SaMovar Satellitengestütztes Monitoring invasiver Arten in Chile

Transkript

1 SaMovar Satellitengestütztes Monitoring invasiver Arten in Chile Anne Clasen, Tobias Schmidt, Michael Förster, Birgit Kleinschmit, Fabian Fassnacht, Teja Kattenborn, Julián Cabezas Peña, Andreas Braun Herzlich Willkommen. Welcome.

2 SaMovar - Motivation Biodiversitäts-Hotspot Endemische Pflanzen Massiver Landnutzungswandel in den letzten Dekaden Ausbreitung invasiver Pflanzen 27 2

3 SaMovar - Untersuchungsgebiete Maule Region (Constitucion Biobio ) Region (Conception) Santiago de Chile 3 Zielarten 3 Regionen 1) Maule Region - Pinus radiata Los Lagos Region (Isla Grande de Chiloé) 2) Biobío Region - Acacia dealbata 3) Los Lagos Region Ulex europäus 27 3

4 SaMovar Pinus radiata (Monterey-Kiefer) Herkunft: Kalifornien und Mexiko Nutzung: Holzanbau / Plantage Bevorzugt gestörte Areale (Waldbrand) Schatten-intolerant Wuchshöhe bis 40 m Ausbreitungsstrategie: punktuell 27 4

5 SaMovar - Ulex europaeus (Stechginster) Hohes Invasionspotential (Top 100 IUCN) Herkunft: West-Europa & Nord-Afrika Nutzung: Zierbaum, Heckennutzung Bevorzugt gestörte Areale (Brände) Verursacht wirtschaftlichen Schaden Ausgeprägte gelbe Blütenfarbe Wuchshöhe bis 40 m Ausbreitungsstrategie: flächig

6 SaMovar - Acacia dealbata (Silber-Akazie) Hohes Invasionspotential Herkunft: Australien Nutzung: Zierbaum Gelbe Blütenfarbe, blaugraue Blätter Bevorzugt gestörte Areale (Waldbrand, Straßenränder, Flussufer) Ausbreitung: linear & flächig 27 6

7 SaMovar Überblick Detektion aktueller Vorkommen Retrospektive Detektion von Vorkommen Ausbreitungsdynamik Prognose zukünftiger Invasionsfronten Störungen (Zeitreihenanalyse) 27 7

8 SaMovar Verwendete Daten Sentinel-2A (8 Kacheln) Landsat (5 Kacheln) Vorprozessierung: - Sen2Core - FMask Verfügbare Sentinel-2A Aufnahmen Maule 27 8

9 SaMovar Verwendete Daten Verfügbare Landsat Aufnahmen seit

10 SaMovar Referenzdaten 42 UAV Befliegungen (März/Oktober) RGB Orthomosaik (Canon) 3cm Hyperspektral (VIS/NIR) (Gamaya) 10cm 27 10

11 SaMovar Referenzdaten Je nach Spezies und Methodik unterschiedliche Ansprüche an Referenzdaten Absence/Presence Punkte Deckungsanteile pro Pixel Manuelle Delineation 27 11

12 SaMovar - Methodik Lineare Entmischung Suche nach der besten Komposition aus reinen Spektren (Endmember) um ein Mischpixel zu beschreiben. Support Vector Regression Suche nach einem direkten Zusammenhang zwischen den Anteilen der Vegetation und den Reflektanzen von Sentinel-2. Random Forest Kontinuierlicher Regressionsansatz basierend auf Regressionsbäumen. Kombiniert mit Indices. GX Boost Extreme Gradient Boosting : Regression, Klassifikation und Ranking, lernend. Maxent Einklassen-Klassifikator, berechnet Vorkommenswahrscheinlichkeiten für eine Klasse. Verwendet mit multisaisonalen Daten und Indices

13 SaMovar Ergebnisse Pinus retrospektiv 27 13

14 SaMovar Ergebnisse - Pinus UAV RGB UAV Modellierung 0,1m Sentinel Modellierung 10m Klassifikationsgenauigkeiten (Sentinel-2 / Landsat Basis) 2016 Pinus Plantage Pinus wild Accuracy 0,99 0,83 Kappa 0,98 0,

15 SaMovar Ergebnisse Ulex retrospektiv Maxent Landsat 2015 Accuracy 0,95 Kappa 0,91 Maxent UAV 2016 Kappa 0,

16 SaMovar Ergebnisse Acacia Sentinel-2 Modellierung Acacia Accuracy Kappa Sentinel-2 0,99 0,98 Landsat 8 Modellierung Acacia Landsat 8 Accuracy 0,99 Kappa 0,98 Acacia UAV Accuracy Kappa 0,

17 SaMovar Ergebnisse Acacia retrospektiv 27 17

18 SaMovar Ergebnisse - Aufnahmezeitpunkte Pinus radiata Acacia dealbata Blüte Ulex europaeus Blüte Modellierungsergebnisse in Abhängigkeit vom Aufnahmedatum 27 18

19 SaMovar Ergebnisse - Aufnahmezeitpunkte 27 19

20 SaMovar Ausblick Modellierung der Ausbreitungsdynamik Geodaten (Klimadaten, Geländemodell, Bodenart) Ausbreitungswege und Geschwindigkeiten Detektierte Störungen Maximale Ausbreitungs- Potentiale Ausbreitungspotential (Zeitschnitte) 27 20

