JenTower, Raum Süd, 26. Etage
Leutragraben 1
07743 Jena
TP1.3: Radarfernerkundung
-
Die Problemstellung
- Die Stärke des El Niño Phänomen ist negativ mit der Niederschlagsmenge in Südafrika korreliert.
- Ein starkes El Niño Jahr und das daraus resultierende Ausbleiben von Niederschlägen, hat enormen Einfluss auf Ökosystemdynamiken, landwirtschaftlichen Erträge sowie Biomassenproduktion im südlichen Afrika.
- In den Sommermonaten von 2015/2016 gab es eine der stärksten Trockenperiode seit Beginn der Wetteraufzeichnungen, die auf ein extremes El Niño Ereignis zurückgeführt werden kann (Abb.1).
- Eine schwere Dürre hat weitreichende Folgen (Bsp. Nahrungsmittelknappheit, Ausbruch von Krankheiten, medizinische Versorgung, usw.) für Millionen von Menschen.
- Die Fernerkundung bietet die Möglichkeit Bodenfeuchtedynamiken sowie deren Auswirkungen auf die Landbedeckung zu analysieren.
-
Unsere Zielsetzungen
Ein Hauptziel von TP1.3 ist die Entwicklung von hochaufgelösten raum-zeitlichen Methoden zur Analyse von Ökosystem-veränderungen unter Verwendung von neusten Erdbeobachtungssatelliten (z.B. Sentinel-1), die als Grundlage für die regionale Klimamodellierung (TP2) und synergetische Verschneidung mit anderen EO-Daten (TP4) dienen.
Der Lehrstuhl für Fernerkundung der FSU Jena hat die Aufgabe Ökosystemveränderungen und –dynamiken zu analysieren. Dabei werden folgenden Aufgabenstellungen bearbeitet: (1) Analyse von raum-zeitlichen Dynamiken der Oberflächenfeuchte und Kartierung der Vegetationsstruktur (Bsp. Biomasse); (2) Validierung der abgeleiteten EO-Produkte (Bsp. Bodenfeuchte) durch Geländekampagnen und Kooperation mit Südafrikanischen Partnern; (3) Ableitung von Landdegradationsindikatoren durch die synergetische Verknüpfung von optischen und radargestützten EO-Daten.
-
Unsere Methodik I (Bodenfeuchtemessungen)
- Automatische Bodenfeuchtemessnetze werden in allen 6 SALDi Untersuchungsgebieten installiert. Jedes dieser Messnetze setzt sich aus folgenden Komponenten zusammen:
- eine zentrale Unterflurbox, die den Datenlogger und Verteiler der 8 Sonden beinhaltet
- 8 Sonden (SMT-100) an je 10 m Kabeln, die sternförmig um die Unterflurbox ausgerichtet werden
- die Sonden werden in einer Tiefe von ca. 5 – 10 cm vergraben, um die in situ Messungen mit dem Radarsatellitensignal (Sentinel-1 Zeitreihen) zu vergleichen (s. Abbildung oben)
- Automatische Bodenfeuchtemessnetze werden in allen 6 SALDi Untersuchungsgebieten installiert. Jedes dieser Messnetze setzt sich aus folgenden Komponenten zusammen:
-
Unsere Methodik II (Radarfernerkundung)
- In Urban et al. (2018) wurden erste Arbeiten zum Bodenfeuchtemonitoring im Kruger National Park durchgeführt.
- Ziel war es, den Einfluss der Dürre von 2015/16 auf die Bodenfeuchte- und Vegetationsdynamiken zu analysieren.
- Es wurden gute Übereinstimmung zwischen den in situ gemessenen Bodenfeuchtewerten mit der aus Sentinel-1 Daten (C-Band) abgeleierten Oberflächenfeuchte erzielt (R = 0.7).
Literatur
Urban, M., C. Berger, T. E. Mudau, K. Heckel, J. Truckenbrodt, V. O. Odipo, I. P. J. Smit, C. Schmullius (2018): Surface Moisture and Vegetation Cover Analysis for Drought Monitoring in the Southern Kruger National Park Using Sentinel-1, Sentinel-2, and Landsat-8. - Remote Sensing, 10, 1482.
