Entwicklung eines OpenSource-WebGIS zur Modellierung von Pflanzenentwicklungsphasen

Transkript

1 7. Geofachtag Halle (Saale) Entwicklung eines OpenSource-WebGIS zur Modellierung von Pflanzenentwicklungsphasen Henning Gerstmann 1, Markus Möller 1, Florian Thürkow 2, Cornelia Gläßer UMGEODAT Umwelt- und Geodatenmanagement GbR

2 Gliederung 1. Projektüberblick 2. Wissenschaftlicher Hintergrund 3. WebGIS: WPA-PhenoS Geo- und Metadatenbank Geodateninfrastruktur Phänologische Modellierung Abfrage, Analyse und Visualisierung Geodatenviewer 4. Ausblick 5. Zusammenfassung

3 Projektüberblick Phänologische Strukturierung von hochauflösenden Sentinel-2-Datensätzen zur Optimierung von Landnutzungsklassifikationen Laufzeit: April 2013 Oktober 2016 Projektpartner: Institut f. Geowissenschaften und Geographie FG Geofernerkundung Prof. Dr. Cornelia Gläßer UMGEODAT-Umwelt- und Geodatenmanagement GbR Florian Thürkow Lehrstuhl für Fernerkundung Prof. Dr. Christopher Conrad Gefördert durch: Department Landschaftsökologie Dr. Daniel Doktor

4 Wissenschaftlicher Hintergrund Landnutzungsklassifikation ist eine Hauptanwendung von Satellitendaten Unterscheidung von Anbaukulturen mit Satellitendaten bisher erschwert durch: 1. Nahe Verwandtschaft und hohe spektraler Ähnlichkeit 2. Geringe zeitliche / spektrale / räumliche Auflösung Abb. H. Gerstmannn RapidEye Tile: Natural color RESA-ID: 653 Copernicus / Global Monitoring for Environment and Security Sentinel-2: Einzigartige Kombination aus spektraler und räumlicher Auflösung mit Wiederholraten von ca. 5 Tagen

5 Wissenschaftlicher Hintergrund Möglichkeit zur spektralen Trennung variiert mit verschiedenen Entwicklungsstadien der Zielarten Phänologische Phasen können als Indikator für Zeitfenster zur Satellitenbildauswahl dienen Höhere Klassifikationsgenauigkeiten Verringerte Datenmengen Operationelle Anwendung möglich

6 Wissenschaftlicher Hintergrund Untersuchungsgebiete: Harzvorland bei Könnern und Hettstedt Demmin in Mecklenburg- Vorpommern 1km-SRTM DEM und Untersuchungsgebiete. Abb: H. Gerstmann RapidEye ID: True color RESA-ID: 653

7 Webbasiertes Prognose- und Auskunftssystem WPA-PhenoS OpenSource-WebGIS auf Basis von Drupal 1, GeoServer 2 und PostgreSQL 3 Abfrage des tagesaktuellen Standes der Pflanzenentwicklung auf 1 km-raster-basis Auswahl von verfügbaren Satellitendaten zur optimalen Phase Hintergrundinformationen zu phänologischen Beobachtungen, Klima und Topographie

8 Webbasiertes Prognose- und Auskunftssystem WPA-PhenoS Aerial Photos Aerial Photos Abb: D. Thürkow

9 WPA-PhenoS: Geo- und Metadatenbank Aerial Photos Aerial Photos Abb: D. Thürkow

10 WPA-PhenoS: Geo- und Metadatenbank Beschreibung relevanter Geodaten in Metadatenbank aktuell z.b.183 Satellitenbilder, 32 Hyperspektrale Datensätze Verwendung des standardkonformen Metadatenstandards Dublin-Core Lightweight Profile for Geospatial 4 (DCLight4G) Abb: D. Thürkow

11 WPA-PhenoS: Geodateninfrastruktur Aerial Photos Aerial Photos Abb: D. Thürkow

12 WPA-PhenoS: Geodateninfrastruktur Visualisierung freier Geodaten und Services WMS OSM, ESRI World Topo Map Aerial Photos WMS Bing, Google Earth, ESRI World Imagery Sentinel-2, MODIS WMS / WFS / WCS INSPIRE, GDI Deutschland, andere nationaler Behörden SRTM, WorldDEM (TerraSAR-X, TanDEM-X) Abb: D. Thürkow

13 WPA-PhenoS: Phänologisches Modell PHASE Aerial Photos Aerial Photos Abb: D. Thürkow

14 WPA-PhenoS: Phänologisches Modell PHASE Ansatz von MÖLLER ET AL. (2011) als R-Script Modellierung phänologischer Phasen über Temperatursummen Frei verfügbare Eingangsdaten: Phänologische und meteorologische Beobachtungsdaten (Daten: DWD) Digitales Höhenmodell (SRTM) Abb: H.Gerstmann

