BiomassMon Studie zum Fernerkundungseinsatz zur Erschließung energetisch nutzbarer Biomasse

Transkript

1 490 BiomassMon Studie zum Fernerkundungseinsatz zur Erschließung energetisch nutzbarer Biomasse Olaf BÜSCHER 1 und Sönke MÜLLER 2 1 EFTAS GmbH, Münster olaf.buescher@eftas.com 2 Leibniz Universität Hannover Zusammenfassung Mit dem Vorhaben BiomassMon werden die Möglichkeiten untersucht, ein erdbeobachtungsbasiertes Biomasseerfassungs- und -monitoringsystem zu entwickeln, das die Ziele der nationalen Energiewende in Deutschland und die daran gekoppelten Nachhaltigkeitsstrategien der Bundesländer zur Biomassenutzung unterstützt. Ein solches System muss Aussagen für die nationale Ebene (etwa für politische Entscheidungsprozesse) aber auch für regionale und lokale Fragestellungen (etwa zur Standortwahl für Biomassekonversionsanlagen bzw. deren Betriebsmanagement) ermöglichen. Den Kern der Studie bilden Arbeiten hinsichtlich der Biomasse-Erkundung und Monitoring für den Bereich Landschaftspflege, da hier weder Datenquellen existieren, die den bereits gegebenen Informationsbedarf abdecken, noch systematische methodische Erkenntnisse zur Nutzung der Fernerkundung vorliegen. Zur Erschließung und In-Wert-Setzung der nutzbaren Biomasse werden hinsichtlich der genannten Potenzialflächen Vegetationseinheiten definiert, die fernerkundungsbasiert erfassbar sind. Einzelne Vegetationseinheiten werden dabei mit Merkmalen/ Kennzahlen spezifiziert, die für die quantitative und qualitative Bewertung relevant sind. Das technische Ziel des Verbundprojektes ist die Überprüfung und Bewertung von Fernerkundungsmethoden zur Ermittlung von Biomassepotenzialen (Biomassequalität und Biomassequantität) anhand von Daten satellitengestützter Sensoren der Sentinel-Missionen bzw. nationaler Missionen sowie die integrative Modellierung der oben genannten Biomassequellen zur Gesamtpotenzialermittlung und Abbildung von Stoffströmen. Die existierenden Methoden werden daraufhin bewertet, ob eine Adaption bzw. Weiterentwicklung, zur Lösung der gestellten Aufgabe notwendig und sinnvoll ist. Erste Ergebnisse der Studie zur Nutzung von Sentinel-2 Simulationsdaten zur Erkennung von kleinen Vegetationseinheiten bzw. schmalen Vegetationsobjekten werden im Beitrag vorgestellt. 1 Hintergrund Ein aktuelles und gesellschaftlich dringliches Handlungsfeld ist der Klimaschutz und die in diesem Zusammenhang in Deutschland angestrebte Energiewende, die auch international mit Interesse verfolgt wird und im Erfolgsfall Vorbildcharakter haben dürfte. Fernerkundungstechnologien bieten die Möglichkeit, effizient Potenziale erneuerbarer Energiequellen zu erschließen und Monitoringaufgaben abzudecken. Bisher werden Biomassepotenziale der Landespflege insbesondere von nicht landwirtschaftlich genutzten Flächen (Straßenbe- Strobl, J., Blaschke, T., Griesebner, G. & Zagel, B. (Hrsg.) (2013): Angewandte Geoinformatik Herbert Wichmann Verlag, VDE VERLAG GMBH, Berlin/Offenbach. ISBN Dieser Beitrag ist ein Open-Access-Beitrag, der unter den Bedingungen und unter den Auflagen der Creative Commons Attribution Lizenz verteilt wird (

