B2 Statistical modelling and projektion [funded by LOEWE]
PI(s) for this project:
Prof. Dr. Ludger Grünhage
Annette Otte
Prof. Dr. Jörg Bendix
Prof Jürg Luterbacher
Abstract:
Die optischen Eigenschaften einzelner Pflanzenarten oder Pflanzengemeinschaften können mit hyperspektralen Feldspektrometern und Spektralkameras erfasst und mit Pflanzen-Inhaltsstoffen (Wasser, Stickstoff), der oberirdischen Biomasse oder Blattfläche korreliert werden, um so eine Auswertung dieser Faktoren über multispektrale Satellitendaten zu ermöglichen. Die Spektrometerdaten können auch zur Parametrisierung von Ökosystemmodellen und andererseits zur Ableitung multi- und hyperspektraler Signaturen zur Entmischung hochaufgelöster multispektraler (z.B. QuickBird und eigenes Ballonsystem) und mittelaufgelöster hyperspektraler Fernerkundungsdaten (Hyperion) dienen.
Darüber hinaus werden mathematisch-statistische Methoden verwendet, um Muster und Strukturen in ökosystemaren Datensätzen zu erkennen. Die 14-jährige Langzeitreihe in Gießen bietet eine ausgezeichnete Möglichkeit die Zusammenhänge zwischen THG-Emissionen und biotischen sowie abiotischen Faktoren zu analysieren und die Veränderungen mit neuen statistischen Kausalitätsmethoden zu erarbeiten.
Description:
Background
- Hyperspectral measurements enable noninvasive monitoring of above-ground vegetation parameters
- Long time series enable derivation of statistical models about climate change consequences
- Derived parameters are used for projecting changes in vegetation and their characteristics with dynamic models (B3)
- Statistical analysis of environmental variables influencing the effect of elevated CO2 on aboveground biomass characteristics
Aims
Detection of environmental variables constellation (e.g. dry weather conditions) altering the CO2 effect
Detection of influences of increased CO2 and/or temperature on production/ecophysiology by means of hyperspectral sensors
- derivation of transferfunctions (e.g. biodiversity, biomass, leaf area index, chlorophyll, nitrogen, phosphorus, potassium)
- upscaling for multi- and hyperspectral sensors
- preparation of parameters for dynamic models
Schedule
- development of a statistical approach enabling the analysis of the CO2 effect dependent on the interacting effects of ambient abiotic factors
- noninvasive hyperspectral measurements of grassland properties in different climate changes scenarios (~ 8 measurements during vegetation period)
- derivation of transfer functions (e.g. by Narrow-Band Analysis, PLS regression) with parameters of production and ecophysiologiy (measured in A and B1)
- upscaling for multi- and hyperspectral remote sensors (satellites)