RapidEye

crpf.fr

RapidEye

Holzvorratsschätzung unterNutzung vonFernerkundungsdaten undForsteinrichtungsinformationenL’estimation des volumes despeuplements par combinaison desdonnées satellitaires et desinformations rassemblées auterrainExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


Übersicht(1) Einleitung(2) Datenbasis(3) Methode(4) Ergebnisse(5) DiskussionExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(1) EinleitungVor allem hinsichtlich verschiedener Klimaschutzzielebesteht ein hoher Informationsbedarf über den Wald• Kyoto-Protokoll• Helsinki-Kriterien- Erhaltung + Verbesserung der forstlichen Ressourcen und Ihr Beitrag zumglobalen Kohlenstoffkreislauf- Vitalität und Produktivität von Forstökosystemen- Biodiversität und Schutzfunktion der Wälder!Informationsbedarf• Gesamtwaldfläche• umgewandelte Flächen• VorratswerteExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(1) Einleitung- terrestrische Erhebungen sind zeit-/kostenintensiv- Informationen nur auf Waldort-Ebene vorhanden- bisher kaum Informationen über Holzvorräte derPrivatwaldflächen erhobenExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(1) EinleitungExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(2) DatenbasisForsteinrichtungsdatenWaldökologisches Forstinformationssystem (WöFIS)Geländemessung und Bewertungunter anderem:- Baumarten- Alter- Baumhöhe- Brusthöhendurchmesser- Bestockungsdichte- Bonität- Flächenanteil an GesamtwaldortKombination von Geodaten undrelationaler DatenbankExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(2) DatenbasisHyMAP- Pixelgröße 4-7 m nach geometrischer Korrektur- 128 Kanäle im Bereich von 0,4 – 2,5 µmExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(2) DatenbasisRapidEye• fünf sonnensynchrone Satelliten• hochaufgelöste, multispektrale Aufnahmen auf großer Fläche mittäglicher Wiederholungsrate• Pixelgröße 5 m nach geometrischer Korrektur• 5 KanäleBandkombination 5, 3, 2Expériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(2) Datenbasisspektrale AuflösungBand Wellenlängenvereich [µm]1 0.5 - 0.59SPOT 5 2 0.61 - 0.683 0.78 - 0.894 1.58 - 1.751 0.44 - 0.512 0.52 - 0.59RapidEye 3 0.63 - 0.6854 0.69 - 0.735 0.76 - 0.85- vier Spektralkanäle im sichtbaren Bereich und einerim nahen Infrarot- erstmalig ein Kanal im „Red Edge“ Bereich1 2 3 41 2 3 4 5Expériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(3) MethodeVorprozessierungsschritteoriginalgeometrische Korrekturradiometrische KorrekturMODISReferenzszeneSatellitenbild-datenLuftbild/ DHMgeometrische Korrekturradiometrische KorrekturGeometrisch/radiometrischkorrigiertesSatellitenbildWolken-/SchattenmaskeExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(3) MethodeDie Basis der Vorratsschätzung beruht auf einem Zusammenhang zwischen Vorratswertenund spektraler Information der SatellitenbilddatenMuukoonen & Heiskanen (2005). Estimating biomass for borealforests using ASTER satellite data combined with standwise forestinventory data. Remote Sensing of Environment, 99, 434-447.Ardö, J. (1992). Volume quantification of coniferous forestcompartments using spectral radiance recorded by LandsatThematic Mapper. International Journal of Remote Sensing,13, 1779-1786.Zheng, D. et al. (2004).Estimating abovegroundbiomass using Landsat 7ETM+ data across amanaged landscape innorthern Wisconsin, USA.Remote Sensing ofEnvironment, 93, 402-411.Expériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(3) MethodeZur Schätzung von Holzvorrat mit Fernerkundungsdaten sindZusatzinformationen notwendig Verknüpfung mit bereits vorhandenen Daten (Referenzdaten)Multiquellen-Verfahren:Verknüpfung von Fernerkundungsdaten mit terrestrisch erhobenen DatenkNN SwedenNFI FinnlandKombination vonSatellitenbeobachtungen undterrestrischer Inventurnetze zurÜbertragung punktbezogenerVorratsschätzungen nationalerForstinventuren auf kleinerePlanungs- und Betriebseinheiten:Tomppo, E. et al. (2008), Combining national forest inventory field plots and remotesensing data for forest databases, Remote Sensing of Environment, 112, 1982-1999.Expériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(3) Methodeband 4 (0.8444 µm)band 3 (0.6617 µm)2. nearestneighbour1. nearestneighbourd 2,p d 1,p3. nearestneighbourd 3,pd 4,p4. nearestneighbourfür die euklidische Distanz (d 1,p ) der (k) nearest-neighbour zum Pixel p giltwenn die für p zu schätzende Bestandsvariable (m)Stichproben-Pixel innerhalb „Wald“ (potentieller k-nearest neighbour)Stichproben-Pixel außerhalb „Wald“ (als potentieller k-nearest neighbour) ausgeschlossenBeispiel für zu schätzendes Nicht-Stichproben-Pixel “p“ innerhalb „Wald“Expériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(3) MethodeExtraktion derspektralenInformation Zusammenhangzwischen spektralenInformationen undVorratswertenExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(3) MethodeKorrelationKorrelation HyMAP0,40,20,0-0,2-0,4-0,6-0,8-1,00 500 1000 1500 2000 2500 3000- GuteKorrelationenim vis und nIR- beiBetrachtung dereinzelnenKanäle z.T. hoheStreuungln HyMAP Band 