Ableitung phasenspezifischer und ereignisbezogenerVegetationsindizes auf der Grundlage von

phanologischen Flachendaten undSatellitenbildindex-Zeitreihen

Markus Moller

Julius Kuhn-Institut (JKI) – Bundesforschungsinstitut fur Kulturpflanzen · Institut furStrategien und Folgenabschatzung, Kleinmachnow

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 1 / 15

Gliederung

1 Hintergrund

2 Parametrisierung von Extremwetterereignissen

3 Zusammenfassung

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 2 / 15

Hintergrund

Gliederung

1 Hintergrund

2 Parametrisierung von Extremwetterereignissen

3 Zusammenfassung

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 3 / 15

Hintergrund

ExtremwetterMonitoring und RisikoAbschatzungssys-tem zur Bereitstellung von Entscheidungshilfen imExmtremwettermanagement der Landwirtschaft

Webportal und Monitoringwerkzeug

. . . fur Acker- und Obstbauern und Berater

. . . zur Unterstutzung von Entscheidungenbeim Management von Extremwetterlagen(z.B. Durre, Trockenheit oder Kahlfrost) undExtremwetterereignissen (z.B. Hagel oderStarkregen)

Standort- und kulturarten-spezifischeEntscheidungshilfen

Dynamischen Kopplung von digitalenFlachendaten und Expertenwissen

https://emra.julius-kuehn.de

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 4 / 15

Hintergrund

EMRA-Informationsknoten

PhanologischeFenster

RasterKTA,B

1 × 1 km2

IndikatorRasterIKT |IKT A,B

X × X m2

BE

Multitemporaler Datenwurfel

J

KT

I

b

b

b

b

KTBKTA

Dynamischen Kopplung vondigitalen Flachendaten

Die Auswirkungen vonExtremwetterlagen und-ereignissen stehen im Zu-sammenhang mit phano-logischen Entwicklungs-stadien (Phasen) vonKulturpflanzen.

BE – Bezugseinheit (z.B. Feldblock, Schlag) | IKT – Indikatortageswert | KTA,B –Eintrittstermine phanologischer Phasen (Kalendertage) | J – Jahr

Moller, M., Doms, J., Gerstmann, H. & Feike, T. (2019): A framework for standardized weather index calculation in

Germany. Theoretical and Applied Climatology 136, 377–390

Moller, M., Gerstmann, H., Dahms, T.C., Gao, F. & Forster, M. (2017): Coupling of phenological information and

simulated vegetation index time series: Limitations and potentials for the assessment and monitoring of soil erosion risk.CATENA 150, 192–205.

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 5 / 15

Parametrisierung von Extremwetterereignissen

Gliederung

1 Hintergrund

2 Parametrisierung von Extremwetterereignissen

3 Zusammenfassung

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 6 / 15

Parametrisierung von Extremwetterereignissen

Entscheidungshilfen

STARTFruchtartExtremwetterZeitraum

PARAMETERnFK [%]Nh [mm]. . .

INDIKATORParameterFunktionOperatorSchwellenwert

WICHTUNGFaktor

WARNSCHWELLESchwellenwertQuantil

IK

ENTSCHEIDUNGSHILFESTART::Fruchtart ⇒ MAISSTART::Extremwetter ⇒ BODENEROSIONSTART::Zeitraum:Beginn ⇒ BRACHESTART::Zeitraum:Ende ⇒ LÄNGENWACHSTUMINDIKATOR::Funktion ⇒ Anzahl der StundenINDIKATOR::Parameter ⇒ Nh

INDIKATOR::Operator ⇒ ≥INDIKATOR::Schwellenwert ⇒ 10 mmWICHTUNG::Faktor ⇒ BODENBEDECKUNGWARNSCHWELLE::Schwellenwert ⇒ . . .

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 7 / 15

Parametrisierung von Extremwetterereignissen

Eingangsdaten

Phanologie

Interpolation vonbeobachteten Startterminenphanologischer Phasen

Gerstmann, H., Doktor, D., Glaßer, C. &

Moller, M. (2016): PHASE: Ageostatistical model for theKriging-based spatial prediction of cropphenology using public phenological andclimatological observations. Computersand Electronics in Agriculture 127,726–738.

