Ermittlung funktionaler Zusammenhänge
In der zu Beginn durchgeführten multiplen Regressionsanalyse sollten zunächst allgemein Informationen über den Zusammenhang zwischen TM- und SAR-Signal gewonnen werden. Die ERS-1-Information wurde als abhängige Variable durch die sieben Landsat-TM-Kanäle als freie Variablen dargestellt. Es stellte sich heraus, daß die erklärte Varianz nur 2.61% betrug, bei einem multiplen Regressionskoeffizienten von 0.162. Daraus kann geschlossen werden, daß der ERS-1 eine gänzlich andere Informationsebene liefert als LANDSAT-TM. Die Frage, welcher Art diese Information ist und vor allem wie sie in verwertbare Ergebnisse umgesetzt werden kann, ist dadurch aber keineswegs geklärt.
Als andere Darstellungsform der unterschiedlichen Informationsebenen von LANDSAT-TM und ERS-1 zeigt die Abbildung ein Bild, das durch die Überlagerung der ersten drei Hauptkomponenten aus der ERS-1-Szene vom 22.05.1992 und allen sieben TM-Kanälen entstand. Rechts oben im Bild ist ein Bereich zu erkennen, in dem der Rotanteil weitgehend fehlt.In der Farbe rot ist die dritte Hauptkomponente farbkodiert. Die ERS-Szene vom 22.05.1992 deckt nicht das gesamte Untersuchungsgebiet ab, sondern genau im gerade genannten Bereich fehlt die ERS-1-Information. Daraus kann geschlossen werden, daß die Radarinformation fast ausschließlich in die dritte Hauptkomponente einfließt.
Dies gibt Gelegenheit zur direkten visuellen Interpretation des Informationsgewinns durch das Radarbild. Es wird vor allem deutlich, daß zum einen das Relief im von ERS-1 mitabgedeckten Gebiet sehr deutlich sichtbar wird; zum anderen tritt in den Siedlungsbereichen eine sehr viel deutlichere Differenzierung bzw. Auflösung in Einzelstrukturen auf. Dies bestärkt die Annahme, daß mit dem Einsatz von Radarfernerkundungsdaten im Stadtbereich eine sinnvolle Ergänzung zu den optischen Daten möglich ist.
Auch diese visuelle Interpretation ist naturgemäß jedoch rein qualitativ und liefert für sich noch kein Verfahren, den Informationsgewinn durch ERS quantitativ verfügbar zu machen. Aus der Auswertung der Statistik bei der Hauptkomponententransformation ergibt sich jedoch, daß die 3. Hauptkomponente einen Zuwachs an der Varianzerklärung von etwa 10% liefert, d.h. die Hinzunahme von Daten einer ERS-1-Szene zur TM-Information einen Informationsgewinn von etwa 10% bringt (Tabelle).
Der zweite Untersuchungsblock bei der Ermittlung funktionaler Zusammenhänge bezog sich auf die Ableitung von Rauhigkeitsparametern. Wie in den Ausführungen über die Datengrundlage schon erwähnt, stand dafür eine Tabelle der Rauhigkeitslängen (z0) sowie der Nullpunktverschiebung (d) zur Verfügung.
Die Vorgehensweise wurde bereits erläutert. Dort wurde beschrieben, wie durch Attributierung von Landnutzungsklassen mit den Werten von z0 bzw. d Karten der Rauhigkeitslängen bzw. der Nullpunktverschiebung erstellt wurden. Die beiden Karten ähneln sich sehr, so daß hier auf die Darstellung der Nullpunktverschiebung verzichtet wird und lediglich die Karte der aerodynamischen Rauhigkeitslängen wiedergegeben wird. Sie zeigt, daß die Rauhigkeit großräumig im betrachteten Gebiet vor allem durch die Verteilung der Wälder bestimmt ist.
Folgende Tabelle zeigt die Ergebnisse der verschiedenen Regressionsanalysen. Als entscheidende Größen für die Bewertung der Korrelation der jeweils betrachteten Datenebenen sind die erklärte Varianz und der multiple Korrelationskoeffizient dargestellt.
Abbildung : Rauhigkeitslängenkarte des ERSCliP-Untersuchungsgebiets
Folgende Erkenntnisse lassen sich ableiten. Nur die fettgedruckte Variante lieferte brauchbare Ergebnisse.
Die Fenstergröße "5x5" bei der Filterung erwies sich am geeignetsten. Sie liefert einerseits die besten Resultate. Andererseits ist eine Auflösung von 150x150 m2 für Rauhigkeitsbetrachtungen die aussagekräftigste Auflösung.
Das nachstehend abgebildete Ergebnis der Analyse, die synthetische Rauhigkeitskarte, wurde erzeugt, indem die Bereiche der "kritischen Landnutzungsklassen" aus der attributierten Rauhigkeitsverteilung genommen wurden; die restlichen Gebiete stammen aus der Regression. Mit den erhaltenen Regressionskoeffizienten der besten Variante aus obiger Tabelle wurde eine synthetische Rauhigkeitslängenverteilung gerechnet. Zur Glättung der Grauwertverteilung wurde ein Medianfilter auf das Bild angewendet. Je heller ein bestimmter Pixelwert ist, desto größer ist dort die Rauhigkeitslänge z0.
