UZH-Logo

Maintenance Infos

Brandgutdifferenzierung in einem Wildland-Urban Interface mit Hilfe von Laser Scanning und Bildspektrometrie


Frischknecht, C; Kneubühler, M; Morsdorf, F (2010). Brandgutdifferenzierung in einem Wildland-Urban Interface mit Hilfe von Laser Scanning und Bildspektrometrie. In: Kohlhofer, G. Vorträge Dreiländertagung OVG, DGPF und SGPF. Wien: Deutsche Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation (DGPF), 414-422.

Abstract

Zusammenfassung: Im Bereich von Waldbränden stellt die Kartierung von Brandgut zur Minderung von Risiken eine große Herausforderung dar. Besonders schwierig gestaltet sich das Unterfangen, wenn anthropogene und natürliche Strukturen aufeinander treffen und ein sogenanntes Wildland-Urban Interface bilden. Ein support vector machines-Algorithmus wird trainiert, um eine Landbedeckungskartierung aus einem kombinierten LiDAR- und Bildspektrometerdatensatz vorzunehmen. Es werden 18 Klassen unterschieden, wobei die Vegetation in sechs Brandguttypen eingeteilt wird. Sechs Prozessierungsketten mit unterschiedlichen Hierarchien und Fusionszeitpunkten werden untersucht. Die erreichten Gesamtgenauigkeiten liegen zwischen 53.07% und 70.69%, bzw. 0.48 und 0.68 Kappa. Diese Ergebnisse werden den Klassifikationen der einzelnen Sensorquellen gegenüber gestellt. Die maximal erreichte Verbesserung durch die Fusion beträgt 18.96% bzw. 0.19 Kappa.

Zusammenfassung: Im Bereich von Waldbränden stellt die Kartierung von Brandgut zur Minderung von Risiken eine große Herausforderung dar. Besonders schwierig gestaltet sich das Unterfangen, wenn anthropogene und natürliche Strukturen aufeinander treffen und ein sogenanntes Wildland-Urban Interface bilden. Ein support vector machines-Algorithmus wird trainiert, um eine Landbedeckungskartierung aus einem kombinierten LiDAR- und Bildspektrometerdatensatz vorzunehmen. Es werden 18 Klassen unterschieden, wobei die Vegetation in sechs Brandguttypen eingeteilt wird. Sechs Prozessierungsketten mit unterschiedlichen Hierarchien und Fusionszeitpunkten werden untersucht. Die erreichten Gesamtgenauigkeiten liegen zwischen 53.07% und 70.69%, bzw. 0.48 und 0.68 Kappa. Diese Ergebnisse werden den Klassifikationen der einzelnen Sensorquellen gegenüber gestellt. Die maximal erreichte Verbesserung durch die Fusion beträgt 18.96% bzw. 0.19 Kappa.

Downloads

115 downloads since deposited on 17 Aug 2010
17 downloads since 12 months
Detailed statistics

Additional indexing

Item Type:Book Section, not refereed, original work
Communities & Collections:07 Faculty of Science > Institute of Geography
Dewey Decimal Classification:910 Geography & travel
Language:German
Date:2010
Deposited On:17 Aug 2010 16:11
Last Modified:05 Apr 2016 14:13
Publisher:Deutsche Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation (DGPF)
Series Name:Publikationen der Deutschen Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation
Number:19
ISSN:0942-2870
Additional Information:30. Wissenschaftlich-Technische Jahrestagung der DGPF, 1.–3. Juli 2010 in Wien
Permanent URL: https://doi.org/10.5167/uzh-35484

Download

[img]
Preview
Filetype: PDF
Size: 2MB

TrendTerms

TrendTerms displays relevant terms of the abstract of this publication and related documents on a map. The terms and their relations were extracted from ZORA using word statistics. Their timelines are taken from ZORA as well. The bubble size of a term is proportional to the number of documents where the term occurs. Red, orange, yellow and green colors are used for terms that occur in the current document; red indicates high interlinkedness of a term with other terms, orange, yellow and green decreasing interlinkedness. Blue is used for terms that have a relation with the terms in this document, but occur in other documents.
You can navigate and zoom the map. Mouse-hovering a term displays its timeline, clicking it yields the associated documents.

Author Collaborations