DELPHI IMM GmbH Ermittlung der Nettoprimärproduktion mithilfe des auf Satellitenfernerkundung basierenden Regionalen Biomasse- Modells (RBM)
Vorhaben der DELPHI IMM GmbH Modellansätze in der Fernerkundung Das Regionale Biomassemodell (RBM) von RICHTERS Zusammenhänge von NDVI, APAR und NPP Einflussgrößen zur Berechnung der Holzbiomasse Bisherige Umsetzung des RBM in der Region Pomerania Modellvariation Eingangsdaten Berechnung der NPP Erste Ergebnisse der Modellberechnung Ausblick Agenda 2
Vorhaben der DELPHI IMM GmbH Gesamtgebiet der Pomerania Modellgebiet Fernerkundungsbasierte Prozessmodelle zur Schätzung der NPP für die Waldökosysteme der Pomerania an mitteleuropäische Verhältnisse anpassen: Prozessmodell RBM GLO-PEM Zwischenprodukte: LCC NDVI fpar Endprodukte Nettoprimärproduktion oberirdischer Biomassezuwachs oberirdische Biomasse 3
Vorhaben der DELPHI IMM GmbH Anforderungen der Biomassemodelle: Bodenkarte Geländemodell Meteorologische Daten Satellitendaten Sonstige Eingangsdaten Gebiet der Pomerania Auflösung 1 km x 1 km Auflösung 300 m x 300 m Räumliche Auflösung min. 25 km x 25 km Temporale Auflösung min. 10 Tage Räumliche Auflösung min. 300 m x 300 m Temporale Auflösung min. 10 Tage Anpassung an mitteleuropäische Verhältnisse Modellgebiet Nutzung der BÜK Auflösung 100 m x 100 m Räumliche Auflösung min. 25 km x 25 km Temporale Auflösung min. 10 Tage Räumliche Auflösung min. 100 m x 100 m Temporale Auflösung min. 10 Tage Biomassevorrat Hauptbaumart Besandesalter pflanzenphysiologische Parameter der HBA 4
Vorhaben der DELPHI IMM GmbH Waldfläche insgesamt ca. 1.300.000 ha davon 55 % Nadelwald 25 % Laubwald 18 % Mischwald 2 % Übergangsstadien 5
Modellansätze in der Fernerkundung Operationelle PEM-Modelle (Production Efficiency Model) auf Basis von Fernerkundungsdaten existieren derzeit nur auf globaler Ebene (MODIS, Meris, Spot) Untereinander weisen die Modelle hohe Varianzen in der Ausweisung der GPP auf Temporale und räumliche Auflösung der Satellitenbilddaten ist der limitierende Faktor
Modellansätze in der Fernerkundung Modellansätze für die regionale Abschätzung der Biomasse können auf Grund der Eingangsparameter und Modellziele nicht 1:1 übernommen werden Notwendigkeit der Regionalisierung der Modelle bzw. der Eingangsparamter PEM-Modelle unterschiedlicher Skalen, Eingangsparameter und Outputs (eigener Entwurf)
Regionales Biomassemodell (RBM) Physikalisch basierter Modellansatz mit dem die maßgelblichen Einflussfaktoren der Pflanzenentwicklung aus Fernerkundungsdaten extrahiert werden Die Produktion von pflanzlicher Biomasse wird anhand der Einflussfaktoren für einem bestimmten Zeitraum bezogen auf eine gegebene Fläche errechnet ε ist dabei abhängig von Relief, Biom, Boden und Klima RBM - Methode NPP = ε * FPAR * PAR NPP ε * NDVI * PAR
Zusammenhang von NPP, APAR und Linearer Zusammenhang zwischen erhaltener Sonnenenergie APAR und gebildete Biomasse (MONTEITH ) PAR ist der Anteil der solaren Strahlung mit Chlorophyllabsorption FPAR kann nach RUNNING dem NDVI gleichgesetzt werden NDVI für das Modell Daraus ergibt sich die theoretische Basis des Modellansatzes: 1 2 3 Richters, 2006 9
Einflussgrößen zur Berechnung der Biomasse 10
