In: Löwner, Marc-Oliver (Hrsg.): Geoinformatik 2012 - "Mobilität und Umwelt" : Konferenzband, 28. - 30. März 2012, Braunschweig. Aachen, Shaker 2012, pp. 343-350 (Berichte aus der Geoinformatik) . ISBN 978-3-8440-0888-3

Preview

PDF, German - main document Download (382kB) | Terms of use

Abstract

Biochemische und biophysikalische Eigenschaften landwirtschaftlicher Pflanzenbestände sind zeitlich und räumlich sehr variabel. Die Erfassung der räumlichen Variabilität von Vegetationsbeständen ist sehr kosten- und zeitintensiv und daher für großräumige Anwendungen nicht praktikabel. In diesem Zusammenhang stellt die Reflexionsspektrometrie, als nicht-destruktive Methode, ein schnelles Screening-Tool zur Ableitung von Zustandsparametern von Pflanzenbeständen zur Verfügung. Neuere technische Entwicklungen ermöglichen es, sowohl terrestrisch, als auch mit Satellitensensoren, hyperspektrale Reflexionsmessungen auf unterschiedlichen Maßstabsebenen durchzuführen. Vor dem Hintergrund der für 2015 geplanten deutschen Satellitenmission EnMAP (Environmental Mapping and Analysis Program) stellt sich die Frage, ob und mit welcher Güte sich Vegetationsparameter aus Hyperspektraldaten ableiten lassen. An Bord des EnMAP Satelliten wird sich der sogenannte Hyperspectral Imager (HSI) befinden, ein hyperspektrales Spektrometersystem mit 228 Kanälen, das einen Spektralbereich von ca. 420 – 2450nm abdecken wird. In der vorliegenden Studie wird beispielhaft die Erfassung des Blattflächenindex (LAI) von Weizenbeständen aus Hyperspektraldaten vorgestellt. Der LAI ist definiert als Blattfläche pro Bodenoberfläche. Dieser Vegetationsparameter ist maßgeblich an der Steuerung der Evapotranspiration, sowie der Photosyntheseleistung beteiligt und wirkt sich daher maßgeblich auf die Ertragsleistung landwirtschaftlicher Kulturen aus. Im Rahmen des Verbundprojektes HyLand wurde der LAI eines Weizenfeldes nordwestlich von Köthen (Sachsen-Anhalt) analysiert. Im Feld wurden Reflexionsmessungen mit einem ASD FieldSpec-III Spektroradiometer, sowie die Bestimmung des LAI mit einem SunScan Messgerät durchgeführt. Aus den ASD-Messungen wurden synthetische Spektren mit der spektralen Auflösung des geplanten HSI Sensors generiert. Parallel zu den Felderhebungen fand eine Befliegung der Region mit dem Sensor AISA-DUAL (Airborne Imaging Spectrometer for Application) statt. Die hyperspektralen AISA-DUAL Daten wurden zunächst auf die spektrale Auflösung des HSI transformiert. In einem weiteren Schritt wurden die simulierten Bilddaten mit einer geometrischen Auflösung von 3m auf die endgültige Auflösung des HSI (30m) resampled. Der LAI wurde aus den hochaufgelösten Reflexionsspektren aus dem Feld und den simulierten HSI Spektren mittels Partial Least Squares Regression (PLSR) modelliert. Das Regressionsmodell auf der Basis der Feldspektren erlaubt die Vorhersage des LAI mit einer hohen Genauigkeit (r2cv=0.963; RMSEcv=0.129; n= 37). Die aus den simulierten HSI Spektren geschätzten LAI-Werte lassen sich auch mit hoher Genauigkeit schätzen (r2cv=0.920; RMSEcv=0.186; n=37). Die Übertragung des PLSR Models auf die spektral simulierten HSI Bilddaten (3m geometrische Auflösung) führte zu einer geringeren Güte (r2=0.522; RSME=0.502; n=37). Die spektrale und geometrische (30m) Simulation des HSI Sensors zeigte eine weitere Abnahme der Vorhersagegüte des LAI (r2=0.268; RSME=0.595; n=36). Grundsätzlich verdeutlichen die Ergebnisse aber, dass eine Vorhersage des LAI mit der spektralen Auflösung des HSI sehr gut möglich ist. Für eine räumliche Simulation des LAI auf AISA-DUAL Bilddaten, die geometrisch an die Auflösung von EnMAP angepasst wurden, muss in Zukunft die Beprobungsstrategie im Gelände an die 30 x 30 m großen Pixel angepasst werden, um den LAI besser vorhersagen zu können.