Application of the Earth Observation Land Data Assimilation System Prototype - a Tool for Crop Monitoring
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Application of the Earth Observation Land Data Assimilation System Prototype – a Tool for Crop Monitoring Sina Truckenbrodt, Christiane Schmullius „Nutzung von RapidEye-Daten im Kontext der Synergie mit anderen Sensoren und in Vorbereitung auf künftige Missionen“ Bonn, 29.-30. April 2015
1 Motivation
Was bedingt die Streuung der Messwerte von
LAI = 6.753 * NDI674-712 LAI und optimiertem NDVI?
r² = 0.824
Mess- wenige zeitliche
rauschen Kanäle Dynamik
Measured LAI
Messunsich. relevante Info relevante Prozesse
berücksichtigt ? enthalten? berücksichtigt ?
Datenassimilation
= mathematisches Modell
+ Beobachtung von Variablen in Zeit
NDI674-712 + Beobachtung von Variablen im Raum
(DORIGO et al. 2007)
Abb.: Relation zwischen LAI und NDI674-712
(DELEGIDO et al. 2013, verändert)
Earth Observation Land Data Assimilation System
(= EO-LDAS; LEWIS et al. 2012)
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 2
Gliederung 1 Motivation 2 EO-LDAS-Prototyp 3 Projektziele 4 Feldkampagne 5 Inverse Mode – Grundidee 6 Erste Simulationen im Forward Mode Zusammenfassung Literatur 29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 3
2 EO-LDAS-Prototyp
Beobachtung Modell
Strahlungstransfermodelle
h(x) Atmosphärenmodell
• 6s (KOTCHENOVA et al. 2006)
Erdoberflächenmodelle
• Semi-discret model
(GOBRON et al. 1997)
• Leaf reflectance/
transmittance model
(FÉRET et al. 2008)
jahreszeitliche phäno- • Soil reflectance model
Prozessmodell
logische Variationen (PRICE 1990)
gemessene modellierte
Minimierung Kostenfunktion
Reflektanz y(x) Reflektanz h(x)
Zustandsvariablen x
Abb.: Funktionsweise des EO-LDAS-Prototyps (inverse mode)
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 4
2 EO-LDAS-Prototyp Zustandsparameter: • Blattflächenindex (LAI) • Biomasse • Pflanzenhöhe • Anzahl der Blattschichten • Blattdimension • Bodenhelligkeit • Chlorophyllgehalt (Chl) a+b • Bodenfeuchte • Anteil alternden Pflanzenmaterials • Blattwinkelverteilung • Blattwassergehalt 29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 5
2 EO-LDAS-Prototyp
Zustandsvariablen x
Modell
Strahlungstransfermodelle
h(x) Atmosphärenmodell
• 6s (KOTCHENOVA et al. 2006)
Erdoberflächenmodelle
• Semi-discret model
(GOBRON et al. 1997)
• Leaf reflectance/
transmittance model
(FÉRET et al. 2008)
Prozessmodell • Soil reflectance model
(PRICE 1990)
Erweiterung von
modellierte Reflektanz h(x)
Zeitreihen-Produkten
Abb.: Funktionsweise des EO-LDAS-Prototyps (forward mode)
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 6
3 Projektziele
• Erprobung und Validierung des EO-LDAS-Prototyps :
• Ableitung von Zustandsgrößen
• Simulation von Spektren (u.a. Sentinel-2, RapidEye, Spot 5)
• Treibhausgas-Bilanzierung
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 7
4 Feldkampagne
• Blattflächenindex (LAI) • Biomasse
• Pflanzenhöhe • Anzahl der Blattschichten
• Blattdimension • Bodenhelligkeit
• Chlorophyllgehalt (Chl) a+b • Bodenfeuchte
• Anteil alternden Pflanzenmaterials • Blattwinkelverteilung
• Blattwassergehalt
Abb.: Messung von Chl a+b, LAI, Bodenfeuchte und spektralen Informationen
(Photos: S. Truckenbrodt)
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 8
4 Feldkampagne
Berlin
Gebesee
München
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 9
