Steckbrief EnMAP-BMP
| Gegenstand/ Zielstellung | Methoden zur fernerkundlichen Quantifizierung des Biomethanpotentials landwirtschaftlicher Kulturflächen unter spezieller Berücksichtigung der EnMAP-Mission |
| Zielgrößen | Biomethanpotential (BMP), Pflanzenstrukturparameter (Biomasse, LAI), Landnutzung |
| Datengrundlage | HyMAP, APEX, simulierte EnMAP Daten, SAR Daten, ASD-FieldSpec, Laboranalysen |
| Beschreibung des Vorgehens | Die Projektziele werden von einem interdisziplinären Konsortium mit sich ergänzenden Expertisen im Bereich der Fernerkundung, Agrarwirtschaft und Ökosystemmodellierung umgesetzt. Das Projekt EnMAP-BMP zielt auf die Entwicklung einer Methodik zur fernerkundlichen Erfassung des Biomethanpotentials (BMP) von Energiepflanzen ab (u.a. Mais). Die analytische Bestimmung des BMP im Labormaßstab dauert bis zu 30 Tagen und ist daher zeitaufwendig und teuer. Eine Alternative stellt der Einsatz der Near Infrared Spectroscopy (NIRS) dar, mit der das BMP ebenfalls ermittelt werden kann. Der Versuch der Übertragbarkeit dieses Ansatzes auf in-situ Bedingungen mittels hyperspektraler Fernerkungssysteme liegt daher nahe. Neben flugzeuggestützten Hyperspektral-Daten (HyMAP und APEX) und daraus simulierten EnMap-Daten wird zusätzlich eine mobile NIRS-Station eingesetzt. Zur Ableitung des BMP aus den Daten werden aktuelle Regressionsverfahren Verfahren wie PLSR und SVR genutzt werden. Eine regionale Anwendung erfordert darüber hinaus die Entwicklung eines geeigneten Klassifikators (One-class classifier), um Energiepflanzen zuverlässig von anderen Landnutzungsklassen zu unterscheiden. Die Ableitung des regionalen BMP erfordert des Weiteren Informationen bezüglich der Biomasse. Es werden daher Konzepte der Sensorfusion (SAR + Hyperspektral) berücksichtigt, um eine verbesserte Abschätzung pflanzenstruktureller Parameter (z.B. LAI und Biomasse) zu erhalten. Dabei soll u.a. auch das Potential von Ensemble-basierten Verfahren und Ansätze der Decision Fusion untersucht werden. In Verbindung mit einem dynamischen Pflanzenwachstumsmodell, welches kontinuierliche Ertragschätzungen liefert, wird eine zusätzliche regionale Abschätzung der Bioenergiepotentiale vorgenommen werden. Die Abbildung veranschaulicht den Workflow und die Datengenerierung, sowie die Zusammenarbeit der Arbeitsgruppen innerhalb der einzelnen Arbeitspakete. |
| Beteiligte Partner mit Kontaktinfo | 1) Prof. Dr. Thomas Udelhoven (Kontaktperson) 2) Prof. Björn Waske (Universität Bonn) 3) Dr. Holger Lilienthal (Braunschweig) 5) Dr. Philippe Delfosse 4) Prof. Christoph Emmerling |
| Präsentationen | Projektpräsentation vom 3. Nationalen EnMAP-Workshop Präsentation der Universität Bonn beim 3. Nationalen EnMAP-Workshop |
| Referenzen | Delfosse, P., Lemaigre, S., Flammang, J., Neuberg, C., Hausman, J.F., and Hoffmann, L., (1010): Determination of the Biomethan Potential of plant residues using Near Infraread Spectroscopy, in preparation. Delfosse, P., Lemaigre, S., Flammang, J., Neuberg, C., Hausman, J.F., and Hoffmann, L., (2007): Evaluation variétale du maïs, du tournesol, et du sorgho pour la méthanisation au Grand-Duché de Luxembourg. IN: Biométhanisation Agricole, proceedings of a one day meeting at Redange, 13 september 2007, Centre de Recherche public – Gabriel Lippmann & Administration des Services Techniques de l’Agriculture, Grand-Duchy of Luxembourg. Udelhoven, T., van der Linden, S., Waske, B., Stellmes, M., and Hoffmann, L. (2009): Large area mapping using hypertemporal data and decision fusion. Geoscience and Remote Sensing Letters, 6, 592-596. Udelhoven, T., Atzberger, C. and Hill, J. (2000): Retrieving Structural and Biochemical Forest Characteristics Using Artificial Neural Networks and Physically Based Reflectance Models. in Buchroithner, M. (Ed.), EARSeL Symposium, 14-16 June 2000, Dresden, 205-212. Voivontas, D., Assimacopoulos, D., and Koukios, E. G. (2001): Assessment of biomass potential for power production: a GIS based method, Biomass and Bioenergy, 20, 101-112. Waske, B., Benediktsson, J.A. (2007): Fusion of Support Vector Machines for Classification of Mulitsensor Data. IEEE Trans. on Geoscience and Remote Sensing, 45, 3858-3866. |
