Zur Klassifikation: Unterschiedliches Erkennen
beim menschlichen Auge und beim Sensor des Satelliten

Jeder Vorgang des Erkennens ist eine Klassifizierung. "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 weigehend das Erkennen. Die Farbe spielt eine untergeordnete Rolle. Eine Bestätigung bringt die Umwandlung eines Farbbildes in ein Graustufenbild, die Objekte bleiben erkennbar.

Beim Sensor des Satelliten ist alles anders. Das digitale Erkennen analysiert primär ausschließlich Lichtintensitäten, also Farben. Strukturen sind nur über Software nachträglich zu erschließen.
Die Ergebnisse des Erkennens müssen sich zwangsläufig zwischen Mensch und Satellitensensor unterscheiden. In der Satellitengeographie geht es primär darum, die neuen Möglichkeiten des Erkennens im Bereich von NIR, MIR und TIR bei Satelliten zu nutzen.

Der eigentliche Vorgang des Erkennens von Objekten hat zwei Varianten:
a) das Wiedererkennen eines bekannten Objekts "Apfelbaum" und
b) das Zuordnen unbekannter Objekte zu Kategorien bekannter Objekte. "Orangenbaum ist auch ein fruchttragender Baum". Die spezielle Zuordnung zur Teilgruppe "Zitrusfruchtbäume" ist ein Lernvorgang.
Diese zwei Erkennensvarianten lassen sich auf die digitale Klassifikation von Satellitenbilddaten übertragen.

a) Die überwachte digitale Klassifikation sucht nach Pixeln, die ein bekanntes Profil (K1, K2, K3, ..., K7) mit bekanntem Wesenskern haben. "Bewässerungsflächen" tragen spezielle Werte für Grün, Rot, NIR und MIR. Bei der überwachten Klassifikation sucht man ausgehend von bekannten Referenzflächen einen größeren Raum zu erfassen. Das Einzelbeispiel wird also verallgemeinert.

b) Die unüberwachte Klassifikation versucht automatisch gewonnene Pixelgruppen mit jeweils statistisch typischem Profil mit bekannten Profilen zu erklären. Vor allem dann, wenn die Pixel gleicher Art eng beisammen liegen, also Flächen bilden, hat dieses Verfahren Sinn. In diesem Fall liegt mit hoher Wahrscheinlichkeit eine "landschaftsrelevante" Klasse vor. Unstimmigkeiten bei den Erklärungsversuchen sind zu klären, sie bringen den eigentlichen Lerneffekt bzgl. neuartiger Profile. Bei der unüberwachten Klassifikation sucht man für jede Klasse spezifische Eigenarten in der Landschaft herauszufinden. Man sucht die abstrakte Teillandschaft mit plausiblen Inhalten zu versehen.

Fotos und beschreibende Texte zu Landschaften sind die Stützen für beide Arten von digitaler Klassifikation. Nur Fotos oder Texte können die Satellitenbilder interpretationsfähig machen. Intensitätsprofile für Pixel vermitteln keine Anschauung.