Betreuung: Markus Hollaus, Anna Iglseder

Das Monitoring von Grünflächen gewinnt im urbanen Raum zunehmend an Bedeutung, um gezielte Maßnahmen gegen den Klimawandel und zur Reduktion seiner Auswirkungen auf Städte zu ermöglichen. Aus diesem Grund wurde in Wien ein Projekt zur Weiterentwicklung des städtischen Grünraummonitorings initiiert. Während die Begrünung des öffentlichen Raumes bereits durch z.B. den Baumkataster in hoher räumlicher Auflösung erfasst wird, sind andere Begrünungsmaßnahmen bislang nur eingeschränkt dokumentiert. Dazu zählen insbesondere Dachbegrünungen, deren Popularität in den letzten Jahren kontinuierlich zunimmt. Bisher erfolgte die Erfassung von Dachbegrünungen lediglich in Form einer binären Ja/Nein-Klassifikation pro Gebäude. Eine quantitative Detektion und weiterführende Differenzierung in Vegetationsklassen wie Bäume, Büsche, Wiese, überhängende Bäume oder versiegelte Dachflächen würde jedoch eine deutlich aussagekräftigere Grundlage für Planungs- und Monitoringmaßnahmen darstellen.Ziel dieser Masterarbeit ist die Entwicklung eines automatisierten Verfahrens zur detaillierten Klassifikation von Dachbegrünungstypen in Wien auf Basis aktueller Airborne-Laser-Scanning-(ALS)-Daten aus Juni 2023. Die Datenerhebung erfolgte während der Vegetationsperiode (Leaf-on), wodurch Daten vollständig entwickelter Vegetationsstrukturen gegeben sind. Neben geometrischen Informationen enthalten die ALS-Daten auch spektrale Informationen (RGBI), die eine erweiterte Analyse ermöglichen. Ergänzend werden Daten aus der Mehrzweckkarte der Stadt Wien in den Klassifikationsprozess integriert. Zur Validierung der Ergebnisse werden repräsentative Testgebiete im Wiener Stadtgebiet definiert. Für jede Begrünungsklasse werden geeignete Referenzflächen ausgewählt und manuell kartiert, wobei auf eine möglichst heterogene Zusammensetzung der versiegelten Dachflächen geachtet wird. Zur Differenzierung der charakteristischen Merkmale der Vegetationsklassen wird eine explorative statistische Analyse der ALS-Daten durchgeführt. Die effiziente Verarbeitung der Punktwolke erfolgt mittels eines Python-basierten Workflows unter Verwendung von OPALS-Modulen. Zur Beschränkung der Analyse auf Dachflächen wird die Punktwolke vor der Klassifikation mithilfe von Gebäudegrundrissen aus der Mehrzweckkarte maskiert. Die eigentliche Klassifikation erfolgt auf Basis eines regelbasierten Entscheidungsbaumes mit Schwellenwerten. Zusätzlich wird eine Vegetationskarte aus dem aktuellen Grünraummonitorings der Stadt Wien als weiteres Entscheidungsmerkmal zur Trennung von bewachsenen und unbewachsenen Flächen herangezogen.Als Endprodukt entsteht eine pixelbasierte Klassifizierungskarte der Wiener Dachflächen. Um die Qualität der Klassifikation zu bewerten, wird die erzeugte Karte mit manuell kartierten Referenzdaten verglichen. Die Validierung zeigt, dass je nach Testgebiet eine Overall Accuracy zwischen 0.84 und 0.96 erzielt wird. Diese Genauigkeitswerte bestätigen, dass der entwickelte Ansatz die unterschiedlichen Vegetations- und Dachtypen in den meisten Fällen zuverlässig identifiziert. Die resultierende Klassifizierungskarte bietet somit eine detaillierte und belastbare Darstellung des aktuellen Bestands an Dachbegrünungen in Wien. Sie stellt eine wertvolle Entscheidungsgrundlage für stadtplanerische Prozesse dar und unterstützt bei zukünftigen Maßnahmen im Bereich Klimaschutz und grüner Infrastruktur.