|
Klassenvergleiche
Grünflächen (3-Kanal)
DigiCAM |
DMC |
JAS-150 |
|
|
|
|
RMK Top-15 |
UltraCam-X |
|
|
Grünflächen werden durch die DigiCAM sehr gut und flächendeckend erkannt.
Es existieren jedoch auch Fehlpixel inmitten einiger
Grünflächen, welche der Klasse Mais oder Zuckerrüben zugeordnet werden.
Die spektralen Werte der drei Klassen sind sehr ähnlich , sodass leichte Oberflächenveränderungen der Grünflächen, z.B. durch
Wasser oder starke Trockenheit, für Fehlpixel sorgen.
Bei der DMC liegt das gleiche Problem vor, wobei Gebiete, welche mit der
DigiCAM als Mais erkannt wurden, hier der Klasse Wald angehören. Außerdem existieren vereinzelt Fehlpixel der Klasse Steinbruch.
Die JAS-150 liefert keine gute Klassifizierung von Grünflächen. Ihr Nachteil
ist die starke Vermischung mit Fehlpixeln der Klasse Zuckerrüben und
Acker.
Auch bei der RMK treten Fehler innerhalb der Grünflächen auf, wobei diese
eher weit verstreute einzelne Pixel betreffen. Diese gehören ebenfalls der
Klasse Zuckerrüben an. Außerdem ist sehr auffällig, dass viele vereinzelte
Pixel der Klasse Urban innerhalb der Grünflächen enthalten sind.
Die Klassifikation von Grünflächen der Ultracam ist nicht zufriedenstellend,
da im gesamten Gebiet Fehlpixel der Klassen Acker, Zuckerrüben und
Wald verteilt sind. Es existieren keine homogenen Gebiete.
Fazit: Für die Erkennbarkeit von Grünflächen ist die DigiCAM am besten
geeignet. Sie weist die geringste Anzahl an Fehlpixeln auf und sorgt für
klare Abgrenzung der Flächen.
Besonders deutlich wird dies bei Betrachtung der Trefferwahrscheinlichkeiten
in den Trainingsgebieten. Hier wird ein besonders
hoher Wert von 90,16% erreicht.
Grünflächen (4-/5-Kanal)
Die DMC bietet ein sehr gutes Ergebnis, da die Homogenität der Grünflächen
gestiegen ist. Es existieren nur vereinzelte Fehlpixel der Klassen Mais
und Zuckerrüben.
Bei der JAS-150 sind kaum Verbesserungen mit Hilfe des NDVI erkennbar.
Der Wert der Kontingenzmatrix verringert sich sogar von 69,36% auf
56,35%.
Die RMK weist kaum sichtbare Veränderungen auf. Erkennbar wird dies
bei Betrachtung der Trefferquote von 53,88% im Vergleich zu 55,92%. Auffällig ist jedoch die Umwandlung der vorher vorhandenen
Wald-Pixel in Mais-Pixel.
Fazit: Die DMC ist sehr gut für die Klassifikation von Grünflächen geeignet.
Die Flächen sind homogen und es sind kaum Fehlpixel erkennbar.
Bestätigt wird dies durch die Trefferwahrscheinlichkeit von 94,96%.
|