Entwicklung eines OpenSource-WebGIS zur Modellierung von ... · relevanter Geodaten in...

Martin-Luther-Universität Halle-Wittenberg

Institut für Geowissenschaften und Geographie

Fachgebiet Geofernerkundung und Kartographie

Entwicklung eines OpenSource-WebGIS zur Modellierung von Pflanzenentwicklungsphasen

Henning Gerstmann1, Markus Möller1,

Florian Thürkow2, Cornelia Gläßer1

1 Institut für Geowissenschaften und Geographie 2 UMGEODAT – Umwelt- und Geodatenmanagement GbR

7. Geofachtag Halle (Saale) 18.02.2015




Gliederung

1. Projektüberblick

2. Wissenschaftlicher Hintergrund

3. WebGIS: WPA-PhenoS • Geo- und Metadatenbank

• Geodateninfrastruktur

• Phänologische Modellierung

• Abfrage, Analyse und Visualisierung

• Geodatenviewer

4. Ausblick

5. Zusammenfassung




Projektüberblick

Phänologische Strukturierung von hochauflösenden Sentinel-2-Datensätzen zur Optimierung von Landnutzungsklassifikationen

• Laufzeit: April 2013 – Oktober 2016

• Projektpartner:

Gefördert durch:

Institut f. Geowissenschaften und Geographie FG Geofernerkundung Prof. Dr. Cornelia Gläßer

UMGEODAT-Umwelt- und Geodatenmanagement GbR Florian Thürkow

Department Landschaftsökologie Dr. Daniel Doktor

Lehrstuhl für Fernerkundung Prof. Dr. Christopher Conrad




Wissenschaftlicher Hintergrund

• Unterscheidung von Anbaukulturen mit Satellitendaten bisher erschwert durch: 1. Nahe Verwandtschaft und

hohe spektraler Ähnlichkeit

2. Geringe zeitliche / spektrale / räumliche Auflösung

• Copernicus / Global Monitoring for Environment and Security

• Sentinel-2: Einzigartige Kombination aus spektraler und räumlicher Auflösung mit Wiederholraten von ca. 5 Tagen

RapidEye

04.06.2011

Tile: 3262922

Natural color

RESA-ID: 653

• Landnutzungsklassifikation ist eine Hauptanwendung von Satellitendaten

Abb. H. Gerstmannn





• Möglichkeit zur spektralen Trennung variiert mit verschiedenen Entwicklungsstadien der Zielarten

• Phänologische Phasen können als Indikator für Zeitfenster zur Satellitenbildauswahl dienen

• Höhere Klassifikationsgenauigkeiten

• Verringerte Datenmengen → Operationelle Anwendung möglich





Untersuchungsgebiete:

• Harzvorland bei Könnern und Hettstedt

• Demmin in Mecklenburg-Vorpommern

RapidEye ID: 3262922 True color 8.5.2011 RESA-ID: 653

Abb: H. Gerstmann 1km-SRTM DEM und Untersuchungsgebiete.




Webbasiertes Prognose- und Auskunftssystem WPA-PhenoS

• OpenSource-WebGIS auf Basis von Drupal 1, GeoServer 2 und PostgreSQL 3

• Abfrage des tagesaktuellen Standes der Pflanzenentwicklung auf 1 km-Raster-Basis

• Auswahl von verfügbaren Satellitendaten zur optimalen Phase

• Hintergrundinformationen zu phänologischen Beobachtungen, Klima und Topographie




Webbasiertes Prognose- und Auskunftssystem WPA-PhenoS

Aerial Photos Aerial Photos

Abb: D. Thürkow





WPA-PhenoS: Geo- und Metadatenbank

Abb: D. Thürkow




WPA-PhenoS: Geo- und Metadatenbank

• Beschreibung relevanter Geodaten in Metadatenbank

• aktuell z.B.183 Satellitenbilder, 32 Hyperspektrale Datensätze

• Verwendung des standardkonformen Metadatenstandards Dublin-Core Lightweight Profile for Geospatial4 (DCLight4G)

Abb: D. Thürkow





WPA-PhenoS: Geodateninfrastruktur

Abb: D. Thürkow




WPA-PhenoS: Geodateninfrastruktur

Aerial Photos

• WMS OSM, ESRI World Topo Map

• WMS Bing, Google Earth, ESRI World Imagery

• Sentinel-2, MODIS

• WMS / WFS / WCS INSPIRE, GDI Deutschland, andere nationaler Behörden

• SRTM, WorldDEM (TerraSAR-X, TanDEM-X)

