Zusammenfassung
Zur Erfassung von Landnutzung und deren Veränderungen können Informationen aus dem Objektartenbereich Tatsächliche Nutzung verwendet werden, welcher dem ATKIS Basis-DLM entstammt. Ziel dieser Arbeit war die Evaluierung der Genauigkeit der Tatsächlichen Nutzung in ATKIS. Dazu wurde eine visuelle Klassifikation der Tatsächlichen Nutzung in einer zufällig ausgewählten Stichprobe von jeweils 1000 Luftbildern aus den Jahren 2012 und 2020 durchgeführt, die als Referenz fungierte. Parallel dazu wurde ein teilautomatisiertes Verfahren entwickelt, in dem ein Deep Learning-Algorithmus (Convolutional Neural Network) anhand von Digitalen Orthophotos (DOP20) trainiert wurde, um die Tatsächliche Nutzung zu klassifizieren. Im Rahmen der Arbeit konnte festgestellt werden, dass ATKIS in 93,9 % der untersuchten Fälle die korrekte Tatsächliche Nutzung aufweist. Der Algorithmus konnte in 93,7 % der Fälle die korrekte Nutzung erkennen.
Summary
For the recording of land use and its changes, information on the Actual Use can be used, which originates from the ATKIS (Authorative Topographic-Cartographic Information System) Basis-DLM (Digital basis landscape model). The aim of this work was to evaluate the accuracy of the Actual Use in ATKIS. For this purpose, a visual classification of the Actual Use was performed in a randomly selected sample of 1000 aerial images from each of the years 2012 and 2020, which acted as a reference. In parallel, a semi-automated Deep Learning algorithm (Convolutional Neural Network) was trained using Digital Orthophotos (DOP20) to classify the Actual Use. Both ATKIS and the algorithm were compared with the visually generated reference in order to evaluate the quality of the Actual Use in ATKIS and to check whether a Deep Learning approach could also be suitable for this task. It could be determined that ATKIS shows the correct Actual Use in 93.9 % of examined cases. The algorithm was able to detect the correct usage in 93.7 % of cases.
