Klassifikationsergebnisse RMK Top-15

RGI Klassifikation

Die urbanen Bereiche sind, soweit im Bild überhaupt erkennbar, gut klassifiziert. Es sind jedoch starke Fehlpixel aller Klassen erkennbar.
Die Straßen wurden nicht zufriedenstellend klassifiziert. Sie bestehen teilweise aus Pixeln der Klassen Acker (11,01%) und Schatten (16,25%).
Der Steinbruch ist komplett fehlerhaft klassifiziert worden. Hier sind nahezu nur Pixel aus den Klassen Acker, Straße und Schatten ersichtlich.
Ein Großteil der Schattenflächen wurde als Straße klassifiziert, was nicht zufriedenstellend ist.
Die Klassen Wasser und Algen sind gut klassifiziert worden. Der Algeneintrag entspricht dem des naturellen Vorkommens zum Aufnahmezeitpunkt.
Die Klassen Acker und Stoppel weisen sehr große Überschneidungen auf. Es ist fast nicht möglich ein Feld anhand der Klassifikation eindeutig zu bestimmen.
Die Klasse Zuckerrübe ist gut klassifiziert worden, nur wenige Fehlpixel der Klasse Grünfläche sind vorhanden.
Die Grünflächen sind gut klassifiziert worden (86,76%), enthalten jedoch teilweise einen leichten Anteil an Pixeln der Klasse Wald.
Der Bereich der bewaldeten Gebiete ist ebenfalls gut klassifiziert worden. Baumkronen in Waldgebieten entsprechen zu einem großen Teil der Klasse Wald, ebenso die einzelnen Bäume. Lediglich einige Fehlpixel der Klasse Mais sind zu erkennen.
Die Klasse Mais ist nicht zufriedenstellend klassifiziert worden (50%). Es sind viele Fehlpixel der Klassen Grünflächen und Wald erkennbar.
Die Weinberge sind durch die Klassifizierung klar strukturiert. Jedoch verursacht das Fehlen der Klasse Wein ein Streifenmuster aus Wald, Grünflächen und Urban.
Das gesamte Bild dunkelt zu den Randbereichen deutlich aus. Somit sind insbesondere die Klassen Acker und Stoppel als Straße und Urban klassifiziert worden.

Ergebnisse des Accuracy Reports:
Overall Classification Accuracy = 70,98 %
Overall Kappa Statistics = 0,6602

RGI + NDVI Klassifikation

Die Klassifizierung der RMK mit der Kanalkombination RGI + NDVI ist nicht signifikant besser als die schon sehr fehlerbehaftete Klassifizierung ohne den NDVI. Gerade in der Klasse Wald sind viele Fehlpixel der Klasse Mais erkennbar. Schatten im Wald ist zumeist als Klasse Algen definiert worden.
Ebenso sind diverse Einzelbäume als Mais klassifiziert worden.
Unzureichend ist die Klassifikation der Klassen Acker und Stoppel. Größtenteils ist eine starke Vermischung der verschiedenen Klassen zu erkennen. Nur selten ist ein Feld annähernd homogen erkannt worden.
Die Klasse Wasser ist in Bereichen mit tiefem Wasserstand korrekt erkannt worden, jedoch ist in den flachen Uferbereichen Schatten detektiert worden.
Die Klasse Schatten wurde nur unzureichend klassifiziert. Es sind Fehlpixel der Klassen Algen und Wasser erkannt worden. Die Klassen Grünflächen, Zuckerrüben und Mais sind durchaus zufriedenstellend verarbeitet worden.
In den Grünflächen sind wenige Fehlpixel vorhanden. In den Zuckerrübenfeldern, sowie im Mais sind die inneren Feldbereiche gut klassifiziert worden. Die Feldrandbereiche werden oft als Grünflächen klassifiziert, was durchaus der Realität entspricht.
Die Klasse Urban wurde relativ gut erkannt, verfügt aber teilweise über Fehlpixel. Aufgrund der Schrägaufnahme sind viele Fassaden sichtbar. Diese bestehen im Klassifizierungsergebnis aus Pixeln der Klassen Acker und Stoppel.
Der Steinbruch ist nur sehr schlecht klassifiziert worden (38,37%). Viele Abbruchkanten wurden als Klasse Acker und Stoppel erkannt, ebene Flächen als Straßen.
Die Straßen wurden gut detektiert, jedoch verfügt dieses Ergebnis über Fehlpixel. Randbereiche der Straßen sind als Acker und Stoppel erkannt worden. Hierbei ist festzustellen, dass in der Realität durchaus Randbereiche nicht bewachsen sind und somit Pixel der Klasse Acker akzeptabel sind, da in der Klassifikation keine Unterscheidung zwischen Acker und brachliegenden Flächen erfolgt.
In nahezu allen anderen Klassen sind Fehlpixel aus den Klassen Acker und Stoppel erkennbar.

Ergebnisse des Accuracy Reports:
Overall Classification Accuracy = 52,94 %
Overall Kappa Statistics = 0,4585