Identifikation und Massenabschätzung von Makrophythen mit Methoden der Fernerkundung

Transkript

1 1. Fachkonferenz Elodea nuttallii im Goitzschesee , UFZ Magdeburg Identifikation und Massenabschätzung von Makrophythen mit Methoden der Fernerkundung Prof. Dr. Arnulf Melzer Limnologische Station der Technischen Universität München

2 Inhalte Umfeld Die Methode Fernerkundung Ansätze zu Makrophythenidentifikation mit Methoden der Fernerkundung Biomassebestimmung Schlussfolgerungen und Ausblick

3 Umfeld Ausgangspunkt: Fernerkundung (FE) bietet einen Methodenpool, der geeignet erscheint, die Untersuchung zum Phänomen der Massenausbreitung von Elodea nuttaltiis zu unterstützen Vorstudie am Goitsche See 2005 im Auftrag des UFZ: Hyperspektraldaten erfaßt mit dem AVIS System der Fa. GTCO (UltraLight Fluggerät, INS, Abbildendes Spektrometer für den VIS/NIR Bereich) Unterstützung der Normalisierung der Daten durch ASD FieldSpek FR Feldspektroradiometermessungen und Tauchkartierung in Transsekten Fachlicher Ansatz: Methodenentwicklung im Rahmen eines mehrjährigen HTO Bayern Vorhabens zur Makrophythen-Bestimmung mit Methoden der Fernerkundung (Unterwasser-Spektroskopie, Hyperspektralsenorik HyMap, Strahlungstransfermodellierung)

4 AVIS Hyperspektralsystem: Datenqualität Falschfarben Composit NIR/grün/blau Echtfarben RGB Composit Rot/grün/blau Gute Ergebnisse bei Land Anwendungen!

5 RGB Composit NIR/grün/blau, Kontrast-gestreckt AVIS Hyperspektral system: Datenqualität Makrophythen Erkennung läuft Im Bereich unterhalb 2% Reflexion ab!!! Die Unterschiede sind minimal, das Signal ist nahe/im Rausch-Bereich des Detektors!! Radiometrische Artefakte In Zeilen und Streifenrichtung

6 Bildstörungen in AVIS Datensätzen: Die geometrischen Bildstörungen sind an den verschwenkten Streifenrändern deutlich zu sehen. (Ursache: Bewegungen des Fluggerätes) Radiometrische Bild-Störungen sind hier Als Randaufhellungen quer zur Flugrichtung zu erkennen. (Ursache: Streulicht in der Optik der Systeme)

7 Spektralmessungen zur Normalisierung der AVIS Daten Goitsche: Spektrales Transsekt SE Ufer See Sand-Flachwasser Flachwasser < 5cm Flachwasser 20-30cm Flachwasser cm Makrophythen 100cm

8 Spektralmessungen zur Normalisierung der AVIS Daten Elodea nuttallii Foto vom Goitschesee, Spektren des Elodea Bestandes an MP 323 Niemegk (E N ) gemessen mit einem ASD Field Spek FR ca. 1 m über der Wasseroberfläche und dem AVIS System aus ca m über der Wasseroberfläche

9 Goitsche See: Transsekt Pouch Links: Auschnittvergrößerung der Tauchtranssekte AVIS Spektren der BiomasseentnahmePpunkte in 1,2,3,4 m Tiefe der Transsekte Pouch "Falschfarbendarstellung" (RGB: 50 (NIR), 5 (blau,) 20 (grün) mit Tauchtranssekt, Biomasse-Entnahmepunkten und Makrophyten-Tiefenlinie.

