ALEK

Automatisierte Landschaftselemente Klassifikation
Automatisierung von Verwaltungsabläufen am Beispiel von Landwirtschaft und Umwelt
Zusammenfassung: Die automatisierte Erfassung und fachanwendungsbezogene Klassifikation dreidimensionaler Vegetationsstrukturen auf Basis verfügbarer Geodaten des Landes Rheinland-Pfalz unterstützt eine effiziente, kostengünstige und objektive Erfüllung von EU-Berichtspflichten. Durch die Wiederholbarkeit der Methoden ist ein automatisiertes Monitoring in definierten Zeitschnitten möglich. Dieser Prozess ist auch ein Beitrag zur weiteren Entwicklung des eGovernments.
Von der landeseigenen Forschungs-GmbH RLP AgroScience in Rheinland-Pfalz wurden in den vergangenen Jahren Methoden entwickelt und implementiert, die durch Schritte der Automatisierung bestehende Abläufe in der öffentlichen Verwaltung effizienter gestalten und an die Möglichkeiten geodatenbasierter Technik anpassen. Die entwickelten Methoden dienen als Alternative zur zeit- und kostenintensiven manuellen Erfassung von dreidimensionalen Vegetationsstrukturen in der Landschaft und entschärfen an geeigneter Stelle der Workflows den Faktor der menschlichen Subjektivität ("Augenmaß") durch den Einsatz einer objektiveren, geodatenbasierten Methode der Landschaftsanalyse. Auf Basis vorhandener Geodaten werden dreidimensionale Vegetationsstrukturen automatisiert erfasst und für verschiedene Fachanwendungen klassifiziert. Dazu zählt die Methode ALEK (Automatisierte LandschaftsElemente Klassifikation) sowie das automatisierte Monitoring von Verbuschungsanteilen auf bestimmten NATURA-2000-Habitaten im Rahmen der landesweiten Biotopkartierung.
Das Projekt sollte eine vollständige Prozesskette aus automatisierten Arbeitsschritten in Kombination mit einem hochentwickelten Erfassungs- und Klassifikationsalgorithmus liefern. Folgende Kriterien werden dabei erfüllt:
  • schnelle, landesweite Erfassung von Vegetation & Klassifikation von dreidimensionalen Vegetationsstrukturen und Landschaftselementen
  • Verwendung bereits existierender, offizieller Daten (keine zusätzlichen Kosten)
  • Generierung von vereinheitlichten, standardisierten und objektiven Informationen
  • Generierung reproduzierbarer Flächenabgrenzungen
Zudem sollte eine Möglichkeit für schnelle und kostengünstige Updates (alle 2 Jahre), die automatisierte Dokumentation von Veränderungen (Change Detection) und eine leichte Anpassbarkeit an zukünftige Änderungen in Definitionen der Landschaftselemente (LE) geschaffen werden.
Vorgehensweise
Für die Erfassung und Klassifikation wurden zwei Eigenschaften aufragender Vegetation als entscheidend identifiziert:
  • Die signifikante Höhe über dem Grund, die eine klare Identifikation und Ab-grenzung von aufragenden Strukturen in der Landschaft ermöglicht.
  • Das durch die Photosynthese der Pflanzen veränderte Spektrum des reflektierten Sonnenlichts, das die Vegetation von anderen aufragenden Strukturen (z.B. Hausdächern) unterscheidbar macht.
Daher wurden als primäre Datengrundlage ein normalisiertes digitales Geländemodell (nDOM) und digitale 4-Kanal-Orthofotos (RGB NIR) gewählt. Die Orthofotos dienen als Ausgangspunkt für die Berechnung des Vegetationsindex Normalized Differenced Vegetation Index (NDVI), der die Absorptions- und Reflektionseigenschaften von chlorophyllhaltigen Pflanzen wiedergibt. Sekundär wurden als Nutzungsreferenz und zur expliziten Detektion der beihilfefähigen Flächen Daten des Liegenschaftskatasters eingebunden.
Um ein bestmögliches Ergebnis zu erzielen, verbinden beide Methoden in den Prozessketten Arbeitsschritte aus Geoinformationssystemen (GIS) mit Verfahren der objektorientierten Bildanalyse (OBIA: Object Based Image Analysis).
Arbeitsablauf

Teil 1) Prozessierung Basisdaten ("R" & ESRI ArcGIS)

Aus den folgenden Punktwolken (XYZ) mit 0,5m Auflösung wurden in einem ersten Bearbeitungsschritt gleichmäßige Raster generiert.

