Turfgrass Science - Deutsche Rasengesellschaft

Abb. 5a: Gesunde Blätter, Seneszenz (hellbraun)
und Lücke (dunkelbraun) im realen
Bild
trieren exemplarisch den Prozess der
Bildverarbeitung, in dem die Flächenanteile
des Rasens mit vergilbter Blattund
Sprossmasse von den vital grünen
Flächenanteilen mittels Kantenoperation,
d.h. anhand eine hohen Q-Wertes
voneinander getrennt wurden. Für die
Bestimmung der seneszenten Flächenanteile
wurden die rot markierten Pixel
ausgezählt.
Auch die Unterscheidung von seneszentem
Pflanzenmaterial und in dem in
Lücken sichtbaren Boden erfolgte
durch die beschriebene Kantenoperation.
Bezogen auf die Blattstruktur besitzt
der seneszente Rasen eine deutlich
höhere Kantendichte je Flächeneinheit
als die Rasenlücke. Somit wird
eine eindeutige Differenzierung zwischen
dem farblich ähnlichen, seneszenten
Pflanzenmaterial und den Lücken
möglich. Die entsprechenden Flächenanteile
können auf diese Weise mit
der Bildanalyse erfasst, farblich differenziert
und gemessen werden (Abb.
5a und 5b).
4. Diskussion
Die Erfassung und die objektive und reproduzierbare
Auswertung von biometrischen
Daten hat in den letzten Jahren
in vielen Bereichen des alltäglichen
Lebens Einzug gehalten. Mit Hilfe der
digitalen Bildanalyse können z. B. Fingerabdrücke
von Personen oder andere
biometrische Maße eindeutig und
unverwechselbar zugeordnet werden.
Die vorliegenden Ergebnisse belegen,
dass mit den Techniken der Bildanalyse
und darauf abgestimmten Verfahren
der Bildbearbeitung auch von Rasenflächen
„Fingerabdrücke“ möglich
sind. Im Gegensatz zu den bisher üblichen
visuellen Schätzungen (Bonituren)
mit ihren subjektiven Einflüssen und
Fehlerquellen erlauben die vorgestell-
Abb. 5b: Gesunde Blätter, Seneszenz (rot)
und Lücke (blau) konnten erfolgreich erkannt
und getrennt werden
ten Verfahrensschritte eine objektive
Messung der Farbtöne in Rasenflächen.
Der Verlauf der künstlich eingeleiteten
Seneszenz, in diesem Versuch
durch die Behandlung mit dem Totalherbizid
Roundup verursacht, kann
durch die Messung der verschiedenen
RAL-Farbtöne nummerisch dargestellt
werden. So lassen sich eindeutig die
Flächenanteile vitaler (grüner) und seneszenter
(gelber) Bereiche in Rasenflächen
unterscheiden. Dies ermöglicht
eine objektive Aussage über die Reaktion
unterschiedlicher Gräserarten oder
Mischungen auf Einflussfaktoren, die
eine Veränderung des Chlorophyllgehaltes
und damit der Rasenfarbe zur
Folge haben.
Die Farbklassen könnten im Prinzip
noch feiner unterteilt werden. Es wurde
jedoch in den Ergebnisdarstellungen
absichtlich die Spannweite der
RAL-Chips der Komplexität der Farbe
in den Bildausschnitten angepasst,
d.h. klein gehalten, weil bei feinerer Unterteilung
die Flächenanteile der RAL
Komponenten fortschreitend geringer
werden und die Übersichtlichkeit der
Ergebnisse dadurch beeinträchtigt
worden wäre.
Eine besondere Herausforderung stellte
in dieser Arbeit die bildanalytische
Trennung von farblich sehr eng beieinander
liegenden seneszenten Gräsern
und Lücken dar. Ohne diese Trennung
würde es zu Fehlmessungen kommen,
da die Gelbtöne des in den Lücken
sichtbaren Bodens dem seneszenten
Pflanzenmaterial zugerechnet würden.
Die teilweise identischen Farbtöne
konnten mit Hilfe eines pixelweise
durchgeführten Vergleichs benachbarter
Pixel als abgestorbenes Pflanzenmaterial
oder Lücken identifiziert werden.
Der eventuell störende Einfluss
auftretender Lücken im Rasen wird
hierdurch erfasst und bei der Bewertung
der Ergebnisse berücksichtigt.
Zusammen mit den Ergebnissen der
vorausgehenden Publikation (NONN et
al., 2007), in dem der Einfluss unterschiedlicher
Stickstoffgaben auf die
Rasenfarbe vorgestellt wurde, zeigen
die hier vorgestellten Ergebnisse die
Chance, die bisherigen Bonituren
durch ein objektives und reproduzierbares
Messverfahren abzulösen. Vorstellbar
und wünschenswert wäre,
dass die hier vorgestellten Messverfahren
auch bei offiziellen Rasenprüfungen
von Gräsersorten neben den visuellen
Standardbonituren Verwendung finden
würden. Einen weiteren Vorteil des bildanalytischen
Verfahrens sehen wir in
der Möglichkeit, Dokumente von Rasenbonituren,Zeitreihenbeobachtungen
etc. zu erstellen, die jederzeit abrufbar
und vergleichbar sind.
Literatur
BUNDESSORTENAMT (Hrsg.), 1999: Richtlinie
für die besondere Anbauprüfung auf Rasennutzung.
CIELAB, 1999: Commission internationale de
l’éclairage. CIE Central Bureau, Wien.
www.cie.co.at
LOCK, R., I. RADEMACHER, H. NONN and W.
KÜHBAUCH, 2004: Methods of digital image
processing to quantify ground cover of
turf grass. Grassland Science 9, 790-792.
NONN, H., I. RADEMACHER, R. LOCK und W.
KÜHBAUCH, 2003: Messung von Lückigkeit
und Farbe von Rasenflächen mit CCD-
Kameratechnik und Radiometrie. Rasen-
Turf-Gazon 34, 67-73.
NONN, H., R. LOCK und W. KÜHBAUCH, 2004:
Kameratechnische Analyse der Narbendichte
bzw. Lückigkeit von Rasenflächen.
Rasen-Turf-Gazon 35, 11-15.
NONN, H., R. LOCK und W. KÜHBAUCH, 2004:
Qualitätseigenschaften verschiedener Gebrauchsrasenmischungen.
Teil 2: Narbendichte,
Regenerationsvermögen und Arteninventar.
Rasen-Turf-Gazon 37, 169-177.
NONN, H., R. LOCK und W. KÜHBAUCH, 2007:
RAL-referenzierte Messung der Farbe und
Struktur von Rasenflächen. Teil 1: Farbmessung
an unterschiedlichen Gräserarten
in drei Stickstoffdüngungsstufen. Rasen-
Turf-Gazon 38, 217-222.
RAL, 1999: Deutsches Institut für Gütesicherung
und Kennzeichnung. Sankt Augustin.
www.ral.de
RICHARDSON, M.D., D.E. KARCHER, L.C.
PURCELL, 2001: Quantifying turfgrass cover
using digital image analysis. Crop Science
41, 1884-1888.
Verfasser
Dr. agr. Harald Nonn, Rasenforschung WOLF-
Garten/EUROGREEN, Industriestr. 83-85, D-
57518 Betzdorf
Dipl.-Ing. Reiner Lock und Prof. Dr. Walter Kühbauch,
Lehrstuhl für Allgemeinen Pflanzenbau,
Universität Bonn, Katzenburgweg 5, D-53115
Bonn
6 RASEN · TURF · GAZON 1/2008