4 Feldkampagne
20.04.2013 17.04.2014
05.07.2013 03.07.2014
02.08.2013 01.08.2014
Abb.: Entwicklungsunterschiede von Weizen in der Jahren 2013 und 2014
(Photos: J. Jänichen, S. Stuhler, S.Truckenbrodt)
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 105 Inverse Mode - Grundidee
2013 2014
M
a
i
J
Plant Area Index
u
n
A
u
g
Phänologiemodell
Abschätzung Zustandsgröße
Bsp.: PAI am 13.06.2014
13.06.2014 N (μPAI = 4,1 ; σ²PAI = 0,25 )
Abb.: Phänologiemodell
( Mittelwert μ; Standardabweichung σ) a priori-Information
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 115 Inverse Mode - Grundidee
Beobachtung Modell Parameter
PAI
3,3
rot PAI = 3,68 * NDVI - 0,66
1
r² = 0,48
0
(SHANG et al. 2014)
N (μobs_PAI = 2,6; σ²obs_PAI = 0,2 )
0 Messung
NIR = Messwert + Messunsicherheit
1
N (μobs_Chl = 46,7; σ²obs_Chl = 14,4)
Chl = 15,96 * NDVI + 34,39
r² = 0,14 Chl/SPAD
0 48,8
(SCHELLING & SCHULTHESS 2010)
22,7
Abb.: Ableitung von PAI und Chl (a+b) für Winterweizen aus RapidEye-Daten vom 13.06.2014
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 125 Inverse Mode - Grundidee
3.5
a priori- 50
3.0
Posteriori- Beobachtung, Information 2.5
Information Messung
Chl a+b / SPAD
45 2.0
1.5
40 1.0
0.5
35
obs post in-situ 0
μ PAI 2.6 3.8 4.9 2.0 2.5 3.0 3.5 4.0 4.5
PAI
σ²PAI 0.2 0.1 0.6
/ Isolinien zur pdf der a priori-Information /
μ Chl / SPAD 46.7 42.7 47.9 der Beobachtung
σ²Chl /SPAD 14.4 5.4 13.7 Mittelwerte
Abb.: Wahrscheinlichkeitsdichtefunktionen (pdf)
der Ein- und Ausgangsgrößen
(Chl a+b Daten: OPPELT 2002)
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 136 Erste Simulationen im Forward Mode
Feldmessung
PAI, Chl a+b, Pflanzenhöhe, Blattfeuchtegehalt
Simulation: EO-LDAS forward mode
hyperspektrale Top-of-Canopy Reflektanz (TOC)
Aggregierung nach GREEN & SHIMADA (1997)
multispektrale TOC
Monte-Carlo-Algorithmus zur Quantifizierung der Unsicherheiten
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 146 Erste Simulationen im Forward Mode
Top-of-Canopy Reflektanzen von Winterweizen am 13.06.2014
aus RapidEye-Akquisition abgeleitet / Mittelwert / Standardabweichung
Spektrometermessungen pro Plot
simulierte für RapidEye-Bänder
abgeschätzte Unsicherheiten bzgl. / Mittelwert / Standardabweichung
der Simulation Simulationen pro Plot
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 15Zusammenfassung
Der EO-LDAS Prototyp ermöglicht:
• Ableitung von Zustandsparametern der Vegetation und des Bodens durch
Datenassimilation
Flächenhafte, konsistente Parameterzeitreihen
• Simulation spektraler Daten
Verdichten und Verlängern von Zeitreihenprodukten
Ziel des Projekts EO-LDAS-App ist die Anwendung und Validierung dieser beiden Optionen
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 16Danksagung
Dr. Jussi Baade Elisabeth Braun
Thomas Brockmann Nicolas Dalla Valle
Matthias Döring Dr. Achim Friker
Martin Gutwin Sabrina Haase
Matthias Hirth Jannik Jänichen Arvid Jasper
Eric Krüger Gina Lukaszczyk Theresa Möller
Noel Naschold Nicole Neumann Christoph Niemann
Dr. Antje Moffat Thomas Pfeuffer Bastian Reinwarth
Thomas Reinwarth Oles Ridush Frank Riedel
Johannes Rosentreter Miguel Schmuck Julia Siemens
Paul Strobel Sophie Stuhler Dr. Bernd Vennemann
Katja Willner Irene Walde
ESA
RESA