  • Digitales Geländemodell DGM (aus Laserscan-Daten)
  • Digitales Oberflächenmodell DOMB (photogrammetrische Auswertung)
  • Subtraktion der Raster für Höhe über Geländeoberfläche (nDOM)
  • Generierung von Mittelachsen der Verkehrswege

Teil 2) Bildanalyse (Trimble eCognition)

Im Gegensatz zur klassischen, pixelbasierten Vorgehensweise werden bei der objektorientierten Bildanalyse zusammenhängende Pixel mit ähnlichen Eigenschaften zu Pixelgruppen zusammengefasst (segmentiert) und anschließend als Objekt klassifiziert.

Beide Arbeitsschritte lassen sich zu einer verschachtelten Prozesskette (=Algorithmus) weiterentwickeln. Das Ergebnis ist ein komplexer, aber leicht anpassbarer Vorgang der Entscheidungsfindung.
Dieses Zwischenergebnis grenzt in erster Linie die aufragende Vegetation von der sonstigen Umgebung ab. Es dient als Grundlage für eine erste Klassifizierung nach der Definition für Landschaftselemente sowie für die Berechnung der Verbuschungsanteile auf Geometrien der Biotopkartierung.
Abb. 1: Prozesskette zur automatisierten Erfassung von 3D-Vegetation

Teil 3) Abschließende Arbeiten (ESRI ArcGIS)

Da die Prozessierung kachelweise auf Basis der Ausdehnung der Luftbilder (2x2km) basiert, muss für eine fehlerfreie Klassifizierung an bzw. zwischen den Kachelgrenzen gesorgt werden.

