Messtechnik und Fernerkundung – Biodiversitäts-Exploratorien

Hintergrund

Die systematische und kontinuierliche Erfassung von Umweltdaten ist eine wichtiger Teil der Forschungsinfrastruktur der Biodiversitäts-Exploratorien. Das Kernprojekt 3 „Messtechnik und Fernerkundung“ ist verantwortlich für (i) die systematische und großräumige Messung und Aufzeichnung meteorologischer und bodenkundlicher Umweltvariablen und (ii) die Bereitstellung von Fernerkundungs- und Geodaten zur Landbedeckung und -nutzung.

Dazu entwickelt und betreibt das Kernprojekt 3 eine wichtige Forschungsinfrastruktur bestehend aus einem sehr großen Netzwerk an Klimastationen, Klimamesstürmen und fernerkundlichen Platformen und Sensoren. Es erhebt regelmäßig klimatische und fernerkundliche Daten nach standardisierten Verfahren um kohärente Zeitreihen zu erstellen. Diese werden über spezielle Datenbankanwendungen, die im Projekt entwickelt werden, zur Verfügung gestellt.

Die Instrumentierung war daher seit Beginn der Biodiversitäts-Exploratorien ein maßgeblicher Bestandteil der Forschungsinfrastruktur. Aufgrund der starken Nachfrage nach Fernerkundungs- / Geodaten und Dienstleistungen wurde das Projekt im Jahr 2014 um die fernerkundliche Komponente erweitert. Damit kann ein für alle Forschergruppen zugängliches Archiv an Geodaten und Fernerkundungsprodukte aufgebaut, und die Aufnahme von neuen Daten z.B. mit Drohnen und Flugzeugen, koordiniert werden. Das Kernprojekt 3 trät auch dazu bei, die Geodaten in den Biodiversitäts Exploratorien zu standardisieren und zu harmonisieren.

Ziele

Das Ziel des Kernprojektes ist der Aufbau und die Betreuung der Messtechnik und Sensorik sowie die Bereitstellung von Umweltdaten als aufbereitete Basisprodukte zur Bearbeitung vielfältiger Forschungsfragen in den Biodiversitäts-Exploratorien. Dazu zählen unter anderem:

Klimavariablen: Klimamessstationen auf Grünland- und Waldstationen, TreeTalker auf Wald-Experimenten (FOX), Klimamesstürme für vertikale Profile
Vegetationsstrukturvariablen: Indices zur räumliche Struktur der Vegetation aus Laserscanning und photogrammetrischen Punktwolken
Audioumgebung: (Ultraschall-)Aufnahmen
Spezifische Vegetationsparameter: Baumsaftflussmessung, LAI
Bereitstellung und Verarbeitung von Landnutzungs- und Landbedeckungskarten
Landschaftsstruktur: Erfassung und Quantifizierung der Landschaftsstruktur
Koordination und Durchführung von Drohnenbefliegungen
Aufbereitung von Copernicus- und Landsat-Satellitendaten zur Erstellung kontinuierlicher Zeitreihen und daraus abgeleiteter Produkte (Produktivität, Landnutzungsintensität, Änderungsanalysen)

Neben diesen Produkten möchte das Kernprojekt die Nutzung von Klima- und Geodaten in der Biodiversitätsforschung stärken. Dazu werden vom Kernprojekt Workshops zur Auswertung und Nutzung der Klima- und Geodaten angeboten.

Infrastruktur

Umweltmesstechnik

Meteorologische und bodenkundliche Variablen gehören zu den Haupteinflussfaktoren der organismischen Diversität und Funktionalität von Ökosystemkreisläufen. Um eine systematische und großräumige Messung und Aufzeichnung dieser Umweltvariablen durchzuführen, sind in den drei Exploratorien Schorfheide-Chorin, Hainich-Dün und auf der Schwäbischen Alb mehr als 400 permanente Messeinrichtungen installiert und werden betreut.