Moller, M., Gerstmann, H., Dahms,

T.C., Gao, F. & Forster, M. (2017):Coupling of phenological informationand simulated vegetation index timeseries: Limitations and potentials for theassessment and monitoring of soilerosion risk. CATENA 150, 192–205.

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 8 / 15

Parametrisierung von Extremwetterereignissen

Entscheidungshilfen: Eingangsdaten

Starkniederschlagsindex (SNI )(20.06.2013)

RADOLAN c© DWD

1× 1 km

SAVI ⇒ MODIS (18.06.2013)

Terra Surface Reflectance 8-Day L3Global Grid V006 (MOD09Q1; c©USGS)

250× 250 m

Busetto, L. & Ranghetti, L. (2016): MODIStsp: an R package

for preprocessing of MODIS Land Products time series.Computers & Geosciences 97, 40-48.

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 9 / 15

Parametrisierung von Extremwetterereignissen

Entscheidungshilfen: Datenunsicherheiten

Raumliche Genauigkeit

Definition von Pufferbereichen

Schlaggroße ⇐⇒ MODIS-Pixel

Definition von akzteptablenUberlappungsbereichen ⇒ geometrischeGenauigkeitsmaße

Moller, M., Birger, J., Gidudu, A. & Glaßer, C. (2013): A

framework for the geometric accuracy assessment of classifiedobjects. International Journal of Remote Sensing 34,8685-8698.

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 10 / 15

Parametrisierung von Extremwetterereignissen

Entscheidungshilfen: Parametrisierung

Bodenerosionsereignis am 19.6.2013 (DOY = 170)

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 11 / 15

Parametrisierung von Extremwetterereignissen

Entscheidungshilfen: Parametrisierung

Bodenerosionsereignis am 19.6.2013 (DOY = 170)

0.0

0.2

0.4

0.6

0.8

1.0

KT

VI

| SN

I/10

1 11 21 31 41 51 61 71 81 91 101

111

121

131

141

151

161

171

181

191

201

211

221

231

241

251

261

271

281

291

301

311

321

331

341

351

361

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

● ● ●●

●

● ● ●●

●

●

●

●

●

●●

●●

●●

● ●

●

● ● ●

●

●●

● ●

● ●●

●●

●●

●

●

●

● ●

● ●

●

● ●

●

●

●

●

●

● ●●

PHASE

10126756519202124BL

●

VI

x~

x25−75

● SNI

Foto

⇒Indikatoren aktuelle und phasenspezifische Bodenbedeckung . . .historische Parameter (z.B. Anzahl der Tage mit SNI ≤ 1 in einer Phase)

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 12 / 15

Zusammenfassung

Gliederung

1 Hintergrund

2 Parametrisierung von Extremwetterereignissen

3 Zusammenfassung

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 13 / 15

Zusammenfassung

Dynamische Parametrisierung von historischen undaktuellen Extremwetterereignissen

Phanologische Beobachtungen · · ·Witterungsdaten · · · Satellitenbilddaten

Laufende Arbeiten/Herausforderungen

Erhohung der geometrischen und spektralenAuflosung ⇒ Sentinel 2, Landsat, Datenfusion

Moller, M., Gerstmann, H., Dahms, T.C., Gao, F. & Forster, M. (2017):

Coupling of phenological information and simulated vegetation index timeseries: Limitations and potentials for the assessment and monitoring of soilerosion risk. CATENA 150, 192–205.

Effiziente Datenhaltung und Zeitreihenanalyse⇒ DataCube

Monitoring & Validierung ⇒ Prognose/Lokali-sierung von potentiellen Erosionsereignissen

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 14 / 15

Zusammenfassung

https://emra.geoway.de

https://emra.julius-kuehn.de

Bonn, DELPHI IMM, Julius-Kühn-Institut30.09.2019 12

Verwertung

• Entwicklung eines Angebots für Landwirte und Obstbauer

• Übertragung auf andere Nutzergruppen (Gärtner, Imker, Forstwirte)

• Bereitstellung von Cloud-Diensten für andere Anbieter im Agrarbereich

Markus Moller (JKI | SF) Phasenspezifische Vegetationsindizes 2. EO-Symposium 15 / 15