Graslandsysteme : Fernerkundung. Prof. Nina Buchmann, Institut für Agrarwissenschaften

Transkript

1 Graslandsysteme : Fernerkundung Prof. Nina Buchmann, Institut für Agrarwissenschaften

2 Graslandsysteme DS 3 Charakterisierung von Graslandsystemen Fernerkundung: Klassifizierung von Landbedeckung/ Landnutzung Physikalische Grundlagen Vegetationsindizes (VI, NDVI) Kombination RS und Ökophysiologie: Lokale/Globale/Kontinentale Stoffumsätze

3 Charakterisierung auf Parzellenebene Stehende Biomasse Zuwachs Produktion / Jahr

4 Charakterisierung auf Parzellenebene Bestandeshöhe Zuwachs Produktion / Jahr

5 Charakterisierung auf Parzellenebene Blattflächenindex Zuwachs Produktion / Jahr (Licor PCA 2000 Manual)

6 Charakterisierung auf Betriebsebene Feldbuch (Bewirtschaftung, ) Pflanzliche Erträge (Futterertrag, Futterqualität,...) Tierische Erträge (Milchleistung, Milchqualität, Fleischproduktion, Fruchtbarkeit, ) Bodenzustand (Nährstoffverfügbarkeit, Nährstoffbilanz, Erosion, )

7 Charakterisierung auf globaler Ebene Globale Datenbanken (FAO, UNEP, ) Fernerkundung (remote sensing RS: IKONOS, Landsat, AVHRR, MODIS,..) Modelle (White et al. 2000) Quicklook Landsat TM

8 Satellitenfernerkundung Satellit NOAA Landsat Envisat EOS-Terra SPOT IKONOS Sensor (Beispiele) AVHRR (Advanced Very High Resolution Radiometer) TM (Thematic Mapper), ASAR (Advanced Synthetic Aperture Radar), MODIS, Vegetation, Quickbird, rlesungen/gis1/ler nmodule/fernerkun dung/orbittypen.gif Beispiel: IKONOS Quickbird Falschfarbenbild

9 Fernerkundung Methoden passiv aktiv multispectral RADAR LIDAR multispectral high spatial

10 Verfügbarkeit von Satellitenbildern Landsat 5: keine Signale mehr, seit Landsat 6: hat seinen Orbit nie erreicht (1993) Landsat 7: teilweise blind und nur wenig Brennstoff übrig Landsat 8: Launch (

11 Verfügbarkeit von Satellitenbildern (

12 Verfügbarkeit von Satellitenbildern (

13 Verarbeitung von Satellitenbildern Raw image Map Registration Geographic Registration Topographic Correction Atmospheric Correction Zum Bsp.: Auswahl geeigneter images (NDVI, multitemporal,sar) Auswahl von Trainingsflächen (ROI) eigentliche Klassifikation (Maximum-Likelihood-Classifier) Beurteilung der Klassifikation ground truthing

14 Klassifizierung von Satellitenbildern Nadelwald Laubwald Grasland

15 Klassifizierung von Satellitenbildern summer crops Bare soil water urban needle forest Winter crops 2 Winter crops 1 grassland broad & mixed forest Landsat 30 x 30 m, 705 km, alle 16 d IKONOS 4 x 4 m, 1 x 1 m, 680 km, alle 14 d Ergebnis: Landbedeckung/Landnutzung

16 Physikalische Grundlagen Lichtspektrum

17 Lichtspektrum, Wellenlängen

18 Physikalische Grundlagen Interaktionen Licht und Vegetation Streuung

19 Reflektion von Licht im Bestand Je mehr Blätter im Bestand, desto höher die Reflektion, v.a. im IR very high leaf area Reflectance (%) very low leaf area sunlit soil Wavelength (nm)

20 Lichtabsorption von Pflanzen bedingt durch Chloroplasten-Pigmente (Chlorophylle, Carotinoide) aber weniger im grünen Bereich

21 Absorption durch Vegetation (Jensen 2000)

22 Reflektion, Transmission und Absorption

23 Interaktionen im sichtbaren Licht & NIR Reflektion ist kontrolliert von zwei verschiedenen Zelltypen 1. Pallisadengewebe, P.parenchym: - lange, schmale Zellen unter der Epidermis - enthalten Chloroplasten mit Chlorophyll-Pigmenten, - absorbieren Blau und Rot, - reflektieren Grün, lassen NIR durch 2. Schwammgewebe, S.parenchym: - unterhalb des Pallisadengewebes, - reflektieren viel NIR wegen hoher Streuung an Zellen und interzellularen Räumen

24 Interaktionen im MIR: Wasser Reflektion des Magnolia-Blatts ist abhänigg vom rel. Wassergehalt des Blattes Wenn Wassergehalt sinkt, steigt Reflektion im Wellenlängenbereich μm (sichtbares Licht, NIR und MIR) Höchste Reflektion im MIR ( μm) wird genutzt, um Wasserstress zu erkennen & zu verfolgen

