Urbane Stadtstrukturtypen als Indikator für Gebäudewerte

Abstract

Hoch aufgelöste Fernerkundungsdaten (HR) eignen sich um die Vorhersage sowie Klassifikation von soziökonomischen Parametern urbaner Räume zu unterstützen. Am Beispiel der Stadt Hue wurden urbane Stadtstrukturtypen (UST) mittels sehr hoch aufgelösten Fernerkundungsdaten (VHR) abgeleitet und mit generischen Daten angereichert, um Gebäudewerte zu klassifizieren.

UST sind eine, an lokale Klimazonen, angelehnte neue Informationsebene welche sich als Werkzeug für Planungsaktivitäten und zur Risikobewertung eignen. UST sind morphologische und topologischen Raumdaten homogener Gebäudeblöcke. Die Möglichkeiten und Grenze der Prognosefähigkeit von UST zur Bewertung für Gebäudewerten wurde für das Fallbeispiel Hue untersucht und bewertet. UST allein konnten Gebäudewerte nicht prognostizierten doch stellten sie eine gute räumliche Gliederungsmöglichkeit dar zur Beschreibung und Zusammenfassung von Stadtteilen bzw. Häuserblocks.

Nachdem die UST mit zusätzlicher unterstützender generischer Information angereichert wurden boten sie eine geeignete Raumeinheit die welcher mit relevanten Merkmalen zur Gebäudewertklassifikation befüllt wurde. Der bereitgestellte generische Merkmalsraum ist global verfügbar und setzte sich aus OpenStreetMap (OSM) Erreichbarkeitsanalysen, Continious Change Detection and Classification (CCDC) Zeitseriendaten, Nightlight Daten und Demographischen Daten zusammen.