Erfassung der Landschaftsstruktur mit multitemporalen RapidEye Bildern

Transkript

1 Erfassung der Landschaftsstruktur mit multitemporalen RapidEye Bildern -Sonderaufnahmegebiet: Biodiversitäts-Exploratorien- Paul Magdon a, Thomas Nauss b and Christoph Kleinn a a Abteilung Waldinventur und Fernerkundung, Georg-August Universität Göttingen b Umweltinformatik Philipps-Universität, Marburg 1

2 Biodiversitäts Exploratorien Was beeinflusst die Biodiversität? Sala et al. (2000) Science 287,

3 Zielsetzung der Exploratorien Wie beeinfluss die Landnutzung und ihre Intensität die Biodiversität? 2. Wie beeinflusst sich die Biodiversität verschiedener Taxa untereinander? 3. Wie wirken sich Änderungen der Biodiversität und der Landnutzungsintensität auf die Ökosystemfunktionen / Prozesse aus? 3

4 Untersuchungsgebiete Im Jahr 2006 wurden 3 Exploratorien angelegt: Schorfheide-Chorin Hainich-Dün Schwäbische Alb 4

5 Plot Design Einheitliches, hierarchisches Plot Design Pro Exploratorium: 18 VIPs (Very Intensively studied Plots) 50 MIPs (Medium Intensively studied Plots) 100 EPs 1000 GPs 50% im Wald 50% in Grünland 5

6 Projekt Statistiken (Stand: 03/2015) Forschungsprojeke: 48 Pis: Postdocs: 045 Ph.D. students: 105 Technical staff: 032 Total ~ (+18 aus früheren Phasen) Arbeitsorte des wissenschaftlichen und technischen Personals der Exploratorien (Stand 2015) Journal articles Theses (Stand: 03/2015) 6

7 Projektstruktur The Biodiversity Exploratories Core-Projects 1 Biodiversity Exploratory Office BEO 2 Local Management Teams Schwäbische Alb Hainich-Dün Schorfheide-Chorin 3 Instrumentation & Remote 4 Central Data Management BExIS Sensing Plants Forest structure Arthropods Birds & Bats Microorganisms Soils 11 Theory & Modeling 12 Ecological Synthesis Contributing projects 7

8 Warum Fernerkundung? Bereitstellung flächendeckender Informationen über die Landnutzung, Landbedeckung sowie zeitliche Dynamiken Modellbildung Vorhersagen Sowohl für die Modellbildung als auch für die Vorhersage müssen geeignete Indikatoren aus den Fernerkundungsprodukten abgeleitet werden! 8

9 Fernerkundundliche Biodiversitätsindikatoren Mittlere Bestandeshöhe Oberflächenrauhigkeit Vegetationsdichte Anzahl & Größe der Kronenlücken Vertikale Struktur Horizontale Struktur Entfernung zur nächsten Grenze, Straße, Anzahl & Länge der Grenzen im Umkreis Anteil der Landbedeckungsklasse im Umkreis Spektrale Struktur Temporale Struktur PCA Ordination Spektrale Diversität Mean, Std, Min, Max NDVI im Umkreis Anzahl / Frequenz Störungen Phänologie/ Seneszenz 9

10 Fernerkundungsdaten Sensoren Basis Produkte Abgeleitete Produkte MODIS Landsat RapidEye Pléiades LiDAR Hyperspectral Preprocessing & Qualitätskontrolle Bildverarbeitung & Analyse Task 1: Landbedeckung/-nutzung & Baumartenkarten Task 2: Horizontale & vertikale Struktur Task 3: Historische Trends 10

11 Task 1: Landbedeckungs-, Nutzungskartierung Zielsetzung: Landbedeckungskarte mit hoher räumlicher Auflösung für in alle drei Exploratorien Level 0 Wald Level 1 Nadelwald Laubwald Level 2 Baumartenkarten Grünland Kraut- & Strauch Vegetation Ackerflächen Gewässer Siedlung Weiden Mähwiesen Fließgewässer Stehgewässer Beweidungsintensität Mähzyklen 11

