Other language confidence: 0.8699235571591142
Im Rahmen des KLIWAS-Projektes 3.09 „Änderung der Vorlandvegetation und ihrer Funktionen in Ästuaren sowie Anpassungsoptionen für die Unterhaltung“(www.kliwas.de) wurden multitemporale, hyperspektrale Luftbilderfassungen ausgewählter störungsempfindlicher Flächen im Deichvorland durchgeführt. Die Daten sollen Aufschluss über saisonale Vegetationsentwicklung nach Störungsereignissen geben. Die daraus gewonnen Erkenntnisse liefern einen Beitrag für ein besseres Verständnis der Ästuarökologie. Das wiederum findet Eingang in die Handlungsempfehlungen für ein klimaangepasstes Vorlandmanagement. Die Daten liegen für folgende Gebiete vor: St. Margarethen, Eschschallen und Heuckenlock/Bunthaus für die Zeitpunkte Mai, August und Oktober 2010 Folgende Dateien stehen zum Download bereit: Quicklooks.zip (10 MB), TechnischerBericht.pdf (106 KB). Die Datein Mai2010.zip (22 GB), Aug2010.zip (30 GB), Okt2010.zip (20 GB) können Ihnen auf Anfrage zur Verfügung gestellt werden (siehe Ansprechpartner). Weitere Information ist unter http://doi.bafg.de/KLIWAS/2012/Kliwas_5.2012_Fernerkundung_1.pdf zu finden.
Zur Erfassung des Ist-Zustandes in Hinblick auf die konkreten Fragestellungen wurden neben Untersuchungen im Gelände unterschiedliche Methoden der Fernerkundung getestet, evaluiert und angewendet. Neben der Erfassung von Vegetation und Störungen im Röhrichtgürtel zur Beantwortung der zentralen Projektfragen, wurde durch die Querschnittsaufgabe Fernerkundung ferner geprüft, welchen Mehrwert an Information aktuelle, spektral und räumlich unterschiedlich auflösende Sensortechnologien für das Vorland- und Ästuarmonitoring mit sich bringen können im Vergleich zu den bisher eingesetzten und etablierten Sensoren und Methoden. Analysen und Visualisierungen von Unsicherheiten sollen zudem eine nachvollziehbare und objektivierte Interpretierbarkeit der Ergebnisse ermöglichen. Folgende Ziele wurden deshalb definiert: • Konzeption eines kosten- und zeitoptimierten fernerkundungsgestützten Langzeitmonitorings der gezeitenbeeinflussten Ästuarvegetation (Teilprojekt der Arbeitsgruppe Kleinschmit, TU Berlin), • Identifizierung von Störstellen und Neophyten (Teilprojekt der Arbeitsgruppe Schmidtlein, Universität Bonn), • Nutzung von Unsicherheiten als Zusatzinformation (Teilprojekt der Arbeitsgruppe Schiewe, HCU Hamburg), • Schlussfolgerungen für die Praxis. Die wichtigsten Ergebnisse der Teilprojekte werden in komprimierter Form dargestellt. Die Potenzialdiskussionen der einzelnen Teilprojekte münden jeweils in eine Bewertung der verwendeten Verfahren und Sensoren hinsichtlich ihrer Anwendung, ihrer Vor- und Nachteile sowie ihrer Grenzen.
In diesem Bericht werden vielfältige Methoden zur Modellierung, Visualisierung und Nutzung aufgezeigt. Abgeleitet aus einer Anforderungsanalyse - basierend auf einer Befragung von potenziellen Nutzern - wird daraus eine für das Projekt angepasste Teilmenge ausgewählt und angewendet: • Bei der Modellierung werden sowohl thematische Objektunsicherheiten als auch Unsicherheiten im Grenzverlauf berücksichtigt. • Für die Visualisierung wurden die Darstellungsformen Noise Annotation Lines und Ghost Lines für die beiden genannten Unsicherheitsarten ausgewählt und implementiert. • Zusammen mit anderen Geo- und Fachdaten wurden diese Darstellungen in das Webportal der BfG integriert.
Die gezeitenbeeinflusste Vegetation des Elbeästuars stellt ein hochgradig dynamisches Ökosystem dar. Im Winter und Frühjahr wird das Röhricht in Ufernähe oft komplett abgeschoren und an anderer Stelle als so genanntes Treibsel wieder abgelagert. Zudem wird das Röhricht in vielen Bereichen komplett umgeknickt. Diese Störungsdynamiken beeinflussen die Vegetationsmuster in hohem Maße. Eine unerwünschte Entwicklung dieses Systems als Folge des Klimawandels erscheint möglich. So ist mit Veränderungen des Tidegangs und der Intensität von Sturmereignissen zu rechnen, die jeweils Konsequenzen für die Vegetation haben können. Es besteht die Möglichkeit, dass gebietsfremde Pflanzenarten im Tideröhricht von diesem Wandel profitieren und aufgrund eines schlechter ausgebildeten Wurzelwerks den natürlichen Erosionsschutz schwächen. Die hyperspektrale Fernerkundung birgt für die Erfassung möglicher qualitativer Veränderungen ein großes Potenzial. Dafür wurden drei Untersuchungsgebiete entlang des Elbeästuars zu drei unterschiedlichen Jahreszeiten (Frühjahr, Sommer, Herbst) beflogen. Zeitgleich zu den Befliegungen wurden in den Gebieten Vegetationsaufnahmen erhoben. Diese wurden in der Auswertung in einen statistischen Bezug zu den Fernerkundungsdaten gesetzt. Die Frühjahrsdaten eignen sich sehr gut für die Darstellung der Störstellen. Mit den Sommerdaten kann dagegen die Artenzusammensetzung über die Fläche herausgearbeitet werden. Die Herbstdaten sind durch eine sehr hohe Heterogenität der Pflanzenzustände gekennzeichnet und deshalb nur bedingt aussagekräftig. Zwischen den Untersuchungsgebieten bestanden Unterschiede in der Qualität der Ergebnisse. Dies ist mit der teilweise unterschiedlichen Artenausstattung, Artenmischung und mit der unterschiedlichen Qualität der Fernerkundungsdaten zu begründen. Eine im Verhältnis zur Originalauflösung niedrige räumliche Bildauflösung führt zu Qualitätsverbesserungen bei den Gradientenmodellen.
The dataset is composed of aisaEagel hyperspectral imagery acquired during airplane overflights on August 27th, 2016 within the Toolik Lake Natural Research Area on the Alaskan North Slope. The dataset includes three flight lines with 130 spectral bands ranging from VIS to NIR (451.7 – 897 nm) wavelength regions. The dataset also includes Level 2A EnMAP-like imagery simulated using the end-to-end Simulation tool (EeteS) with 78 bands from VIS to NIR (423 – 903 mn). The overall goal of the campaign was to acquire imagery over the Toolik Vegetation grid encompassing 94 permanent 1 x 1 m vegetation plots where corresponding, comprehensive multi-seasonal spectral reflectance, photosynthetic pigment, and detailed species composition data exists. The data are highly novel and can be used form vegetation mapping of species composition and activity.