10 Ergebniskarte der visuellen Interpretation der AVIS Daten vom Die Analyse wurde durch Segmentation Mit ecognition 3.0 und Vorverarbeitung Mit ENVI 4.0 unterstützt

11 Fazit der Vorstudie Goitsche See: Visuelle Interpretation der Datensätze hat vielversprechende Ansätze aufgezeigt. Geometrische und vor allem radiometrische Fehler des flexiblen Leichtbau-Systems AVIS lassen keine automatisierte Auswertung zu. Für ein Inventur und Monitoring System zur Unterstützung der Ausbreitung invasiver Makrophythen muß ein vergleichbarer, reproduzierbarer Ansatz gewählt werden, hier gibt es allerdings noch Forschungsbedarf: Konzept einer physikalisch-begründeten Auswertungsschiene

12 Fernerkundliche Zielsetzung Operationelle Kartierung von submersen Makrophyten mit Fernerkundungsdaten zur Bioindizes Bestimmung N. Pinnel, 2003 Operationelle, automatische Methoden Vergleichbare, reproduzier- und übertragbare Kartierungen (Modular Inversion Program MIP ) Physikalisch basierende Modelle zur automatischen Klassifikation mit spektral hochauflösenden Daten (Multitemporaler Ansatz / GIS Integration)

13 Teilschritte zur Informationsableitung: 1. Schritt: Entwicklung eines physikalisch begründeten Rückstreu-Modells zur Simulation der Wechselwirkung von Strahlung/Atmosphäre/Wasserkörper/Sediment /Makrophythen LSensor Rz=- 0m RGrund Characeen, Sediment 2. Schritt: Anwendung des Modells Erfassung von Wasserinhaltsstoffen (KurzzeitIndikatoren) und Erfassung der submersen Vegetation (Langzeitindikatoren) N. Pinnel, 2005

14 Schritt 2: Parameter-Ableitung Linie 1: Wasserinhaltsstoffe Ablaufschema der Parameterextraktion aus FE Daten über Inversion mit dem Modularen Inversions Programm (MIP) (Heege, 2006) Linie 2: Seebodenbedeckung N. Pinnel, 2007

15 Wasser-Inhaltsstoffe: +/- stabil Nach Sabine Thiemann et.al., 2001 Phytopigmente: CHL: Chlorophyll CAR: Carotinoide PE: Phycoerythrin PC: Phycocyanin CHL CAR 440 nm 485 nm PE 570 nm Quantitative Information Eutrophierungsgrad Räumliche Verteilung Zeitliche Verteilung PC CHL 624 nm 678 nm 8,0 7,0 Reflexion [%] 6,0 5,0 4,0 3,0 2,0 1,0 0, Wellenlänge [nm] 1 Großer Wummsee ( ): 2 µg/l Chl-a 2 Schwarzer See ( ): 11 µg/l Chl-a 3 Kagarsee ( ): 34 µg/l Chl-a 4 Braminsee ( ): 48 µg/l Chl-a 5 Braminsee ( ): 70 µg/l Chl-a 6 Braminsee ( ): 90 µg/l Chl-a

16 Seeboden Bedeckung: Forschungsobjekt RAMSES Unterwasser-Spektroradiometer Reflexionsfaktor = Reflexion/Einstrahlung = R/E E L R E = gerichtete Einstrahlung R = gerichtete Reflexion L = hemispherische Reflexion gemessen über eine Streuscheibe N. Pinnel, 2004

17 Methoden Aufbau Spektral von Bibliotheken der Makrophyten Arten über Feldmessungen mit Spektroradiometern (RAMSES) 0,09 0,08 Reflectance 0,07 0,06 Chara.aspera Chara contraria Chara tomentosa Najas.marina P.perfoliatus P.pectinatus P.pectinatus fouled 0,05 0,04 0,03 0,02 0,01 0, N. Pinnel et al., Wavelength [nm] 700

18 Methoden: Spezies-Identifikation über Analyse der 1. und 2. Ableitung der Spektralsignatur-Kurven N. Pinnel et al., 2004

19 Methoden: Wellenlängen Auswahl Mit dem Modul GALGO des Statistik Paketes R wurden die Wellenlängen ausgewählt, die die optimale Unterscheidung der Makrophythen Arten versprechen. Der Algorithmus wurde auf die Reflexions-Signatur und auf die 1. und 2. Ableitung angewendet. N. Pinnel, 2007 Bei 98% Erkennungswahrscheinlichkeit wird das Abbruchkriterium erreicht! Die Anzahl der Iterationen bis zum Erreichen des Abbruchkriteriums ist für die beiden Datensätze vom Bodensee und em Starnberger See unterschiedlich

