Das Projekt zielt auf die Entwicklung einer Methodik zur fernerkundlichen Erfassung des Biomethanpotential (BMP) von Energiepflanzen unter Nutzung des künftigen EnMap-Sensors. Die analytische Bestimmung des BMP im Labormaßstab ist zeitaufwendig und teuer. Eine Alternative stellt der Einsatz der Near Infrared Spectroscopy dar, mit der das BMP ebenfalls ermittelt werden kann. Der Versuch der Übertragbarkeit dieses Ansatzes auf in-situ Bedingungen mittels hyperspektraler Fernerkundungssysteme liegt daher nahe. Die Nutzung von EnMap erfordert darüber hinaus die Entwicklung eines geeigneten Klassifikators, um Energiepflanzen zuverlässig von anderen Landnutzungsklassen zu unterscheiden und sie berücksichtigt Konzepte der Sensorfusion, um eine verbesserte Abschätzung pflanzenstruktureller Parameter (z.B. LAI) zu erreichen. Zusätzlich kann in Verbindung mit einem dynamischen Pflanzenwachstumsmodell, welches kontinuierliche Ertragschätzungen liefert, kann dann fernerkundlich eine regionale Abschätzung des Bioenergiepotentialen vorgenommen werden. Die entwickelten Methoden und Algorithmen werden offengelegt und können in die EnMap-Toolbox integriert werden. (1) Entwicklung eines geeigneten 'One-class classifier' zur Kartierung von Energiepflanzen. (2) Datenfusion (hyperspekteral + SAR) zur verbesserten Klassifkation und Ableitung von Pflanzenparametern (z.B. LAI). (3) Weiterentwicklung von Ensemble basierten Methoden für Regressionsprobleme, insbesondere für die Ableitung des BMPs.
1. Vorhabenziel - Das Projekt zielt auf die Entwicklung einer Methodik zur fernerkundlichen Erfassung des Biomethanpotential (BMP) von Energiepflanzen unter Nutzung des künftigen EnMap-Sensors. Die analytische Bestimmung des BMP im Labormaßstab ist zeitaufwendig und teuer. Eine Alternative stellt der Einsatz der Near Infrared Spectroscopy dar, mit der das BMP ebenfalls ermittelt werden kann. Der Versuch der Übertragbarkeit dieses Ansatzes auf in-situ Bedingungen mittels hyperspektraler Fernerkundungssysteme liegt daher nahe. Die Nutzung von EnMap erfordert darüber hinaus die Entwicklung eines geeigneten Klassifikators, um Energiepflanzen zuverlässig von anderen Landnutzungsklassen zu unterscheiden und sie berücksichtigt Konzepte der Sensorfusion, um eine verbesserte Abschätzung pflanzenstruktureller Parameter (z.B. LAI) zu erreichen. Zusätzlich kann in Verbindung mit einem dynamischen Pflanzenwachstumsmodell, welches kontinuierliche Ertragschätzungen liefert, dann fernerkundlich eine regionale Abschätzung des Bioenergiepotentialen vorgenommen werden. Die entwickelten Methoden und Algorithmen werden offengelegt und können in die EnMap-Toolbox integriert werden. 2. Arbeitsplanung - (1) Simulation von EnMAP-Spektren, (2) Entwicklung einer Methode zur spektralen in-situ Erfassung des Biomethanpotentials (BMP) (3) Ermittlung des regionalen BMP aus EnMAP-Daten (4) Weiterentwicklung von Ensemble basierten Methoden für Regressionsprobleme (5) Assimilation von aus EnMAP-Daten abgeleiteten Biomassedaten in Ertragsmodelle