Umsetzung von EU Richtlinien. zur Automatisierung von Verwaltungsabläufen. am Beispiel von Landwirtschaft und Umwelt

Transkript

1 Institut für Agrarökologie Umsetzung von EU Richtlinien zur Automatisierung von Verwaltungsabläufen am Beispiel von Landwirtschaft und Umwelt Dr. Matthias Trapp

2 Institut für Agrarökologie Gemeinnützige Forschungs-GmbH, 100% Tochter des MULEWF

3 Das neue automatisierte Erfassungssystem aus Rheinland Pfalz für Vegetation im Rahmen von EU Cross Compliance und Natura 2000 Flächendeckende höchstauflösende Vegetationserfassung Automatisierte Klassifikation von Landschaftselementen im Kontext von Cross Compliance Anforderungen Automatisierte Aktualisierung von Naturschutzfachdaten im Rahmen von Natura 2000

4 Cross Compliance Die Cross Compliance ist ein wichtiges Werkzeug zur Integration von Umweltanforderungen in die Gemeinsame Agrarpolitik (EU Kommission). Direktzahlungen sollen ( ) an konkrete Umweltleistungen geknüpft werden (Agrarbericht RLP 2012). Ein Teil der angesprochenen Umweltleistungen im Rahmen der 1. Säule der EU Agrarpolitik besteht im Erhalt von Strukturelementen in der Kulturlandschaft. Der Erhalt dieser so genannten Landschaftselemente wird durch Direktzahlungen vergütet. Jedes Landschaftselement ist systematisch zu dokumentieren und einschließlich Lage und Geometrie nachzuweisen. GIS basiertes Landschaftselemente Kataster

5 Natura 2000 Natura 2000 bezeichnet ein zusammenhängendes Netz von Gebieten für den Naturschutz innerhalb der Europäischen Union. Die Maßgabe für diesen Verbund von Flächen ist die sog. Fauna Flora Habitat Richtlinie (FFH). Neben der Meldung einer ausreichenden Menge von ausgewiesenen Flächen ist ein Monitoring der Flächen besonders in Bezug auf den Erhaltungszustand (Wertigkeit, Ausdehnung, etc.) der Lebensräume obligatorisch. Viele der damit verbundenen Aufgaben erfolgen Geodatenbasiert. Wie im vorgestellten Beispiel können fernerkundliche Methoden helfen, den notwendigen Arbeitsaufwand zu begrenzen.

6 Was bedeutet hochauflösende Vegetationskartierung im GIS in RLP? km² Landesfläche mit Wäldern, Feldgehölzen, Hecken, Gebüschen, Bäumen, Sträuchern ha landwirtschaftliche Nutzfläche (2012, Stat. Landesamt), durchsetzt mit beitragsfähigen Landschaftselementen (EU, GAP, CrossCompliance) ha forstlich genutzt (42 %) ha Natura 2000 Habitate (20 %)

7 Automatisierte höchstauflösende Erfassung und Klassifikation von aufragender Vegetation

8 Warum eigentlich automatisierte Erfassung Manuelle Digitalisierungen großen Maßstabs erfordern die Arbeit vieler Menschen?

9 Herausforderungen bei interaktiv (manuell) durchgeführten Digitalisierungen 25 erfahrene und unerfahrene Digitalisierer: Welche Grenze stimmt? (Albrecht, F. (2010): Uncertainty in image interpretation as reference for accuracy assessment in objectbased image analysis, Centre for Geoinformatics, Salzburg University, Austria (

10 Warum eigentlich automatisierte Erfassung? Herausforderungen bei interaktiv (manuell) durchgeführten Digitalisierungen Maßstab Zeit Generalisierung Anzahl der Bearbeiter Subjektivität Abstimmung Datengrundlage Luftbild Interpretationsspielräume GENAUIGKEIT

11 Warum eigentlich automatisierte Erfassung? Bearbeitungsmaßstab = Datenauflösung Analyse der Rasterwerte, keine visuelle Interpretation. Fester Regelsatz, die Notwendigkeit der Abstimmung entfällt Maßstab Zeit Generalisierung Anzahl der Bearbeiter Subjektivität Abstimmung Datengrundlage Luftbild Interpretationsspielräume GENAUIGKEIT

