Schätzung der Biomasse von Salzwiesen mit MicaSense 10-Band-Drohnenkamera und LiDAR
Schätzung der Biomasse von Salzwiesen mit MicaSense 10-Band-Drohnenkamera und LiDAR
2024-12-06 17:08:37
Salzwiesen sind für den Küstenschutz, die Wasserfiltration und die Kohlenstoffspeicherung von unschätzbarem Wert. Diese Ökosysteme schützen vor Überschwemmungen und Erosion, entfernen Schwermetalle aus dem Wasser und fungieren als lebenswichtige Speicher für blauen Kohlenstoff und tragen so zur Eindämmung des Klimawandels bei. Der Schutz dieser Lebensräume ist für die Erhaltung eines gesunden Planeten von entscheidender Bedeutung.
Die Professoren Luis Barbero und Gloria Peralta entwickeln zusammen mit Dr. Andrea Celeste Curcio von der Universität Cádiz in Südspanien präzise statistische Modelle zur Schätzung der Biomasse in Salzwiesen. Biomasse, die Gesamtmasse lebender Organismen in einem bestimmten Gebiet, ist ein Schlüsselindikator für die Gesundheit des Ökosystems und die Kohlenstoffspeicherung.
Diese Modelle helfen dabei, gestresste Vegetation zu identifizieren und zu bestimmen, wie viel Umweltstress Sümpfe vertragen, bevor sie beschädigt werden. Sie ermöglichen auch die Unterscheidung zwischen Arten, ihren einzigartigen Wachstumsmechanismen und ihrem Beitrag zur Biomasseproduktion. Darüber hinaus zielt die Forschung darauf ab, die Kohlenstoffspeicherfähigkeiten zu verbessern, die für die Eindämmung des Klimawandels von entscheidender Bedeutung sind.
Herausforderung: Satellitendaten, hyperspektrale oder multispektrale und LiDAR-Integration?
Die Innovation des Projekts liegt in der Integration von Drohnendaten sowohl von Multispektral- als auch von LiDAR-Sensoren und schafft so einen hochmodernen technologischen Rahmen. Dieser fortschrittliche Aufbau ermöglicht die Erfassung hochauflösender Daten, was eine präzise Lebensraumdifferenzierung ermöglicht und die Genauigkeit von Biomasseschätzungen erheblich verbessert.
Das Team nutzte einen 10-Band-MicaSense-Multispektralsensor wie den RedEdge-P dual, in Verbindung mit dem DJI Zenmuse L1 LiDAR-System, beide montiert auf der DJI Matrice 300 RTK-Drohne.
Das Projekt nutzt von Drohnen gesammelte Daten von Multispektral- und LiDAR-Sensoren, um Vegetationsindizes und digitale Oberflächenmodelle zu erstellen. Diese Werkzeuge ermöglichen eine präzise Lebensraumdifferenzierung und Biomasseschätzung. Quelle: Professoren Luis Barbero, Gloria Peralta und Dr. Andrea Celeste Curcio.
Für Professor Luis Barbero mangelt es den traditionellen Satellitendaten zwar an der großflächigen Überwachung, ihnen fehlt jedoch die nötige räumliche Auflösung, um die feinen Details von Küstenfeuchtgebieten und Salzwiesenökosystemen zu erfassen. Diese Einschränkung führt häufig zu Ungenauigkeiten bei der Schätzung der Biomasse und der Artenidentifizierung.
Das Team erkennt das Potenzial hyperspektraler Daten bei der Identifizierung von Vegetationstypen und -arten, betont jedoch, dass ihr Ansatz eine erhebliche Verbesserung darstellt, da hyperspektrale Methoden aufgrund von Redundanz, hohen Kosten, Komplexität und Rechenaufwand ineffizient sind.
Professor Luis Barbero
„Die Verwendung von LiDAR und multispektralen Daten ist entscheidend für die genaue Unterscheidung primärer Sumpflebensräume und die Erstellung detaillierter Biomassemodelle mit beispielloser Genauigkeit. Diese Methode ist benutzerfreundlich, wiederholbar und kostengünstig und ermöglicht die Untersuchung von Salzwiesen, Evolutionstrends und Reaktionen auf den Klimawandel, die weniger Feldarbeit erfordern.“
Hauptvorteile des Multispektral-LiDAR-Ansatzes:
Erweiterte multispektrale Analyse: Die mit der gesammelten Daten MicaSense-Kamera ermöglichte die Berechnung verschiedener Vegetationsindizes und erleichterte den Nachweis von Pflanzenpigmenten wie Anthocyanen und Chlorophyll. Diese Pigmente sind entscheidende Indikatoren für Pflanzenstress und Biomasse.
