B2 Statistische Modellierung und Projektion [funded by LOEWE]
PI(s) dieses Projektes:
Prof. Dr. Ludger Grünhage
Annette Otte
Prof. Dr. Jörg Bendix
Prof Jürg Luterbacher
Projektzusammenfassung:
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.
Projektbeschreibung:
Hintergrund
- hyperspektrale Messungen ermöglichen nicht-invasive Messungen oberirdischer Vegetationsparameter
- Langzeitbeobachtungen ermöglichen Erstellung von statistischen Modellen zu Konsequenzen des Klimawandels
- abgeleitete Parameter fließen in die Projizierung von Vegetationsänderungen und deren Charakteristika mittels dynami9scher Modelle ein (B2)
Zielsetzung
Erfassung von Konstellationen verschiedener Umweltbedingungen (z.B. trocken warme Wetterbedingungen) die den CO2-Düngungseffekt beeinflussen
Erfassung der Einflüsse von erhöhtem CO2 und/oder Temperatur auf Produktion/Ökophysiologie der untersuchten Glatthaferwiese mittels hyperspektraler Sensoren
- Ableitung von Transferfunktionen (z.B. Biodiversität, Biomasse, Blattflächenindex, Chlorophyll, Stickstoff, Phosphor, Kalium)
- Hochskalierung für multi- und hyperspektrale Fernerkundungssensoren (in Satelliten)
- Erstellung geeigneter Parameter für dynamische Modelle
Zeitplan
- Erstellung eines statistische Ansatzes zur Analyse des CO2-Düngungseffektes abhängig von interagierenden Umweltfaktoren
- nicht-invasive hyperspektrale Messungen der Graslandeigenschaften unter verschiedenen Klimawandelsszenarien (ca. 8 Messungen während Vegetationsperiode)
- Ableitung von Transferfunktionen (z.B. Narrow-Band Reflection Indices, Suppor Vector Machines, Random Forest, Partial Least Squares Regression) mit Produktions- und Ökophysiologieparametern aus dem Labor (A und B1)
- Hochsaklieren für multi- und hyperspektrale Fernerkundngssensoren (in Satelliten)