Graslandsysteme 6.3.19: Fernerkundung Prof. Nina Buchmann, Institut für Agrarwissenschaften
Graslandsysteme DS 3 Charakterisierung von Graslandsystemen Fernerkundung: Klassifizierung von Landbedeckung/ Landnutzung Physikalische Grundlagen Vegetationsindizes (VI, NDVI) Kombination RS und Ökophysiologie: Lokale/Globale/Kontinentale Stoffumsätze
Charakterisierung auf Parzellenebene Stehende Biomasse Zuwachs Produktion / Jahr
Charakterisierung auf Parzellenebene Bestandeshöhe Zuwachs Produktion / Jahr
Charakterisierung auf Parzellenebene Blattflächenindex Zuwachs Produktion / Jahr (Licor PCA 2000 Manual)
Charakterisierung auf Betriebsebene Feldbuch (Bewirtschaftung, ) Pflanzliche Erträge (Futterertrag, Futterqualität,...) Tierische Erträge (Milchleistung, Milchqualität, Fleischproduktion, Fruchtbarkeit, ) Bodenzustand (Nährstoffverfügbarkeit, Nährstoffbilanz, Erosion, )
Charakterisierung auf globaler Ebene Globale Datenbanken (FAO, UNEP, ) Fernerkundung (remote sensing RS: IKONOS, Landsat, AVHRR, MODIS,..) Modelle (White et al. 2000) Quicklook Landsat TM
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, http://www.ifp.unistuttgart.de/lehre/vo rlesungen/gis1/ler nmodule/fernerkun dung/orbittypen.gif Beispiel: IKONOS Quickbird Falschfarbenbild
Fernerkundung Methoden passiv aktiv multispectral RADAR LIDAR multispectral high spatial
Verfügbarkeit von Satellitenbildern Landsat 5: keine Signale mehr, seit 6.1.2013 Landsat 6: hat seinen Orbit nie erreicht (1993) Landsat 7: teilweise blind und nur wenig Brennstoff übrig Landsat 8: Launch 11.2.2013 (https://landsat.usgs.gov/landsat-missions-timeline)
Verfügbarkeit von Satellitenbildern (https://landsat.usgs.gov/landsat-8-acquisition-calendar)
Verfügbarkeit von Satellitenbildern (https://www.usgs.gov/land-resources/nli/landsat/landsat-8-long-term-acquisition-plan)
Verarbeitung von Satellitenbildern Raw image Map Registration Geographic Registration Topographic Correction Atmospheric Correction Zum Bsp.: http://landsat.usgs.gov/index.php Auswahl geeigneter images (NDVI, multitemporal,sar) Auswahl von Trainingsflächen (ROI) eigentliche Klassifikation (Maximum-Likelihood-Classifier) Beurteilung der Klassifikation ground truthing
Klassifizierung von Satellitenbildern Nadelwald Laubwald Grasland
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
Physikalische Grundlagen Lichtspektrum
Lichtspektrum, Wellenlängen
Physikalische Grundlagen Interaktionen Licht und Vegetation Streuung
Reflektion von Licht im Bestand Je mehr Blätter im Bestand, desto höher die Reflektion, v.a. im IR 0.5 0.4 very high leaf area Reflectance (%) 0.3 0.2 very low leaf area sunlit soil 0.1 0.0 400 600 800 1000 1200 Wavelength (nm)
Lichtabsorption von Pflanzen bedingt durch Chloroplasten-Pigmente (Chlorophylle, Carotinoide) aber weniger im grünen Bereich http://plantphys.info/plant_physiology/light.shtml
Absorption durch Vegetation (Jensen 2000)
Reflektion, Transmission und Absorption
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
Interaktionen im MIR: Wasser Reflektion des Magnolia-Blatts ist abhänigg vom rel. Wassergehalt des Blattes Wenn Wassergehalt sinkt, steigt Reflektion im Wellenlängenbereich 0.4-2.5 μm (sichtbares Licht, NIR und MIR) Höchste Reflektion im MIR (1.3-2.5 μm) wird genutzt, um Wasserstress zu erkennen & zu verfolgen
Spektralregionen Blatt-Pigments Blatt/Bestandesstruktur sichtbares Licht Wassergehalt sichtbares Licht & NIR MIR
Reflektion, Transmission und Absorption (Jensen 2000)
Vegetationsindizes VI B G R NIR Pigmente absorbieren sichtbares Licht (0.4 0.7 µm), Gewebe reflektieren Licht im nahen Infrarot- Bereich (0.7 1.1 µm). Daher: Je mehr Biomasse, desto größer Einfluss. Vegetation index: VI = NIR (Band 4) Visible Red (Band 3) (725-1100 nm) (580-680 nm) Normalized difference vegetation index NDVI = NIR NIR + red red
Definition von NDVI NDVI = NIR NIR + red red Größenordnung für Vegetation: 0.1... 0.9 (< 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)
Definition von NDVI NDVI = NIR NIR + red red (Internet: NASA, Earth Observatory)
NDVI: Räumlich und zeitlich variabel (Internet: NASA, Earth Observatory)
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)
NDVI: Probleme mit Wolken Borneo, Sept. 1999 Daher: viele Überfliegungen nötig (Internet: NASA, Earth Observatory)
MODIS Borneo, Sept. 1999 MODerate Resolution Imaging Spectroradiometer (MODIS): Komplette Überfliegung alle 1-2 Tage, 36 Spektral-Bänder, 3 räumliche Auflösungen: 250 m, 500 m und 1000 m (https://lpdaac.usgs.gov/lpdaac/products/modis_overview)
NDVI: Trockenheitsindex Anomaly (= Abweichung vom langj. Mittel) Hier: Aug. 1993 (im Vgl. zu Aug. 1972 1992) brauner als im Mittel grüner (Internet: NASA, Earth Observatory)
NDVI: Produktivitätsindex Modelle
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)
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)
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)
Globale NPP (aktuelle Vegetation) 2002 Basierend auf MODIS-Daten, realistische Daten! (Running et al. 2004)
Flächenverteilung und globale NPP 2002 (Running et al. 2004)
Globale NPP: Potentielle Einflussfaktoren (Nemani et al. 2003)
Globale NPP: Einflussfaktoren Früher: Lieth und Whittaker (1975) Heute: AET = aktuelle Evapotranspiration (Running et al. 2004)
Sichtbares Licht 100% Sichtbares Licht (PAR) <10% 2% <80% <10% (Davidson et al. 2003; ESA)
SIF = Sun-Induced Fluorescence Oensingen
SIF und Ökosystem-CO 2 -Flüsse Swiss FluxNet
SIF und Ökosystem-CO 2 -Flüsse (Damm et al. 2015)
SIF und Ökosystem-CO 2 -Flüsse (Damm et al. 2015)
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)
SIF und Ökosystem-Leistungen Lägeren Prove-of-concept, d.h. es kann funktionieren (Braun et al. 2017)