| Kommentar |
Die Kartierung landwirtschaftlicher Anbaukulturen mittels hoch aufgelöster Satellitendaten hat mit Sentinel-2 im Rahmen des europäischen Copernicus-Programms einen Schub erhalten. Im Studienprojekt soll die Methodik zur Kartierung landwirtschaftlicher Flächen mit Sentinel-2-Daten daher im Mittelpunkt eines regionalen Beispiels stehen. Insbesondere das Verständnis zur Umsetzung einer Satellitenbildanalyse einerseits und der Nutzung von Kenntnissen aus Feldarbeiten andererseits werden fokussiert. Zugleich sollen Verfahren zur Datenerhebung im Gelände erlernt werden (z.B. Geländespektrometrie, Erhebung von Trainings- und Validierungsdaten). Die Versuchsflächen des Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF) mit ihrer Lage im Osten Brandenburgs bieten hierfür ideale Voraussetzungen. Der Geländeteil wird entsprechend am ZALF und in der landwirtschaftlich geprägten Umgebung des ZALF zwischen Berlin und Oderbruch stattfinden. Hier können relevante Anbaukulturen anhand von Erhebungen vor Ort und mittels Satellitendaten (Bildklassifikation) untersucht werden.
Das Studienprojekt umfasst drei Komponenten:
- im Seminar werden a) regionale Kenntnisse, insbesondere zur Landwirtschaft, vertieft, b) an Wissen zur Multispektralklassifikation angeknüpft und c) ein tieferes Verständnis zu spektral-temporalen Metriken erarbeitet
- in der Geländewoche am ZALF und in Ost-Brandenburg werden Kenntnisse zur Geländedatenerhebung erarbeitet. Insbesondere werden am ZALF verschiedene Forschungsprojekte vorgestellt und spektrometrische Messungen (vom Einzelblatt bis zum Bestand) durchgeführt. Entlang von Fahrradtransekten werden eigene Erhebungen von Trainings- und Validierungsdaten durchgeführt.
- in der Nachbereitung werden verschiedene Varianten der multitemporalen Klassifikation aufbereitet und validiert
Das Studienprojekt schließt an verschiedene methodische Forschungsschwerpunkte der Abteilung Geofernerkundung an. Für das Seminar werden grundlegende Kenntnisse in der Geoinformationsverarbeitung (Umgang mit Geodaten, GIS, Fernerkundung), sowie die erfolgreiche Teilnahme an der Einführung in die Geofernerkundung vorausgesetzt. Der Kurs richtet sich entsprechend an Studierende mit Interesse an einer Vertiefung in der Satellitenbildanalyse und an Fragen der digitalen Bildverarbeitung. Die Themen des Studienprojekts werden unter Einbeziehung englischsprachiger Literatur eigenständig erarbeitet (wichtige Veröffentlichungen in AGNES unter "Literatur"). Dazu zählen die Erfassung und Analyse landwirtschaftlicher Anbaukulturen anhand ihrer jeweiligen spektraltemporalen Eigenschaften und insbesondere auch die Einbindung und Auswertung fernerkundlicher Daten. Ausgewählte fernerkundliche und regionale Themen werden von den Studierenden als Kurzreferate im Seminar vorgestellt.
Geländearbeiten finden in der Geländewoche des Geographischen Instituts am ZALF und in der Umgebung des ZALF statt, falls nötig darüber hinaus auch an einzelnen Tagen der verschiedenen phänologisch relevanten Phasen verschiedener Anbaukulturen. Ziel der Geländearbeiten ist insbesondere die Erhebung von Felddaten zur Verbesserung und/oder Validierung der Satellitenbildklassifikation. Die eigenständige Erhebung in Kleingruppen wird mit dem Fahrrad durchgeführt.
Die MAP erfolgt in Form einer Satellitendatenauswertung und deren Aufarbeitung als Hausarbeit.
Die Auswahl der Kursteilnehmer*innen erfolgt in der ersten Sitzung am Dienstag den 22.04. (Ausschlusstermin bei Nicht-Erscheinen)!
Bei Interesse am Modul, wiederholen Sie vor dem ersten Termin bitte die Grundlagen der Bildklassifikation aus dem Modul „Einführung in die Geofernerkundung“. Komplementär: https://eo-college.org/topics/classification-3/
Lesen Sie bitte weiterhin Blickensdörfer et al. 2022 (s. Literatur in AGNES). Die Details der Methodik sind dabei nicht zentral, aber ein Verständnis zur Fragestellung und Vorgehensweise. |
| Literatur |
Blickensdörfer, L., Schwieder, M., Pflugmacher, D., Nendel, C., Erasmi, S., & Hostert, P. (2022). Mapping of crop types and crop sequences with combined time series of Sentinel-1, Sentinel-2 and Landsat 8 data for Germany. Remote Sensing of Environment 269:°112831. https://doi.org/10.1016/j.rse.2021.112831
Grahmann, K., Reckling, M., Hernández-Ochoa, I., Donat, M., Bellingrath-Kimura, S., & Ewert, F. (2024). Co-designing a landscape experiment to investigate diversified cropping systems. Agricultural Systems 217:°103950. https://doi.org/10.1016/j.agsy.2024.103950
Jänicke, C., Goddard, A., Stein, S., Steinmann, H.-H., Lakes, T., Nendel, C., & Müller, D. (2022). Field-level land-use data reveal heterogeneous crop sequences with distinct regional differences in Germany. European Journal of Agronomy 141:°126632. https://doi.org/10.1016/j.eja.2022.126632 |
