Hy-PiPE

Laufzeit: 11/2022 - 10/2025
Team: Dr. Daniel Doktor (PI), Dr. Mohammad Hajeb

Erdbeobachtungssysteme liefern einheitliche Daten, mit denen dynamische Vegetationsprozesseflächendeckend abgebildet werden können. Multispektrale Sensoren liefern besonders hochaufgelöste Daten in räumlicher und zeitlicher Dimension, die sich für die differenzierte thematische Charakterisierung der Landbedeckung eignen. Für die Erfassung biophysikalischer und biochemischer Parameter auf Pflanzen- oder gar Blattebene spielt eine besonders hohe spektrale Auflösung eines Satellitensensors eine entscheidende Rolle. Der Hyperspektralsatellit des Environmental Mapping and Analysis Program (EnMAP) eröffnet mit einer räumlichen Auflösung von 30m und über 200 Spektralkanälen neue Möglichkeiten beim Monitoring von raumzeitlichen Veränderungen von Blatt- und Bestandsparametern.

Für die Ableitung von Pflanzenzustandsvariablen aus Fernerkundungsdaten wird meist auf die Invertierung von Strahlungstransfermodellen zurückgegriffen (z.B. PROSAIL) (Berger et al., 2018, Verrelst et al., 2021). Prozessbasierte Agrarökosystemmodelle (AEM; z.B., Jones et al., 2003), die das Pflanzen-Boden-Atmosphären-System simulieren, können diese aus Fernerkundungsdaten abgeleiteten Zustandsdaten für bessere Ertragsabschätzungen nutzen. Ein Ziel dieses Projektes ist es daher, die technischen Vorzüge des EnMAP Satelliten für die Ableitung von Pflanzenzustandsvariablen zu nutzen. Ausgehend von regionalen Fallstudien sollen unter Verwendung der Strahlungstransfermodellierung Konzepte entwickelt und Prozessabläufe etabliert werden, die im Laufe des Vorhabens auch auf nationaler Skala Anwendung finden sollen.

Außerdem ist eine Kompilierung unterschiedlicher räumlich wie thematisch hochaufgelöster Datensätze zur pixel-spezifischen Parametrisierung von Strahlungstransfer- und Agrarökosystemmodellen angestrebt. Neben der Verwendung detaillierter bundesweiter Karten zur räumlichen Verteilung landwirtschaftlicher Anbaukulturen liegt ein Schwerpunkt auf dem Aufbau eines räumlichen hyperspektralen Bodendatensatzes unter Einbeziehung von EnMAP-Daten. Darauf basierend soll dann letztlich der Aufbau einer Routine zur Assimilation von EnMAP-basierten Bestandeszustandsdaten in Agrarökosystemmodelle zur Realisierung flächendeckender Ertragsprognosen mit hoher räumlicher Auflösung erfolgen.