Klimastationen

In jedem Exploratorium wurden jeweils >140 Messstationen aufgebaut, wovon je 50 im Grünland und je 91-111 in den jeweiligen Waldflächen installiert sind. Vor dem Hintergrund der sehr großen Anzahl an Stationen wurden nicht alle identisch bestückt, sondern mit abgestuften Sensorgruppen ausgestattet. Derzeit sind die folgenden Stationstypen im Einsatz:

279 Basis-Umwelt-Messstationen (CEMU – Core Environmental Monitoring Units)
21 Erweiterte-Umwelt-Messstationen (EEMU -Enhanced CEMUs )
148 FOX-Umwelt-Messstationen (FEMU – Fox Environmental Monitoring Units) a la Treetalker

Typ CEMU wird auf allen Experimentalprobeflächen (EPs) der Exploratorien in den Waldgebieten und im Grünland verwendet. Neben allgemeinen meteorologischen Variablen wie Lufttemperatur, Oberflächentemperatur und relativer Luftfeuchte werden außerdem Messungen im Erdreich vorgenommen. Fünf Messfühler werden im Oberboden eingesetzt, um kontinuierlich Bodentemperatur und -feuchte zu erfassen.

Typ EEMU wird auf ausgewählten Intensivprobeflächen (VIPs) und topographisch wichtigen Probeflächen eingesetzt und verfügt zusätzlich über ergänzende Sensorik zur Messung des Niederschlags, der Windgeschwindigkeit und -richtung, der ein- und ausfallenden Strahlungskomponenten von kurz- und langwelliger Strahlung, der photosynthetisch aktiven Strahlung (PAR) sowie des Luftdrucks.

Abbildung: Das Foto zeigt auf einer ungemähten Wiese eine umzäunte Klimamess-Station. Die rechteckige Umzäunung besteht an den Ecken aus dünnen Holzpfählen, die an jeder der vier Seiten mit drei horizontalen angenagelten dünnen Holzlatten verbunden und von Maschendraht umspannt sind. Die Station besteht aus einer Metallstange, an der sich unten ein Schaltkasten befindet und oben an der Spitze zwei kreuzförmig angeordnete Querstangen, an deren Enden sich Sensoren befinden, zum Beispiel zur Messung der Windgeschwindigkeit. Zur Stabilisierung sind die Enden der Verstrebungen mit dünnen Drähten an den Eckpfählen der Umzäunung verspannt. Zur Energieversorgung der Station dient ein Solarmodul, das innen an der Umzäunung befestigt ist. Im Hintergrund des Bildes sieht man eine leicht hügelige Landschaft, in der sich Wiesen, Felder und Wälder abwechseln. Links in der Landschaft ist in der Ferne eine Siedlung zu erkennen. — Figure 1: Climate station type AEMU at Hainich

Typ FEMU/ Treetalker wird auf den Wald Experimentflächen (FOX) eingesetzt. Neben allgemeinen meteorologischen Daten wie Lufttemperatur und -feuchte werden außerdem Bodenfeuchte und -temperaturmessungen im Erdreich vorgenommen sowie die Sonneneinstrahlung unter dem Kronendach in 12 Spektralbändern (450 – 860nm) aufgenommen.

Abbildung: Das Foto zeigt in einem Herbstwald mit rotbraun verfärbtem Laub eine Klimamess-Station. Die Station besteht aus einer im Boden steckenden Metallstange, auf der oben ein Sensor der Marke Tritoker angebracht ist, sowie einem ungefähr DIN A 4 Blatt großen Solarmodul, das unterhalb des Sensors befestigt ist.

Figure 2a: Treetalker with solar module in the Hainich

Abbildung: Das Foto zeigt von unten nach oben fotografiert in einem sommerlichen Wald unter blauem Himmel einen Messtechniker bei Wartungsarbeiten am Treetalker-Sensor einer Klimamess-Station.

Figure 2b: Measurement technician during maintenance in the Swabian Alb

Eine Visualisierung der gemessenen Temperaturzeitreihe ist hier zu sehen:

Visualisierung

Klimamesstürme

Im Biosphärenreservat Schorfheide-Chorin und auf der Schwäbischen Alb wurde jeweils ein Messturm mit einer Höhe von 44 m bzw. 37 m installiert. Beide Türme umfassen die Sensorik der EEMUs und messen zusätzlich die Lufttemperatur, Luftfeuchte und die PAR im Profil. Zwei weitere Türme, die vom Max-Planck-Institut für Biogeochemie aufgebaut worden sind, können im Nationalpark Hainich-Dün mitgenutzt werden.