29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 17Literatur DELEGIDO, J., J. VERRELST, C.M. MEZA, J.P.RIVERA, L. ALONSO & J. MORENO (2013): A red-edge spectral index for remote sensing estimation of green LAI over agroecosystems. – European Journal of Agronomy 46, 42-52. DORIGO, W.A., R. ZURITA-MILLA, A.J.W. DE WIT, J. BRAZILE, R. SINGH & M.E. SCHAEPMAN (2007): A review on reflective remote sensing and data assimilation techniques for enhanced agroecosystem modeling. – International Journal of Applied Earth Observation and Geoinformation 9, 165-193. DÖRING, M. (1988): LPG Pflanzenproduktion Andisleben. Maßstab 1:25000. Erfurt: VEB Geodäsie und Kartographie. FERET, J.B., C. FRANÇOIS, G.P. ASNER, A.A. GITELSON, R.E. MARTIN, L.B.R. BIDEL, S.L. USTIN, G. LE MAIRE & S. JACQUEMOUD (2008): PROSPECT-4 and 5: Advances in the leaf optical properties model separating photosynthetic pigments. – Remote Sensing of Environments 112, 3030-3043. GOBRON, N., B. PINTY, M.M. VERSTRAETE & Y. GOVAERTS (1997): A semidiscrete model for the scattering of light by vegetation. – Journal of Geophysical Research 102(D8), 9431–9446. GREEN R.O. & M. SHIMADA (1997): On Orbit calibration of a multispectral satellite sensor using a high altitude airborne imaging spectrometer. – Advances in Space Research 19(9), 1387–1398. KOTCHENOVA, S.Y., E.F. VERMOTE, R. MATARRESE & F.J. KLEMM JR. (2006): Validation of a vector version of the 6S radiative transfer code for atmospheric correction of satellite data. Part I: Path radiance. – Applied Optics 45 (26), 6762-6774. LEWIS, P., J. GÓMEZ-DANS, T. KAMINSKI, J. SETTLE, T. QUAIFE, N. GOBRON, J. STYLES & M. BERGER (2012a): An Earth Observation Land Data Assimilation System (EO-LDAS). – Remote Sensing of Environment 120, 219-235. OPPELT, N. (2002): Monitoring of Plant Chlorophyll and Nitrogen Status Using the Airborne Imaging Spectrometer AVIS. Dissertation, LMU München: Fakultät für Geowissenschaften. PRICE, J.C. (1990): On the information content of soil reflectance spectra. – Remote Sensing of Environment 33, 113-121. SCHELLING, K. & U. SCHULTHESS (2010): Abschätzung des Chlorophyllgehaltes von Pflanzenbeständen mit RapidEye Satellitenbilddaten. In: CLAUPHEIM, W., L. THEUVSEN, A. KÄMPF & M. MORGENSTERN (Hrsg.): Referate der 30. GIL- Jahrestagung in Hohenheim 2010 – Precision Agriculture Reloaded – informationsgestützte Landwirtschaft. Ges. f. Informatik: Bonn. 29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 18
Literatur SHANG, J., J. LIU, T. HUFFMAN, B. QIAN, E. PATTEY, J. WANG, T. ZHAO, X. GENG, D. KROETSCH, T. DONG & N. LANTZA (2014): Estimating plant area index for monitoring crop growth dynamics using Landsat-8 and RapidEye Images. – Journal of Applied Remote Sensing 8, 085196-1 - 085196-12. TLVERMGEO (THÜRINGER LANDESAMT FÜR VERMESSUNG UND GEOINFORMATION)(Hrsg.)(2006): TK10 Blatt 4931-NO, Walschleben. Maßstab 1:10000. Erfurt: TLVermGEO. TLVERMGEO (THÜRINGER LANDESAMT FÜR VERMESSUNG UND GEOINFORMATION)(Hrsg.)(20102): TK10 Blatt 4831-SO, Gebesee. Maßstab 1:10000. Erfurt: TLVermGEO. TLVERMGEO (THÜRINGER LANDESAMT FÜR VERMESSUNG UND GEOINFORMATION)(Hrsg.)(20122): TK10 Blatt 4931-NW, Dachwig. Maßstab 1:10000. Erfurt: TLVermGEO. TLUG (THÜRINGER LANDESANSTALT FÜR UMWELT UND GEOLOGIE)(Hrsg.)(2000): Digitale Bodengeologische Konzeptkarte 1:50000. Maßstab: 1:50000. Weimar: TLUG. TLVA (THÜRINGER LANDESVERMESSUNGSAMT)(Hrsg.)(2003): TK10 Blatt 4831-SW, Herbsleben. Maßstab 1:10000. Erfurt: TLVA. 29.04.2015 The EO-LDAS Prototype – a Tool for Crop Monitoring 19
Sie können auch lesen