20 Diskriminanzanalyse der mit GALGO ausgewählten Bänder Bodensee Starnberger See Nicole Pinnel, 2007

21 Ergebnisse Echtfarben Komposit N. Pinnel, 2005 Karpfenwinkel, Starnberger See, 7. July 2003 Klassifikationsergebnis mit 3 Endgliedern

22 Ergebnisse - Karpfenwinkel, Starnberger See change detection Bedeckungsgrad 7. July 2003 N. Pinnel, June 2004

23 Ergebnisse - Karpfenwinkel, Starnberger See Makrophythen Arten Abundanzen Vergleich 7.July June 2004 P.perfoliatus P.pectinatus P.pectinatus fouled Chara aspera Chara contaria N. Pinnel, 2005

24 Methoden: Integratonsbedarf - Änderungen Potamogeton pectinatus 12. August 2004 im Tagesgang Chara contraria 12. August 2004 Ansatz: Spektroradiometrische Messungen über den Tag (RAMSES) Zusatzziele: Änderungen mit der Tiefenstufe N. Pinnel, 2007

25 Methoden: Integratonsbedarf - Änderungen der mit der Phänologie Potamogeton pectinatus Chara contraria Ansatz: Spektroradiometrische Messungen über die Vegetationsperiode (RAMSES) Zusatzziel: Änderungen mit dem Aufwuchs Änderungen mit der Tiefenstufe N. Pinnel, 2007

26 Forschungsbedarf: 1. Schritt: physikalisch begründetes RückstreuModell zur Simulation der Wechselwirkung von Strahlung/Atmosphäre/Wasserkörper/Sediment/ Makrophythen Beiträge Limnologische Station: Grenzfläche Wasser/Luft: Einstrahlung/ Beobachtungs-Geometrie Welleneinfluss Methodik: 1.Goniometrische Messungen im Tagesgang und über die Vegetationsperiode 2. Strahlungsmodell -Optimierung zur Korrektur der Einflüsse bei Invertierung (A. Albert 2003)

27 Forschungsbedarf: 1. Schritt: Erfassung von Wasserinhaltsstoffen (Kurzzeit-Indikatoren) und der submersen Vegetation (Langzeitindikatoren) Wassersäule (externe Beiträge): spektrale Extinktion/Tiefe Wasserinhaltsstoffe Beiträge Limnologische Station: Seeboden: Mischungsverhältnis Sediment/Makrophythen Biomasse Makrophythen-Identifikation Wassergütebestimmung (MI) (A. Albert 2003) Methodik: Spektroradiometermessungen Einfluss phänologische Phase Einfluss Aufwuchs Tiefenstufe Tauchkartierungen (Validierung) Aquarienexperimente etc.

28 Strategisches Forschungsziel: Entwicklung Integrierter Wachstums/Reflexionsmodelle für die Identifikation und Zustandsbestimmung submerser Makrophythen durch Fernerkundungsdaten Voraussetzungen: Atmosphären- und Wasserinhaltstoff Modelle Tiefenmodell Radiometrisch hoch aufgelöste Multi- bis Hyperspektraldaten für den Sichtbaren Wellenlängenbereich Multisaisonale Abdeckung Erwartungen? Ein FE gestütztes Inventur und Monitoring System für Süßwasser Seen, insbesondere auch Bergbaufolgeseen

29 Schlussfolgerungen und Ausblick Die Untersuchungen am Goitsche See sind als Testballon zu sehen und waren als solcher erfolgreich!. Eine Inventur- und Monitoring Strategie, die auf die daraus gewonnenen Erkenntnisse aufbaut, kann zu einem konsistenten Modell für alle Bergbaufolgeseen entwickelt werden. Der Ansatz unterstützt sowohl die Berichtspflicht durch die EU-WRR als auch das Management dieser Seen. Lücke: derzeit fehlt ein räumlich hochauflösendes optisches Satellitensystem für die Operationalisierung des Ansatzes. Behelf: Flugzeuggetragene Systeme wie Rosis (DLR), ARES (GFZ/DLR), HyMap (HyVista), APEX (ESA) für die Entwicklungsphase

30