Abbildung: Das Foto zeigt schräg nach oben fotografiert einen herbstlichen Laubwald unter blauem Himmel. Weiter hinten im Bild ist zwischen den Bäumen ein Klima-Mess-Turm zu erkennen.

Figure 3a: Climate tower in Schorfheide-Chorin

Abbildung: Das Foto zeigt von unten nach oben fotografiert einen Klima-Mess-Turm, der in einem herbstlichen Laubwald unter blauem Himmel steht.

Figure 3b: Climate tower in Schorfheide-Chorin

Audioaufnahmen

Auf ausgewählten Plots erfassen Audioaufnahmegeräte die Geräuschkulisse sowohl in den hörbaren als auch in den Ultraschall-Frequenzen. Rückschlüsse über das Vorkommen und die Intensität der Aktivität von Vögeln, Fledermäusen und auditiv erfassbaren Ökosystemstörungen werden semi regelmäßig erfasst. Dies bietet die Möglichkeit Unterschiede Vorkommen und Aktivität zwischen Jahreszeiten und Plots systematisch und gleichzeitig zu erfassen und zu analysieren.

Fernerkundung & Geodaten

Abbildung: Die Luftaufnahme einer Drone zeigt die Kronen des Laubwalds eines Experimentier-Plots im Hainich. Durch die untere Hälfte des Fotos schlängelt sich ein Weg oder ein Bach. Oben rechts im Bild sieht man eine kreisförmige Lücke, die im Zuge des Wald-Experiments FOX künstlich angelegt wurde. — Figure 4 High resolution UAV image of a forest plot (EP) and one of the Forest Experiments (FOX) in Hainich where circular gaps (upper right corner) were cut to study the gap dynamics over time.

Zielsetzung der Fernerkundungskomponente ist es, die großflächige Erhebung von meterologischen Variablen durch eine flächendeckende fernerkundliche Erfassung in den drei Exploratorien zu ergänzen. Mit der Bereitstellung und Aktualisierung von Geodaten und anderen – aus Fernerkundungsdaten abgeleiteten – Produkten als fertig prozessierte Analysis Ready Daten (ARD), soll es auch Nicht-Fernerkundlern ermöglicht werden, räumliche und zeitliche Analysen auf Basis von Fernerkundungsbeobachtungen in ihre Forschungen zu integrieren und somit neue Erkenntnisse über die funktionalen Zusammenhänge auf unterschiedlichen Skalenebenen der Biodiversität zu erlangen. Dazu wurde im Kernprojekt eine fernerkundliche Infrastruktur aufgebaut die im Folgenden vorgestellt wird.

Abbildung: Das Foto zeigt eine ungemähte Wiese im Sonnenschein. Im Gras steht ein Klapptisch, auf dem ein Laptop und eine Starrflügel-Drone liegen. Links hinter dem Tisch steht eine Transportkiste. Links am Bildrand befindet sich ein großer Rucksack. Weiter hinten auf der Wiese sind Gruppen von Büschen und Bäumen und dahinter ein Laubwald zu sehen. — Figure 5: Fixed wing drone in use on grassland

Unmaned Aerial Systems (UAS) / Drohnen bieten die Möglichkeit zeitlich flexibel hochauflösende Bilder kleinere Gebiete (Plots + Umgebung) aufzunehmen. Dies ist besonders dann sinnvoll, wenn Bildaufnahmen zeitlich synchron mit weiteren Feldaufnahmen erfolgen sollen z.B. um Bildklassifikationsmodelle zu entwickeln. Somit kann sowohl der Plotzustand während der Feldaufnahmen dokumentiert und Trainingsdaten für die Entwicklung von Klassifikationsmodellen erhoben werden. Die sehr hohe räumliche Auflösung der Drohnenaufnahmen ermöglicht die Erfassung sehr kleiner Merkmale. Seit 2017 führt das Kernprojekt Drohnen-Befliegungen in den Exploratorien durch. Dafür stehen dem Projekt mehrere Drohnen (Copter, Starflügler) und unterschiedliche Sensoren (Thermal, RGB, Multi-spektral, hyperspektral) zur Verfügung. Gleichzeitig wurde die erforderliche Computer Hard- und Software aufgebaut und fachspezifische Datenverarbeitungsketten entwickelt. Der Einsatz von Drohnen ist an strenge rechtlichen Voraussetzungen gebunden die besonders in Naturschutzgebieten häufig gesonderte Genehmigungen erfordern. In Zusammenarbeit mit den Naturschutzbehörden konnte das Kernprojekt hier in vielen Fällen gute Lösungen erarbeiten die den Einsatz von Drohnen auch in sensitiven Bereichen ermöglichen.