Um auch komplexe und wenig eindeutige Formen zu klassifizieren, wurden in Python eigene Entwicklungen in die Prozesskette integriert. Diese überprüfen die Zugehörigkeit zu LE-Klassen über exakte Längen- und Breitenmessungen oder die Bestimmung von Nachbarschaftsverhältnissen.
Projektergebnis
Die Ziele und Kriterien, die bei der Entwicklung der Methoden angestrebt wurden, konnten vollständig erreicht werden, insbesondere bzgl. eines vollautomatisierten Erfassungs- und Klassifikationsverfahrens, angepasst an die Erfordernisse und Vorgaben im Kontext EU-Cross Compliance:
  • sichere Methodik durch bewährte Datengrundlagen und möglichst einfachen Ansatz
  • Wiederverwendbarkeit: Regelmäßige Updates für Change Detection und Monitoring
  • überregional anwendbar: Flächendeckende Bearbeitung großer Räume
  • verlässlich und performant: Landesfläche RLP (19.000 km²) binnen weniger Wochen
  • flexibel und erweiterbar: Änderungen von Vorgaben oder neue Fragestellungen können integriert und umgesetzt werden
  • landesweites flächendeckendes Kataster im Kontext: EU-Cross Compliance
  • interoperabel: durch Erfassungsmaßstab und Objektorientierung integrierbar in offizielle Verwaltungsabläufe bzw. offizielle Datenbestände
Dies wurde auch auf Bundesebene bei der Verleihung des GIS Best Practice Award so bewertet.
Projektbedeutung für die Automatisierung von Verwaltungsabläufen
Die automatisierte Erfassung und fachanwendungsspezifische Klassifikation der dreidimensionalen Vegetationsstrukturen als Verbuschungsanteile und als Landschaftselemente nach Cross Compliance (ALEK) sind vollautomatische Klassifikationsverfahren, die außerhalb von Testbedingungen einsetzbar sind und flächendeckend befriedigende, vollständig den Vorgaben entsprechende Ergebnisse liefern. Zusätzlich wurden effiziente Methoden geschaffen, Veränderungsdokumentationen standardisiert und auf Objekteebene durchführen zu können und so in regelmäßigen Abständen die EU-Berichtspflichten zu erfüllen. Erreicht wurde das durch die Verbindung von GIS- und OBIA-Funktionalitäten in einer einzelnen Prozesskette.
Die automatisierte Erfassung von Verbuschungsanteilen auf ausgewählten Biotopflächen ermöglicht die räumlich und fachlich differenzierte Ableitung von Handlungsempfehlungen.
In Abbildung 2 sind beispielhaft unterschiedlich stark verbuschte Flächen des Biotopkatasters dargestellt, deren aktueller Verbuschungsanteil den angegebenen Biotoptypen nicht mehr entspricht. In einem zweiten Schritt können nun entweder die Biotoptypen automatisiert auf Grund des Verbuschungsanteiles im Kataster geändert oder angepasste Pflegemaßnahmen beauftragt werden, wie in Abb. 3 für den gewählten Ausschnitt dargestellt ist.
Abb. 2: Ergebnis der 3D-Vegetationserfassung in Höhenschichten als Verbuschungsanteile
Abb. 3: Erhaltungszustand von naturschutzrelevanten Flächen, aufgeschlüsselt nach Pflegestufen
In Abbildung 4 sind 3D-Vegetationsstrukturen nach dem in Rheinland-Pfalz gültigem System der Cross Compliance würdigen Landschaftselementedefinitionen klassifiziert und dargestellt.
Die Kosten für die Entwicklung der Methoden und die Prozessierung der Daten belaufen sich nur auf einen Bruchteil der Kosten, die eine Handdigitalisierung generiert. Nach Vergleichen mit den in anderen Bundesländern entstandenen Kosten bzgl. Landschaftselementerfassung kann von einem Faktor zwischen 2 und 5 ausgegangen werden.
Die als Nebeneffekt gewonnenen Daten können als Grundlage für weitere Projekte dienen und deren Realisierung deutlich kostengünstiger machen oder überhaupt erst ermöglichen.
Da die Verpflichtung zur Erfassung der Cross Compliance-relevanten Landschaftselemente EU-weit existiert und die aktuell durchgeführten Handdigitalisierungen überall mit den gleichen Nachteilen (Zeitaufwand, Kosten, individuelle Erfassungsgenauigkeiten) behaftet sind, haben bereits mehrere andere Bundesländer und EU-Mitgliedsstaaten Interesse an ALEK und einer Zusammenarbeit mit der RLP AgroScience gezeigt.
Mit ALEK können die EU-Berichtspflichten für die Dokumentation von LE standardisiert und einheitlich erfüllt werden und ein regelmäßiges Monitoring etabliert werden. Durch die Gleichbehandlung aller beteiligten Landwirte und Winzer und geringere Bearbeitungszeiten wird eine höhere Akzeptanz der EU-Auflagen unter-stützt und das Interesse am Erhalt der Artenvielfalt geweckt.
Abb. 4: Ergebnis der 3D-Vegetationserfassung als CC-Landschaftselemente
Die automatisierte Erzeugung von Geodaten bietet die Möglichkeit zur Schaffung von Standards und damit zur Interoperabilität zwischen verschiedenen Räumen und Sektoren. Solche vereinheitlichten Abläufe und Analysemöglichkeiten werden in Zukunft eine Grundvoraussetzung für die Realisierung und die Transparenz von eGovernment-Projekten darstellen.
Die Einsatzmöglichkeiten sind vielfältig, insbesondere im landwirtschaftlichen, naturschutzfachlichen, aber auch forstwirtschaftlichen Bereich werden Anwendungen in RLP bereits realisiert.
Fragen zu "ALEK"?

Kontakt

Jobs / Karriere

Ansprechpartner

Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!

Go to top