Solidago in der Landschaft: Erkenntnisse aus der Forschung - Jasmin Joshi - KVU
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Solidago in der
Landschaft: Erkenntnisse
aus der Forschung
Jasmin Joshi
Departement Architektur, Bau, Landschaft und Raum
29. Januar 2021
Solidago gigantea Spätblühende Goldrute • Eine der invasivsten Neophyten der Schweiz • Pflanzen der hohen Prärie, der Feuchtgebiete und Hochstaudenfluren Nordamerikas • Die Spätblühende Goldrute bevorzugt zwar, zumindest zeitweise, feuchte Standorte, zeigt aber eine hohe Toleranz bezüglich Nährstoffen und Boden-pH • Die bis 2,5 m hohen, mehrjährigen, spätblühenden Stauden überragen die meisten ihrer Konkurrenzpflanzen in Europa • Eine einzelne Pflanze kann über 10’000 Samen pro Jahr produzieren • Kann sich über Wurzelausläufer (bis zu 300 Ausläufer pro m2) effizient an einem Standort ausbreiten und halten • Hat sich in Feuchtgebieten der Schweiz massiv ausgebreitet hat und v.a. an ursprünglich artenreichen Riedstandorten ausgedehnte Massenbestände entwickelt, die die gefährdete, natürliche Vegetation zurückdrängen
Solidago gigantea
• Wurde seit 1758 in London kultiviert
• Genetische Analysen lassen vermuten, dass
Solidago gigantea aus Neu-England und den
südlichen Appalachen nach Europa eingeführt
wurde
• Von Gärtnern und Imkern geliebt, haben sich
diese attraktive Blühstaude des Spätsommers
rasch über Botanische Gärten in Europa
verbreitet und sich von da in den Privatgärten
und schliesslich an Wildstandorten festgesetzt
• Die Spätblühende Goldrute wurde in der ersten
Hälfte des 19. Jahrhunderts in Frankreich, 1832
in Deutschland und, in einem ersten
Massenvorkommen, 1848 an der Donau in Ein sehr früher Beleg der Spätblühenden
Ungarn in der Natur gesammelt Goldrute aus dem 17./18. Jhdt. aus
England. (Natural History Museum
London)
VegEye Projekt
Projektteam
Jasmin Joshi Patricia Meier
Cengiz Akandil Oiza Otaru
4
VegEye Projekt
Projektziel
VEGEYE hat zum Ziel, mit exemplarischen
Anwendungen eine Best Practice Sammlung zu
erarbeiten, um aufzuzeigen wie mittels UAV
erfassten Multispektraldaten
Vegetationsveränderungen und
Ökosystemdienstleistungen erfasst werden können.
Naturschutzgebiet Joner Allmeind
5
Drohnen Erfassung
eBeeX
Spannweite 116 cm
Gewicht 1.4 kg
Funkreichweite 3 km nominell (bis zu 8 km)
Kameraoptionen senseFly S.O.D.A. 3D
senseFly Duet T
MicaSense RedEdge MX
6
RGB vs. Thermalbilder
• Aufnahmen vom 25. Juni 2020
• die Lufttemperatur in Zürich betrug an diesem Tag 22 °C
°C
7
Drohnen Erfassung 8 19. Februar 2021
Diskussion: automatische Erkennung invasiver Pflanzenarten
§ Wird die für das
Naturschutzmanagement
erforderliche Präzision in der
Erkennung von Pflanzenarten und
Vegetationseinheiten erreicht?
§ Bisher gemischte Resultate
§ Eine höhere Genauigkeit nötig
19. Februar 2021
Vorteil von Drohnen im Vergleich zu Satelliten
Orthomosaik aus den georeferenzierten Flugbildern Landsat Aufnahme des Entensee mit einer 30-Meter
des Entensee mit einer Auflösung von 6.5 cm Auflösung (25. August 2020)
10 19. Februar 2021Orthomosaike - RGB vs. FCC (False Colour Composites) Bilder
Akandil, C., Otaru, O., Meier, P. & Joshi, J. (2020) «VegEye» – Solidago gigantea aus der Luft
11 erkennen. DerGartenbau, 141: 22–25.Blue Chromatic Coordinate (BCC) Indices and Water Mask
Indem die Informationen
aus zwei oder mehr
Spektralbändern
kombiniert werden,
können Indizes erzeugt
werden, die
beispielsweise dazu
dienen, Wasserflächen
abzugrenzen oder
Pflanzen zu
identifizieren.
