Carola Weiß Hannes Feilhauer. Hyperspektrale Fernerkundung im Schutzgebiets-Monitoring

Transkript

1 Carola Weiß Hannes Feilhauer Hyperspektrale Fernerkundung im Schutzgebiets-Monitoring

2 Monitoring großer FFH Gebiete mit hyperspektraler Fernerkundung Carola Weiß & Sebastian Schmidtlein Motivation Implementierung der FFH- Richtlinie Problem Lösung Kartierung gemischter Bestände und Übergänge Kombinierte Methoden zur Abbildung von Discreta und Kontinua

3 Erste Projetkübersicht 2003 & 2004 & 2005 Planung, Datenerhebung, Datenaufbereitung 2005 & 2006 Auswertung der Vegetationsdaten 2006 & 2007 Auswertung der Vegetationsdaten mit den Hyperspektraldaten 2007 & 2008 Endergebnis: Vegetationskarte

4 Untersuchungsgebiet: Murnauer Moos Murnau a. Staffelsee Hartsteinsee Langer Köchel Bildquelle: BIS-Geofachdatenatlas Bayer. GLA 500m

5 Hochmoore

6 Kalkreiche Niedermoore

7 Schilfbestände und Bestände mit Cladium mariscus

8 Streuwiesen

9 Multispektraldaten: z.b. Landsat TM 30 x 30 qm Auflösung am Grund >100 nm spektrale Auflösung 6-7 Kanäle nm Wellenlängenspektrum 2 Bildquellen: #1: #2:

10 Was sind Hyperspektraldaten? 3 4 Bildquellen: #3: #4:

11 Hyperspektraldaten 2003 HyMap TM -Flugstreifen Source: HyMap scene 4 Murnau 4x4 qm Auflösung am Grund nm spektrale Auflösung 126 Bänder nm Wellenlängenspektrum

12 Das hyperspektrale Spektrum VIS NIR Zellstruktur Blattpigmente MIR Wassergehalt

13 Projekt Workflow Vegetationsdaten 2004 & 2005 Ordination: NMS (2-dimensional) Klassifikation: Pflanzensoziologisch Dominanz FFH-Typen Multiple Regression: PLS 1 Kombination Vegetationsdaten mit Hyperspektralen Bilddaten 2003 Bildklassifikation: Spectral Angle Mapper MESMA Abbildung von Übergängen Cross-validation Synthesekarten Abbildung von Klassen Cross-validation

14 Projekt Workflow Vegetationsdaten 2004 & 2005 Ordination: NMS (2-dimensional) Klassifikation: Pflanzensoziologisch Dominanz FFH-Typen Multiple Regression: PLS 1 Kombination Vegetationsdaten mit Hyperspektralen Bilddaten 2003 Bildklassifikation: Spectral Angle Mapper MESMA Abbildung von Übergängen Cross-validation Synthesekarten Abbildung von Klassen Cross-validation

15 Vegetationsaufnahmen 2004 Systematisches Sampling Vegetationsperiode Aufnahmen im Nordgebiet 44 Aufnahmen im Südgebiet

16 Vegetationsaufnahmen 2005 Stratifiziert-zufälliges Sampling Vegetationsperiode Aufnahmen Vorstratifizierung der hyperspektralen Szene mit ISODATA

17 Projekt Workflow Vegetationsdaten 2004 & 2005 Ordination: NMS (2-dimensional) Klassifikation: Pflanzensoziologisch Dominanz FFH-Typen Multiple Regression: PLS 1 Kombination Vegetationsdaten mit Hyperspektralen Bilddaten 2003 Bildklassifikation: Spectral Angle Mapper MESMA Abbildung von Übergängen Cross-validation Synthesekarten Abbildung von Klassen Cross-validation

18 Gradientenanalyse der Vegetationsdaten NMS (Non-metric multidimensional scaling) Eupatorium cannabinum R 2 = 9.6% R 2 = 82.8% Nordgebiet 2004

19 Gradientenanalyse der Vegetationsdaten NMS (Non-metric multidimensional scaling) Schoenus ferrugineus R 2 = 9.6% R 2 = 82.8% Nordgebiet 2004

20 Gradientenanalyse der Vegetationsdaten NMS (Non-metric multidimensional scaling) Vaccinium oxycoccus R 2 = 9.6% R 2 = 82.8% Nordgebiet 2004

21 Multiple Regression (Daten 2004) Wert auf NMS ordinationsachse * = Spektrale Information in 126 Bändern Regressionsformel Interpolation auf die komplette Szene PLS-Regressionsmodelle der NMS-achse 1 (R 2 = 0.68***) und 2 (R 2 = 0.92***) Südgebiet 2004 (R 2 in der Cross-validierung) -2.7 NMS Axis NMS Axis 2 1.0