15 WPA-PhenoS: Phänologisches Modell PHASE Abb: H. Gerstmann

16 WPA-PhenoS: Phänologisches Modell PHASE Keine Parametrisierung durch Nutzer erforderlich Retrospektiv und tagesaktuelle Modellierung möglich Zweites Modell: Promotor-Inhibitor-Modell (Schaber & Badeck 2003) Bearbeitet vom Projektpartner UFZ

17 WPA-PhenoS: Abfrage, Analyse und Visualisierung Aerial Photos Aerial Photos Abb: D. Thürkow

18 WPA-PhenoS: Abfrage, Analyse und Visualisierung Zeit-, art- und flächenbasierte Abfrage von: Klimainformationen Phänologischen Beobachtungen und modellierten Phasen Zeitfenstern für Klassifikation Visualisierung über: WMS-Server Verschiedene Basiskarten Satellitendaten-Mosaike WMS-Layer können in Desktop-GIS (ArcGIS, QGIS) eingebunden werden

19 WPA-PhenoS: Abfrage, Analyse und Visualisierung Automatisierte WMS-Generierung der Modellergebnisse Wiki zur Dokumentation

20 WPA-PhenoS: Abfrage, Analyse und Visualisierung Zeitfensterdetektion Abfrage der optimalen Zeitfenster für Satellitendaten je nach Region, Jahr, Zielklassen Ansatz nach MÖLLER ET AL. (2012): 1. Vegetationsindizes als spektrale Ähnlichkeitsmaße 2. Detektion von Zeitpunkten möglichst geringer Ähnlichkeit 3. Verbindung dieser Zeitpunkte mit phänologischen Phasen Phasen als Indikatoren für gute Trennbarkeit

21 WPA-PhenoS: Abfrage, Analyse und Visualisierung Zeitfensterdetektion Zeitreihe Differenz Kopplung an phänologische Phase Roggen: Blüte Gerste: Ährenschieben S O N D J F M A M Jun Jul A S Monat SAVI = 1.5*(NIR-Rot) / (NIR+Rot+0.5)

22 WPA-PhenoS: Abfrage, Analyse und Visualisierung Multitemporale Klassifikation Optimale Vegetationsindizes für die Trennung der Zielklassen gehen in eine Klassifikationsumgebung (MELanGe) ein Bearbeitet vom Projektpartner Uni Würzburg Multitemporale Klassifikation zur Bewertung des Einflusses verschiedener Aufnahmezeitpunkte auf die Klassifikationsgenauigkeiten Abb.: P. Knöfel (2015)

23 WPA-PhenoS: Geodatenviewer Aerial Photos Aerial Photos Abb: D. Thürkow

24 WPA-PhenoS: Geodatenviewer Visualisierung von Klimadaten von ca. 500 DWD-Stationen Abb: D. Thürkow

25 WPA-PhenoS: Geodatenviewer Statistische Abfrage phänologischer Beobachtungen Abb: D. Thürkow

26 WPA-PhenoS: Geodatenviewer Visualisierung der deutschlandweit modellierten phänologischen Ereignisse Abb: D. Thürkow

27 Ausblick Einbindung der Modellergebnisse von PIM Abfrage der optimalen Phasen für nutzerdefinierte Klassen Weiterleitung zu verfügbaren Satellitendatensätzen von optimalen Phasen

28 Zusammenfassung Entwicklung von Algorithmen zur operativen Auswertung von Sentinel-2-Satellitendaten Auswahl von besonders aussagekräftigen Satellitenbildern für Landnutzungsklassifikationen Phänologische Modellierung und Zeitfensterdetektion OpenSource-WebGIS zur Abfrage von Beobachtungsdaten, modellierten phänologischen Informationen, optimalen Satellitendaten und Sekundärdaten

29 Vielen Dank! Gefördert durch:

30 Referenzen MÖLLER, M; BIRGER, J. & GLÄßER, C. (2011): Automatic real-time interpolation of phenological phases. ISPRS WG VII/5 Workshop. Köln. MÖLLER, M.; MÜLLER, S.; DOKTOR, D. & GLÄßER, C. (2012): Phenological structuring of multitemporal RapidEye imagery. IEEE International Geosciences and Remote Sensing Symposium (IGARSS). München. SCHABER, J. & BADECK, F.-W. (2003): Physiology-based phenology models for forest tree species in Germany. International Journal of Biometeorology 47 (4),