BCC=BDN/ (RDN+GDN+BDN)
Moore et al. (2016)
Akandil, C., Otaru, O., Meier, P. & Joshi, J. (2020) «VegEye» – Solidago gigantea aus der Luft
12 erkennen. DerGartenbau, 141: 22–25.Digital Surface Model (DSM), Hillshade Image, Tree Mask
Akandil, C., Otaru, O., Meier, P. & Joshi, J. (2021) Mapping Invasive Giant Goldenrod (Solidago
gigantea) with Multispectral Images Acquired by Unmanned Aerial Vehicle. Journal of Digital
13 Landscape Architecture, in pressAuswahl unterschiedlicher «Region of Interests (ROIs)»
(2) (3)
(1)
Klassen
• Blühende Solidagos (1)
• Vegetative Solidagos (2)
• Schilf im Wasser
• Landschilf (3)
GPS points of the training classes
• Andere Vegetation
14Qualitätskontrolle mittels eines Jeffries-Matusita Transformed Divergence Test
Mausel et al., (1996)
In False Color Composite Based on NIR/RE/Green
Pairs to Separate In RGB Bands
bands
Schilf im Wasser vs. Other Vegetation 1.4604 1.31715
Blühende Solidago vs. Other Vegetation 1.60247 0.25575
Vegetative Solidago vs. Other Vegetation 1.71213 1.96521
Vegetative Solidago vs. Landschilf 1.77214 1.78316
Landschilf vs. Other Vegetation 1.83301 1.83144
Schilf im Wasser vs. Landschilf 1.77287 1.51057
Vegetative Solidago vs. Schilf im Wasser 1.99823 1.99351
Vegetative Solidago vs. Blühende Solidago 1.99884 1.97353
Blühende Solidago vs. Schilf im Wasser 1.99890 1.04508
Blühende Solidago vs. Landschilf 1.99999 1.64385
Akandil, C., Otaru, O., Meier, P. & Joshi, J. (2021) Mapping Invasive Giant Goldenrod (Solidago
15 gigantea) with Multispectral Images Acquired by Unmanned Aerial Vehicle. Journal of Digital
Landscape Architecture, in pressAccuracy Tables
Kontrolle Kontrolle Kontrolle Kontrolle
Kontrolle
Klasse Vegetative Blühende Andere Schilf im
Landschilf
Solidago Solidago Vegetation Wasser
Vegetative Solidago 94% 0 0 0 2%
Blühende Solidago 0 95% 0 0 0
Andere Vegetation 0 4% 91% 8% 8%
Schilf im Wasser 0 0 8% 89% 2%
Landschilf 5% 0 0 2% 87%
Total 99% 99% 99% 99% 99%
Akandil, C., Otaru, O., Meier, P. & Joshi, J. (2021) Mapping Invasive Giant Goldenrod (Solidago
gigantea) with Multispectral Images Acquired by Unmanned Aerial Vehicle. Journal of Digital
Landscape Architecture, in press
16Schätzung der Goldrutenbestände
Klasse Deckungsgrad (%) Fläche (m2)
Solidago gigantea 10.35% 13,677
Schilf 20.31% 26,839
Wasserflächen 1.12% 1,480
Bäume 11.57% 15,289
Andere Vegetation 56.64% 74,849
Nicht bestimmt 0.05% 66
Akandil, C., Otaru, O., Meier, P. & Joshi, J. (2021) Mapping Invasive Giant Goldenrod (Solidago
17 gigantea) with Multispectral Images Acquired by Unmanned Aerial Vehicle. Journal of Digital
Landscape Architecture, in pressDie Detektion von Goldruten aus Multispektraldaten ist also
ein mehrstufiger Prozess - der sich aber lohnt, wenn die
Bildanalyse automatisiert wird
Vorbereitung Klassifizierung Validierung
• Kalibrierung • Einteilung in Klassen • Cohen’s Kappa
• Geotagging • Klassifikation des • Confusion Matrix
• Orthomosaike Oberflächenwassers • Producer & User
(RGB & • Klassifikation der Bäume Accuracies
Multispectral) • Jeffries Matusita &
• Digital Surface Transformed Divergence
Model (DSM) Test
• Erstellung von Kontroll-
und Trainings ROIs
• Maximum Likelihood
Klassifizierung
Akandil, C., Otaru, O., Meier, P. & Joshi, J. (2021) Mapping Invasive Giant Goldenrod (Solidago
gigantea) with Multispectral Images Acquired by Unmanned Aerial Vehicle. Journal of Digital
Landscape Architecture, in pressDanke... Departement Architektur, Bau, Landschaft und Raum
Sie können auch lesen