12 RapidEye Band 2 RapidEye Band 3 Histogramme der Segmentmittelwerte aus den Trainingsdaten 12

13 Multi-Temporal RapidEye Aufnahmen March April Mai June Juli August September October Hai 1 1 Alb 1 1 Sch 0 Hai Alb Sch Hai 0 Alb 0 Sch 1 1 Hai Alb Sch Hai Alb Sch Total 78 Durch den Status als Sonderaufnahmegebiet stehen seit 2014 deutlich mehr Aufnahmen zur Verfügung Im Jahr 2014 konnten jedoch hauptsächlich Frühjahrsaufnahmen verwendet werden 2015 konnten Aufnahmen aus dem Sommer und Herbst ergänzt werden 13

14 RapidEye Prozessierung RapidEye L1B RapidEye L1B RapidEye L1B Orthorektifizierung & Bild- Coregistrierung DGM der Landesvermessung 40 GCPs im Feld gemessen Automatische Co-Registrierung auf Referenzsystem mit Bildkorrelationsverfahren TOA Berechnung (ATCOR) NDVI NDVI NDVI t2 t3 NDVI t1 Objektfeatures: Mittelwert, Standardabweichung, Max, Min, Range Multi-temporal PCA Mean-Shift Segmentation Objektbasierte Klassifikation Landbedeckungskarte Trainingsdaten RandomForest 10-fold Crossvalidation 14

15 Multitemporale NDVI Auswertung Multitemporale-NDVI Farbkomposite: b= , g= ,r=

16 RapidEye NDVI Zeitreihe Aufnahmen Spline-Interpolation der Segmentmittelwerte Größte Unterschiede im Frühling und Herbst Die NDVI Zeitreihen unterscheiden sich für die Landbedeckungsklassen Anzahl der Aufnahmen / Stützpunkte gering 16

17 17

18 Genauigkeitsanalyse Gesamtgenauigkeit: 0.77 Ergebnisse der 10-fold Kreuzvalidierung für die NDVI basierte Landbedeckungsklassifikation in der Schwäbischen Alb 18

19 Strauch und Krautvegetation: Truppenübungsplatz Münsingen, Schwäbische Alb Quelle: 19

20 Landschaftsstruktur Analyse Aufgrund der unterschiedlichen Projekte/ Anforderungen wird eine ondeman Prozessierung angestrebt: PostGIS Datenbank SQL Abfragen zur Berechnung der Metriken Ziel: WebGis Implementierung 20

21 Diskussion Segmentierung auch für kleiner Objekte (e.g. Baumgruppen, Sträucher) erfolgreich Gesamtgenauigkeit auf Basis einer 10-Fold Kreuzvalidierung: 0.77 (+/- 0.12) Durch die Beschränkung auf NDVI kommt es zu Fehlklassifikation von Wasserflächen Kraut/ Strauchflächen der Schwäbischen Alb können mit den NDVI Zeitreihen nicht eindeutig von Weiden / Waldflächen getrennt werden 21

22 Ausblick & Zusammenfassung Nächste Schritte: Wolkenmaskierung -> unterschiedliche Zeitreihen für die Objekte Multi Sensor Fusion: Landsat, MODIS, LiDAR, hyperspektral -> radiometric Cross-Calibration Entwicklung von spektral Metriken zur Beschreibung von funktionaler Diversität Zusammenfassung: Biodiversitäts-Exploratorien sind sehr gut für die Entwicklung von Biodiversiätsmonitoringverfahren geeignet Für phänologischen Auswertungen sind hohe temporale Auflösungen wichtig 22

23 Danksagung Danke für Ihre Aufmerksamkeit! Deutschen Forschungsgemeinschaft für die Finanzierung des Projektes DLR für die Unterstützung im Rahmen des RESA Projektes BlackBridge für die Unterstützung bei der Bestellung und Auswahl der Bilder 23

24 Sala, O. E., Chapin, F. S., Armesto, J. J., Berlow, E., Bloomfield, J., Dirzo, R., Wall, D. H. (2000). Global biodiversity scenarios for the year Science (New York, N.Y.), 287(5459), doi: /science