Cop4Stat 2015plus - d-copernicus.de · Copernicus Symposium, BMVI, Berlin, 16. März 2017...

Copernicus Symposium, BMVI, Berlin, 16. März 2017 Copernicus Symposium, BMVI, Berlin, 16. März 2017

Cop4Stat_2015plus

Verwendung von Copernicus-Daten für Zwecke der Flächenstatistik

Stephan Arnold Flächenstatistik und landwirtschaftliche Bodennutzung

Statistisches Bundesamt

Sylvia Seissiger Entwicklung und Fernerkundung

Bundesamt für Kartographie und Geodäsie

Copernicus Symposium, BMVI, Berlin, 16. März 2017

Harmonisierte Statistik zu Landbedeckung und Landnutzung

Einheitliche Erfassungskriterien

Mindesterfassungsflächengröße

Erfassungszeitpunkt, Bezugszeitraum

Inhaltliche Definitionen

Folie 3

Anforderung von Eurostat


LUCAS Felderhebung (land use / cover are frame survey)

Koordination durch Eurostat, gemäß Bedarf der EU-Kommission

Europaweit durchgeführte Erfassung der Landbedeckung und Landnutzung (LB/LN)

Drei-jähriger Erfassungszyklus: 2006 / 2009 / 2012 / 2015 / 2018

Punktstichproben-basierte Geländeerhebung orientiert an regelmäßigem Gitternetz (2x2 km)

Folie 4


Was bisher geschah… LUCAS Bottom-up Pilot-Studie

Folie 5


LUCAS Land Cover Classes Code Class A ARTIFICIAL LAND A10 Roofed built-up areas A20 Artificial non-built up areas A30 Other built-up areas B CROPLAND C WOODED LAND C - F FAO - Forest C - F - 10 FAO - Broadleaved C - F - 20 FAO - Coniferous C - F - 30 FAO - Mixed C - OWT FAO - Other land with tree cover C - OW FAO - Other wooded land D SHRUBLAND E GRASSLAND F BARE LAND, lichens, glaciers and permanent snow

G WATER SURFACE G10 Inland water bodies G20 Inland running water H WETLANDS L Land area (NUTS definition)

T Total area = Land (L) + Inland waters (NUTS definition) Folie 6


LUCAS Bottom-up Pilot-Studie 2013-2014

Folie 8

Ableitung von Informationen zu Landbedeckung und Landnutzung aus nationalen Datenquellen über Semantische Transformationstabellen (STT)

Verschiedene Quellen und Methoden Unterschiedliche Ergebnisse

Europäische Ebene:

ALB BO ALKIS Nationale Ebene: ATKIS LBM-DE

LUCAS

STT (a) STT (b) STT (c) STT (d) STT (e)


ALB 2009

ALB_MVP 2009

BO 2010

LBM-DE 2009

LUCAS 2009

ARTIFICIAL LAND 41.004 24.512 2.877 30.036 24.375 CROPLAND 106.164 0 !! 117.788 127.688 118.128 WOODLAND 107.521 107.534 13.809 107.452 120.897 SHRUBLAND 620 620 0 963 2.087 GRASSLAND 71 0 !! 49.071 69.181 81.368 BARE LAND AND LICHENS 1.814 1.656 0 366 2.367 WATER 5.452 5.452 0 5.422 6.248 WETLAND 1.099 1.099 0 1.889 1.664 CROPLAND / GRASSLAND 53.064 0 0 0 0 CROPLAND & GRASSLAND 159299 0 166859 197349 199496 CROPLAND & nat VEGETATION 0 0 0 94 0 SHRUBLAND/GRASSLAND 0 0 0 7.172 0 Non-forest VEGETATION 26.470 185.741 327 0 0 Any VEGETATION 953 356 0 1.201 0 UNKNOWN 12.894 30.156 173.266 5.815 0 Total Area 357.125 357.125 357.138 357.665 357.134 Eindeutig ableitbarer Flächenanteil 73,85% 39,45% 51,39% 96,04% 100,00%

ARTIFICIAL LAND CROPLAND WOODLAND SHRUBLAND GRASSLAND BARE LAND AND LICHENS WATER WETLAND CROPLAND / GRASSLAND CROPLAND & GRASSLAND CROPLAND & nat VEGETATION SHRUBLAND/GRASSLAND Non-forest VEGETATION Any VEGETATION UNKNOWN Total Area Eindeutig ableitbarer Flächenanteil

Flächensummen 2009 Landbedeckung für LUCAS-LC-Klassen je nach Quelldatensatz

Delta A

Delta B 59 %

110 % 111 % 99,9% 112 %

114 %

124 % 125 %

90 %

Folie 9


Fazit LUCAS Pilotstudie

Folie 11

Keine nationale Datenquelle kann alleinstehend für direkte Ableitung der geforderte LUCAS-Klassen herangezogen werden.

