Klassifikation, die gleichzeitige Auswertung von drei und mehr Datensätzen
Teil 1

Was versteht man unter einer Klassifikation?

Eine Klassifikation ist eine Untergliederung eines Ganzen in wesensfremde Teile. Es entsteht eine Einteilung in Klassen. Ein Teil bzw. eine Element kann (nach Definition) immer nur zu einer Klasse gehören. Eine Fläche ist beispielsweise entweder Siedlungsfläche oder Verkehrsfläche oder Wald oder Wiese oder Acker oder ... oder "nicht erkennbar". Wenn man in einem (Satelliten-) Bild Teilflächen eine eindeutige Eigenschaft zuordnen kann, dann lässt sich auch eine Legende zur Beschreibung der wesensverschiedenen Teilflächen erstellen. Das Bild ist damit klassifiziert. Eine Bodennutzungskarte ist eine solche Klassifizierung.

Es gibt eine analoge (=begriffliche) und eine digitale (=statistische) Klassifikation.

1. Die analoge Klassifikation:

Jeder Vorgang des Erkennens ist eine Klassifikation. "Das ist ein Baum", "das ist ein Haus" sind Zuordnungen von Objekten zu Begriffsklassen. Die Klassifikation und das Erkennen von Objekten meinen also gleiche Vorgänge.

Was macht das Auge beim Erkennen?
Das Auge identifiziert ein Objekt primär ausgehend von Strukturen, d.h. der Wechsel von linienhaften und flächenhaften Elementen bestimmt weitgehend das Erkennen. Die Farbe spielt eine untergeordnete Rolle. Eine Bestätigung bringt die Umwandlung eines Farbbildes in ein Graustufenbild, die Objekte bleiben erkennbar.

Der eigentliche Vorgang des Erkennens von Objekten hat zwei Varianten:
a) Das Wiedererkennen eines bekannten Objekts, hier "Maibaum".
b) Das Zusammenfassen unbekannter Objekte zu Klassen, hier "Bäume", die nachträglich als "Laubbäume" identifiziert werden und damit die Klasse "Bäume" näher erklären.

a) Das Wiedererkennen eines bekannten Objekts beschreibt die überwachte Klassifikation: Ein Objekt wird erkannt, die Verbreitung dieser Objekte in der Nachbarschaft wird nachgefragt.
b) Das Zusammenfassen unbekannter Objekte zu Klassen entspricht der unüberwachte Klassifikation. Hierbei wird eine Gruppe ähnlicher Objekte zu einer Klasse zusammengefasst. Erst in einem zweiten Schritt wird die Klasse analysiert und genauer beschrieben.

Die digitale Klassifikation:

Hier handelt es sich um die statistische Auswertung von Helligkeits-Eigenschaften von Bildpunkten. Ähnliche Bildpunkte lassen sich zu Klassen zusammenfassen. Das benutzte Rechenverfahren und die gesetzten Schwellenwerte bestimmen die Zuordnung von Bildpunkten zu den Klassen.

Jeder Punkt wird durch sein Graustufen-Profil (RGB) charakterisiert, bei Satellitenbildern sind das die Lichtintensitäten der einzelnen spektralen Sensorkanäle, bei Landsat sind es 7 spektrale Eigenschaften für jeden Punkt.

Auch bei der digitalen Klassifikation gibt es zwei grundverschiedene Ansätze für den Vergleich auf Ähnlichkeit:
a) Entweder man beginnt mit Bildpunkten, deren Bedeutung man durch Anschauung in der Natur kennt. Dies ist die überwachte digitale Klassifikation. Alle Punkte eines sog. Referenz-, Test- oder Trainingsgebietes bilden eine Klasse. Rechenverfahren suchen nach Bildpunkten mit ähnlichen Graustufen-Profilen und markieren alle Punkte in Form einer Karte. Hier kann die Legende sofort beschriftet werden, da man die Trainingsgebiete kennt.
b) Das zweite Verfahren geht den umgekehrten Weg. Man lässt über Rechenverfahren nach ähnlichen Punkten fahnden. Die Punkte mit ähnlichen Profilen werden in sog. Clustern zusammengefasst. Nachträglich muss die Bedeutung der einzelnen Cluster ermittelt werden. Dies ist die sog. unüberwachte digitale Klassifikation.

Weiter zu Klassifizierung/Teil 2.