4D-Änderungsobjekte zur automatischen Extraktion räumlich und zeitlich variabler Oberflächenänderungen aus kontinuierlichen 3D-Zeitserien natürlicher Szenen

• Verfasst von: Anders, Katharina [VerfasserIn]
• Verfasst von: Winiwarter, Lukas [VerfasserIn]
• Verfasst von: Hulskemper, Daan [VerfasserIn]
• Verfasst von: Höfle, Bernhard [VerfasserIn]
• Titel: 4D-Änderungsobjekte zur automatischen Extraktion räumlich und zeitlich variabler Oberflächenänderungen aus kontinuierlichen 3D-Zeitserien natürlicher Szenen
• Verf.angabe: Katharina Anders, Lukas Winiwarter, Daan Hulskemper, Bernhard Höfle
• Verlagsort: Heidelberg
• Verlag: 3DGEO
• E-Jahr: 2022
• Jahr: Oktober 2022
• Umfang: 1 Poster
• Fussnoten: Gesehen am 19.05.2025 ; Posterpräsentation im Rahmen der DGPF-Jahrestagung 2022 in Dresden
• DOI: doi:10.13140/RG.2.2.32594.22720
• Datenträger: Online-Ressource
• Dokumenttyp: Konferenzschrift
• Sprache: eng
• K10plus-PPN: 1925960285

Abstract

Die Beobachtung dynamischer Oberflächenänderungen in natürlichen Landschaftsszenen ist ein wichtiger Bestandteil von Umweltforschung und -anwendungen (z. B. Monitoring potenzieller Naturgefahren). Szenen können mittels terrestrischem Laserscanning (TLS) von einer fixen Position in zeitlich hoher Auflösung und über lange Zeiträume (z. B. stündlich über Monate) in Zentimeter-Auflösung erfasst werden. Je umfassender solche Datensätze und je komplexer die Änderungsarten sind, desto schwieriger ist es, relevante Oberflächenänderungen aus den 3D-Zeitserien zu extrahieren. Zum einen ist vor der Analyse nicht bekannt, wann und wo sich Änderungsprozesse ereignen. Die Änderungseigenschaften können zudem sehr unterschiedlich sein, also sehr niedrige bis hohe Magnituden oder räumliche Ausdehnungen erreichen und von unterschiedlicher Dauer sein. Zum anderen findet in vielen Landschaftsgegebenheiten eine Überlagerung verschiedener Prozesse statt. Wenn Änderungen zwischen jeweils zwei Epochen mit manuell festgelegten Zeitspannen analysiert werden, ist es daher oftmals nicht möglich, individuelle Änderungsprozesse räumlich und/oder zeitlich voneinander abzugrenzen. Die bitemporalen Änderungen sind also nicht eindeutig interpretierbar, jedoch manifestieren sich die Änderungsprozesse aufgrund verschiedener räumlicher und/oder zeitlicher Eigenschaften unterschiedlich in der Zeitserie. - Um Änderungen verschiedener räumlicher und zeitlicher Eigenschaften aus großen 3D-Zeitserien vollautomatisch extrahieren zu können, haben wir eine Methode der raumzeitlichen Segmentierung entwickelt (Anders et al. 2021). Dabei werden Änderungen zunächst in der Zeitserie an 2D-Positionen in der Szene detektiert und dann auf Basis ähnlicher Änderungshistorien räumlich abgegrenzt. Dies ergibt sogenannte 4D-Änderungsobjekte („4D objects-by-change“), die sich durch ähnliche Änderungshistorien über eine gewisse Zeitspanne in einem bestimmten Bereich der Szene kennzeichnen. - Gegenüber der gängigen Vorgehensweise, bei der Oberflächenänderungen zwischen Epochenpaaren manuell gewählter Zeitspannen analysiert werden, haben wir untersucht inwieweit unsere Zeitserien-basierte Methode die Änderungsdetektion und -quantifizierung verbessert. Dazu haben wir eine stündliche TLS-Zeitserie einer schneebedeckten Szene in den Alpen verwendet, die im April 2018 fünf Tage lang stündlich aufgenommen wurde. In diesem Zeitraum überlagern sich verschiedene Schneedeckenänderungen, die durch andauerndes Absenken der gesamten Schneedecke, Lawinenereignisse, sowie anthropogene Verlagerungen von Schneemassen für die touristische Nutzung verursacht werden. - Die Analyse dieses Anwendungsfalls zeigt, dass sich die Genauigkeit der Änderungsquantifizierung mit den 4D-Änderungsobjekten insbesondere bei Änderungen von einer Dauer über zwei Epochen hinaus verbessert. In diesem Fall müssen epochenweise Änderungen aggregiert werden, was zu einer Kumulation der Unsicherheiten in den Änderungswerten für jedes Epochenpaar führt. Zudem wird die Zeitspanne der Änderung sowie räumliche Abgrenzung mit dem 4D-Änderungsobjekt vollautomatisch bestimmt. Diese Identifizierung als individuelles Objekt ist bei räumlicher Überlappung, z. B. der großflächigen Schneedeckenabsenkung im Abgangsbereich einer Lawine, aus bitemporaler Änderungsquantifizierung nicht automatisch und ohne Einbringen von Fachwissen möglich. - Somit stellen automatisch extrahierte 4D-Änderungsobjekte einen wichtigen Schritt in der Änderungsanalyse kontinuierlicher 3D-Zeitserien dar, in denen Änderungen verschiedenster Dauer und räumlicher Ausdehnung in vorab unbekannten Zeitspannen vorkommen. Die extrahierten 4D-Änderungsobjekte können die Grundlage zur Identifizierung räumlicher und zeitlicher Muster in der Oberflächendynamik einer Szene bilden und schlussendlich zu einem verbesserten Verständnis der zugrundeliegenden Umweltprozesse beitragen. - - Referenz: - Anders et al. (2021): Fully automatic spatiotemporal segmentation of 3D LiDAR time series for the extraction of natural surface changes. DOI: https://doi.org/10.1016/j.isprsjprs.2021.01.015