Diese Webseite verwendet Cookies

Wir verwenden Cookies, um das Nutzungserlebnis zu verbessern. Wählen Sie aus, welche Cookies Sie uns erlauben. Weitere Informationen zu unseren Cookie-Richtlinien finden Sie in unseren Datenschutzbestimmungen.
Zurück
» Neu: OSMlanduse.org für ganz Deutschland nun ohne Lücken: Kombination von Machine Learning mit OSM und Satellitenbildern
21.01.2018 Alexander Zipf

Neu: OSMlanduse.org für ganz Deutschland nun ohne Lücken: Kombination von Machine Learning mit OSM und Satellitenbildern

In einer neuen Version von OSMlanduse.org der GIScience Research Group Heidelberg wurden die auf fehlende Daten in OSM zurückzuführenden Lücken in den abgeleiteten Landnutzungsdaten mittels Satellitenbildern und Methoden des maschinellen Lernens gefüllt. Damit steht nun eine "lückenlose" freie Landnutzungskarte für ganz Deutschland zur Verfügung. 

Die in Schultz et al. (2017) vorgeschlagene Methode wurde nun verwendet, um den neuen Datensatz für ganz Deutschland zu berechnen. http://www.sciencedirect.com/science/article/pii/S0303243417301605  

Datenlücken in der globalen OSMlanduse.org Karte wurden für Deutschland mit Daten aus freien Satelittenbildern gefüllt, was zu einer Landbedeckungskarte mit vollständiger Abdeckung in diesem Bereich führte. Sechzig Tags im OSM wurden gebutzt, um eine Corine Land Cover (CLC) Level 2 Landnutzungsklassifikation zuzuordnen, und die verbleibenden Lücken wurden durch Machine Learning Verfahren mit Fernerkundungsdaten gefüllt

Die neue Version ist derzeit nur für Deutschland verfügbar, die anderen Teile der Welt verwenden derzeit nur OpenStreetMap ohne zusätzliche Fernerkundungsdaten. Freuen Sie sich auf weitere Verbesserungen und Updates!

http://osmlanduse.org/

Schultz, M., Voss, J., Auer, M., Carter, S., and Zipf, A. (2017): Open land cover from OpenStreetMap and remote sensing. International Journal of Applied Earth Observation and Geoinformation, 63, pp. 206-213. DOI: 10.1016/j.jag.2017.07.014.

h

ttp://giscienceblog.uni-hd.de/2018/01/19/osmlanduseorg-remote-sensing-conterminous-land-use/

Project:  http://www.geog.uni-heidelberg.de/gis/land_sense.html

Related earlier work:

Jokar Arsanjani, J., Mooney, P., Zipf, A., Schauss, A., (2015): Quality assessment of the contributed land use information from OpenStreetMap versus authoritative datasets. In: Jokar Arsanjani, J., Zipf, A., Mooney, P., Helbich, M., OpenStreetMap in GIScience: experiences, research, applications. ISBN:978-3-319-14279-1, PP. 37-58, Springer Press.

Dorn, H., Törnros, T. & Zipf, A. (2015): Quality Evaluation of VGI using Authoritative Data – A Comparison with Land Use Data in Southern Germany. ISPRS International Journal of Geo-Information. Vol 4(3), pp. 1657-1671, doi: 10.3390/ijgi4031657

Jokar Arsanjani, J., Helbich, M., Bakillah, M., Hagenauer, J., & Zipf, A. (2013). Toward mapping land-use patterns from volunteered geographic information. International Journal of Geographical Information Science, 2264-2278. DOI:10.1080/13658816.2013.800871.

Verfasst um 15:26 Uhr

Geändert am: 21.01.2018 15:36

» Permalink   

Keine Einträge vorhanden.
Keine Einträge vorhanden.
» Neu: OSMlanduse.org für ganz Deutschland nun ohne Lücken: Kombination von Machine Learning mit OSM und Satellitenbildern
 
TOP