25 Spektralregionen Blatt-Pigments Blatt/Bestandesstruktur sichtbares Licht Wassergehalt sichtbares Licht & NIR MIR

26 Reflektion, Transmission und Absorption (Jensen 2000)

27 Vegetationsindizes VI B G R NIR Pigmente absorbieren sichtbares Licht ( µm), Gewebe reflektieren Licht im nahen Infrarot- Bereich ( µm). Daher: Je mehr Biomasse, desto größer Einfluss. Vegetation index: VI = NIR (Band 4) Visible Red (Band 3) ( nm) ( nm) Normalized difference vegetation index NDVI = NIR NIR + red red

28 Definition von NDVI NDVI = NIR NIR + red red Größenordnung für Vegetation: (< 0.1: Steine, Boden) Gesunde/Grüne Vegetation: Absorbiert viel Licht im sichtbaren Bereich (reflektiert wenig), reflektiert großen Anteil des NIR Kranke/Braune Vegetation: Reflektiert viel sichtbares Licht, reflektiert Anteil im NIR (Internet: NASA, Earth Observatory)

29 Definition von NDVI NDVI = NIR NIR + red red (Internet: NASA, Earth Observatory)

30 NDVI: Räumlich und zeitlich variabel (Internet: NASA, Earth Observatory)

31 NDVI: Global verfügbar Seit den 70er Jahren verfügbar: AVHRR (Advanced Very High Resolution Radiometer, 1 km x 1 km). Seit Dez. 1999: MODIS (Moderate-resolution Imaging Spectroradiometer, 250 m x 250 m). Fast tägliche Daten. (Internet: NASA, Earth Observatory)

32 NDVI: Probleme mit Wolken Borneo, Sept Daher: viele Überfliegungen nötig (Internet: NASA, Earth Observatory)

33 MODIS Borneo, Sept MODerate Resolution Imaging Spectroradiometer (MODIS): Komplette Überfliegung alle 1-2 Tage, 36 Spektral-Bänder, 3 räumliche Auflösungen: 250 m, 500 m und 1000 m (

34 NDVI: Trockenheitsindex Anomaly (= Abweichung vom langj. Mittel) Hier: Aug (im Vgl. zu Aug ) brauner als im Mittel grüner (Internet: NASA, Earth Observatory)

35 NDVI: Produktivitätsindex Modelle

36 Verbesserung: NPP = f(ndvi, Modelle) FPAR = APAR/PAR NDVI FPAR = Fraction of absorbed photosynthetic active radiation APAR = Absorbed photosynthetically active radiation (von Satellitenmesungen (Running et al. 2004)

37 Auswirkung der 2003 Trockenheit/Hitze FPAR = fraction of absorbed photosynthetically active radiation Red: 2003 < mean Green: 2003 > mean White: little change (Jolly et al. 2005)

38 Verbesserung: NPP = f(ndvi, Modelle) FPAR = APAR/PAR NDVI FPAR = Fraction of absorbed photosynthetic active radiation APAR = Absorbed photosynthetically active radiation (von Satellitenmesungen GPP = ε FPAR PAR ε NDVI PAR ε = conversion efficiency (energy units to biomass units) PSN net = GPP R lr PSN net = daily net photosynthesis R lr = 24-hour maintenance respiration of leaves and fine roots NPP = Σ (PSN net ) R g R m R g = annual growth respiration (leaves, fine roots, woody tissues) R m = maintenance respiration of live cells in woody tissues (Running et al. 2004)

39 Globale NPP (aktuelle Vegetation) 2002 Basierend auf MODIS-Daten, realistische Daten! (Running et al. 2004)

40 Flächenverteilung und globale NPP 2002 (Running et al. 2004)

41 Globale NPP: Potentielle Einflussfaktoren (Nemani et al. 2003)

42 Globale NPP: Einflussfaktoren Früher: Lieth und Whittaker (1975) Heute: AET = aktuelle Evapotranspiration (Running et al. 2004)

43 Sichtbares Licht 100% Sichtbares Licht (PAR) <10% 2% <80% <10% (Davidson et al. 2003; ESA)

44 SIF = Sun-Induced Fluorescence Oensingen

45 SIF und Ökosystem-CO 2 -Flüsse Swiss FluxNet

46 SIF und Ökosystem-CO 2 -Flüsse (Damm et al. 2015)

47 SIF und Ökosystem-CO 2 -Flüsse (Damm et al. 2015)

48 SIF und regionale CO 2 -Flüsse SIF = guter Proxy für GPP (Gross Primary Productivity) Globale GPP aus LW höher als vorher angenommen Validiert mit ÖS-CO 2 -Flüssen (Guanter et al. 2014)

49 SIF und Ökosystem-Leistungen Lägeren Prove-of-concept, d.h. es kann funktionieren (Braun et al. 2017)

50