Landcover Classification

Landbedeckungsklassifikation ist der Landbedeckungskartierungsdienst von Kumi Analytics für naturbasierte Lösungen (NbS) Projekte, nationale Berichterstattung und Planung. Landbedeckungskarten, die auf Landesebene und auf Projektebene erstellt werden, verwenden oft unterschiedliche Legenden, sodass Teams diese abgleichen müssen, bevor sie nationale Trends mit Standortbedingungen vergleichen können; Kumi Analytics argumentiert außerdem, dass generische globale Landbedeckungsprodukte Klassen verwenden, die für heterogene Landschaften zu grob sind.

Der Dienst klassifiziert Satellitenbilder in flächendeckende nationale oder regionale Karten mit 10 m oder 30 m Auflösung sowie in höher aufgelöste Screening-Karten auf Projektebene, wobei auf jeder Ebene eine einheitliche Taxonomie verwendet wird. Optische und SAR-Bilder werden dort kombiniert, wo es sinnvoll ist, mit Kompositen und multitemporaler Analyse, um die Klassifikation in wolkenreichen Regionen und über Jahreszeiten hinweg stabil zu halten. Die Ausgaben umfassen Entwaldungsgrundlagen, Wald/Nicht-Wald-Klassifikationen und Ökosystemtypkarten der Art, die von Verra, Gold Standard und REDD+ nationalen Abrechnungsrahmen gefordert werden, sowie Landbedeckungsveränderungsschichten und Zeitreihen für Entwaldung, städtische Ausdehnung, Landwirtschaft und Wiederherstellung.

• Standards-konforme Legenden: UN-FAO LULC-Stiloptionen oder Legenden, die an nationale Systeme wie CORINE, Ministeriumsschemata oder projektspezifische Klassen angepasst sind.
• Machbarkeits-Screening: schnelle, grobe Klassifikation zur Vorauswahl potenzieller Projektgebiete vor detaillierten Erhebungen.
• Validierung: Genauigkeitsbewertung und, falls erforderlich, Unsicherheitsquantifizierung, damit die Ergebnisse in Berichten und Prüfungen Bestand haben.
• Sektorübergreifende Nutzung: dieselben Karten dienen Kohlenstoffprojekten, Landwirtschaft, Stadt- und Raumplanung, Biodiversitäts- und Habitatbewertung, Wasser- und Einzugsgebietsanalysen, Katastrophenrisiko- und ESG-Berichterstattung.

Kumi Analytics berichtet, dass eine seiner Satellitenklassifikationen in Nord-Sumatra eine Genauigkeit von 94,58 % bei der Unterscheidung von Mangroven, Palmölplantagen und tropischem Wald erreichte.