15,75,75,65,65,55,55,45,45,3ln HyMAP Band 13Wellenlänge [nm]5,95,8005,75,88,4y = -0,0007x 8,4 + 5,6532 5,700 7,2y = -0,0003x + 5,4358R² y = 0,6368 -0,0006x +7,15,3927R²y = -0,0013x + 7,8185y =-0,0007x0,06875,6+ 6,6925,78,2y = -0,0003x8,2+ 5,5595R² = 0,5176 5,600y = -0,0012x + 7,8327R² = 0,5997R² = 0,4153R² = 0,32365,57,0R² = 0,60835,68,08,0 5,500 6,95,45,57,87,8 5,400 6,85,35,46,77,67,6 5,3005,26,65,37,47,4 5,2005,16,55,26,45,07,27,25,1005,16,304,9100 7,0 200 300 400 7,0 500 5,0006,26000 1000 200 100 0 Holzvorrat 300 200 100 [Efm/ha] 400 300 200 500 400 0300 600 500100 4000,000 600200 100,00500 100 300200,00600 200300,00400300 400,00500400 500,00600500 600,00600Holzvorrat [Efm/ha] Holzvorrat [Efm/ha] Holzvorrat [Efm/ha]Holzvorrat [Efm/ha]HolzvorratHolzvorrat[Efm/ha][Efm/ha]ln HyMAP Band 15ln HyMAP Band 18ln HyMAP Band 34ln HyMAP Band 99ln HyMAP Band 78Expériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(3) Methode• Zusammenhang zwischen Korrelation und spektraler Reflexion von VegetationExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(3) Methode1234 5ZusammenhangRapidEyezwischen RapidEyeDaten undVorratswertenProblem: Aktualitätder Forsteinrichtungsdatenln RapidEye Band 15,45,35,25,15,04,94,84,7ln RapidEye Band 26,1 5,56,0 5,46,0 5,4ln RapidEye Band 35,9 5,35,9 5,35,8 5,25,8 5,25,7 5,15,7 5,15,6 5,0ln RapidEye Band 46,6 7,96,5 7,8y = -0,0002x + 5,1526 y = -0,0004x y = -0,0001x + 5,9822 + 5,24466,5R² = 0,0517 R² = R² 0,5049 = 0,02747,76,47,66,47,56,37,46,37,36,26,2 7,26,1 7,16,1 7,0ln RapidEye Band 5y = -0,0006x y = -0,0008x + 6,4703 + 7,7876R² = 0,6852 R² = 0,6090 100 200 0 0 300100 400200 0300 5000 300100 400 600 100 400200 500 700 200 500300 600 300 600400 700 400 700500 500 600 600 700 700Holzvorrat [Efm/ha]Holzvorrat [Efm/ha] [Efm/ha]Holzvorrat [Efm/ha] [Efm/ha]Expériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(3) MethodeVorratsschätzung am Beispiel von Fichtenbeständen imIdarwaldUntersuchung von Skaleneffekten(1) HyMAP Daten vom 15.7.2003 (5m Auflösung)(2) HyMAP Daten auf 10m aggregiert(3) HyMAP Daten auf 20m aggregiert(4) RapidEye Szene (7.8.2010)Expériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(4) Ergebnisseist die höchsteAuflösung auchimmer besser?Expériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(4) ErgebnisseHyMAP 5m HyMAP 10m HyMAP 20m RapidEyeWEFLKZ Vorrat 2003Schaetz5mDiff 5m%AbweichungSchaetz10m%AbweichDiff 10mungSchaetz20mDiff 20m%Abweichungmittl. Abweichung 48 Efm/ha 44 Efm/ha 53 Efm/ha 73 Efm/haVorrat2010SchaetzRE13,0,1,4,2,74,a,1,20091001 37.7 120.7 83.0 36.1 129.5 91.8 40.0 90.7 53.0 23.1 80.2229.7 149.6 65.113,0,1,4,2,71,a,1,20091001 57.6 108.7 51.1 28.0 96.1 38.5 21.0 93.4 35.8 19.6 111.6182.8 71.2 39.013,0,1,4,2,155,a,3,20091001 61.6 129.8 68.3 29.4 104.1 42.5 18.3 89.9 28.3 12.2 107.1231.8 124.8 53.822,0,1,22,1,111,a,2,20061001 85.4 101.1 15.7 7.3 91.7 6.3 3.0 119.4 34.0 15.9 139.2214.0 74.8 34.913,0,1,5,2,148,a,1,20091001 113.3 110.7 -2.6 1.3 112.0 -1.4 0.7 68.7 -44.7 21.9 175.3203.6 28.3 13.913,0,1,4,3,104,a,1,20091001 181.8 182.5 0.7 0.2 192.3 10.4 3.4 228.1 46.3 15.0 252.7308.5 55.8 18.122,0,1,22,1,118,a,3,20061001 237.5 263.2 25.7 7.2 278.3 40.8 11.4 234.8 -2.7 0.7 287.9357.2 69.3 19.413,0,1,5,2,177,a,2,20091001 259.3 256.9 -2.5 0.7 300.3 41.0 12.3 279.2 19.8 6.0 338.5331.9 -6.7 2.013,1,231502,8,0,41,a,0,20061001 292.9 233.1 -59.8 20.5 249.6 -43.3 14.9 217.6 -75.4 25.9 393.4291.5 -101.9 34.913,0,1,4,3,100,c,0,20091001 296.9 315.9 18.9 4.7 337.2 40.3 9.9 311.1 14.2 3.5 364.1406.1 42.0 10.413,0,1,4,3,98,a,1,20091001 308.2 263.8 -44.4 12.6 252.9 -55.3 15.7 219.1 -89.1 25.3 382.4352.3 -30.1 8.513,0,1,4,2,69,b,0,20091001 352.0 302.7 -49.3 13.3 320.4 -31.6 8.5 317.8 -34.2 9.2 434.3371.6 -62.7 16.913,0,1,4,2,59,b,0,20091001 380.0 318.6 -61.4 16.1 339.8 -40.2 10.5 318.3 -61.7 16.1 451.4382.3 -69.1 18.113,0,1,4,2,146,a,0,20091001 431.0 304.0 -127.0 34.0 326.9 -104.2 27.9 299.4 -131.6 35.2 490.4373.9 -116.5 31.213,0,1,4,2,48,a,3,20091001 449.0 327.3 -121.7 32.1 365.7 -83.3 22.0 332.2 -116.8 30.8 500.0379.1 -120.9 31.9Diff RE%AbweichungExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(4) ErgebnisseExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(4) ErgebnisseExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(4) ErgebnisseExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(5) DiskussionMöglichkeiten zur Holzvorratsschätzung im (Privat)waldGeometrie:Mit höherer geometrischer Auflösung werden auch kleinräumige Unterschiede der Holzvorräte sichtbarHinsichtlich der Abweichung ist der Unterschied zwischen 10m und 5m geometrischer Auflösung gering bringt die höchste Auflösung auch das beste Ergebnis?Radiometrie:Je mehr Kanäle verfügbar sind, desto besser lässt sich die Abhängigkeit zwischen Vorrat undReflexion darstellensensitiv sind vor allem die Bereiche des nIR und des „Red-Edges“Vereinzelt Bereiche im sichtbaren Spektrum sensitivRapidEye bietet als einziger satellitengestützter Sensor sowohl im nIR als auch im „Red-Edge“einen separaten Kanal anExpériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