Genaue Höhenmodelle: LiDAR generierte präzise Höhendaten, ein entscheidender Faktor bei der Unterscheidung von Arten anhand der Lebensraumhöhe in Salzwiesen.
Saisonale Biomasseüberwachung: Die Kombination multispektraler Indizes (z. B. ARI2, NDVI und SIPI) mit LiDAR-Daten ermöglichte eine detaillierte Verfolgung saisonaler Biomasseänderungen.
Der Untersuchungsort: Saisonale Kartierung des dynamischen Ökosystems einer Bucht
Die Forschung konzentrierte sich auf die Bucht von Cádiz, die an der Südwestküste Spaniens liegt. Dieses flache atlantische Ökosystem beherbergt die südlichsten Küstenfeuchtgebiete Europas und zeichnet sich durch eine dynamische Gezeitenumgebung aus, die sich ideal für die Untersuchung saisonaler und artspezifischer Biomassemuster eignet.
Die Bucht von Cádiz (Spanien) beherbergt die südlichsten Küstenfeuchtgebiete Europas und eignet sich hervorragend für die Untersuchung saisonaler und artenspezifischer Biomassemuster.
Um die saisonale Variabilität des Ökosystems zu erfassen, führte das Team über mehrere Jahreszeiten hinweg (2022–2023) Feldarbeiten durch und kombinierte detaillierte Vegetationsuntersuchungen mit Drohnendaten.
Die Drohne vermessen ein 20 Hektar (50 Acres) großes Gebiet in einer Höhe von 100 Metern (330 Fuß) und liefert hochauflösende Daten mit einem Ground Sampling Distance (GSD) von 7 cm (2,7 Zoll). Der MicaSense-Doppelsensor wurde so konfiguriert, dass er Bilder in 2,2-Sekunden-Intervallen aufnimmt und so eine frontale Überlappung von 80 % und eine seitliche Überlappung von 70 % gewährleistet. Um die Vergleichbarkeit der Ergebnisse sicherzustellen, wurden zwei konsistente Flugpläne über alle Kampagnen hinweg repliziert.
Zur Analyse verwendete Indizes
.
Professor Luis Barbero
„Die Kamera der MicaSense-Serie zeichnet sich durch die Aufnahme detaillierter multispektraler Bilder aus. Durch die Erfassung mehrerer Bänder ermöglicht die Kamera den Forschern die Ableitung komplexer Vegetationsindizes, die für die Erkennung von Stress und die Schätzung der Biomasse in Salzwiesen unerlässlich sind.“
Besonders wichtig war der Normalized Difference Vegetation Index (NDVI). Es wurde eine Maskenebene erstellt, um die Vegetationsverteilung darzustellen. Diese Maske schloss nicht bewachsene Regionen wie Wasser und nackte Erde effektiv aus allen Rasterebenen in der Analyse aus und gewährleistete so präzise vegetativspezifische Erkenntnisse.
Weitere wichtige Indizes waren der Broadband Greenness Vegetation Index (BBVI), der Anthocyanin Reflectance Index (ARI), der Leaf Pigment Vegetation Index (LPVI), der Light Use Efficiency Vegetation Index (LUEVI) und der Narrowband Greenness Vegetation Index (NBVI).
Wichtigste Ergebnisse der Studie
1. Verbesserte Biomasseschätzung:
Durch die Kombination von MicaSense-Multispektraldaten mit LiDAR erzielte die Studie genauere Biomassevorhersagen im Vergleich zu früheren Modellen, die Satellitendaten verwendeten.
Der Anthocyan-Reflexionsindex 2 (ARI2), der mit den MicaSense-Doppelkamerabändern erfasst wurde, in Kombination mit dem Digital Surface Model (DSM) war entscheidend für die Identifizierung der beiden dominanten Salzwiesenarten: Sarcocornia und Sporobolus maritimus. ARI2 war besonders nützlich bei der Erkennung von Pigmenten, die mit Salzstress in Zusammenhang stehen und sich mit den Jahreszeiten verändern und je nach Art unterschiedlich sind.
