GAF AG. Satellitengestützte Waldbeobachtung in Rahmen des Klimaschutzes Dr. T. Häusler, GAF AG

Transkript

1 GAF AG Satellitengestützte Waldbeobachtung in Rahmen des Klimaschutzes Dr. T. Häusler, GAF AG Nationales Forum für Fernerkundung ) und Copernicus 2014 Workshop Erdbeobachtungsservices für Wald- und Forstwirtschaft

2 Gliederung der Präsentation Entwicklung von GMES Service Element Forest Monitoring EO-gestützte Dienste für Europäische Nutzer und daraus Weiterentwicklungen für Klimaschutz in Entwicklungsländern (REDD+) Technische Anforderungen Probleme und Herausforderungen Ausblick für Sentinel-2 Anwendungen

3 Poland: GMES Service Element Forest Monitoring Dienstleistungsentwicklung basierend auf Politikprozessen und Nutzeranforderungen: Service Bereiche: PAN-Europäisches Forst-Monitoring Klimaveränderung Forst und Umwelt Nachhaltiges Forstmanagement Unterstützung UNFCCC und Kyoto Protokoll Reporting Fortführung von Waldinformationssystemen Unterstützung von Umweltmonitoring Detektion und Überwachung von Waldzustand und Schädigungen Unterstützung von LULUCF Clean Development Mechanism (CDM) Projekten Europaweit, nationale und sub-nationale Abdeckungen Mindestkartiereinheit (MMU): 5 ha, ha Genauigkeiten: 85% -95% Nutzer in der Implementierungsphase Pan-European: Germany: EEA Sweden: BMVEL, NBF Russia: TLWJF, FS-I UBA-G, Global Woods, Latvia: LANU, SFS LFG The Netherlands: LNV France: AFOCEL, CAFSA, CFBL Spain: MMA, Switzerland: Italy: SBO-ME SAEFL MATT ME Austria: UBA-A Greece: NOA Koordiniert von der GAF AG, >50 Partner: Nutzer, Dienstleister, Forschungsinstitutionen French Guiana: CITEPA, MAAPAR South Africa: CSIR Indonesia: BPPT

4 Entwicklung bei der GAF AG seit 2003 GSE Forest Monitoring Europäische Entwicklungen EO Produkte großflächige und lokale Abdeckungen Internationale Entwicklungen Beratung zu globalen Klimaschutz und Umweltprogrammen REDD MRV für Klimaschutz durch Walderhalt Forschung & Entwicklung Geoland2hochauflösender Waldlayer Produktionsketten für großflächige Kartierung Forest Downstream Services Schadensbeobachtung: Sturm, Schnee, Insekten,. REDDAF - FP7 R&D SAGA EO FP7 Design und Implementierung von REDD+ MRV Systemen GIO Land - Forst und Versiegelung F&E z.t. noch nicht abgeschlossen Status Operationalität KFW REDD Cameroon GEOforAfri SADC GIZ Project

5 GMES Initial Operations Land Dienste M. Probeck «High-Resolution Layers» Operationelle Implementierung von EEA an führende europäische Industrie-Konsortien beauftagt Kartierung von 5 thematischen High-Resolution Layern der Landbedeckung für ganz Europa aus hochauflösenden optischen Satelliten-Daten Die GIO-Land Dienste umfassen zusammen 5.8 mio km² = 39 Länder (EU-27 + assoziierte Staaten + EEA Mitgliedsstaaten) GAF und Partner kartieren die High-Resolution Layer Wald und Versiegelte Flächen für 20 Länder in West-, Mittel-, Ost- und Südost-Europa Waldtypen: Nadelwald/Laubwald/Nichtwald; 20 m pixel-basiert/0,5 ha MMU Baumbedeckungs-+ Versiegelungsgrad: kontinuierliche Klassen 0-100%, 20 m pixel-basiert, 85%-90% Genauigkeit Ref.: EEA

6 GIO Land - Beispiel Kombination Baumbedeckungsgrad / Versiegelungsgrad Baumbedeckungsgrad Versiegelungsgrad Beispiel MÜNCHEN Produced using products Antrix Corporation Limited Distribution by Euromap GmbH, Germany, all rights reserved. Provided under EC/ESA GSC-DA.

