Loading...
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.

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.


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.


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).

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.

In unserem Projekt SEBAS haben wir uns bisher mit der ersten Hypothese beschäftigt und konnten einige der fünf EBVs mit Satellitenbild-Zeitreihen erfolgreich hochskalieren. Dafür wurden mehrere Deep-learning Modelle (tiefe neuronale Netze) und Random Forest-Algorithmen mit Vegetationsdaten trainiert und validiert, die vom SEBAS und Botanik Team aufgenommen wurden. Für das Grünland innerhalb der drei Exploratorien wurden gute Vorhersagen zur oberirdischen Pflanzenbiomasse und zum Artenreichtum der Pflanzen erzielt (Muro et al. 2022). Vorhersagen mit Satellitenbild-Zeitreihen ermöglichen es uns auch, die Auswirkungen der Bewirtschaftung über die Vegetationsperiode hinweg zu untersuchen.

Zudem haben wir gute räumliche Modelle zur Vorhersage von Unterschieden in der Pflanzenartzusammensetzung (Beta-Diversität) entwickelt. Im Gegensatz dazu war das Hochskalieren von gemeinschaftsgewichteten Mittelwerten funktioneller Pflanzenmerkmale anhand von Sentinel-2 Satellitenbildern, wie z.B. der spezifischen Blattfläche, des Trockenmassegehalts von Blättern und des Chlorophyllgehalts, nicht erfolgreich. Ein Grund dafür könnte die nicht erfasste Heterogenität innerhalb von Pixeln sein.

Die Feldspektroskopie wurde als eine weitere Fernerkundungsmethode zur Vorhersage der Futterqualität auf Parzellen-Ebene eingesetzt. Diese soll zukünftig destruktive und kostenspielige Messungen ersetzen.

Weitere Informationen zu unseren Ergebnissen können in den Referenzen unter ‘Publikationen’ nachgeschaut werden.


Doc
The Effect of Selection and Dispersal Processes on Bacterial Soil Community Assembly in Grasslands
Neisse N. (2024): The Effect of Selection and Dispersal Processes on Bacterial Soil Community Assembly in Grasslands. Master thesis, University of Freiburg & UFZ Leipzig
Doc
Spatio-temporal analysis of biodiversity using remote sensing and machine learning in managed grasslands
Spekker, Jonas (2023) Spatio-temporal analysis of biodiversity using remote sensing and machine learning in managed grasslands in Germany. Master thesis, University Bonn.
Doc
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
Mehr Informationen:  doi.org
Doc
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
Mehr Informationen:  doi.org
Doc
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
Doc
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
Doc
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
Doc
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
Doc
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
Doc
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

Wissenschaftliche Mitarbeiter:innen

Prof. Dr. Olena Dubovyk
Projektleiterin
Prof. Dr. Olena Dubovyk
Universität Hamburg
Prof. Dr. Anja Linstaedter
Projektleiterin
Prof. Dr. Anja Linstaedter
Universität Potsdam
Dr. Javier Muro
Mitarbeiter
Dr. Javier Muro
Rheinische Friedrich-Wilhelms-Universität Bonn
Prof. Dr. Ole Reidar Vetaas
Mitarbeiterin
Prof. Dr. Ole Reidar Vetaas
University of Bergen
Lisa-Maricia Schwarz
Mitarbeiterin
Lisa-Maricia Schwarz
Universität Potsdam
Sophia N. Meyer
Mitarbeiterin
Sophia N. Meyer
Universität Potsdam
Florian Männer
Alumni
Florian Männer
Felix Nößler
Mitarbeiter
Felix Nößler
Freie Universität Berlin
Top