Vergleich der Klassifizierung von Landsat-8- und Sentinel-2-Daten in Google Earth Engine, Fallstudie der Stadt Kabul

In den letzten Jahren hat die rasante Urbanisierung der Stadt Kabul die städtische Landnutzung nachteilig beeinflusst, wie z. B. Oberflächengewässer und Ackerflächen. Die Oberflächenwasserressourcen sind aufgrund der Überbevölkerung in der Stadt sowohl qualitativ als auch quantitativ bedroht, zudem gehen Ackerflächen durch die Entwicklung von Urbanisierungsaktivitäten in der Stadt verloren. Um Oberflächenveränderungen genau zu überwachen und zu bewerten, klassifizierten wir die Stadtfläche mithilfe von Satellitenbildern von Landsat-8 und Sentinel-2 und verglichen die Ergebnisse beider. Der Support Vector Machine-Klassifikator wurde auf Multisensordaten angewendet, um vier verschiedene Landkategorien mithilfe derselben Trainingsstandorte und -proben aus demselben Zeitraum zu klassifizieren. Alle Verfahren wurden auf der Google Earth Engine (GEE) Cloud-Plattform durchgeführt. Die Oberflächenreflexionsbänder beider Satelliten wurden für die Klassifizierung verwendet. Verwirrungsmatrizen wurden unter Verwendung derselben Referenzpunkte für die Klassifizierung von Sentinel-2 und Landsat-8 erstellt, um die Ergebnisse zu vergleichen und den besten Ansatz zur Klassifizierung der Landnutzung zu bestimmen. Die Ergebnisse zeigen, dass die Gesamtgenauigkeit für Sentinel-2 94,26 % betrug, während sie für Landsat-8 bei 85,04 % lag; ähnlich wurde der Kappa-Koeffizient mit 91,7 % und 78,3 % für Sentinel-2 und Landsat-8 berechnet.