Satelliten- und Flugzeugdaten

Abbildung: Das Diagramm zeigt im Querschnitt das Profil einer A L S Punktwolke eines Experimentier-Plots im Hainich. Dargestellt sind vom Boden bis zur Höhe von circa dreiundzwanzig Metern Punkt-Ansammlungen, die als unklassifiziert, als Boden und als Vegetation klassifiziert sind. — Figure 6: Cross-section profile of the ALS point cloud of an EP in Hainich

Um der Vielfalt der Forschungsfragen und Methoden innerhalb der Biodiversitäts-Exploratorien gerecht zu werden, wird neben den Drohnen ein breites Spektrum an fernerkundlichen Plattformen genutzt. Das Spektrum reicht von optischen Satellitenbildern (e.g. Pléiades, RapidEye, Planet, Sentinel-2) bis zu flugzeuggetragenen Hyperspektral- und LiDAR-Sensoren wie in Tabelle 1 dargestellt.

System	Plattform	Räuml. Auflösung (m)	# Bänder	Spektrale Auflösung (μm)	Temporale Auflösung	Abdeckung
RapidEye	Satellit	5	5	0.44 – 0.85	2009-2015 ~Min. drei phänologische Perioden pro Jahr	vollflächig
Planet	Satellit	3.5	4	0.44-0.88	2020-2021, mehrere Aufnahmen pro Jahr	vollflächig
Landsat*	Satellit	15 – 120	4 - 8	0.43 – 12.5	1972 - 2014, ~ jährlich	vollflächig
MODIS**	Satellit	250 – 1000	36	0.40 – 14.39	2001 - 2014, ~ täglich	vollflächig
Sentinel-2	Satellit	10-20	13	0.49-2.2	2016-,~ alle fünf Tage	vollflächig
Pléiades	Satellit	0.5– 2	5	0.43 – 9.40	Einmalig (2015)	100 km² je Exploratorium
Hyperspektral	Flugzeug	1	> 200	0.40 – 2.40	Einmalig (2015)	100 km² je Exploratorium
LiDAR	Flugzeug	~14 Punkte/m²	Full wave form	---	Einmalig (2015)	100 km² je Exploratorium

Tabelle 1. Übersicht über die Fernerkundungsprodukte, die durch das Core-Projekt 3 zur Verfügung gestellt werden. *Der Landsat-Datensatz schließt die MSS-, TM-, ETM+- und OLI/TIRS-Sensoren ein. **MODIS-Daten von den Terra- und Aqua-Satelliten.

Datenbanken und Prozessierung

Klimadaten

Die oben beschriebenen Klimamesseinrichtungen erfassen täglich >70.000 Messwerte in jedem Forschungsgebiet. Diese werden automatisiert über das Mobilfunknetz nach Marburg übertragen und in der speziell für die Exploratorien entwickelten Klimadatenzeitreihendatenbank TubeDB (https://environmentalinformatics-marburg.github.io/tubedb/) gesammelt. Die Forscher können diese aufbereiteten Klimadaten direkt über BExIS nutzen und nach individuellen Anforderungen, etwa Qualitätskorrektur, zeitliche Aggregation und Interpolation visualisieren und exportieren.