Unterscheidung Ackerland – Grünland nur aus LBM-DE möglich, allerdings auch dort große Abweichung

Artificial Land zwischen ALB und LUCAS ist ähnlich groß, eher zufällig da Definitionen abweichend.

Cropland zwischen BO und LUCAS stimmen halbwegs überein.

Waldflächen zwischen ALB und DLM-DE ähnlich groß, allerdings in LUCAS überschätzt.


Cop4Stat_2015plus

Folie 12


Folie 13

COP4STAT_2015plus Projektziel:

Einsatzmöglichkeiten von Copernicus-Produkten für Informationsbedarf der Statistik zur LB und LN

Erfüllung der Anforderungen auf europäischer Ebene (Eurostat: LUCAS)

Aufgreifen der LUCAS-Pilotstudie 2014

Input-Datenmaterial:

Sentinel-2, (Sentinel-1 RADAR Daten optional)

High Resolution Layer

Landbedeckungsmodell LBM-DE (ehem. DLM-DE) als Zusatzdaten

ATKIS Basis-DLM


Folie 14

Datenfluss von nationaler zur europäischen Ebene

CLC/ EEA

ATKIS ALB/ ALKIS

HRL

FEtN Stat

LUCAS/ Eurostat

Europäische Ebene

Länder- Ebene

Amtliche Flächenstatistik beruht auf Katasterdaten (ALB/ALKIS)

Testen einer alternativen Datenquelle: Fernerkundung

LBM- DE

FEtN Stat

Bundes- Ebene

Agrar Stat

Sen- tinel

LB/LN „Stat“ BWI

„Cop4Stat_2015plus“ Verwendung von Copernicus Daten für Zwecke der Flächenstatistik ׀ 23.03.2017 ׀ Seite 15

3 Methode

Stark vereinfachter Arbeitsablauf:

Vektor-daten ATKIS,

LBM-DE

Rasterdaten, Fernerkundung

Pixel und objektorientierte

überwachte Klassifikation

Trainingsgebiete

Validierung der Ergebnisse

Kleine Testgebiete für Level2 LUCAS

Prüfung der Flächenanteile und Lagegenauigkeit in

1x1km Grid

Copernicus HRL durchgeführt

zur Zeit in Bearbeitung

ist in Planung

Pixel und objektorientierte

überwachte Klassifikation

Validierung der Ergebnisse

Integration weiterer

Datensätze (DOM)

Transformation zur LUCAS

Nomenklatur

Transformation zur LUCAS

Nomenklatur


3 Methode

a) Level1 LUCAS Landbedeckungsklassen aus ATKIS Zuweisung

b) alle Attribute und Geometrien aus ATKIS sind auch in der Zuweisung zu LUCAS berücksichtigt

Inpu

t: AT

KIS

LUC

AS

b)

Transformation der ATKIS - Daten in die LUCAS Nomenklatur


Transformation der Daten in die LUCAS Nomenklatur (semantisch nach Definitionen der verschiedenen Klassifikationshierarchien und physisch (Verwendung der Geometrien) aus der Sicht der Fernerkundung Überlagerungsfrei)

Ausgangsdaten (Vektor):

LBM-DE

3 Methode LBM-DE

Transformation des LBM-DE in die LUCAS Nomenklatur


4 Erste Ergebnisse

braun: mehr Wald LBM-DE2012, gelb: Flächen sind gleichverteilt, blau: mehr Wald ATKIS-LUCAS2015

Vergleich zwischen LBM-DE2012 und ATKIS-LUCAS2015 am Beispiel von Wald.