2 Studie BiomassMon 491 gleitgrün, Schutzflächen etc.) aufgrund mangelnder Informationen zu Menge, Qualität und Verfügbarkeit der Biomasse nur unzureichend genutzt. Das Projekt legt bei den Biomasse- Potenzialflächen einen Fokus auf die Mobilisierung von Biomasse aus der Landschaftspflege wie z. B. Hecken, Straßenbegleitgrün und Feldraine. 2 Technischer Ansatz Mit der Machbarkeitsuntersuchung werden zunächst Objekte konkret definiert, die für die thematische Fragestellung relevant sind. Fernerkundungssysteme werden daraufhin untersucht, inwieweit die entsprechenden Fernerkundungsdaten und deren Auswertemethoden nutzbar sind, um diese Objekte zu erfassen, um wiederum Aussagen hinsichtlich der Biomassepotenziale für politische Entscheidungsprozesse bzw. zur Planung und Betrieb von Biomassekonversionsanlagen treffen zu können. Konkret wird für unterschiedliche Skalen untersucht, welche der relevanten Objekte aus welchen Fernerkundungsdaten insbesondere RapidEye, TerraSAR-X, Luftbildern und Sentinel-Simulationsdaten mit existierenden Verfahren extrahierbar sind. Es wird im Projekt geprüft, inwieweit bekannte Ansätze anwendbar sind, um die relevanten Vegetationsarten mit unterschiedlichem Biomassepotenzial zu unterscheiden. Mit den Erkenntnissen wird ein Konzept erstellt, welche Methoden in welcher Form zu adaptieren bzw. weiterentwickeln sind, um der Fragestellung Biomasse-Erkundung und Monitoring gerecht zu werden. Auf Basis der Ergebnisse wird die technische Machbarkeit beurteilt, eine Prozesskette zu definieren, welche die Erfolg versprechenden Methoden sinnvoll zusammenführt. Dabei erfolgt die Abwägung des technisch Machbaren und wirtschaftlich Sinnvollen. Für die Untersuchungen wurden zwei Testgebiete im Bundesland Nordrhein Westfalen festgelegt: ein Gebiet bei Borkenberge und die Kirchheller Heide. 3 Ansatz zur Nutzung von Sentinel-2 Simulationsdaten In diesem Beitrag werden die Arbeiten zur Nutzung von Sentinel-2 Simulationsdaten zur Erkennung von Vegetationsobjekten vorgestellt. Das Projekt BiomassMon wird durch eine Förderkulisse unterstützt, welche insbesondere die Perspektiven der Nutzung der Copernicus Sentinel-Missionen in das Blickfeld der potenziell profitierenden Akteure aus Politik und Verwaltung bis hin zum Consumermarkt und den entsprechenden privatwirtschaftlichen Anwendern und Dienstleistern rücken soll. Die neue Qualität der Sentinel-Missionen besteht vor allem in der kontinuierlichen Datenbereitstellung, der kostenlosen Datenbereitstellung, der Flächendeckung ganzer Zuständigkeitsgebiete, der Einhaltung von Interoperabilitätsstandards und damit der Verfügbarkeit über etablierte Geodaten-Infrastrukturen.

3 492 O. Büscher und S. Müller 3.1 Spezifikation Sentinel-2 Sentinel-2 (DRUSCH et al. 2012) ist als Tandemsystem aus zwei baugleichen Satelliten geplant. Sentinel-2 wird Bilder in räumlichen Auflösungen von 10 m, 20 m bzw. 60 m pro Pixel in 13 Spektralkanälen im Wellenlängenbereich von 443 bis 2190 nm liefern (vgl. Tabelle 1). Der Start des ersten Satelliten ist für 2014 vorgesehen. Tabelle 1: Bandspezifikationen von Sentinel-2 Band-Nr. Bandbreite [nm] Bandspektrum [nm] Räumliche Auflösung [m] ,5-522, ,5-577, ,5-712, ,5-747, ,5-899,5 10 8b Methoden Um die geplanten Arbeiten durchführen zu können, wurden für das Testgebiet Kirchellen Sentinel-2 Simulationsdaten auf Grundlage von AISA Eagle erzeugt. Aufgrund der beschriebenen Sensorspezifikation von Sentinel-2 sind für diese Biomass- Mon-Untersuchungen Ansätze relevant, die auf die Auswertung von Sensor-Systemen mit einer geometrischen Auflösung von m ausgerichtet sind. Bereits bei hoch aufgelösten Bilddaten werden viele Objekte aus der Landespflege nur durch Bruchteile eines Pixels überdeckt. Dieser Situation wird mit Methoden der spektralen Entmischung begegnet (ASNER & HEIDEBRECHT 2002, KESHAVA 2003), wobei verschiedene Methoden der spektralen Entmischung auf ihre Eignung hin getestet wurden Erzeugung von Sentinel-Simulationsdaten Da Simulationsdaten für Sentinel-2 aktuell nur sehr begrenzt existieren, wurden im Rahmen von BiomassMon hyperspektrale AISA Eagle Daten auf die Sentinel-Spezifikationen angepasst. Der AISA Eagle Sensor ist ein hyperspectral airborne line scanner mit einer spektralen Bandbreite von nm, die in bis zu 488 Bänder differenziert werden kann. Im Projekt BiomassMon steht eine Konfiguration von 107 Bändern in der Bandbreite von nm und einer geometrischen Auflösung von 0,5 m zur Verfügung.

