Objektbasierte Klassifikation urbaner Strukturen der Megacity Istanbul

Laut Zahlen der UN lebt bereits mehr als die Hälfte der Weltbevölkerung in urbanen Gebieten, 6,8% davon in sogenannten Megacities, deren räumliche Dynamik aufgrund der hohen Konzentration an Menschen auf engem Raum oftmals schwer zu überblicken ist. Prognosen zufolge sollen sich diese Zahlen bereits bis zum Jahr 2030 weiterhin drastisch erhöhen, weswegen die Analyse von Megacities als Forschungsgegenstand der Geographie und Fernerkundung weiterhin an Gewichtung zunimmt. Diese Masterarbeit befasst sich mit der Erstellung einer objektbasierten Klassifikation der Landbedeckung/-nutzung der Megacity Istanbul sowie mit der daraus erfolgenden Ableitung ihrer urbanen Strukturen. Verwendet wurden dafür sowohl sehr hochauflösende sowie mittelauflösende Daten und das Potential beider Datensätze miteinander verglichen. Zu Beginn soll ein theoretischer Teil einen Überblick über andere Forschungsarbeiten liefern, die sich entweder in thematischer Hinsicht mit ähnlichen Fragestellungen oder aber mit ähnlichen Datenmaterialien auseinandergesetzt haben. Das darauffolgende Kapitel der Grundlagen stellt zum einen die Datengrundlagen genau vor und soll weiters ein grundlegendes Verständnis der objektbasierten Klassifikation schaffen, vor allem unter Verwendung der Software eCognition. Um urbane Strukturen unterscheiden zu können, ist ein gewisses Expertenwissen zum jeweiligen Untersuchungsgebiet Voraussetzung. Daher beleuchtet ein eigenes Kapitel Istanbul sowie seine geschichtliche Entwicklung genauer, um daraus etwaige Parameter für die Klassifikation der Strukturtypen abzuleiten. Der zweite große Teil setzt sich mit der praktischen Durchführung der Arbeit auseinander, wobei neben der Datenvorverarbeitung vor allem auf den Vorgang der Klassifikation und die Erstellung der Regelsätze genauer eingegangen wird. Die Ergebnisse zeigen, dass eine Unterscheidung der Siedlungsstrukturen in verschiedene Typen auf Basis einer Landbedeckungsklassifikation für die hochauflösenden Daten möglich ist, ohne die Zuilfenahme von Zusatzdaten wie Kataster- oder Höheninformationen. Obgleich letztere mit Sicherheit zu einer Qualitätssteigerung bzw. der Erfassung weiterer Klassen beitragen würden, sind die erzielten Genauigkeiten von über 80% für beinahe jede Klasse durchwegs zufriedenstellend. Ein direkter Vergleich der Ergebnisse der beiden Datensätze ist aufgrund der unterschiedlichen Auflösungen nur begrenzt möglich, beide Sensoren weisen jedoch für sie eigene Vorteile auf und je nach Fragestellung unterschiedliche Potenziale.According to the UN, more than half of the world population is already living in urban areas, around 6,8% thereof in so-called megacities, whose spatial dynamic is often difficult to keep track of, due to the high concentration of people who live in a relatively small area. The amount of people living in cities in general and in megacities in particular is going to increase further until 2030, which is why the study of megacities is getting more and more relevant as an object of research for geography and remote sensing. The master thesis deals with the creation of an object-based land use and land cover classification of the megacity Istanbul as well as the derivation of urban structure types based on this classification. Data with both very high resolution and medium resolution have been used and their potential compared to each other.The first part of the thesis is theoretical and will give an overview of the state of the art and other scientific papers, which dealt with either similar thematic background or similar data sets. The following chapter presents the data sets used for this study and should help to gain a fundamental understanding of object-based classification, especially using the software eCognition. Furthermore, there is a certain expert knowledge of the test site essential to be able to differentiate between urban structure types. Therefore, the next chapter examines the area of investigation and its historical development more closely in order to derive certain parameters for the classification of the urban structure types.The second part deals with the practical execution of the work. This includes the data preprocessing but mainly the classification process as well as the creation of rule sets will be presented. The results show that it is possible to differentiate between urban structure types simply based on a land use and land cover classification without additional data like cadastral or height information. Although the latter would definitely improve the quality of the classification or rather enable to determine more classes and types, the achieved accuracies of over 80% for almost all classes are throughout satisfying. A direct comparison between the results of boh data sets are due to te different geometric resolution limited possible, both sensors show however different benefits and depending on the problem different potentials.vorgelegt von Lena Mitterhuber, BScZusammenfassungen in Deutsch und EnglischAbweichender Titel laut Übersetzung des Verfassers/der VerfasserinKarl-Franzens-Universität Graz, Masterarbeit, 2018(VLID)271104