12 Was benötigt man für die automatisierte Erfassung von Vegetation? Hochauflösende Geodaten in guter Qualität Eine leistungsfähige Software zur digitalen Bildanalyse Ein leistungsfähiges Prozessierungsumfeld (Hardware)

13 Methode der objektorientierten Bild /Geodatenanalyse: Datengrundlagen und Software Datenanalyse basierend auf 1 Farbinformation: Digitale Luftbilder (Orthofotos) 2 Höheninformation: Hochauflösende digitale Höhenmodelle DSM (Digital Surface Model) DTM (Digital Terrain Model)

14 Methode der objektorientierten Bild /Geodatenanalyse: Datengrundlagen und Software Digitale Luftbilder mit separatem Infrarot Kanal Auflösung am Boden: 0,2 m Die wichtigste Information ist das Nahe Infrarot Dieser Spektralbereich ermöglicht in besonderem Maße die Unterscheidung von Vegetation und Nichtvegetation.

15 Methode der objektorientierten Bild /Geodatenanalyse: Datengrundlagen und Software Digitale Luftbilder mit separatem Infrarot Kanal Auflösung am Boden: 0,2 m Die wichtigste Information ist das Nahe Infrarot Dieser Spektralbereich ermöglicht in besonderem Maße die Unterscheidung von Vegetation und Nichtvegetation. Während der Vegetationsphase gibt es einen deutlichen Sprung in der Reflektanz (hier: Eichenlaub) vom roten zum Infraroten Spektralbereich (siehe Kurve Juni im Vergleich zu November). Dieser Sprung ist Photosynthese bedingt und wird zur Detektion von Vegetation genutzt (Abb. Kleinschmit 2010, verändert).

16 Methode der objektorientierten Bild /Geodatenanalyse: Datengrundlagen und Software DSM Digitales Oberflächenmodell Auflösung am Boden: 0,5 m Höhe des Geländes inklusive aller Gegenstände über dem Meeresspiegel

17 Methode der objektorientierten Bild /Geodatenanalyse: Datengrundlagen und Software ndsm Normalisiertes Digitales Oberflächenmodell Auflösung am Boden: 0,5 m Höhe über Geländeoberfläche DSM _ = DTM ndsm

18 Methode der objektorientierten Bild /Geodatenanalyse: Datengrundlagen und Software ecognition Developer 8 Objektbasierte Bildanalyse Segmentierung des Bildes >> genaue Lage Klassifizierung der Segmente >> Art

19 Methode der objektorientierten Bild /Geodatenanalyse: Datengrundlagen und Software ecognition Server Objektbasierte Bildanalyse Verarbeitung großer Datenmengen durch Batch Processing

20 Vegetations erfassung Ergebnisse

21 Vegetations erfassung Ergebnisse Die neu erzeugte Geoinformation (Vegetation) ist grün dargestellt.

22

23

24

25

26 Automatisierte Erfassung und Klassifikation von Landschaftselementen im Kontext von Cross Compliance Anforderungen

27 Folgende Cross Compliance-Klassen werden klassifiziert (RLP) CC relevant ( 5a) Hecken oder Knicks Baumreihen Kriterien Länge >20 m, breiteste Stelle maximal 10 m, doppelt so lang wie breit Mind. 5 Bäume über eine Länge von mind. 50 m durchschnittlicher Abstand max. 12.5m Feldgehölz ohne lineare Struktur oder breiter als 10 m, Flächengröße 100 m² 2000 m² Nicht CC relevant ( 8) Hecken oder Knicks Baumreihen Kriterien Länge <20 m, breiteste Stelle maximal 10 m, doppelt so lang wie breit Mind. 5 Bäume über eine Länge von max. 50 m Feldgehölz ohne lineare Struktur oder breiter als 10 m, Flächengröße < 100 m² Einzelbäume 1 : Naturdenkmale lt. Bundesnaturschutzgesetz < 50 Einzelbäume (nicht CC relevant 1 ) pro ha und Schlag