7 Forstliches Downstream Konzept Copernicus Kerndienste Europaweit verfügbar (2014) HR Forest Layer (Baumbedeckungsgrad in %, Waldtypen (NW/LW) ) Satellitendaten (Image , IRS, AWiFS, SPOT, RE, etc.) Aktuelle Daten Satellitendaten nach Ereignis (Sturm, Schneebruch, Brand, Bewirtschaftung...) Zusatzdaten (regionale/nationale DGMs, Forst-GIS, Topographische Karten,...) Forstliche Downstream Dienste Nutzerspezifische Lösungen Erfassung von Änderungen/Schäden je nach Nutzeranforderung (schnelle Erfassung, detaillierte Kartierung) INSPIRE-konforme Datenbereitstellung

8 GAF war verantwortlich für die Entwicklung und Implementierung eines Systems zur Erfassung von Schäden im Wald (z.b. nach Sturm, Tornado, Schnee) und der Erfassung von Waldveränderungen durch z.b. forstliche Maßnahmen. Tatkräftige Unterstützung durch ThüringenForst G. Ramminger Service Partner: Koordiniert von: Erfassung von Sturmschäden mit Hilfe satellitenbasierter Fernerkundungssysteme

9 EUFODOS GAF Downstream Dienste Schneller Service Erfassung von In flachem Gelände Sturmschäden verwendbare Ergebnisse. Noch Entwicklungsbedarf 3 bis 5 Tage nach EO-Daten Bereitstellung in (SAR bewegterem basiert) Gelände, MMU: 3 ha da Thematische dort Schatteneffekte Genauigkeit : > 80% Geometrische und Überreflexion Genauigkeit: 10-20m verstärkt auftreten Verlässlichkeit des Gesamt-Systems muss weiter verbessert werden (z.b. verschiedene Aufnahmemodi, Interferometrie) TerraSAR-X Daten, 2012 Genaue Erfassung der Sturmflächen Optische EO Daten (z.b. RapidEye, PleiadenSpot6/7) 14 Tage bis 1 Monat nach EO- Datenbereitstellung MMU: 0,1 0,3 ha Thematische Genauigkeit (Anzahl Flächen): > 90% Geometrische Genauigkeit: 5-10m RapidEye Daten, 2012 Entwicklung dieser Dienste erfolgreich abgeschlossen Erfassung von Veränderungen im Wald (z.b. forstliche Maßnahmen, Schäden) Auf Anfrage durch den Kunden 7 Tage bis 2 Monate nach EO- Datenbereitstellung MMU: 0,1 0,3 ha Thematische Genauigkeit (Anzahl Flächen): > 90% Geometrische Genauigkeit: 5-10m RapidEye Daten, 2011 G. Ramminger J. Ermert, FeLis, Univ. Freiburg

10 Entwicklung bei der GAF AG seit 2003 GSE Forest Monitoring Europäische Entwicklungen EO Produkte großflächige und lokale Abdeckungen Internationale Entwicklungen Beratung zu globalen Klimaschutz und Umweltprogrammen REDD MRV für Klimaschutz durch Walderhalt Forschung & Entwicklung Geoland2hochauflösender Waldlayer Produktionsketten für großflächige Kartierung Forest Downstream Services Schadensbeobachtung: Sturm, Schnee, Insekten,. REDDAF - FP7 R&D SAGA EO FP7 Design und Implementierung von REDD+ MRV Systemen GIO Land - Forst und Versiegelung F&E z.t. noch nicht abgeschlossen Status Operationalität KFW REDD Cameroon GEOforAfri SADC GIZ Project

11 REDD - Reducing Emissions from Deforestation & Degradation Degradierung und Entwaldung von Tropenwäldern tragen mit ca. 17% zur globalen CO2 Emmissionen bei. REDD als a potentielle post-kyoto Politik hat sich sehr schnell aus dem UNFCCC Prozess entwickelt. Entwicklungsländer können Maßnahmen zur Reduktion von Degradierung und Entwaldung ergreifen und von den Industrieländern finanzielle Kompensation für die eingesparten Emmissionen erhalten Measuring, Reporting & Verifying (MRV) von Veränderungen des Kohlenstoffvorrats im Wald nimmt daher eine entscheidende Rolle ein. Waldflächenveränderungen & Kohlenstoffvorrat: EO Daten und Stichprobeninventuren Zeitreihen von ortho-rektifizierten Daten Nationale Abdeckungen Kartierung von Landnutzung und Waldveränderungen Biomasse Inventuren

12 Monitoring Methodik für REDD Multi-Sensorale High Resolution EO Daten Forstinventur & Kohlenstofferfassung Datenanforderungen: Nationale Abdeckung in einen Jahr MMU: ha Genauigkeiten: 85%-95% Allometrische Funktionen für Biomasse-Extension Kohlenstoff Extensionsfaktoren (CEF) Kohlenstoffschätzung pro Stichprobe Kombination von EO und In-Situ Veränderungen Wald und Landnutzung Biomasse und Kohlenstoffvorrat Total Volume, Biomass and Carbon Stock Change in Schleswig Holstein between 1990 and 2005/06/07 Veränderungen Multi -Temporale Wald Klassifikation Activity Data AD Activity Data x Emissions Factoren * Volume in m³ Biomass in t Carbon in t Volume in m³ Biomass in t Carbon in t Volume in m³ Biomass in t Carbon in t Page 12

