@phdthesis{Tyrallova2013,
  author    = {Tyrallov{\´a}, Lucia},
  title     = {Automatisierte Objektidentifikation und Visualisierung terrestrischer Oberfl{\"a}chenformen},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-69268},
  school      = {Universit{\"a}t Potsdam},
  year      = {2013},
  abstract  = {Die automatisierte Objektidentifikation stellt ein modernes Werkzeug in den Geoinformationswissenschaften dar (BLASCHKE et al., 2012). Um bei thematischen Kartierungen untereinander vergleichbare Ergebnisse zu erzielen, sollen aus Sicht der Geoinformatik Mittel f{\"u}r die Objektidentifikation eingesetzt werden. Anstelle von Feldarbeit werden deshalb in der vorliegenden Arbeit multispektrale Fernerkundungsdaten als Prim{\"a}rdaten verwendet. Konkrete nat{\"u}rliche Objekte werden GIS-gest{\"u}tzt und automatisiert {\"u}ber große Fl{\"a}chen und Objektdichten aus Prim{\"a}rdaten identifiziert und charakterisiert. Im Rahmen der vorliegenden Arbeit wird eine automatisierte Prozesskette zur Objektidentifikation konzipiert. Es werden neue Ans{\"a}tze und Konzepte der objektbasierten Identifikation von nat{\"u}rlichen isolierten terrestrischen Oberfl{\"a}chenformen entwickelt und implementiert. Die Prozesskette basiert auf einem Konzept, das auf einem generischen Ansatz f{\"u}r automatisierte Objektidentifikation aufgebaut ist. Die Prozesskette kann anhand charakteristischer quantitativer Parameter angepasst und so umgesetzt werden, womit das Konzept der Objektidentifikation modular und skalierbar wird. Die modulbasierte Architektur erm{\"o}glicht den Einsatz sowohl einzelner Module als auch ihrer Kombination und m{\"o}glicher Erweiterungen. Die eingesetzte Methodik der Objektidentifikation und die daran anschließende Charakteristik der (geo)morphometrischen und morphologischen Parameter wird durch statistische Verfahren gest{\"u}tzt. Diese erm{\"o}glichen die Vergleichbarkeit von Objektparametern aus unterschiedlichen Stichproben. Mit Hilfe der Regressionsund Varianzanalyse werden Verh{\"a}ltnisse zwischen Objektparametern untersucht. Es werden funktionale Abh{\"a}ngigkeiten der Parameter analysiert, um die Objekte qualitativ zu beschreiben. Damit ist es m{\"o}glich, automatisiert berechnete Maße und Indizes der Objekte als quantitative Daten und Informationen zu erfassen und unterschiedliche Stichproben anzuwenden. Im Rahmen dieser Arbeit bilden Thermokarstseen die Grundlage f{\"u}r die Entwicklungen und als Beispiel sowie Datengrundlage f{\"u}r den Aufbau des Algorithmus und die Analyse. Die Geovisualisierung der multivariaten nat{\"u}rlichen Objekte wird f{\"u}r die Entwicklung eines besseren Verst{\"a}ndnisses der r{\"a}umlichen Relationen der Objekte eingesetzt. Kern der Geovisualisierung ist das Verkn{\"u}pfen von Visualisierungsmethoden mit karten{\"a}hnlichen Darstellungen.},
  language  = {de}
}