28 EU konforme Klassifikation der Vegetation (Cross Compliance)

29 EU konforme Klassifikation der Vegetation (Cross Compliance) Landschaftselemente Hecken und Knicks CC Baumreihe CC Feldgehölz CC Sonstige Vegetation Vegetation >2000m² Vegetation <50m² Obstbäume nach ALKIS Einzelbäume 29

30 EU konforme Klassifikation der Vegetation (Cross Compliance) Landschaftselemente Hecken und Knicks CC Baumreihe CC Feldgehölz CC Sonstige Vegetation Vegetation >2000m² Vegetation <50m² Obstbäume nach ALKIS Einzelbäume

31 EU konforme Klassifikation der Vegetation (Cross Compliance) ALEK vs. / manual digitisation (pink outlines) Landschaftselemente Hecken und Knicks CC Baumreihe CC Feldgehölz CC Sonstige Vegetation Vegetation >2000m² Vegetation <50m² Obstbäume nach ALKIS Einzelbäume

32 EU konforme Klassifikation der Vegetation (Cross Compliance) Landschaftselemente Hecken und Knicks CC Baumreihe CC Feldgehölz CC Sonstige Vegetation Vegetation >2000m² Vegetation <50m² Obstbäume nach ALKIS Einzelbäume

33 Workflow 1 Pre processing in ESRI (Python scripts) _ = = Workflow 2 Classification in ecognition orthoimage Workflow 3 Post processing in ESRI (Python scripts) NDVI indiv. trees tree rows pot. vegetation ndsm post classification hedgerows (pot.) hedgerows elevated vegetation max. width! Hedges, coppice, groves, shrubbbery Export GIS Transfer data to ministry GML format

34 Weitere CC relevante LE (Naturstein)mauern und Feuchtgebiete Methodik: Modellierung lokaler Mikroreliefunterschiede zur Unterstützung der Kartierung (Basis: LaserScan Daten)

35 Ablauf in RLP Ministerium für Umwelt, Landwirtschaft, Ernährung, Weinbau und Forsten StaLa RLP LVermGeo RLP RLP AgroScience GmbH aufragende Vegetation mit Klassifikation potentieller Landschaftselemente (ALEK) Meldung an die EU Weitere Verarbeitung der Vegetationsdaten 35

36 Automatisierte Aktualisierung von Naturschutzfachdaten im Rahmen von Natura 2000 Erfassung der Vegetation in mehreren Höhenstufen Ableitung von Handlungsempfehlungen für die Verwaltung

37 Biotopkataster im Landschaftsinformationssystem Rheinland Pfalz (LANIS RLP)

38 Erfassung von Vegetationsanteilen Verbuschung auf Offenlandbiotopen

39

40 Fallbeispiel: Verschiedene Offenlandtypen mit offensichtlich hohem Gehölzanteil

41 > 95 % > 10 % > 80 % Fallbeispiel: Quantitative Erfassung der Gehölzstrukturen mit ALEK (Vektorgeometrien)

42 > 95 % > 10 % > 80 % Fallbeispiel: Biotoptypenspezifische Handlungsempfehlung

43 Ablauf in RLP Automatisierte Geoprozessierung Handlunghinweis Sukzessionsgrad, Überbauung, etc LANIS WFS OK-BTF LANIS Neue Objektklasse Biotoptypen Fernerkundung Geleitete Feldkartierung

44 Automatisierte höchstauflösende Erfassung und Klassifikation von Vegetation Sichere Methodik durch bewährte Datengrundlagen und prinzipiell einfachen Ansatz Regelmäßiges Update: Change Detection und Monitoring Weitere Höhenstufen können ausgegeben werden (z.b. Aufwuchshöhenklassen Forst) Viele Einsatzbereiche in Landwirtschaft, Forst, Naturschutz, Planung und Verwaltung Bereits im Einsatz im Land Rheinland Pfalz

45 Vielen Dank für die Aufmerksamkeit!