Visualisierung freier Geodaten und Services

Abb: D. Thürkow





WPA-PhenoS: Phänologisches Modell PHASE

Abb: D. Thürkow





• Ansatz von MÖLLER ET AL. (2011) als R-Script

• Modellierung phänologischer Phasen über Temperatursummen

Frei verfügbare Eingangsdaten:

Phänologische und meteorologische Beobachtungsdaten (Daten: DWD) Digitales Höhenmodell (SRTM)

Abb: H.Gerstmann





300

250

200

Abb: H. Gerstmann





• Keine Parametrisierung durch Nutzer erforderlich

• Retrospektiv und tagesaktuelle Modellierung möglich

• Zweites Modell: Promotor-Inhibitor-Modell (Schaber & Badeck 2003)

Bearbeitet vom Projektpartner UFZ





WPA-PhenoS: Abfrage, Analyse und Visualisierung

Abb: D. Thürkow





Zeit-, art- und flächenbasierte Abfrage von:

• Klimainformationen

• Phänologischen Beobachtungen und modellierten Phasen

• Zeitfenstern für Klassifikation

Visualisierung über:

• WMS-Server

• Verschiedene Basiskarten

• Satellitendaten-Mosaike

• WMS-Layer können in Desktop-GIS (ArcGIS, QGIS) eingebunden werden





• Automatisierte WMS-Generierung der Modellergebnisse

• Wiki zur Dokumentation





• Abfrage der optimalen Zeitfenster für Satellitendaten je nach Region, Jahr, Zielklassen

• Ansatz nach MÖLLER ET AL. (2012):

1. Vegetationsindizes als spektrale Ähnlichkeitsmaße

2. Detektion von Zeitpunkten möglichst geringer Ähnlichkeit

3. Verbindung dieser Zeitpunkte mit phänologischen Phasen

Zeitfensterdetektion

Phasen als Indikatoren für gute Trennbarkeit





Roggen: Blüte

Gerste:

Ährenschieben

Zeitreihe Differenz Kopplung an phänologische Phase

S O N D J F M A M Jun Jul A S

Monat

Zeitfensterdetektion

SAVI = 1.5*(NIR-Rot) / (NIR+Rot+0.5)





• Optimale Vegetationsindizes für die Trennung der Zielklassen gehen in eine Klassifikationsumgebung (MELanGe) ein

• Bearbeitet vom Projektpartner

Uni Würzburg

• Multitemporale Klassifikation zur Bewertung des Einflusses verschiedener Aufnahme-zeitpunkte auf die Klassifikationsgenauigkeiten

Multitemporale Klassifikation

Abb.: P. Knöfel (2015)





WPA-PhenoS: Geodatenviewer

Abb: D. Thürkow





• Visualisierung von Klimadaten von ca. 500 DWD-Stationen

Abb: D. Thürkow





• Statistische Abfrage phänologischer Beobachtungen

Abb: D. Thürkow





• Visualisierung der deutschlandweit modellierten phänologischen Ereignisse

Abb: D. Thürkow




Ausblick

• Einbindung der Modellergebnisse von PIM

• Abfrage der optimalen Phasen für nutzerdefinierte Klassen

• Weiterleitung zu verfügbaren Satellitendatensätzen von optimalen Phasen




Zusammenfassung

• Entwicklung von Algorithmen zur operativen Auswertung von Sentinel-2-Satellitendaten

• Auswahl von besonders aussagekräftigen Satellitenbildern für Landnutzungsklassifikationen

• Phänologische Modellierung und Zeitfensterdetektion

• OpenSource-WebGIS zur Abfrage von Beobachtungsdaten, modellierten phänologischen Informationen, optimalen Satellitendaten und Sekundärdaten




Vielen Dank!

[email protected]

[email protected]

http://paradigmaps.geo.uni-halle.de/phenos/

Gefördert durch:




Referenzen

• MÖLLER, M; BIRGER, J. & GLÄßER, C. (2011): Automatic real-time interpolation of phenological phases. ISPRS WG VII/5 Workshop. Köln.

• MÖLLER, M.; MÜLLER, S.; DOKTOR, D. & GLÄßER, C. (2012): Phenological structuring of multitemporal RapidEye imagery. IEEE International Geosciences and Remote Sensing Symposium (IGARSS). München.

• SCHABER, J. & BADECK, F.-W. (2003): Physiology-based phenology models for forest tree species in Germany. International Journal of Biometeorology 47 (4), 193-201.

• 1 www.drupal.de

• 2 www.geoserver.org

• 3 www.postgresql.org

• 4 http://wiki.osgeo.org/wiki/DCLite4G

Entwicklung eines OpenSource-WebGIS zur Modellierung von ... · relevanter Geodaten in...

Documents

Transcript of Entwicklung eines OpenSource-WebGIS zur Modellierung von ... · relevanter Geodaten in...