Identifizierung der Landbedeckung aus dem Weltraum: Maschinelle Lernmethoden liefern detaillierte Informationen über Kulturpflanzenarten

0

Detaillierte Informationen über die Landbedeckung sind wichtig für ein besseres Verständnis der Umwelt, z.B.

zur Abschätzung von Ökosystemleistungen wie Bestäubung oder zur Quantifizierung von Nitrat- und Nährstoffeinträgen in Gewässer.

Diese Informationen werden zunehmend aus Satellitenbildern mit hoher zeitlicher und räumlicher Auflösung gewonnen.

Oft verhindern jedoch Wolken den Blick aus dem Weltraum auf die Erdoberfläche.

Die dynamische Nutzung von Modellen des maschinellen Lernens kann diese lokale Wolkendecke berücksichtigen, ohne auf allgemein gebräuchliche Interpolationsmethoden zurückzugreifen.

Dies zeigen UFZ-Wissenschaftler in einer Studie, die in der Zeitschrift Remote Sensing of Environment veröffentlicht wurde.

Tun Sie mir einen Gefallen: Bitte TEILEN Sie diesen Beitrag.

Ihr Algorithmus erkennt 19 verschiedene Arten von Nutzpflanzen mit einer Genauigkeit von 88 Prozent.”Wenn wir für jedes landwirtschaftliche Feld die Kulturpflanze bestimmen können, können wir nicht nur Rückschlüsse auf den Nährstoffbedarf, sondern auch auf die Nitratbelastung der umliegenden Gewässer ziehen”, erklärt Sebastian Preidl, Wissenschaftler in der Abteilung Landschaftsökologie am UFZ.

Die Informationen könnten zum Beispiel auch genutzt werden, um besser Maßnahmen zum Schutz der Wildbienenpopulationen einzuleiten.

Wir können die biologische Vielfalt einer Region nur dann wirksam schützen, wenn wir ein klares Bild von der räumlichen Verteilung der Landbedeckung haben”, erklärt Preidl.Erdbeobachtungssatelliten des von der Europäischen Weltraumorganisation (ESA) gegründeten Kopernikus-Programms liefern hochauflösende Daten in Zeit und Raum und ermöglichen eine kontinuierliche Überwachung der Landoberfläche in einem ökologisch relevanten Maßstab.

Sentinel-2-Satellitenbilder, die in regelmäßigen Zeitabständen in neun Spektralbändern aufgenommen wurden, bildeten die Grundlage für Preidls Arbeit.

Aus diesen spektralen Zeitreihen können Forscher Landbedeckungsinformationen für ihr Untersuchungsgebiet ableiten.Das Auftreten von Wolken ist eine große Herausforderung beim Umgang mit Zeitreihen von optischen Satellitendaten.

Trotz zahlreicher Satellitenbilder kann eine häufige Bewölkung zu größeren Datenlücken in den spektralen Zeitreihen führen.

Gleichzeitig muss eine ausreichende Anzahl von Pixeln….

Share.

Leave A Reply