Umsetzung des RBM für POMERANIA Modellvariationen gegenüber dem RBM von RICHTERS Nutzung der MODIS_GQ-Daten mit einer Auflösung von 250 m statt 1 km Interpolation zwischen MODIS-NDVI Daten zur Unterstützung der temporal gering aufgelösten Landsat-Szenen im Modellgbiet tägliche Berechnung der NDVI/FPAR Werte Interpolationsverfahren und Glättung der Zeitreihen Wolkendetektion über MOD09 nicht MOD05 Nutzung von höher aufgelöster Vektordaten Regionale Anpassung der Einflussfaktoren LUE, Feuchtigkeit, Temperatur und Boden Möglichkeit der Einbeziehung von Biomassevorrat, Hauptbaumart, Bestandsalter Nutzung einer höher aufgelöste Klassifikation 11
Umsetzung des RBM für POMERANIA Für die Umsetzung des Biomassemodells wird ein datenbankbasierter Ansatz verwendet Berechnung der Biomassemodelle erfolgt ausschließlich in der Datenbank Als Datenbankserver dient PostgreSQL 9.1 Die Speicherung und Verwaltung der Geodaten erfolgt mit PostGIS 12
Eingangsdaten zur Berechnung der Holzbiomasse in Pomerania 13
Ableitung und Bestimmung der photosynthetisch aktiven Strahlung (PAR) NDVI und FPAR Berechnung der NPP Biophysikalischer Konversionsfaktor Epsilon ε mit Hilfe der Fuzzy-Logik ε_max ε_eff 14
Bestimmung des maximalen biophysikalischen Konversationsfaktors ε_max ε _max = ε Pot * (x Boden * x Relief) ε Pot x Boden x Relief = potentielle Verwertungseffizienz der Pflanzen = Einflussfaktor des Bodens Berechnung der NPP = Einflussfaktor des Reliefs (Hangneigung) Darstellung der Fuzzifizierung des Einflussfaktors der Nährstoffversorgung sowie der Hangneigung für die Bestimmung von e_max: 15
Bestimmung des effektiven biophysikalischen Konversionsfaktors ε_eff ε_eff = (T Stress * W Stress ) Berechnung der NPP Die skalierten Werte aus W Stress und Temperaturstress T Stress werden gemittelt und wirken zusammen limitierend auf den maximalen biologischen Konversionsfaktor ε_eff = (T Stress * W Stress ) * ε_max NPP = ε * FPAR * PAR 16
Erste Ergebnisse der Modellberechnung Für das Jahr 2006 wurde eine NPP-Berechnung für das Gesamtgebiet der Pomerania mit folgenden Rahmenbedingungen gestartet: Eingangsdaten Rasterdaten: MOD09_GQ; MOD11_A1; ERA40 Vektorlayer: Oberboden, Unterboden, C/N Verhältnis Objekteinheiten Wald-CLC2006-Polygone Prozessmodell Funktionen aus dem Biomassemodell Anpassung der Einheiten der LUE Werte der Baumarten Zusammenfassung der täglichen Rechenergebnisse zu 10 Tageswerten und Zusammenfassung zu einem Jahresprodukt Ausgabe in t Trockenmasse / ha 17
Erste Ergebnisse der Modellberechnung Bewertung der RBM NPP-2006 Bisherige Qualität der Ergebnisse Für das Gesamtgebiet der Pomerania wurden für die Wälder eine durchschnittliche Nettoprimärproduktion von 7,4 Tonnen TM/ha berechnet Der maximale NPP-Wert liegt bei 14,18Tonnen TM /ha Die Standardabweichung liegt mit 2,6 Tonnen TM/ha sehr hoch, was unteranderem durch die große Polygonen der CLC-Klassifikation resultiert Ein Vergleich mit dem MODIS-NPP Produkt für 2006 zeigt, dass die Werte in Bereichen dessen liegen Es wurde deutlich, dass v.a. die gering aufgelösten Datensätze die Ergebnisse stark beeinflussen 18
NPP Berechnung Pomerania 19
NPP Berechnung 20
NPP Berechnung Pomerania 21
Ausblick Sensitivitätsanalyse der Eingangsparameter Verbesserung der Inputdaten durch geeignetefilter und Glättungsmethoden Berücksichtigung der Hauptbaumarten Kopplung von Landsat TM und MODIS Daten für das Modellgebiet Bereitstellung und Nutzung von täglichen meteorologischen Daten 22