Tutorial 1: Klassifizierung eines benutzerdefinierten Bildstapels mit vorhandenen Referenzdaten

Das folgende Szenario zeigt den Klassifizierungs-Workflow anhand der bereitgestellten Demodaten der Kyritz-Ruppiner Heide. Ziel ist es, Ergebnisse für 7 Klassen für einen ehemaligen Truppenübungsplatz nordöstlich von Berlin, Deutschland, zu finden.

Schritt 0: Erstellung eines Arbeitsbereichs

Wir beginnen mit der Erstellung eines neuen Arbeitsbereichs, indem wir in Schritt 0 auf die Schaltfläche Create New klicken. Der Name ist erforderlich, die Beschreibung ist optional:

Nachdem auf Create geklickt wurde, können wir nun mit Schritt 1 fortfahren, indem wir auf Upload data klicken.

Schritt 1: Eingabe der Referenzdaten

Hier können wir wählen, ob wir ein Shapefile oder eine Tabelle hochladen wollen. In diesem Fall wählen wir die Option für das .zip-Format und laden unsere lokale Datei hoch.

Option A) Shapefile

Diese Referenzdaten umfassen ein Shapefile mit 7 Klassen, die mit Hilfe von Fachwissen ermittelt wurden. Die Klassen repräsentieren die vorherrschenden Bodenbedeckungsklassen in der Kyritz-Ruppiner Heide und umfassen deciduous (Laubbäume), coniferous (Nadelbäume), heath young (junges Heidekraut), heath old (altes Heidekraut), heath shrub (Heidesträucher), bare ground (unbewachsenen Boden) und xeric grass (Trockenrasen).

Im folgenden Dialog können die gewünschten Klassen ausgewählt werden. In unserem Beispiel behalten wir alle Klassen bei.

Nach dem Hochladen werden die Referenzpunkte auf der Karte angezeigt und Schritt 2 ist nun verfügbar. Nachdem auf Add data geklickt wurde, können wir mit den Zeitreihen fortfahren.

Schritt 2: Eingabe eines Bildebenenstapels

Hier haben wir wieder zwei Möglichkeiten: Wir können eine lokale Datei hochladen oder den eingebauten Downloader verwenden. Wir wählen Option 1, indem wir auf Upload local image layer stack klicken:

Option A) Hochladen eines lokalen Bildebenenstapels

Beim Hochladen eines lokalen Bildstapels müssen wir, wie in der Dokumentation beschrieben, zusätzliche Informationen zu den Daten in einer json-Datei bereitstellen. Wir klicken auf die erste Option Daten hinzufügen und fügen unsere .json-Datei hinzu.

Danach können wir eine Vorschau der Metadaten sehen und den Datenstack hochladen, indem wir auf die zweite Schaltfläche Add data klicken. Unser Sentinel-2-Zeitreihenstapel aus dem Jahr 2018 besteht aus Daten von 6 Tagen mit jeweils 9 Bändern (insgesamt 54 Ebenen).

Der Bildstapel wird dann auf der Karte dargestellt:

Schritt 3: Oberflächenklassifizierung

Wir können nun die Klassifizierung starten, indem wir auf Start classification klicken. Die Parameter lassen sich anpassen, wir bleiben in diesem Beispiel aber bei den Standardeinstellungen und beginnen die Klassifizierung der ersten Klasse, indem wir auf Run classification klicken.

Die Klassifizierung kann einige Zeit in Anspruch nehmen, abhängig von der Datenmenge. Achtung: jeder Durchlauf liefert einzigartige, nicht reproduzierbare Ergebnisse. Auch wenn diesem Tutorial exakt gefolgt wird, werden die Ergebnisse anders aussehen. Es ist sogar wahrscheinlich, dass die erste Klasse von diesem Beispiel abweicht.

In unserem Fall liefert der Algorithmus nach dem ersten Durchlauf das folgende Ergebnis für die Klasse coniferous:

Da das Ergebnis genügend gültige Modelle lieferte, um fortzufahren, setzen wir einen geeigneten Schwellenwert fest, in diesem Beispiel wird 8 gewählt.

Wir tun dies für alle Klassen. Die Legende, die die genaue Anzahl der Modelle anzeigt, kann über das Symbol oben recht ein- und ausgeblendet werden:

Wenn man mit dem Ergebnis nicht zufrieden ist und die Parameter ändern möchte, kann man auf die Schaltfläche Reclassify klicken und die Werte für die Klasse ändern und die Klassifizierung erneut durchführen. Es ist jederzeit möglich, die Klassifizierung zu beenden, indem man auf End classification, save and show results klickt. Wenn der Arbeitsbereich mit einer unvollendeten Klassifizierung verlassen wird, kann diese später fortgeführt werden; wird die Klassifizierung mit dieser Schaltfläche beendet, so kann sie als beendet betrachtet und nicht fortgesetzt werden. Wenn wir die letzte Klasse erreicht haben, wird diese Schaltfläche durch Last Class ersetzt:

Wir haben nun alle Klassen klassifiziert und die Ergebnisse werden auf der Karte dargestellt.

Ergebnisse

In den Ergebnissen sehen wir die Verteilung der Klassen. Pixel, die nicht klassifiziert wurden, fallen in die Klasse other (Sonstige). Eine Legende kann mit der unteren Schaltfläche in der oberen rechten Ecke ein- und ausgeschaltet werden:

Mit der oberen Schaltfläche in der rechten oberen Ecke können wir nun die Ebenen der Klassen (de)selektieren:

Wenn wir die Seite aktualisieren, können wir unseren Arbeitsbereich sehen, indem wir in Schritt 0 auf Open klicken. Hier besteht die Möglichkeit, den Arbeitsbereich zu rendern, herunterzuladen oder zu löschen: