Biodiversität über Skalen hinweg erkunden – Biodiversitäts-Exploratorien

Abbildung: Das Foto zeigt eine ungemähte Wiese, auf der mit weißem Band ein Bereich markiert ist. Im Vordergrund stehen die Projektleiterin Professor Anja Linstädter und der Doktorand Florian Männer, beide mit Hüten zum Schutz vor der Sonne. Frau Linstädter hält auf Höhe der Taille eine schwarze flache Box in ihren Händen. In der Box befindet sich eine Weißreferenz-Platte, über die Herr Männer ein Feld-Spektrometer hält, um es zu kalibrieren.Im Hintergrund des Bilds befinden sich eine umzäunte Klimamess-Station und eine Reihe von Büschen und Bäumen. Am Horizont sind Wiesen und Wälder zu sehen.

Hintergrund

Es ist allgemein bekannt, dass durch die Intensivierung von Düngung und Mähen im Grasland die “Futtermittelproduktion” mit zunehmender Ökosystemleistung zunimmt. Dies passiert jedoch auf Kosten der Biodiversität und anderer Ökosystemfunktionen. Die Fernerkundung ist ein wichtiges Mittel, um bestimmte Pflanzenmerkmale zu kartieren und die Vegetation in groben Maßstäben in funktionelle Gruppen einzuteilen. Aufgrund der räumlichen Diskrepanzen zwischen ökologischen Prozessen und Bewirtschaftungseinheiten in gekoppelten sozial-ökologischen Systemen sind die Auswirkungen der Landnutzung auf die Beziehung zwischen Biodiversität – Ökosystemfunktionen – und Ökosystemdienstleistungen bisher nur begrenzt verstanden. Während zum Beispiel Feldökologen Merkmale auf der Artenskala messen, messen Satelliten Merkmale auf der Pixelskala. Somit stellen Pixel die Inter-Pixel-Varianz statt der interspezifischen Varianz dar. Außerdem können Biodiversität und Ökosystemfunktionen in Raum und Zeit variieren, wobei eine große Anzahl von Faktoren (z.B. Sukzessionsstadien, klimatische Gradienten und Variabilität, Bodeneigenschaften, Landnutzung usw.) die Extrapolation erschweren.

Ziele

Unser Ziel ist die Verbesserung des mechanistischen Verständnisses der Auswirkungen der Landnutzung auf das Zusammenspiel zwischen Biodiversität – Ökosystemfunktionen – und Ökosystemdienstleistungen. Dazu analysieren wir die Beziehungen zwischen funktionaler und struktureller Diversität, der Ökosystemdienstleistung der Futterproduktion sowie deren zeitliche Variation für drei räumliche Skalen (Parzelle, Hof und Landschaft). Wir werden dies mit der Kombination grundstücksbasierter ökologischer Forschung und Fernerkundungsforschung zur Landnutzungsintensität und zu 5 wesentlichen Biodiversitätsvariablen (EBVs) erreichen: Oberirdische Biomasse (AGB), Netto-Primärproduktivität (ANPP), Blattflächenindex (LAI), Pflanzenphänologie und funktionelle Diversität.

Methoden

Die von den 5 EBVs während eines vollständigen Jahreszyklus gesammelten Daten ermöglichen es uns, die Futterproduktion zusammen mit der funktionalen Zusammensetzung und Vielfalt über die Saison hinweg auf der Ebene der Teilflächen zu quantifizieren. Gleichzeitig und in Zusammenarbeit mit Core-3 rufen wir Multispektral- und Mikrowellendaten von UAVs und mehreren Satelliten (Sentinel-1 & 2, Landsat-8, MODIS und PlanetScope) ab. Nach einer mehrskaligen Abtast- und Hochskalierungsstrategie verwenden wir Algorithmen des maschinellen Lernens und der künstlichen Intelligenz, um die Feldinformationen sowohl auf die Satellitenpixel als auch auf einen Landschaftsmaßstab zu skalieren.

Abbildung: Die Collage enthält vier Fotos zur Feldarbeit der Forschungsgruppe. Foto 1 zeigt drei junge Wissenschaftler auf einer ungemähten Wiese im Sonnenschein. Links im Bild stehen zwei der Männer an einem Klapptisch, auf dem ein Laptop aufgestellt ist. Rechts im Bild läuft der dritte Mann, der eine Starrflügel-Drohne trägt. Am linken Rand der Wiese zieht sich eine Reihe von Büschen und Bäumen entlang. Am blauen Himmel sind einzelne Wolken zu sehen. Foto 2 zeigt auf einer gemähten Wiese eine junge Wissenschaftlerin, die in die Kamera lächelt. Vor der Frau steht ein Quadrocopter auf dem Boden. Im Hintergrund sind hohe Laub-Bäume zu sehen. Foto 3 zeigt eine ungemähte Wiese, auf der mit weißem Band ein Bereich markiert ist. Im Vordergrund stehen die Projektleiterin Professor Anja Linstädter und der Doktorand Florian Männer, beide mit Hüten zum Schutz vor der Sonne. Frau Linstädter hält auf Höhe der Taille eine schwarze flache Box in ihren Händen. In der Box befindet sich eine Weißreferenz-Platte, über die Herr Männer ein Feld-Spektrometer hält, um es zu kalibrieren. Im Hintergrund des Bilds befinden sich eine umzäunte Klimamess-Station und eine Reihe von Büschen und Bäumen. Am Horizont sind Wiesen und Wälder zu sehen. Foto 4 zeigt auf einer ungemähten Wiese eine junge Wissenschaftlerin und zwei junge Wissenschaftler, die alle in die Kamera lächeln. Vor der stehenden Frau hockt einer der Männer und tütet etwas ein. Links von ihm liegen mehrere Rucksäcke, eine Tragetasche, eine Kiste und eine Plastiktüte. Der zweite Mann kniet rechts im Bild vornübergebeugt mit den Händen im Gras. Durch die Wiese zieht sich ein weißes Markierungsband. Am hinteren Ende der Wiese ist eine Reihe von Bäumen und Büschen zu sehen. — Abb. 1. Verschiedene Schritte in unserer Feldarbeit. In Zusammenarbeit mit Core-3 werden multispektrale Daten mit Kameras an Bord von Starrflügel- (a) und Quadrocopter-UAVs (b) gesammelt. Ein Feldspektrometer wird verwendet, um hyperspektrale Informationen in einem breiteren Bereich zu sammeln (c). Anschliessend werden Daten über Pflanzeneigenschaften und Biomasse gesammelt, die später im Labor analysiert werden (d).

Hypothesen

Wir stellen die Hypothese auf, dass (i) die fünf EBVs auf mehreren räumlichen Skalen mit Hilfe von multimodalen Satellitenbildzeitreihendaten abgeleitet werden können; und dass (ii) die Auswirkungen der Landnutzung auf das Verhältnis von Biodiversität zu Ökosystemfunktionen und -dienstleistungen auf verschiedenen räumlichen Skalen variieren. Hier dürfte die funktionelle und strukturelle Vielfalt eine Schlüsselrolle für das Niveau und die zeitliche Stabilität der Futtermittelproduktion spielen.

Abbildung: Die Collage enthält vier von oben aufgenommene Fotos, die Größenverhältnisse darstellen. Foto 1 zeigt ein schmales gefiedertes Blatt von ungefähr 5 Zentimetern Länge. Neben dem Blatt abgebildet ist ein rotes Quadrat aus Papier, dessen Kantenlänge mit 2 Zentimetern angegeben ist. Foto 2 zeigt auf einer niedrig bewachsenen Wiese einen ausgeklappten Gliedermaßstab, der ein Quadrat mit einer Kantenlänge von einem Meter bildet. Foto 3 zeigt in Grün und Magenta-Farbtönen die multispektrale Aufnahme einer Drohne von einer Freilandfläche. Ins Foto eingezeichnet ist ein gelbes Quadrat, dessen Kantenlänge mit fünfzig Metern angegeben ist. Foto 4 zeigt in braunen und blaugrauen Farbtönen die multi-spektrale Aufnahme eines Satelliten von einer Landschaft mit Freilandflächen. Ins Foto eingezeichnet sind weit auseinander liegend drei gelbe Quadrate, deren Kantenlange fünfzig Meter beträgt. — Abb. 2. Hochskalieren von pflanzlichen Funktionsmerkmalen (a), um Schätzungen (b), UAVs mit multispektralem Sensor (c) und multispektrale Satellitenbilder von Planet Cubesat (d) abzudecken.

Publikationen

Predicting Species and Structural Diversity of Temperate Forests with Satellite Remote Sensing and Deep Learning

Hoffmann J., Muro J., Dubovyk O. (2022): Predicting Species and Structural Diversity of Temperate Forests with Satellite Remote Sensing and Deep Learning. Remote Sensing 14 (7), 1631. doi: 10.3390/rs14071631

Predicting plant biomass and species richness in temperate grasslands across regions, time, and land management with remote sensing and deep learning

Muro J., Linstädter A., Magdon P., Wöllauer S., Männer F., Schwarz L.-M., Ghazaryan G., Schultz J., Malenovsky Z., Dubovyk O. (2022): Predicting plant biomass and species richness in temperate grasslands across regions, time, and land management with remote sensing and deep learning. Remote Sensing of Environment 282, 113262. doi: 10.1016/j.rse.2022.113262

Predicting tree species and structural diversity across temperate forest types with Satellite Remote Sensing and deep learning

Hoffmann J. (2022): Predicting tree species and structural diversity across temperate forest types with Satellite Remote Sensing and deep learning. Bachelor thesis, University Bonn

Untersuchung des Zusammenhangs zwischen den Fernerkundungsdaten von Sentinel-1 sowie Sentinel-2 und der Landnutzung bei gemäßigten Grünlandflächen in Deutschland

Rubach M. (2021): Untersuchung des Zusammenhangs zwischen den Fernerkundungsdaten von Sentinel-1 sowie Sentinel-2 und der Landnutzung bei gemäßigten Grünlandflächen in Deutschland. Bachelorarbeit, University Bonn

Assessing the possibilities of Sentinel-1 time-series and Omnibus algorithm to detect grassland management practices: A case study in the Swabian Jura

Bott J. (2021): Assessing the possibilities of Sentinel-1 time-series and Omnibus algorithm to detect grassland management practices: A case study in the Swabian Jura. Bachelor thesis, University Bonn

Grassland farmers’ perception of biodiversity patterns and trends: The role of land use practices and the ecological context

Klimke M. (2021): Grassland farmers’ perception of biodiversity patterns and trends: The role of land use practices and the ecological context. Master thesis, University of Cologne

The potential of Sentinel-1 radar images for inferring vegetation structure in grasslands – A case study of biodiversity exploratories in Germany

Blum D. (2021): The potential of Sentinel-1 radar images for inferring vegetation structure in grasslands - A case study of biodiversity exploratories in Germany. Master thesis, University Bonn

Deriving Essential Biodiversity Variable on ecosystem fragmentation with Remote Sensing in German grasslands

Ableitung einer essentiellen Biodiversitätsvariable für Ökosystemfragmentierung mittels Fernerkundung in deutschen Grünlandflächen

Roth M. (2020): Deriving Essential Biodiversity Variable on ecosystem fragmentation with Remote Sensing in German grasslands. Bachelor thesis, University of Bonn