Institute of Photogrammetry and GeoInformation Research Current projects
Development of automatic methods for cartographic database revision (2002)

Development of automatic methods for cartographic database revision (2002)

Team:  Bernd - M. Straub
Year:  1999
Funding:  DLR
Duration:  1998-1999
Is Finished:  yes

Research Group: Automatic image analysis

Contact person: Bernd-M.Wolf

This entry is only in German available!

Eine durchschnittliche Topographische Karte 1:25000 ist, in Westeuropa (!), 10-20 Jahre alt. Der Fortführungsstand topographischer Daten in Europa mit 6.4% jährlich im Massstab 1:50000, 7.4% im Massstab 1:25000 und 8.0% im Massstab 1:100000 zeigt sehr deutlich die Notwendigkeit zuverlässige und kostengünstige Verfahren zur Fortführung zu entwickeln [KONECNY und SCHIEWE, 1996; KONECNY, 1996]. Das Fehlen effizienter, mindestens teilweise automatisierter Verfahren zur Fortführung topographischer Daten kann als Hauptgrund für die mangelnde Aktualität angesehen werden. Mit Satellitenbildern stehen grossflächig Bilddaten zur Verfügung mit deren Hilfe topographische Daten überprüft und fortgeführt werden können. Zahlreiche Arbeiten haben das Informationspotential von Bildern mit einer Bodenauflösung von etwa 5m (PAN) und 20m (MS) untersucht. Die Vorteile von Satellitenbildern gegenüber Luftbildern liegen vor allem in der Grösse der Fläche die quasi zeitsynchron aufgenommen wird. Das Potential der Bilder liegt vor allem in der Detektion von Änderungen der Landnutzung im Bereich von Waldflächen, Agrarflächen und Siedlungsgebieten.

Die Fortführung von Daten impliziert im Allgemeinen zunächst das Erkennen von Veränderungen des Datenbestandes A gegenüber einem Datenbestand B. Wobei sich der Datenbestand B sich natürlich durch eine höhere Aktualität gegenüber A auszeichnen sollte. Der zweite Schritt ist die Beschreibung der Veränderungen und letztendlich die eigentliche Aktualisierung bzw. Fortführung des Datenbestandes A [SCHIEWE, 1997]. Im Rahmen dieses Projektes wurde ein automatisches Verfahren entwickelt, mit dem die oben beschriebenen Prozesse für Vegetationsflächen umgesetzt wurden. Die im ATKIS BasisDLM gespeicherten Objekte stellen den zu aktualisierenden Datenbestand dar. Als Datenquelle höherer Aktualität wird ein Farbinfrarot (CIR) Bild mit 20m Pixelgrösse verwendet, wie es von aktuellen Fernerkundungssatelliten wie MOMS oder IRS 1C/D geliefert wird. Die ATKIS Objekte werden als Vorinformation für eine automatische Berechnung von Trainingsgebieten herangezogen (siehe Abb. 1). Alle Pixel werden zunächst mit Hilfe einer Multispektralklassifikation einer ATKIS Objektart zugewiesen. Die klassifizierten Pixel gleicher Objektart werden anschliessend gruppiert und die so entstandenen Flächen vektorisiert und mit den ATKIS Objekten verschnitten (Ergebnis in Abb. 2.). Das Erkennen von Änderungen erfolgt dann auf Basis des so erhaltenen Vektordatensatzes. Einfache Vergleiche von Attributen in der Datenbank ermöglichen so die Anzeige von Änderungen des ATKIS BasisDLM mit dem Zustand der Landschaft zum Zeitpunkt der Aufnahme. Wenig plausible Änderungen der Landschaft wie zum Beispiel eine Veränderung einer Ackerfläche in eine Waldfläche können in einem Kontrollschritt vom Operateur kontrolliert werden, bevor sie endgültig in den Datenbestand übernommen werden.

Das oben kurz erläuterte Verfahren wurde im Versuch getestet. Hierzu standen ATKIS Daten vom LGN entsprechend zwei Kartenblättern der TK 25 zur Verfügung, entsprechend einer Fläche von 250km². Der ATKIS Datenbestand wurde im Rahmen einer Simulation auf einen definiert veralteten Stand gebracht, eine etwa 5km² grosse landwirtschaftlich genutzte Fläche wurde in als Wald bezeichnet. Dies entspricht dem Fortführungsfall. Zum Zeitpunkt den der Datenbestand repräsentiert, war dort noch Wald und zum Zeitpunkt der Aufnahme wird die entsprechende Fläche landwirtschaftlich genutzt. Diese Flächen konnten im Rahmen des automatischen Verfahrens als landwirtschaftliche Flächen identifiziert werden [HEIPKE und STRAUB, 1999; HEIPKE et al. 1999].


Abb. 1.: Ausschnitt aus dem Testgebiet, im Hintergrund ist das CIR Bild dargestellt, in Schwarz sind die Begrenzungslinien zwischen ATKIS Objekten und in gelb die automatisch berechneten Trainingsgebiete superimpositioniert.


Abb. 2: Ergebnis der Bildanalyse, dargestellt sind die in den ATKIS Datenbestand integrierten Begrenzungen zwischen unterschiedlichen Ackerklassen (Füllung rot und blau) und Waldgebiete (güneFlächenfüllung).

Literatur:
KONECNY, G. 1996: Hochauflösende Fernerkundungssensoren für kartographische Anwendungen in Entwicklungsländern, ZPF 2/96.

KONECNY, G. und SCHIEWE, J., 1996, Mapping from digital image data with special reference to MOMS-02, P&R, Vol. 51, pp. 173-181.