LUCAS - LBM-DE

User Accuracy in %

Producer Accuracy in %

Artificial land 66,3 70,9 Cropland 64,4 78,6 Woodland 85,5 86,7 Shrubland 15,4 5,6 Grassland 48,5 39,3 Bareland 2,1 14,9 Water Areas 44,9 42,2 Wetland 27,3 14,6 Overall Accuracy: 70,4 %


4 Erste Ergebnisse

Pixelbasierte überwachte Klassifikation

LUCAS – Klassifikation- Landsat 8 von April und Oktober 2015)

User Accuracy

in % Producer Accuracy

in % Artificial land 59,3 66,5 Cropland 75,0 61,9 Woodland 89,4 71,3 Shrubland 3,7 28,4 Grassland 38,7 37,1 Water Areas

58,1 33,1

Overall Accuracy: 62 %


4 Erste Ergebnisse

Objektorientierte überwachte Klassifikation – LUCAS Level 1 und 2 (teilweise)

Algorithmus


4 erste Ergebnisse

Segmentbasierte Klassifizierung: RapidEye 2015 + LoD1 - Daten

RapidEye Szene ID: 3262113 LoD1: 27,57 km² RapidEye Segmentierung: 34,28km²

Überschätzung der Fläche mit Gebäuden durch Segmentierung: 24,3 Prozent

Ziel: Unterscheidung von versiegelter Fläche mit Gebäuden (A10) und versiegelter Fläche ohne Gebäude (A20)


5 Ausblick

• Klassifizierung mittels Random Forest und Support Vector Machine, evtl. objektbasiert

• Erweiterter Dateninput: Sentinel 1, DOM 5 (verbesserte Abgrenzung Siedlung, Wald, Landwirtschaft) • Trainings- und Validierungsdaten: LUCAS

2015 (für einige Klassen nur sehr wenige Punkte verfügbar)

• Vergleich der klassifizierten

Flächengrößen mit amtlicher Flächenstatistik

LUCAS- Klasse

Anzahl der Punkte 2015

Artificial land 59

Cropland 139

Woodland 222

Shrubland 4

Grassland 92

Bare land 3

Water Areas 3

Copernicus Symposium, BMVI, Berlin, 16. März 2017 Copernicus Symposium, BMVI, Berlin, 16. März 2017

Stephan Arnold Flächenstatistik

Telefon: +49 (0) 611 / 75 2849 [email protected]

www.destatis.de

Vielen Dank für Ihre Aufmerksamkeit

Sylvia Seissiger Bundesamt für Kartographie und Geodäsie, Referat GI7 Richard-Strauss-Allee 11 60598 Frankfurt [email protected] www.bkg.bund.de Tel. +49 (0) 69 / 6333 481


Semantische Transformation ATKIS zu LUCAS

Vektordaten

Artificial Land Cropland

Woodland Shrubland Grassland Bare Land

Water Surface Wetlands UNKOWN

Land Cover Info aus Sat.-Bildern


Standardisierter Vergleich von Datenquellen (anhand 1x1 km Grid) Thema: Wald/Bäume

LBM-DE 2012 (1 ha MMU Polygone) HRL Forest 2012 (100x100m Rasterzellen)

Vergleichsgitter (LBM-DE vs HRL)

Wald Nicht-Wald

Relativ weniger

Relativ mehr

Gleichartig


4 Erste Ergebnisse

braun: mehr Wald LBM-DE2012, gelb: Flächen sind gleichverteilt, blau: mehr Wald ATKIS-LUCAS2015

Vergleich zwischen LBM-DE2012 und ATKIS-LUCAS2015 am Beispiel von Wald.

LUCAS - LBM-DE

User Accuracy

in %

Producer Accuracy

in % Artificial land 66,3 70,9 Cropland 64,4 78,6 Woodland 85,5 86,7 Shrubland 15,4 5,6 Grassland 48,5 39,3 Bareland 2,1 14,9 Water Areas 44,9 42,2 Wetland 27,3 14,6 Overall Accuracy: 70,4 %


4 Erste Ergebnisse

Pixelbasierte überwachte Klassifikation

LUCAS – Klassifikation- Landsat 8 von April & Okt 2015)

User Acc.

in % Producer Acc.

in % Artificial land 59,3 66,5 Cropland 75,0 61,9 Woodland 89,4 71,3 Shrubland 3,7 28,4 Grassland 38,7 37,1 Water Areas

58,1 33,1

Overall Accuracy: 62 %

Cop4Stat 2015plus - d-copernicus.de · Copernicus Symposium, BMVI, Berlin, 16. März 2017...

Documents

Transcript of Cop4Stat 2015plus - d-copernicus.de · Copernicus Symposium, BMVI, Berlin, 16. März 2017...