4 Studie BiomassMon 493 Im Vergleich zu komplexen Simulationsansätzen (SEGL et al. 2012), bei denen verschiedene Parameter der Sensorcharakteristik benötigt werden, wurde hier ein vereinfachtes Vorgehen genutzt. Zunächst wurden die korrespondieren Bänder wie in Tabelle 2 dargestellt zusammengeführt. Tabelle 2: Sentinel-2 Band-Nr. Bandkorrespondenzen von AISA Eagle und Sentinel-2 Akkumulierte AISA Bänder Anzahl der summierten AISA Bänder b Geometrische Zielauflösung Im nächsten Schritt wurden gemäß Formel 1 die Pixelwerte DN für jedes der 9 Sentinel-2 Bänder berechnet: t i steht für die Bandnummer des Zieldatensatzes, s n steht für die Bandnummer des Ausgangsdatensatzes. nmax DNt i DNs n (1) n nmin Schließlich wurde das geometrische Resampling durchgeführt Spektrale Entmischung Potenziell Biomasse liefernde Objekte wie Hecken sind in der Regel nicht optimal mit der limitierten geometrischen Auflösung von Sentinel-2 Daten zu erfassen. Die Spektralwerte der relevanten Pixel repräsentieren häufig ein Mix aus den Reflexionswerten der Zielobjekte und deren unmittelbarer Nachbarschaft. Die Methode Spektrale Entmischung unterteilt ein Mischpixel in die Reflexionseigenschaften der Grundbestandteile des Pixels und bestimmt die Flächenanteile im Sub- Pixelbereich. Diese Grundbestandteile werden Endmember genannt und repräsentieren etwa Gesteinsarten, homogene Vegetationstypen oder Wasser sein. Als Ergebnis der Methode werden für jedes Pixel Anzahl, Spektren und spezifische Komposition der existierenden Endmember ausgespielt. Für die BiomassMon-Untersuchung wurde ein Ansatz gewählt namens Sequential Maximum Angle Convex Cone (SMACC), der in der Software ENVI implementiert ist. SMACC (GRUNINGER et al. 2004) erzeugt schrittweise Zusammenstellungen von Endmembern und Endmember-Abundanz-Karten. Als Resultat werden eine Abundanz-Karte, die detektierten Endmember- und Vektor-Daten zu deren Verteilung in den Bilddaten ausgespielt. Der Nutzer kann dann entscheiden, mit welchen Endmembern bzw. deren Abundanz-Karten er arbeiten möchte.