Biomasseschätzungen zeigten unterschiedliche Trends für die beiden Arten, was darauf hindeutet, dass sie im Laufe des Jahres unterschiedlich wachsen und sich unterschiedlich verhalten, was zu Schwankungen in der Biomasseproduktion führt.
Von links nach rechts: das vorgeschlagene Biomasse-Schätzmodell für das gesamte Sumpfgebiet, ohne Berücksichtigung verschiedener Arten. Das Modell für den Lebensraum Sarcocornia. Das Modell für den Lebensraum von S. maritimus.
2. Saisonalität ist wichtig:
Die Daten zeigten klare saisonale Trends, wobei die Biomasse im Sommer ihren Höhepunkt erreichte und im Frühling abnahm. Diese mit MicaSense-Daten erfassten Trends verdeutlichen, warum das Timing für die Probenahme wichtig ist.
Die Analyse der Vegetationsindizes zeigt, dass Sarcocornia und Sporobolus maritimus im Laufe des Jahres unterschiedliche Wachstumsmuster verfolgen. Dies zeigt, dass die Einbeziehung der Saisonalität in Modelle der Schlüssel zu genauen Biomassevorhersagen ist.
Der Frühling wurde als die stressigste Jahreszeit für Pflanzen identifiziert, da es vielfältige Reaktionen auf Umweltherausforderungen gibt. Das Verständnis dieser Muster ist wichtig für die Bewältigung der Stresstoleranz von Pflanzen.
Trennung der Salzwiesenarten – Sarcocornia (SA) und Sporobolus maritimus (SP) – über die vier Jahreszeiten unter Verwendung des ARI2-Vegetationsindex und DSM zur Identifizierung des saisonalen Musters.
3. Artenspezifische Erkenntnisse:
Im Gegensatz zu allgemeinen Sumpfmodellen sind artspezifische Modelle (ermöglicht durch MicaSense-Daten) zeigten einzigartige Stressreaktionen auf Umweltbedingungen wie Salzgehalt und Dürre. Dieser Detaillierungsgrad ist für gezielte Erhaltungsbemühungen von entscheidender Bedeutung.
Obwohl der Stress durch den Salzgehalt als Hauptfaktor angesehen werden kann, der die Pflanzenverteilung im Untersuchungsgebiet beeinflusst, berücksichtigte das Team auch andere potenzielle Stressfaktoren wie Sauerstoffmangel und Bodenverdichtung.
Das Ignorieren artspezifischer Daten im Sumpfmodell führt zu einer Fehlinterpretation des zyklischen Systemmusters.
4. Breitere Anwendungen:
Die in dieser Studie entwickelten Modelle können für andere Salzwiesen verwendet werden und dabei helfen, die Biomasse in ähnlichen Ökosystemen zu reproduzieren und abzuschätzen.
Fazit: Ökosystemüberwachung verändern
Die Kombination von MicaSense-Multispektralsensoren mit LiDAR ermöglichte eine präzisere Überwachung von Salzwiesen-Ökosystemen und ihren saisonalen Schwankungen und übertraf damit die Grenzen von Satellitendaten bei weitem. Ihr Ansatz überwindet auch die Komplexität, die mit hyperspektralen Methoden verbunden ist. Diese innovative Lösung bietet Forschern, Umweltmanagern und Umweltschützern einzigartige Einblicke in:
Überwachen Sie saisonale Veränderungen der Biomasse, um die Bewirtschaftung von Marschland zu verbessern.
Identifizieren und kartieren Sie artenspezifische Lebensräume für den gezielten Schutz.
Erkennen Sie frühe Anzeichen von Pflanzenstress aufgrund von Faktoren wie Salzgehalt oder Trockenheit.
Im Gegensatz zur herkömmlichen Feldarbeit, die invasiv und zeitaufwändig sein kann, ermöglicht die Drohnenüberwachung eine genaue, zerstörungsfreie Schätzung der Biomasse. Dieser Ansatz reduziert auch Kosten und Komplexität im Vergleich zur hyperspektralen Datenerfassung, deren Verarbeitung viel Zeit in Anspruch nimmt, oder zur Satellitenbildgebung, der die erforderliche räumliche Auflösung fehlt.
Mit dieser Methode treiben Forscher die Überwachung und Erhaltung kritischer Ökosysteme voran.