(5) DiskussionMöglichkeiten zur Holzvorratsschätzung im (Privat)waldKombination von stratifizierten Fernerkundungsdaten und Forsteinrichtungsinformation erlaubtdie Schätzung von Vorratswerten im rheinland-pfälzischen Fichtenwald …alle Entwicklungsstufen sind abgedeckt, aber die Vorratswerte sind nicht gleichverteiltInsgesamt vergleichsweise wenig Referenzpunkte da nur wenige homogene Bestände existierenUnterschiedliche Aktualität der Referenzdaten -> Hochrechnen von Vorratswerten sinnvoll?Ist die Anwendung auf Basis von Vorratsklassen anstelle von exakten Vorratswerten sinnvoller/nochnützlich? Lassen sich andere Informationsquellen zur Verbesserung des Schätzergebnisses nutzen?• Inventurstichprobennetze (Vorteile / Nachteile?)• Kombination optisch-reflektiver und aktiver Aufnahmesysteme (Laser-Scanning, Radar) Wie lassen sich die extrapolierten Vorratsdaten überprüfen? Wie gut lässt sich die k-NN-Schätzung auf andere Baumarten übertragen?(Douglasie, Buche) welche geometrische Auflösung eignet sich am besten zur Schätzung von Holzvorräten?Expériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011


Vielen Dank für die Aufmerksamkeit!Merci beaucoup pour votre attention!Expériences croisées en matière de télédétection forestière – Nancy le 5 Avril 2011

Weitere Magazine dieses Users
Ähnliche Magazine