Detektion von anormalen Zeitreihen an Persistent-Scatterer-Punkten im Zusammenhang mit der Ableitung flächenhafter Bodenbewegungen

Zur Erfassung von Bodenbewegungen hat sich die radarinterferometrische Methode der Per-sistent Scatterer Interferometrie (PSI) aufgrund der erreichbaren hohen Qualitat und der zu-nehmenden Verfugbarkeit von Radar-Satellitendaten in vielen Bereichen der Wissenschaft, Wirtschaft und Behorden bewahrt. Im Vergleich zu herkommlichen Vermessungsverfahren er-zeugt die PSI-Methode eine hohe Punktdichte mit Informationen uber die zeitlich variierenden Bodenbewegungen bzw. Hohenanderungen an der Tagesoberflache und mit einer Genauig-keit im Sub-Zentimeterbereich. Aufgrund verschiedener, auch verfahrenstechnischer Ursa-chen konnen die ermittelten PSI-Hohenanderungszeitreihen an einzelnen PS-Punkten jedoch von dem erwarteten flachenhaften Bodenbewegungsverhalten abweichen. Sie sind somit fur dieses Bodenbewegungsverhalten nicht reprasentativ oder im messtechnischen Sinne grob falsch. Vor einer weiteren Nutzung dieser Ergebnisse sollten diese auffallenden „Anoma-lien“ deshalb in den vorliegenden Massendaten automatisiert erkannt und von einer Interpre-tation des Bodenbewegungsverhaltens ausgeschlossen werden. Im Rahmen der vorliegenden Arbeit wird ein raumzeitliches Clusterverfahren vorgestellt, das die automatisierte Detektion von anormalen Zeitreihen an PS-Punkten in flachenhaft vorlie-genden PSI-Ergebnissen ermoglicht. Zur Auswahl eines fur diese Aufgabenstellung geeigne-ten Verfahrens wurden verschiedene Clusterverfahren auf ihre Anwendbarkeit hin untersucht und letztlich das Verfahren „Local-Moran’s-Index“ auf Grundlage lokaler raumlicher Autokorrelationen ausgewahlter Attribute zwischen den PS-Punkten an praktischen Beispielen getestet. Es zeigte sich, dass grundsatzlich mit Hilfe des Local-Moran’s-Index - Clusterverfahrens signifikante „raumliche Anomalien“ detektiert werden konnen, dabei aber der Wahl des Attributes eine wichtige Bedeutung zukommt. Im Vergleich zur Clusteranalyse mit den Attributen „Polynomgrad“ und „Hohenanderung“ (abgeleitet aus einer Trendpolynombestimmung) konnte die Clusteranalyse mit dem Attribut „Hohenanderungsrate" ein deutlich besseres Ergebnis erzielen. Daruber hinaus ergab die Untersuchung, dass zur Beschreibung des charakteristischen Verlaufs einer Hohenanderungszeitreihe ein einziges Attribut offensichtlich nicht ausreicht. Da bei der Local-Moran’s-Index - Clusteranalyse jedoch nur ein einziges Attribut berucksichtigt werden kann, erfolgt eine Modifikation dieses Verfahrens durch Einfuhrung eines Gewichtungsfaktors zur Beurteilung und Quantifizierung der Ahnlichkeit der Hohenanderungsverlaufe benachbarter PS-Punkte. Des Weiteren wurde ein Kriterium abgeleitet, das auf einer gemeinsamen Betrachtung von raumlichen Autokorrelationen und der Anzahl benachbarter PS-Punkte basiert, und zu einer Modifikation der Local-Moran’s-Index - Clusteranalyse fuhrte. Erweitert wurde das Vorgehen um eine kleinraumige Clusteranalyse mit spezifischen, angepassten Parametern. Abschliesend wurde am Beispiel eines umfangreichen Testdatensatzes das erweiterte und modifizierte Local-Moran’s-Index - Verfahren zur…