Wildtierkameras

Wir übernehmen die Aufbereitung von Wildtierkameraaufnahmen, die in erster Linie das Auftreten von Säugetieren erfassen. Die Prozessierung kategorisiert die Aufnahmen in Bilder von Tieren, Menschen und Fehlaufnahmen. Die Position der Tiere in den Bildern wird markiert, so dass eine anschließende manuelle oder maschinelle Speziesbestimmung vereinfacht wird. Unsere Bildverwaltungssoftware ermöglicht die Durchsicht der kategorisierten Bilder und die manuelle Nachbestimmung.

Abbildung: Das Foto zeigt die Aufnahme einer Wildtierkamera. In einem sommerlichen Wald kreuzt ein Reh den Bereich vor dem Objektiv. Um das Reh herum markiert ein roter Rahmen die Position des Tiers im Bild. — Figure 8 : Machine learning based animal detection in wildlife camera images

Audiodaten

Unserer Audiodatenverwaltungssoftware ist die zentrale Sammelstelle für die Aufgenommenen Audiodaten. In der Weboberfläche können Aufnahmen angehört, als Spektrogramm visualisiert und gelabelt werden. Das Machinelearning (ML) basierte automatische Labeln läuft in Zyklen von initial manuellem labeln, ML Training, manuelle Bewertung der automatisch generierten Labels und erneutem ML Training.

Abbildung: Der Screenshot zeigt in der Bedien-Oberfläche der Audio App das Spektogramm eines Fledermaus-Rufs. Die Audio-Signale werden vor schwarzem Hintergrund in Form von rot-violetten schmalen Säulen mit gleichmäßigen Abständen zueinander dargestellt. — Figure 9: AudioDB: Example of a spectrogram from a bat call recorded in the field

Fernerkundungsdaten

In der Fernerkundungsdatenbank RSDB, (https://environmentalinformatics-marburg.github.io/rsdb/) werden die prozessierten Rasterdaten, Punktwolken und Vektordaten verwaltet. Das Webinterface bietet Funktionen zum Suchen und Erkunden der gespeicherten Geodaten interaktive Visualisierungen, Prozessierungen und Datenexport. Zusätzlich können sämtliche Daten der RSDB über das R-Package rsdb (https://github.com/environmentalinformatics-marburg/rsdb/tree/master/r-package) direkt in R verarbeitet werden.

Services & Produkte

Aktuelle Phasen (2020-2023)

Drohnenbefliegungen im Wald und Grünland

Für viele Forschungsprojekte in den Exploratorien ist es wichtig, hochauflösende Bilder der Plots zeitgleich oder mit sehr geringem Abstand zu den eigenen Feldaufnahmen aufzunehmen. Der Einsatz von Drohnen hat sich hier als besonders effizient erwiesen. Seit 2017 haben wir sowohl im Grünland als auch im Wald Drohnenbefliegungen organisiert, durchgeführt und ausgewertet.

Abbildung: Die multi-spektrale Infrafrot-Luftaufnahme einer Drone zeigt in den Farben Rot, Violett und Türkis die Vegetationsmuster eines Grünland-Experimentier-Plots und seiner Umgebung. — Abbildung 11: Hochauflösendes Farbinfrarot(CIR)-Orthomosaik eines Grünland-EPs, das die unterschiedlichen Muster der Vegetation im Plot und seiner Umgebung zeigt, aufgenommen mit einem UAV und einer Multispektralkamera

Landschaftsstruktur Analysen

Die Biodiversität beeinflussende Ökosystemprozesse wirken auf sehr unterschiedlichen Skalenebenen. Zahlreiche der Prozesse, die auf den intensiv beprobten EPs beobachtet werden, sind durch die den Plot umgebende Nachbarschaft maßgeblich beeinflusst. Mithilfe aktueller und historischer Landnutzungs- und -bedeckungskarten können die angrenzenden Landschaften untersucht werden. Dadurch soll es ermöglicht werden, die intensiven Beobachtungen auf den EPs in den Landschaftskontext einzuordnen. Dabei werden an die unterschiedlichen Fragestellungen angepasste, thematischen Klassifizierungsschlüssel entwickelt. Im Wald werden z.B. verschiedene Baumartengruppen und andere Waldstrukturmerkmale differenziert, im Grünland dienen vor allem die landwirtschaftliche Nutzung und Gehölzstrukturen (z.B. Sträucher) als Klassifizierungskriterien. Diese thematischen Karten ermöglichen eine quantitative Beschreibung der horizontalen Landschaftsstruktur der drei Exploratorien. Höhen-Informationen z.B. aus den Airborne Laserscanner (ALS) Daten erweitern diese Beschreibung um eine vertikale Komponente, so dass eine 3D Beschreibung der Vegetations- und Landschaftsstruktur möglich ist.