21 SaMovar Anne Clasen Herzlichen Dank. Thank you. In Kooperation mit: Gefördert durch:

22 20 22

23 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien Fabian Ewald Fassnacht, Julián Cabezas, Andreas Braun Institut für Geographie und Geoökologie, Karlsruhe Institute für Technologie Partners TU Berlin: Tobias Schmidt, Anne Clasen, Michael Förster, Birgit Kleinschmit 23

24 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Einleitung Projekt SaMovar AP 4: Detektion von Störungen innerhalb permanenter Vegetationsflächen Ziel 1: Rekonstruktion der Störungsgeschichte Ziel 2: Unterscheidung von Störungsereignissen Feuer Holzernte Weitere Arbeiten im Projekt 24 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

25 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 1: Rekonstruktion der Störungsgeschichte Methodik Studiengebiete Zentral-Süd Chile Vier Landsat-Kacheln in den Regionen Maule, Biobio und auf der Isla Chiloe 25 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

26 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 1: Rekonstruktion der Störungsgeschichte Methodik Referenz-Daten Offizielle Geodaten Chile (Feuerdatenbank) Visuelle Interpretation (high-res + Landsat-Zeitserien / Open Foris) 26 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

27 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 1: Rekonstruktion der Störungsgeschichte Methodik Work-Flow Landsat-Daten Zeitserienanalyse mittels BFAST und LandTrendr und 3 Vegetationsindizes Ensemble Ansatz 27 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

28 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 1: Rekonstruktion der Störungsgeschichte Methodik BFAST 28 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

29 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 1: Rekonstruktion der Störungsgeschichte Methodik LandTrendr _smaller_change_and_stabilize_maps_150ppi.png g 29 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

30 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 1: Rekonstruktion der Störungsgeschichte Methodik Ensemble: Kombination Vegetationsindices Drei Alternativen getestet: 1. Wenn ein Index eine Störung erkennt Störung 2. Wenn mindestens zwei Indices eine Störung erkennen Störung 3. Wenn einer der beiden Indices mit bester Übereinstimmung mit den Referenzdaten eine Störung erkennt Störung Kombination LandTrendr + BFAST steht noch aus 30 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

31 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 1: Rekonstruktion der Störungsgeschichte Methodik Sampling Vegetationsmaske Jeder neunte Pixel wird gesampled 31 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

32 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 1: Rekonstruktion der Störungsgeschichte Methodik Validierung Optimale Schwellwerte für BFAST und LandTrendr wurden automatisiert bestimmt Subset des Referenzdatensatzes (25% Feuer, 25% Holzernte, 50% konstant) Zusätzlich: Einfluss unterschiedlich zusammengesetzter Referenzdatensätze 1% 99% 99% 1% 32 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

33 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 1: Rekonstruktion der Störungsgeschichte Ergebnisse BFAST Vegetationsindices NDVI NDMI NBR2 33 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

34 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 1: Rekonstruktion der Störungsgeschichte Ergebnisse BFAST Ensemble 1 Index = Störung Mind. 2 Indices = Störung Einer der 2 Besten = Stör 34 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

35 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 1: Rekonstruktion der Störungsgeschichte Ergebnisse LandTrendr Vegetationsindices NDVI NDMI NBR2 35 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

36 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 1: Rekonstruktion der Störungsgeschichte 36 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

37 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 1: Rekonstruktion der Störungsgeschichte Diskussion Erkennbarkeit von Feuer + Holzernten unterscheidet sich Kombination von Vegetationsindizes führt zu leichten Verbesserungen Kombination der LandTrendr + BFAST Ergebnisse steht noch aus Herausforderung: zeitliche Dimension Herausforderung: Rechenzeiten + Formatänderungen USGS/NASA 37 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

38 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 2: Unterscheidung von Störungsereignissen?? Feuer Holzernte 38 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

39 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Ziel 2: Unterscheidung von Störungsereignissen Geplanter methodischer Ansatz Sentinel 2 + Sentinel 1 Erkannte Störung (BFAST/LandTre ndr) Optimierung der betroffenen Fläche Extraktion passender Präund Post-Ereignis Satelliten-Bilder aus dem Zeitserienstack Herausforderu ng: Unterschiedliche Zeiträume Prä-, Post-Ereignis Bilder Zuordnung zu Feuer / Holzernte Change-Vektor- Analyse 39 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

40 Weitere Arbeiten im Projekt DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Laufende Neben-Studien (Abschlussarbeiten) Validierung difference normalized burn ratio mittels sehr hochaufgelöster UAV-Daten Automatisierte Klassifizierung der invasiven Arten aus hyperspektralen UAV-Daten 40 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien

41 41

42 42

43 43

44 DLR Symposium Neue Perspektiven der Erdbeobachtung Juni 2018, Köln Danke für die Aufmerksamkeit Partner: Geldgeber: 44 Fassnacht, Cabezas, Braun: Retrospektive Erkennung und Unterscheidung von Vegetationsstörungen im Biodiversitätshotspot Chile mittels Satellitenbild-Zeitserien