View the Project on GitHub JonasHeinz/landcover_analysis
Vergleich LULC-Datensätze in der Schweiz
Erkenntnisse der Vergleichsanalysen
Die Arealstatistik dient als Referenz für den Qualitätsvergleich der LULC-Datensätze. Die Klassifikationsmetriken zeigen deutliche Leistungsunterschiede:
- Amtliche Vermessung: geringste Übereinstimmung, tiefe Accuracy und schwacher F1-Score → insgesamt wenig verlässlich.
- CORINE 2012/2018: solide, ausgewogene Resultate mit guter Übereinstimmung; beide Versionen nahezu gleichwertig.
- ESA WorldCover 2020/2021: beste Gesamtleistung, besonders 2021; höchste Werte in allen Metriken → zuverlässigste Datensätze.
Rangfolge:
- ESA WorldCover 2021
- ESA WorldCover 2020
- CORINE 2012 / 2018
- Amtliche Vermessung
| Datensatz | Accuracy | Precision | Recall | F1-Score | Kappa |
|---|---|---|---|---|---|
| Amtlichen Vermessung | 0.5953 | 0.6511 | 0.5953 | 0.5361 | 0.5064 |
| CORINE Land Cover Vektordatensatz 2012 | 0.7533 | 0.7679 | 0.7533 | 0.7514 | 0.6819 |
| CORINE Land Cover Vektordatensatz 2018 | 0.7517 | 0.7685 | 0.7517 | 0.7504 | 0.6798 |
| ESA WorldCover 2020 | 0.7854 | 0.8039 | 0.7854 | 0.7752 | 0.7089 |
| ESA WorldCover 2021 | 0.8085 | 0.8218 | 0.8085 | 0.8016 | 0.7414 |
Tabelle 6: Übersichtstabelle der Klassifikationsmetriken, Ergebnisse der besseren Methode
Zentrale Ergebnisse der Vergleichsanalysen
CORINE 2018 und beide ESA-WorldCover-Datensätze zeigen eine gute Übereinstimmung mit der Arealstatistik.
Über alle Datensätze hinweg stimmen besonders Forestland und Settlements am besten mit den IPCC-Kategorien überein.
| Datensatz | Forestland | Grassland | Cropland | Settlements | Wetlands | Other Land |
|---|---|---|---|---|---|---|
| Amtlichen Vermessung | 84% | 10% | 96% | 50% | 70% | 67% |
| CORINE Land Cover Vektordatensatz 2012 | 82% | 56% | 81% | 61% | 76% | 90% |
| CORINE Land Cover Vektordatensatz 2018 | 85% | 58% | 85% | 64% | 77% | 91% |
| ESA WorldCover 2020 | 91% | 80% | 58% | 45% | 98% | 79% |
| ESA WorldCover 2021 | 95% | 83% | 59% | 44% | 78% | 83% |
| Standardabweichung | 5.4% | 29.2% | 16.7% | 9.2% | 10.6% | 9.8% |
Tabelle 7: Übereinstimmung der IPCC-Kategorien in Prozent
Methodenvergleich
Die Methode Cell Center erzielt durchgehend die besseren Ergebnisse.
Besonders bei der Amtlichen Vermessung ist der Vorteil gegenüber der Max-Area-Methode deutlich sichtbar.
| Datensatz | Methode | Kappa |
|---|---|---|
| Amtlichen Vermessung | Cell Center | 0.5064 |
| Max Area | 0.4575 | |
| CORINE Land Cover Vektordatensatz 2012 | Cell Center | 0.6819 |
| Max Area | 0.6801 | |
| CORINE Land Cover Vektordatensatz 2018 | Cell Center | 0.6798 |
| Max Area | 0.6781 | |
| ESA WorldCover 2020 | Cell Center | 0.7089 |
| Max Area | 0.6876 | |
| ESA WorldCover 2021 | Cell Center | 0.7414 |
| Max Area | 0.7208 |
Tabelle 8: Cohen’s Kappa nach Datensatz und Methoden
Diskussion
Die Unterschiede zwischen den Datensätzen hängen stark von ihrer Erfassungsmethode ab:
- Arealstatistik: Luftbilder
- CORINE und ESA: Satellitenbilder
- Amtliche Vermessung: terrestrische Messungen und Zonenpläne
Dies führt z. B. bei Cropland und Grassland zu typischen Verwechslungen: Luftbilder zeigen viele Landwirtschaftsflächen im Aufnahmezeitpunkt grün, was zu Grassland-Zuordnungen führt.
Die Standardabweichungen aus Tabelle 7 sind bei CO₂-Analysen zu berücksichtigen.
Eine spezifischere Klassenzuordnung könnte die Übereinstimmung verbessern.
Die Cell-Center-Methode liefert wie erwartet die besten Ergebnisse, da sie der Struktur moderner Raster-LULC-Daten entspricht.
Abbildung 30: Luftbild Region Zürichsee