Search

The prolonged drought of recent years combined with the steadily increasing bark beetle infestation (Ips typographus) is causing enormous damage in Germany’s spruce forests. This preliminary study investigates whether early spruce infestation by the bark beetle (green attack) can be detected using indices based on airborne spatial high-resolution (0.3 m) hyperspectral data and field spectrometer measurements. In particular, a new hyperspectral index based on airborne data has been defined and compared with other common indices for bark beetle detection. It shows a very high overall accuracy (OAA = 98.84%) when validated with field data. Field measurements and a long-term validation in a second study area serve the validation of the robustness and transferability of the index to other areas. In comparison with commonly used indices, the defined index has the ability to detect a larger proportion of infested spruces in the green attack phase (60% against 20% for commonly used indices). This index confirms the high potential of the red-edge domain to distinguish infested spruces at an early stage. Overall, our index has great potential for forest preservation strategies aimed at the detection of infested spruces in order to mitigate the outbreaks.

Assessing species richness and diversity on the basis of standardised field sampling effort represents a cost- and time-consuming method. Satellite remote sensing (RS) can help overcome these limitations because it facilitates the collection of larger amounts of spatial data using cost-effective techniques. RS information is hence increasingly analysed to model biodiversity across space and time. Here, we focus on image texture measures as a proxy for spatial habitat heterogeneity, which has been recognized as an important determinant of species distributions and diversity. Using bee monitoring data of four years (2010-2013) from six 4 × 4 km field sites across Central Germany and a multimodel inference approach we test the ability of texture features derived from Landsat-TM imagery to model local pollinator biodiversity. Textures were shown to reflect patterns of bee diversity and species richness to some extent, with the first-order entropy texture and terrain roughness being the most relevant indicators. However, the texture measurements accounted for only 3-5% of up to 60% of the variability that was explained by our final models, although the results are largely consistent across different species groups (bumble bees, solitary bees). While our findings provide indications in support of the applicability of satellite imagery textures for modeling patterns of bee biodiversity, they are inconsistent with the high predictive power of texture metrics reported in previous studies for avian biodiversity. We assume that our texture data captured mainly heterogeneity resulting from landscape configuration, which might be functionally less important for wild bees than compositional diversity of plant communities. Our study also highlights the substantial variability among taxa in the applicability of texture metrics for modelling biodiversity.

This document presents a comprehensive description of the Spectral Vegetation Radiometer (SVR) used on NCAR aircraft to derive information about the vegetation cover. Specifically provided is background information of the vegetation index, discussion of applications and descriptions of problems involved in analyzing the vegetation index. Furthermore, the reader obtains an inside view of the instrument design and how the calibration should be performed.

Eppley pyranometers are employed to measure the up- and downwelling short wavelength radiation fluxes in the atmosphere. The quality of the data used to investigate the radiation budget and extinction of solar irradiance depends strongly on the calibration and correction applied to the radiation data, accounting for (1) cosine response of the instruments, (2) ambient temperature effects, (3) leveling of the radiometers, and (4) aircraft maneuvers during the observations. This report makes suggestions about how the quality of the radiation data can be enhanced by a more accurate calibration procedure and correction scheme. By considering the recommendations, data from the upward facing pyranometer can be improved by about 20% under clear sky conditions.