5 494 O. Büscher und S. Müller 4 Ergebnisse Der dargestellte Ansatz zur spektralen Entmischung wurde mit den simulierten Sentinel-2 Daten für das Testgebiet Kichheller Heide angewendet. Das Testgebiet hat ländlichen Charakter mit landwirtschaftlicher Nutzung und beinhaltet einige naturschutzrelevante Flächen. Als Zielobjekte der Untersuchung sind Hecken und Straßenbegleitgrün bzw. Ackerrandstreifen ab einer Breite von 1,5 m zu nennen. Für die Untersuchung wurden die 4 Sentinel-2 Layer mit 10-m-Auflösung als Input-Daten für den SMACC-Algorithmus genutzt (vgl. Tab. 1). Als Ergebnis wurden 5 wesentliche Endmember identifiziert, von denen Endmember 5 als Vegetationsklasse bestimmt wurde. Die Abundanz-Karte für Endmember Nr. 5 zeigt Abbildung 1. Die hellen Pixel des linken Bildes repräsentieren die relevante Vegetationsklasse. Abb. 1: Links: Abundanzkarte für Endmember 5. Rechts: Inputdaten (simulierte Sentinel-2 Daten mit Bänder 2-4 in 10-m-Auflösung) 5 Fazit In diesem Beitrag wurde ein Ansatz vorgestellt, wie mittels spektraler Entmischung auch lediglich hoch aufgelöste multispektrale Sentinel-Simulationsdaten zur Detektion von Vegetationsobjekten eingesetzt werden können, die als mögliche Quelle für energetisch nutzbare Biomasse dienen können, in der Regel aber aufgrund ihrer geringen Größe in der genannten Datenquelle häufig nur durch Mischpixel repräsentiert werden. Die Untersuchungen deuten auf eine sehr gute Eignung dieses Ansatzes hin, um auch kleine bzw. schmale Vegetationseinheiten mit nur hoch aufgelösten Satellitendaten zu identifizieren. Die Abundanz-Karten liefern im Vergleich zu den klassischen Klassifikationsansätzen eine höhere Informationsdichte, da Anteile für verschiedene Vegetationsarten in einem Pixel bestimmt werden können. Die Ergebnisse sollten sich noch weiter verbessern lassen durch die Integration weitere Spektralbänder, wie es für die nächste Untersuchungsreihe vorgesehen ist.

6 Studie BiomassMon Aussicht Es sei an dieser Stelle ausdrücklich darauf hingewiesen, dass der beschriebene Ansatz den ersten Schritt einer Prozesskette zur Ableitung von Biomassepotenzial darstellt. Insgesamt wird mit BiomassMon ein modellbasierter Ansatz unter Hinzunahme geeigneter Sensordaten über eine automatische Volumenabschätzung der Vegetationskörper untersucht. Dabei wird auch geprüft, inwieweit Stereoluftbilder und Laserscandaten sinnvoll eingesetzt werden können (ESTORNELL et al. 2012). Durch Fusion der Sensordaten mit existierenden GIS-Daten können Informationen bezüglich struktureller Pflanzenparameter (z. B. Biomasse, Blattflächenindex, Bestandshöhe) und Alter als Basisdaten für die Bestimmung der Biomassequantität erzeugt werden. Zur Bestimmung der Biomassequalität werden multispektrale (und damit teilweise multitemporale) und auch hyperspektrale optische und SAR-Daten in Verbindung mit terrestrisch gewonnenen Referenzdaten untersucht. FKZ: 50EE1212 Literatur ASNER, G. P. & HEIDEBRECHT, K. B. ( 2002), Spectral unmixing of vegetation, soil and dry carbon cover in arid regions. International Journal of Remote Sensing, 23 (19), DRUSCH, M., DEL BELLO, U., CARLIER, S., COLIN, O., FERNANDEZ, V., GASCON, F., HOERSCH, B., ISOLA, C., LABERINTI, P., MARTIMORT, P., MEYGRET, A., SPOTO, F., SY, O., MARCHESE, F. & BARGELLINI, P. (2012), Sentinel-2: ESA's Optical High-Resolution Mission for GMES Operational Services. Remote Sensing of Environment, 120, (5), ESTORNELL, J., RUIZ, L. A., VELÁZQUEZ-MARTÍ, B. & HERMOSILLA, T. (2012), Estimation of biomass and volume of shrub vegetation using LiDAR and spectral data in a Mediterranean environment. Biomass and Bioenergy, 46 (11), GRUNINGER, J. H., RATKOWSKI, A. J. & HOKE, M. L. (2004), The sequential maximum angle convex cone (SMACC) endmember model. In: Proc. SPIE 5425, Algorithms and Technologies for Multispectral, Hyperspectral, and Ultraspectral Imagery X, 1 (August 12, 2004). doi: / KESHAVA, N. (2003), A survey of spectral unmixing algorithms. Lincoln Laboratory Journal, 14 (1), SEGL, K., GUANTER, L., ROGASS, C., KUESTER, T., ROESSNER, S., KAUFMANN, H., SANG, B., MOGULSKY, V. & HOFER, S. (2012), EeteS The EnMAP End-to-End Simulation Tool. Selected Topics in Applied Earth Observations and Remote Sensing, IEEE Journal of, 5 (2),