13 Service in der Republik Kongo Forest cover and forest cover change maps for Republic of Congo Page 13

14 Erweiterung eines Flüchtlingscamps zu einer größeren Siedlung an der Grenze zu DRC ( 1990 bis 2010) 2010 Page 14

15 Service in Gabun Page 15

16 Regionales REDD+ MRV für SADC SADC - Southern African Development Community, 15 Mitgliedsstaaten, 5,5 mio km² Woodland Ökosysteme nehmen 2.7 million km² im südlichen Afrika ein, hohe Biodiverstät und hohe Entwaldungsraten. SADC ist an regionalem, ökosystembasierten REDD+ System interessiert. Zielsetzung: Entwicklung eines regionalen, IPCC-Richtlinien konformen REDD+ MRV Systems Pilot Implementierung in vier Pilot-Ländern Aufbau von Kapazitäten für MRV Unabhängiges MRV Pre-audit für IPCC Konformität

17 SADC Regional Monitoring System Development of Integrated Monitoring Systems for REDD+ in Southern African Development Cooperation Design of MRV Activity Data Assessment Emmission Factor Assessment Financed by: Based on Ecosystem Stratification EO Data DD Mappining Forest Inventory Calculation of Carbon Emmissions Define key building blocks and elements for a regional system Prototyping of AD and EF Pilot countries in 3 Testsites á 26,000 km² Represented Ecosystems Miombo Mopane Baikieae Rapideye Landsat Spot 4/5 Alos Palsar three points in time (1990, 2000, 2010) MMU >= 0.5ha Accuracy > 95% Stratified random sampling for each ecosystem Sampling error < 5% Measured carbon pools AGB and Dead Wood AD and EF equations for calculation of Emmission Factors Cost/benefits of using different EO data sensors Service Partners: Project details: Start: End: Member States of SADC Pilot Countries: Botswana, Malawi, Mozambique, Zambia

18 18

19 Probleme bei der Kartierung von Trockenwäldern Die momentane Prozesskette ist optimiert für tropischen Regenwald und nicht für laubwerfende Trockenwälder Größere Ungenauigkeiten bei der Kartierung durch: Phänologie der Bestände, saisonbedingte Belaubung Einschränkungen der EO Datenverfügbarkeit für dichte EO Zeitreihen

20 Herausforderungen Phänologie der Baumarten und Bestände: laubabwerfend, relativ niedrige Baumhöhe im Erwachsenenalter (7-15m), geringe Bestandesdichte auf großen Flächen, zwischen dem Baumbestand offener Boden, Grassland, Büsche, Dickungen in verschiednen Dichten Wald: baumbestandene Flächen zwischen 10% und 100% Beschirmungsdichte Nicht-Wald Verursacht spektrale Konfusion in EO Signalen was zu größeren Ungenauigkeiten in der Klassifikation und der Flächenbestimmung führt GAF AG 20

21 Herausforderungen Laubfall in der Trockenzeit, ca. April bis Ende Oktober, je nach Wasserversorgung der Bestände unterschiedlich Beste Unterscheidbarkeit der Wälder von Nichtwald in Regenzeit (Nov.-März) aber Wolkenproblem Example of Phenolgy difference between seasons: Test site in North Botswana Baikieae Forest Woodland Baikieae Forest Woodland Landsat-5 TM courtesy of the U.S. Geological Survey. Landsat-5 TM courtesy of the U.S. Geological Survey. End of Rainy Season: Landsat Dry Season: Landsat Saisonalitätseffekte führen zu größeren Flächenungenauigkeiten

22 Anforderungen Dichte EO Zeitreihen für großflächige Abdeckungen mit ausreichender räumlicher und spektraler Auflösung Einschränkungen bestehender Sensorsysteme: Kapazitäten für Datenakquisition auf sehr großen Flächen mit sehr kleinen Zeitfenstern sind begrenzt Kombination von spektraler Auflösung und adäquater räumlicher Auflösung eingeschränkt

23 Lösung: Sentinel-2 Hohe Repetitionsrate für große Flächenabdeckungen in kurzen Zeitintervallen: 5 Tage Wiederholungszyklus (mit 2 Satelliten), 290 km Bahnbreite! Hohe räumliche Auflösung für die Erfassung Woodland-Beständen mit niedrigen Beschirmungsdichten: 10, 20 and 60 m Hohe spektrale Auflösung für die Trennung von Wald und anderen ähnlich reflektierenden Vegetationsklassen: 13 spektrale Kanäle (VIS, NIR & SWIR)

24 Sentinel-2 Swath SPOT4 60 x 60 km x 2 IRS P6 LISS III 141x141 km Landsat ETM+ 180 x 172 km Sentinel x 290 km High revisit time assured by twin satellite observations performed over a very large swath

25 Landsat / Sentinel-2 coverage in Cameroon (10 days simulation) Landsat Landsat & Sentinel 2A Landsat & Sentinel 2A & Sentinel 2B

26 Vielen Dank für Ihre Aufmerksamkeit Kontakt: