Integration von Geoinformationen in den Klassifikationsprozess von Satellitendaten am Beispiel des NATURA 2000 Monitoring

Die effektive und sinnvolle Nutzung von bereits erhobenen Geodaten wird in Zukunft eine große Rolle für satellitenbezogene Klassifikationsprozesse spielen. Fernerkundung ist nicht länger nur ein Datenlieferant sondern Teil einer Datenbasis, welche sich bezüglich ihrer Homogenität, Aktualität und Verfügbarkeit zunehmend verbessert. Speziell wenn Monitoringprozesse durch Vorgaben der Politik gefordert werden, sollten Daten welche durch andere nationale oder Europäische Initiativen bereits erhoben wurden effizient einbezogen werden. Das Monitoring der NATURA 2000 Richtlinie – eines EU-weiten Netzwerkes von Schutzgebieten – ist einer der ersten Ansätze im Bereich der Umweltplanung, welcher eine gemeinsame Nutzung von aktuellen Fernerkundungsdaten und Geoinformationen benötigt. Die Zielsetzung dieser Dissertation ist es daher, Methoden zu entwickeln und zu evaluieren, welche vorhandene Geodaten und Zusatzinformationen in einem wissensbasierten Klassifikationsprozess von räumlich sehr hoch auflösenden Satellitenbildern integrieren. Dies geschieht im Kontext des Biodiversitätsmonitoring. Um den Erfolg des Integrationsprozesses zu ermitteln ist es daher erforderlich, die Signifikanz des Einflusses einzelner Geodaten und der Wissensbasis für die Klassifikationsgenauigkeit zu analysieren. Für diese Aufgabe wurden verschiedene Arten von Integrationstechniken in Kombination mit Satellitendaten der Sensoren QuickBird, Spot5 und Aster auf zwei bewaldete NATURA 2000 Gebiete in Bayern (Süddeutschland) angewandt. In der Arbeit wird aufgezeigt, dass unterschiedliche Integrationsmethoden die Aufgaben des Monitoring im Kontext von NATURA 2000 unterstützen können. Deshalb werden innerhalb der Dissertation auf Grundlage von vordefinierten Maßstabsebenen der FFH-Richtlinie zwei Techniken angewandt. Die vorgestellte Modellierung und die integrierte Klassifikation verwendeten verschiedene Satellitendaten um unterschiedliche Biodiversitätsindikatoren zu bestimmen. Weiterhin wird nachgewiesen, dass sich die Klassifikationsgenauigkeit der untersuchten Waldtypen durch Verwendung von Zusatzdaten verbessert. Die Exaktheit der Klassifikation ist dabei von der Art der Geodaten und der verwendeten Integrationstechnik abhängig. Diese Ergebnisse wurden mit zwei Methoden, unter Zuhilfenahme verschiedener Variationen von Klassifikationsgenauigkeiten, auf ihre Signifikanz geprüft. Speziell die Signifikanzanalyse von Mikroarrays (SAM) kann Einflüsse verschiedener Arten von Zusatzdaten identifizieren. Die Methode trägt daher zu einer besseren Evaluierung der Klassifikationsergebnisse bei. Die Dissertation schließt mit Empfehlungen für Klassifikationsstrategien des NATURA 2000 Monitoring und gibt Hinweise für eine effektivere Kombination von Fernerkundungsdaten und Geodaten. Weitere Untersuchungen sollten sich verstärkt auf die Übertragbarkeit der Methoden auf andere biogeographische Regionen konzentrieren. Auch die Herausforderungen des Klimawandels und die Folgen für besonders gefährdete Habitate wie auch die Prüfung und Verwendung weiterer Integrationstechniken von Zusatzdaten sollte Gegenstand zukünftiger Forschung sein.The effective and meaningful usage of already available geo-data will be of major importance for satellite-based classification processes. Remote sensing is not longer just data-provider but is one part of a spatial data-basis which is increasingly advancing in terms of homogeneity, actuality, and accessibility. Especially when monitoring processes are forced by policy directives, provided data-sources from other national or European initiatives should be included efficiently. The monitoring of the NATURA 2000 guideline - an EU-wide network of nature protection areas – is one of the first approaches of environmental planning which requires a joint usage of up to date remote sensing data and geo-information. The objective of this thesis is to develop and evaluate methods of integrating existing geo-data and ancillary information into a knowledge-based classification process of very high resolution satellite imagery in the context of biodiversity monitoring. Moreover, for investigating the success of the integration process it is important to analyse the significance of the geo-data and the knowledge-base for the classification accuracy. For this purpose, different types of integration techniques in combination with satellite data of the sensors QuickBird, Spot5 and Aster were applied to two forested NATURA 2000 areas in Bavaria, Southern Germany. With applying different integration methods it is shown that a support of monitoring tasks in the context of NATURA 2000 is possible. Therefore, depending on pre-defined scales of the Habitats Directive two techniques were applied in this thesis. A modelling technique and an integrated classification used different types of satellite data and aimed at different biodiversity-indicators. Furthermore, the thesis demonstrates that the classification accuracy of the investigated forest types can be enhanced by including ancillary data. The classification precision is influenced by the type of geo-data and the applied integration technique. Moreover, two methods of evaluating the significance of multiple classification accuracies were presented in this work. Especially the Significance Analysis of Microarrays (SAM) can identify significant influences of different types of additional data. This contributes to a better evaluation of classification results. The thesis concludes with overall recommendations for a NATURA 2000 classification strategy as well as suggestions for an efficient combination of remote sensing data and geo-data. Future research should focus on transferability of these methods to other biogeographic regions, meeting the challenge of climate change in terms of monitoring particularly vulnerable habitats, and evaluating other techniques of integrating ancillary data