Abbildung: Die Landbedeckungskarte zeigt ein Gebiet in der Schwäbischen Alb, in dessen Mitte sich das Experimentier-Plot befindet. Rund um das Plot ist eine Fünfhundert-Meter-Pufferzone in Form eines roten Kreises eingezeichnet. — Abbildung 12: Ausschnitt der Landbedeckungskarte mit einem 500m-Buffer um den EP (rot) in der Schwäbischen Alb

Satellitenbild Zeitreihen

Die Interaktionen zwischen den Ökosystem-Funktionen und der Nutzungsintensität ist zentrales Forschungsthema der Biodiversitäts-Exploratorien. Häufig ist der momentan beobachtete Zustand das Ergebnis von Prozessen die über einen langen Zeitraum wirken. Daher kann die Beschreibung der historischen Entwicklung dazu beitragen, Aufschluss über den aktuellen Zustand zu geben. Fernerkundungsmethoden bieten die Möglichkeit mit Hilfe von Zeitreihenanalysen die Entwicklung eine Landschaft zu beschreiben. Wir stellen solche Zeitreihen auf Basis unterschiedlicher Satellitenplattformen zur Verfügung. Durch die Veröffentlichung des Landsat-Archives steht eine Datenquelle zur Verfügung welche eine Beschreibung der Entwicklung zurück bis in die 1980’er Jahre ermöglicht. Daneben werden die Daten des Europäischen Copernicus Programms genutzt um zeitlich hochauflösende aktuelle Satellitenbildzeitreihen zu Erstellen, welche z.B. zur Erfassung phänologischer Prozesse genutzt werden.

Abbildung: Die Satelliten-Aufnahme zeigt das Exploratorium Hainich in seinem landschaftlichen Zustand am ersten April im Jahr Zweitausendachtzehn. Klickt man das Bild an, zeigt es in schneller Abfolge mit einem Bild pro Monat die Zeitreihe der monatlichen Entwicklung der Landschaft bis zum November Zweitausendzwanzig. — Abbildung 13: Animierte Sentinel-2-Zeitserie im Exploratorium Hainich 2018-2020

Klimadaten

Das Netz von über die Exploratorien verteilten Klimastationen liefert Zeitreihen von Punktmessungen des lokalen Mikroklimas. Mit maschinellen Lernverfahren erstellen wir daraus und unter Zuhilfenahme von Sentinel-2 Zeitserien und digitalen Geländemodellen flächige Mikroklimakarten. Komplementiert werden diese Mikroklimakarten von Zuverlässigkeitsabschätzungen die auch als Karten generiert werden.

Kleinere durch Stationsausfälle entstandene Lücken in den Klimazeitreihe werden optional automatisch von unserer Klimadatenzeitreihendatenbank mit hoher Präzision interpoliert. Für größere Lücken oder für Zeiträume vor dem Start der Klimastationen bieten wir einen Algorithmus zum Auffüllen der Klimadaten unter Zuhilfenahme von externen DWD Wetterdaten.

Niederschlag wird bei einigen unserer Klimastationen gemessen. Auf Basis des DWD RADOLAN Produkts könne wir Niederschlagszeitreihen für alle Plots erstellen.

Vergangene Phasen

Erfassung der phänologischen Änderungen der Waldstruktur
Auswertung historischer Satelliten-Zeitreihen zur Erfassung der Störungsintensität
Kombinierte hyperspektral und Laserscanner Befliegung in den drei Exploratorien im Jahr 2015
Kartierung von Waldstrukturmetriken mithilfe von Airborne Laser Scanner (ALS)-Daten
Erstellung von RapidEye-Satellitenzeitreihen