Integrierte semi-automatisierte Abgrenzung und Klassifikation von Hangrutschungen

Hangrutschungen stellen eine große Naturgefahr in fast allen Bergregionen der Erde dar. Sie fordern jährlich Menschenleben und verursachen enorme Schäden an Infrastruktureinrichtungen. Die breite Palette an heutzutage zur Verfügung stehenden Erdbeobachtungsdaten impliziert die Notwendigkeit, genaue und schnelle Methoden zur Erfassung, Analyse und Überwachung von Hangrutschungen zu entwickeln, um Risikoanalysen und Katastrophenmanagement zu unterstützen. Die objektbasierte Bildanalyse (OBIA) bietet neue Möglichkeiten für eine semi-automatisierte Abgrenzung und Klassifikation von Hangrutschungen auf Basis von Fernerkundungsdaten. Im Gegensatz zu pixelbasierten Ansätzen werden nicht nur spektrale, sondern auch räumliche und morphometrische Eigenschaften sowie Textur- und Kontextinformationen mit einbezogen. Durch die Integration verschiedener Datensätze und die gezielte Ansprache ihrer spezifischen Eigenschaften können Hangrutschungen auf effiziente Art und Weise analysiert werden. Das übergeordnete Ziel dieses Projektes ist die Entwicklung einer semi- automatisierten Methodik für die Abgrenzung und Klassifikation von Hangrutschungen. Dieses Vorhaben wird durch die Integration von optischen Fernerkundungsdaten, digitalen Höheninformationen und automatisiert abgeleiteten Geländeeinheiten unter Anwendung innovativer OBIA-Methoden realisiert. Des Weiteren wird der Frage nachgegangen, inwieweit sich Radardaten für die objektbasierte Analyse von Hangrutschungen eignen. Sollten klare Vorteile erkennbar sein, werden Radardaten zusätzlich mit einbezogen. Die Methodik wird für ein österreichisches und zwei taiwanesische Untersuchungsgebiete, die häufig von Hangrutschungen betroffen sind, entwickelt und getestet. Ein wichtiger Bestandteil dieses Forschungsprojektes ist die Definition von digitalen Signaturen für Hangrutschungstypen. Dadurch kann das Wissen von Experten transparent in Klassifikationsregeln übersetzt werden. Eine derartige konzeptionelle Grundlage macht den vorgeschlagenen Ansatz robust und auf andere Untersuchungsgebiete übertragbar und stellt somit einen wichtigen Schritt hin zu einer umfassenden, vollautomatischen Analyse von Hangrutschungen dar. Darauf aufbauend werden in weiterer Folge Methoden für eine automatisierte Veränderungsanalyse entwickelt und getestet, die einerseits ein rasches Erkennen von frischen Rutschungen ermöglichen und andererseits der Überwachung von bestehenden Rutschungen dienen. Die Ergebnisse werden kontinuierlich evaluiert, um die Methodik zu verbessern und somit die Genauigkeit der Ergebnisse zu erhöhen. Die entwickelten Methoden und Arbeitsabläufe sollen zu einer erhöhten Zuverlässigkeit, Übertragbarkeit und Automatisierung von objektbasierten Hangrutschungs-Analysen beitragen. Es wird erwartet, dass dieses Forschungsprojekt neue Wege im Bereich der objektbasierten Modellierung von Hangrutschungen beschreitet. Innovationen werden vor allem auf konzeptioneller und methodischer Ebene erwartet. Die Methodik zielt darauf ab, I) objektiv, II) anwendbar in unterschiedlichen Gebieten, III) unempfindlich gegenüber veränderlichen Eingangsdaten, und IV) automatisiert zu sein.

Im Projekt iSLIDE wurden teil-automatisierte Methoden für die Abgrenzung und Klassifikation von Hangrutschungen basierend auf der Verwendung verschiedener Fernerkundungsdaten (optische Satellitenbilder, Radardaten, digitale Höhenmodelle) entwickelt. Dies wurde mit innovativen Methoden der objektbasierten Bildanalyse (OBIA) realisiert. Hangrutschungen stellen eine große Naturgefahr in fast allen Gebirgsregionen der Erde dar. Sie fordern jährlich Menschenleben und verursachen enorme Schäden an Infrastruktureinrichtungen. Die breite Palette an heutzutage zur Verfügung stehenden Erdbeobachtungsdaten eröffnet neue Möglichkeiten für das Kartieren von Hangrutschungen. Dies impliziert den Bedarf nach neuartigen, verlässlichen und effizienten Methoden zur Erfassung, Analyse und Überwachung von Hangrutschungen und insbesondere die Entwicklung von effektiven Techniken um Informationen über die exakte Lage, die räumliche Ausdehnung oder den Hangrutschungstyp zu gewinnen. Die objektbasierte Bildanalyse bietet solche neuen Möglichkeiten für eine teil-automatisierte Untersuchung von Hangrutschungen auf Basis von Fernerkundungsdaten. Im Gegensatz zu pixelbasierten Ansätzen werden dabei nicht nur spektrale, sondern auch räumliche und morphometrische Eigenschaften sowie Textur- und Kontextinformationen mit einbezogen. In diesem Projekt wurde die Integration von verschiedenen EO-Daten in OBIA untersucht und die am besten geeignetsten Parameter der einzelnen Datensätze für die Kartierung von Hangrutschungen verwendet. Insbesondere die Optimierung und Objektivierung von Klassifikationsvorgängen ist von großer Bedeutung für unterschiedlichste Anwendungen und trägt dazu bei die Akzeptanz von Ergebnissen zu steigern und deren Einsatz in operationellen Arbeitsabläufen zu erleichtern. Ein wichtiger Bestandteil dieses Forschungsprojektes war deshalb die Entwicklung einer Methodik mit der das gemeinsame Wissen von Experten transparent in computer-basierte Klassifikationsregeln übersetzen kann. Eine derartige konzeptionelle Grundlage macht den entwickelten OBIA-Ansatz objektiv und robust und stellt somit einen wichtigen Schritt hin zu einer umfassenden, vollautomatischen fernerkundungsbasierten Analyse von Hangrutschungen dar. Außerdem wurde eine Methode für eine teil-automatisierte Veränderungsanalyse entwickelt, die einerseits ein rasches Erkennen von frischen Rutschungen ermöglicht und andererseits der Überwachung von bestehenden Rutschungen dient. Das Forschungsprojekt iSLIDE beschritt neue Wege im Bereich der objektbasierten Analyse von Hangrutschungen unter Verwendung von Fernerkundungsdaten, sowohl auf konzeptioneller als auch auf methodischer Ebene. Die entwickelten Methoden und Arbeitsabläufe zielen insbesondere darauf ab I) objektiv, II) anwendbar in unterschiedlichen Gebieten, III) unempfindlich gegenüber veränderlichen Eingangsdaten, und IV) möglichst automatisiert zu sein.