-
Unsere Zusammenarbeit
Abb.: Synergistische Analyse von Sentinel-1 Radar- (links) und Sentinel-2 optischen (rechts) Zeitreihen zur Landoberflächendynamik auf durch Bewässerungslandwirtschaft intensiv genutzten Flächen b ei Douglas, Nordkap Provinz, westlich Kimberley. Die Abbildung basiert auf bearbeiteten Copernicus Sentinel Daten [2015 – 2020]
Ein Beispiel erster Ergebnisse der Kooperation der beiden Fernerkundungsgruppen (Jena und DLR), die auf der Grundlage der optischen und Radar-Sentinel-Satelliten der Europäischen Weltraumorganisation (ESA) an der synergetischen Erfassung von Veränderungen der Landoberfläche arbeiten. Durch die Kombination verschiedener Überflüge können mit der Auswertung der Sentinel-1-Radarrückstreuung (Abb. 3, links) Rückschlüsse auf die landwirtschaftliche Anbaudynamik (wie Reifezustände in den kreisrunden Pivot-Bewässerungsgebieten) sowie Wachstumsprozesse im umgebenden Grasland gezogen werden. Die Abbildung zeigt dies als RGB-Komposit, wobei jede Farbe die Radar-Rückstreuintensität einer Aufnahme darstellt. Die magentafarbenen Flächen stellen eine hohe Rückstreuung aufgrund der Volumenstreuung im Pflanzendach im August 2017 und Januar 2018 dar, während die blauen Regionen links nur im Januar 2018 eine höhere Rückstreuung aufweisen, was einen Hinweis auf eine andere Nutzung oder veränderten Wachstumszyklus erlaubt. Auf der rechten Seite der Abbildung 3 sind erste Auswertungen der optischen Satellitenszenen für das benachbarte Gebiet dargestellt. In diesem Fall zeigt eine Zeitreihen-Auswertung des Normalized Difference Vegetation Index (NDVI) von 2016-2019, die aus Sentinel-2-Daten abgeleitet und mit dem BFAST-Algorithmus (Breaks For Additive Season and Trend) verarbeitet wurde, unterschiedliche Landnutzungsmuster in landwirtschaftlicher und naturnaher Umgebung. Hier stellt blau eine geringe Anzahl von Veränderungen dar, während rot eine hohe Anzahl von Veränderungen anzeigt. Blaue Flächen werden so interpretiert, dass sie über die gesamte Zeitspanne einen konstanten Vegetationszyklus aufweisen, während einige wenige rote Flächen offensichtlich zahlreiche Veränderungen in der Vegetationsentwicklung durchliefen, was auf einen Wechsel der Kulturpflanzen hinweist. Die Farben in der natürlichen Vegetation sind weniger stark ausgeprägt und reichen von Blau bis Gelb. Die Interpretation der letztgenannten Bereiche deutet auf Veränderungen im natürlichen Vegetationszyklus hin. Diese Bereiche werden nun mit weiteren Indizes genauer analysiert, um herauszufinden, ob Bodendegradation eine Rolle spielt.
-
Die erwarteten Ergebnisse
- Durchführung von Geländekampagnen zur Aufnahme von Vegetationsstruktur und Installation des Bodenfeuchtemessnetzes in allen 6 SALDi Untersuchungsgebieten
- Entwicklung von Radarprozesszierungsmethoden für die Analyse von bio-physikalischen Ökosystem-parametern (Bsp. Oberflächenfeuchte und Vegetationsstruktur)
- Ableitung von maschine learning Prozeduren für die synergetische Verschneidung von optischen und radargestützten Daten im SALDi data cube
- Entwicklung von Indizes zur Analyse der Landdegradation in Kooperation mit weiteren Projektpartnern
- Lehren auf SALDi Sommerschulen
-
Schmullius, Christiane, Prof. Dr. Teilprojektleiterin (PI)
Lehrstuhl Fernerkundung