Ergebnisse

Publikation:

Nadja Kabisch, Peter Selsam, Toralf Kirsten, Angela Lausch, Jan Bumberger. A multi-sensor and multi-temporal remote sensing approach to detect land cover change dynamics in heterogeneous urban landscapes. Ecological Indicators, Volume 99, 2019, Pages 273-282. https://doi.org/10.1016/j.ecolind.2018.12.033.

Abstract

Durch globale Veränderungen wie Klimawandel und Urbanisierung ändert sich schnell die Landbedeckung in Städten weltweit. Das urbane Management und die Planung stehen unter dem Entwicklungsdruck, immer mehr Menschen unterzubringen. Viele verfügbare Daten zur kontinuierlichen Bodennutzung und zur Änderung der Bodenbedeckung sind erforderlich, um fundierte Entscheidungen darüber treffen zu können, wo neue Wohngebiete entwickelt werden sollen, und dabei ausreichend freie und grüne Flächen für eine nachhaltige Stadtentwicklung zu gewährleisten. Satellitengestützte optische Fernerkundungsdaten liefern wichtige Informationen, um Änderungen in heterogenen Stadtlandschaften über lange Zeiträume hinweg zu erkennen, im Gegensatz zu herkömmlichen Ansätzen zur Nutzung von Kataster- und Baudaten.

Daten von einzelnen Satelliten liefern jedoch möglicherweise keine nützlichen Bilder in der erforderlichen zeitlichen Dichte, was insbesondere in mittleren Breiten aufgrund einer relativ reichlichen Wolkenbedeckung der Fall ist. Außerdem können die Daten eines einzelnen Satelliten für einen längeren Zeitraum oder für die Öffentlichkeit ohne Kosten verfügbar sein. In der vorliegenden Arbeit stellen wir einen integrierten und standardisierten Ansatz vor, der Fernerkundungsdaten in einer hohen Auflösung für einen längeren Zeitraum von mehr als zehn Jahren (2005–2017). Mit diesem multisensorischen und multi-zeitlichen Fusionsansatz werden urbane Landbedeckungsänderungen in der hochdynamischen Stadt Leipzig erkannt. Satellitendaten wie Landsat-, Sentinel- und RapidEye-Daten werden in einer robusten und normalisierten Methode kombiniert, um die Schwankungen und Störungen verschiedener Sensoreigenschaften auszugleichen. Um den Ansatz zur Erfassung von Landbedeckungsänderungen anzuwenden, wird der Normalized Difference Vegetation Index (NDVI) berechnet und in ein klassifiziertes Classified Vegetation Cover (CVC) übertragen. Dadurch wird die Vegetationsentwicklung in kleinem Maßstab innerhalb heterogener komplexer Gebiete in einer kompakten europäischen Stadt wird hervorgehoben. Die Ergebnisse dieses Verfahrens zeigen erfolgreich, dass der vorgestellte Ansatz für verschiedene Satellitendaten-Sensorkombinationen über einen längeren Zeitraum anwendbar ist, und bietet der Stadtplanung mit öfentlich verfügbaren Daten damit die Möglichkeit, ihre Informationen zur Bodennutzung und Bodenbedeckung zeitnah zu aktualisieren.

Publikation:

Bär, S., Reinhold, O., Alt, R., 2019, The Role of Cross-Domain Use Cases in IoT – A Case Study Analysis, in: Proceedings 52. Hawaii International Conference on System Sciences (HICSS); http://hdl.handle.net/10125/59479

Abstract

The strong rise of Internet connected things contributes to the big data phenomenon. Data is increasingly becoming available from various devices in large volume, variety and velocity. However, many Internet of Things (IoT) applications still seem to be used to solve single problems and infrastructural elements (e.g. sensors or data) are not openly available for other use cases. This paper argues that a growing need for crossdomain applications is approaching within the sharing economy and other ecosystem-based business models. It investigates the current state of such cross-domain applications by analyzing currently deployed IoT case studies. The analysis shows that most cases remain in the silo mentality and focus on a specific domain. Only a few cases feature some cross-domain characteristics. These are especially present in smart city cases, which engage multiple stakeholders and promote the share of resources.