Spektrale Klassifizierung:

Diese unterschiedlichen Materialeigenschaften sind Grundlage einer rechnergestützten Auswertung, z.B. der überwachten Klassifizierung nach der Maximum-Likelihood-Methode:
"Überwacht" heißt dabei, daß man sog. "Trainingsgebiete" mit bekannter Nutzung hat. In diesen Gebieten weiß man, daß dort Wald, Weizen, ... wächst oder Gewässer, Häuser, Industrieanlagen, ... sind. Diese Gebiete, die nur einen kleinen Bruchteil des Untersuchungsgebietes ausmachen und die man durch Ortsbegehung, Karten oder andere Quellen gewinnt, unterwirft man einer statistischen Untersuchung. Diese ergibt für jede Klasse charakteristische Werte (Mittelwert, Streuung), die man z.B. für jeweils zwei Kanäle auch bildhaft als Ellipsen darstellen kann. Der Rechner spannt diesen "Merkmalsraum" aber über alle Kanäle mehrdimensional auf.

Danach ordnet man jeden einzelnen Punkt eines Bildes (Pixel) die nächstbeste Klasse zu, indem man in diesen statistischen Maßen gerechnet die nächstgelegene Klasse sucht.

Beachten muß man, daß man über solche spektral arbeitenden Fernerkundungsverahren das Untersuchungsgebiet in "Spektralklassen" unterteilt. Das muß nicht immer konform sein mit der menschlichen Unterteilung. Ob eine dichte Gruppe von Bäumen ein ganz normaler Wald ist oder ein Park mit Naherholungsfunktion oder ein ökologisch besonders wertvolles Hochmoor, daß halt bewaldet ist, lässt sich spektral von oben betrachtet kaum unterscheiden. Auch wenn einem andererseits nur die Nutzung "Wald" interessiert, muß man dennoch die spektralen Erscheinungsformen von normalen Laub- oder Nadelwald, Schonungen, abgeholzten Flächen etc. bei der Auswertung unterscheiden. Andere Probleme sind "Mischpixel", d.h. Bildpunkte, in deren Bodenelement von 30 m mal 30 m mehrere Nutzungsarten gemischt sind. Diese spektrale Mischung einzelner Klassen kann in ganz andere Klassen fallen. "Mischklasse" sind dagegen Klassen, die von vorneherein als Mischung unterschiedlicher Materialien definiert, bspw. " lockere Siedlung" aus Häusern, Straßen, Rasen etc., "Streuobst" aus einzelnen Bäumen und Wiesen. Auch diese sind nicht so gut abtrennbar wie "spektral reine" Klassen untereinander.

Entscheidende Vorteile der Fernerkundung sind aber, daß sie großräumig flächendeckend mit annähernd gleicher Qualität arbeiten und Daten großräumig zu einem einheitlichen Zeitpunkt erfassen und die Landschaft flächendeckend nach einheitlichen Kriterien und schnell beurteilen, dies auch grenzüberschreitend.