Klassifizierung der Bodenbedeckung mit SAR-Bildern und Deep-Learning-Algorithmen

Die Kartierung von Landnutzung und Bodenbedeckung ist eine der wichtigsten Anwendungen der Fernerkundung und spielt eine wichtige Rolle bei der Entscheidungsfindung in Bezug auf moderne Planung und Verwaltung. In den letzten zehn Jahren hat sich Deep Learning als leistungsfähige Technik für die Bildklassifizierung erwiesen, auch für Fernerkundungsbilder. Deep Learning, neuronale Netze und Computer Vision wurden in den letzten Jahren auch immer häufiger bei SAR-Daten (Synthetic Aperture Radar) eingesetzt.

Sentinel-1 ist das europäische Radarobservatorium und stellt die erste neue Weltraumkomponente der GMES-Satellitenfamilie (Global Monitoring for Environment and Security) dar, die von der ESA konzipiert und entwickelt und von der Europäischen Kommission finanziert wird. Die Copernicus-Missionen (Sentinel-1, -2 und -3) sind der Beitrag der EU zum GEOSS (Global Earth Observation System of Systems). Sentinel-1 besteht aus einer Konstellation von zwei Satelliten, Sentinel-1A und Sentinel-1B, die sich dieselbe Bahnebene mit einem Phasenunterschied von 180° auf der Umlaufbahn teilen. Die Mission bietet eine unabhängige operative Fähigkeit zur kontinuierlichen Radarkartierung der Erde mit verbesserter Wiederholungshäufigkeit, Abdeckung, Aktualität und Zuverlässigkeit für operative Dienste und Anwendungen, die lange Zeitreihen benötigen.

Ziel dieses Projekts ist es, die Fähigkeit von SAR-Bildern, in diesem Fall Sentinel-1-Bildern, für eine vollautomatische Klassifizierung mit besserer räumlicher und zeitlicher Auflösung sowie für eine Korrektheit und einen Umfang zu untersuchen, der mit bestehenden Landbedeckungskarten wie CLC10, ATKIS Basic DLM und GLC-Share vergleichbar ist.

Zu diesem Zweck haben wir eine Deep-Learning-Architektur zur Klassifizierung von Zeitreihen unter Verwendung von Sentinel-1-Bildern eingesetzt. Diese Klassifizierung enthält 7 Hauptklassen:

1. Grünland

2. landwirtschaftliche Flächen

3. Wälder und forstwirtschaftliche Flächen

4. Wasserflächen

5. Straßenflächen

6. Siedlungen