22 Kombination der Regressionsmodelle Datensatz 2004 nord: PLS-Regressions modelle der NMS-achsen 1+2 Erkl. Varianz 92.4 %

23 Kombination der Regressionsmodelle Datensatz 2004 süd: PLS-Regressions modelle der NMS-achsen 1+2 Erkl. Varianz 95.2 %

24 Kombination der Regressionsmodelle Datensatz 2005: PLS-Regressions modelle der NMS-achsen 1+2 Erkl. Varianz 83.2 %

25 Projekt Workflow Vegetationsdaten 2004 & 2005 Ordination: NMS (2-dimensional) Klassifikation: Pflanzensoziologisch Dominanz FFH-Typen Multiple Regression: PLS 1 Kombination Vegetationsdaten mit Hyperspektralen Bilddaten 2003 Bildklassifikation: Spectral Angle Mapper MESMA Abbildung von Übergängen Cross-validation Synthesekarten Abbildung von Klassen Cross-validation

26 Klassifikation der Vegetationstypen Feuchte Hochstauden Niedermoore Streuwiesen Mähwiesen Pfeifengras-Stadium Brachliegende Streuwiesen (z.t. mit Cladium mariscus) Ausgetrocknetes Hochmoor Großseggenriede Randlagg Hochmoor-Bulte & Schlenken Schilf Überschwemmungsbereich Grundwasserlevel Mittelwasserlinie

27 Bildklassifikation Subarea 2004 north Pflanzensoziologisch Dominanz FFH-Typen

28 Subarea 2005 FFH-Typen

29 Ergebnisse der Bildklassifikation FFH-Typen 2004 Nord GR 7230 GP D3 Spektral differenzierbar: GR Falsche Zuordungen in [%] 7230 GP00BK keine Daten verfügbar 7110 < D3 > Süd GR Schilfbestände 7210 Kalkreiche Niedermoore mit Cladium mariscus VC GP VC00BK Großseggenriede der Verlandungszone VC00BK 6430 Feuchte Hochstaudenfluren Mähwiesen GP00BK 6410 Pfeifengraswiesen auf kalkreichem Boden kalkreiche Niedermoore GP00BK Sekundäre Pfeifengrasbestände (artenarm) 91D3 Bergkiefern-Moorwald 7110 Lebende Hochmoore 7120 Noch renaturierungsfähige degradierte Hochmoore 7150 Torfmoor-Schlenken 2005 GR 7210 VC00BK GP00BK 91D GR 7210 VC GP0 91D

30 Projekt Workflow Vegetationsdaten 2004 & 2005 Ordination: NMS (2-dimensional) Klassifikation: Pflanzensoziologisch Dominanz FFH-Typen Multiple Regression: PLS 1 Kombination Vegetationsdaten mit Hyperspektralen Bilddaten 2003 Bildklassifikation: Spectral Angle Mapper MESMA Abbildung von Übergängen Cross-validation Synthesekarten Abbildung von Klassen Cross-validation

31 Synthesekarte

32 Ausblick Anwendung auf andere Lebensraumtypen Diskussion mit Anwendern Publikation

33 Vielen Dank für Ihre Aufmerksamkeit! Prof. Dr. Friedrich Wieneke Jörg Wunsch Jens Neumeister Prof. Dr. Sebastian Schmidtlein Uwe Friedel Patrick Zimmermann Ralf Schüpferling Andreas Müller Martin Bachmann Deutsche Bundestiftung Umwelt

34 Hannes Feilhauer Sebastian Schmidtlein Kartierung der Artenzusammensetzung

35 Monitoring mit Fernerkundungsdaten Vorteile Objektiv Flexibel Schnell durchführbar Kostengünstig

36 Artenzusammensetzung und Reflexion Artenkombination Kurzfristige Einflüsse Vegetationsunabhängige Reflexionsanteile Biochemische und -physikalische Merkmale Reflexion

37 Ziel der Forschung

38 Offene Fragen & Probleme Kartierung der Artenzusammensetzung mit Reflexionsdaten? Bester Zeitpunkt für eine Kartierung? Phänologische Entwicklung? Stress? Multitemporale Kartierung?

39 Laufende Arbeiten Zeitraum 2008/09 Experiment Gradienten der Artenzusammensetzung Freilandmessungen Auswirkungen von Stress & heterogener phänologischer Entwicklung Bester Zeitpunkt für eine Kartierung Vergleich multitemporale / monotemporale Kartierung

40 Experiment unter definierten Bedingungen

41 Freilandmessungen