergebnisse:

Die besten Ergebnisse der Schwellenwert-Klassifikation (Abb. 2) können mit dem Sentinel-1 Datensatz in Kombination mit dem Haar-Wavelet Filter - der insgesamt 10 Aufnahmen in die lokalen Berechnungen einbezieht - mit Genauigkeiten bis 90 % und mit den Sentinel-2 Aufnahmen bis zu 87 % erreicht werden, wobei der Haar-Wavelet Kernel, aufgrund der lückenhaften Zeitreihe, hierfür auf 20 Aufnahmen zu erweitern ist. Daraus resultiert, dass der LEAIndex für die optischen und die Gesamtintensität k0 für die Radardaten alle - für die Detektion eines Neubaus - relevanten Informationen jeweils in einem Kanal kombiniert. Durch die Verbindung dieser beiden Kanäle mit einer Radar-Zeitreihe von 10 und der optischen von 20 Aufnahmen wurde somit ein Prozess entwickelt, der auf ganz Bayern übertragen und dadurch eine Arbeitserleichterung an den ÄDBV bewirken kann.


Abbildung 2: Ausschnitt aus der Schwellenwert-Klassifikation der Sentinel-1 k0 Zeitreihe modelliert mit dem Haar-Wavelet, welches 10 Aufnahmen umfasst. Die klassifizierten Ausschläge stellen hierbei den Neubau eines Wohnhauses dar.
Abbildung 2: Ausschnitt aus der Schwellenwert-Klassifikation der Sentinel-1 k0 Zeitreihe modelliert mit dem Haar-Wavelet, welches 10 Aufnahmen umfasst. Die klassifizierten Ausschläge stellen hierbei den Neubau eines Wohnhauses dar.

Suche

Suchen Sie
... Abschlussarbeiten, Projekte oder Publikationen zu einem bestimmten Thema? Dann verwenden Sie das Suchformular.

... oder von einem bestimmten Autor oder Betreuer? Dann können Sie auch auf den persönlichen Seiten nachsehen.