Die vorliegende Arbeit beschäftigt sich mit der flächendeckenden Ableitung spezifischer Gewässerinhaltsstoffe verockerter Fließgewässer aus Daten eines airborne Hyperspektralsensors. In diesem Zusammenhang wird ein innovatives Verfahren vorgestellt, welches die spezifische Entwicklung und Validierung von Ableitungsmodellen mit Fokus auf den Gewässerinhaltsstoffen Gesamteisen, Eisen(II), Eisen(III) und Sulfat beinhaltet. Im Rahmen der Arbeit wurden zwei Messkampagnen zur Erhebung der erforderlichen Gewässerproben und der Hyperspektraldaten am Fluss Spree südlich von Cottbus, Brandenburg, durchgeführt. Diese Daten bilden die Grundlage der Arbeit. Die entwickelte Methode führt eine automatisierte Verknüpfung der In situ- und der Hyperspektraldaten durch. Dies ermöglicht die Extrahierung der Spektralinformation aus den Hyperspektraldaten an der Probenentnahmestelle. Anschließend werden diese auf spezifische Indizes reduziert, welche ein Kernstück der Vorgehensweise darstellen. Diesbezüglich ist es notwendig, dass die Indizes die charakteristischen Spektraleigenschaften der Gewässerinhaltsstoffe berücksichtigen. Mittels der Regressionsanalyse werden für jeden Gewässerinhaltsstoff die zehn geeignetsten Indizes anhand des Bestimmtheitsmaßes zur Ableitung herangezogen und im Anschluss mittels der In situ-Daten validiert. Dies ermöglicht die Identifizierung des Regressionsmodells mit der höchsten Ableitungsgenauigkeit, welches zur Erstellung der Verteilungskarten der Gewässerinhaltsstoffe verwendet wird. Anhand der Verteilungskarten wird aufgezeigt, dass sich die aus airborne Hyperspektraldaten abgeleiteten Konzentrationen der Gewässerinhaltsstoffe zur Identifizierung von Stoffeinträgen durch Zuflüsse und resultierenden Strömungsänderungen eignen. Weiterhin ist die Konzentrationsbestimmung auch an Orten mit einem unwegsamen Gelände durchführbar, wodurch die aufgezeigte Vorgehensweise darüber hinaus für ein Monitoring verwendet werden kann.:Erklärung der Übereinstimmung mit dem Original 2 Danksagung 3 Kurzfassung 4 Abstract 5 Inhaltsverzeichnis 6 Abbildungsverzeichnis 8 Tabellenverzeichnis 11 Abkürzungsverzeichnis 14 Symbolverzeichnis 16 1. Einleitung 17 1.1. Hintergrund und Motivation 17 1.2. Zielsetzung 21 1.3. Struktureller Aufbau und methodisches Vorgehen 23 2. Verfahrensüberblick 26 2.1. Datenverknüpfung 26 2.2. Spektralindizes 27 2.3. Datenfilterung 27 2.4. Entwicklung der Regressionsmodelle 27 2.5. Ableitung und Validierung 28 3. Passive optische Gewässerfernerkundung 29 3.1. Erfassung der zurückgestreuten Strahldichten 30 3.1.1. Strahlungsprozesse in der Atmosphäre 33 3.1.2. Strahlungsprozesse an der Gewässeroberfläche 35 3.1.3. Strahlungsprozesse im Gewässerkörper 37 3.2. Eigenschaften der Gewässerfärbung 41 3.2.1. Inhärente optische Gewässereigenschaften (IOP) 41 3.2.2. Scheinbare optische Gewässereigenschaften (AOP) 43 3.3. Methoden der Gewässerfernerkundung 43 3.3.1. Analytische Methode 43 3.3.2. Empirische Methode 44 3.3.3. Schlussfolgerung 45 4. Datenerfassung 46 4.1. Untersuchungsgebiet 46 4.2. In situ–Daten 48 4.2.1. Messkampagne 2018 50 4.2.2. Messkampagne 2019 52 4.3. Fernerkundungsdaten 53 4.3.1. Gyrokopter als Trägerplattform 53 4.3.2. Sensorik 54 5. Erstellung der Spektralindizes 57 5.1. Spektralindizes der Literatur 57 5.2. Analyse spektraler In situ Messungen 62 5.3. Analyse extrahierter Spektralinformationen 64 6. Ergebnisse und Diskussion 69 6.1. Validierung 69 6.2. Evaluierung 74 6.3. Horizontalverteilung der Gewässerinhaltsstoffe in dem Fluss Spree 83 7. Zusammenfassung und Ausblick 90 Literatur 95 I. Anlage 105 I.I. Zum Kapitel 4: Datenerfassung 105 I.II. Zum Kapitel 5: Spektralindizes 122 I.III. Zum Kapitel 6: Ergebnisse und Diskussion 128 II. Prozessierung der hyperspektralen Fernerkundungsdaten 170 III. Anlage: Daten zur Charakterisierung des Untersuchungsgebietes 175 III.I. pH-Wert 177 III.II. Bestimmung Sichttiefe 177 III.III. Spektrale In situ-Messungen 179 III.IV. Bathymetrische Vermessung 182 III.V. Vertikaler Eisengradient 183 IV. Anlage: Einfluss des Bergbaus auf die limnischen Lebensräume 186 IV.I. Prozesse während und nach dem Bergbau 186 IV.II. Limnische Lebensräume 188 IV.II.i. Grundwässer 188 IV.II.ii. Fließgewässer 189 IV.II.iii. Standgewässer 190 The present work deals with the area-wide derivation of the water constituents of ochred watercourses from data of an airborne hyperspectral sensor. In this context an innovative method is presented, which includes the specific development and validation of derivation models with focus on the water constituents total iron, ferrous iron, ferric iron and sulphate. Within the scope of the work, two measurement campaigns were carried out to collect the required water samples and hyperspectral data at the river Spree south of Cottbus, Brandenburg. These data are the basis of the thesis. The developed method performs an automated combination of the in situ- and hyperspectral data. This enables the extraction of spectral information from the hyperspectral data at the sampling point. Subsequently, these information is reduced to specific indices, which are a core part of the procedure. In this respect, it is necessary that the indices consider the characteristic spectral properties of the water constituents. By means of regression analysis, the ten most suitable indices for each water constituent are derived based on the coefficient of determination and subsequently validated using the in situ-data. This enables the identification of the regression model with the highest accuracy of derivation, which is used to create the distribution maps of the water constituents. The distribution maps show that the concentrations of water constituents derived from airborne hyperspectral data are suitable for identifying substance inputs from inflows and resulting flow changes. Furthermore, the determination of concentrations can also be carried out in places with impassable terrain, which means that the procedure shown can also be used for monitoring.:Erklärung der Übereinstimmung mit dem Original 2 Danksagung 3 Kurzfassung 4 Abstract 5 Inhaltsverzeichnis 6 Abbildungsverzeichnis 8 Tabellenverzeichnis 11 Abkürzungsverzeichnis 14 Symbolverzeichnis 16 1. Einleitung 17 1.1. Hintergrund und Motivation 17 1.2. Zielsetzung 21 1.3. Struktureller Aufbau und methodisches Vorgehen 23 2. Verfahrensüberblick 26 2.1. Datenverknüpfung 26 2.2. Spektralindizes 27 2.3. Datenfilterung 27 2.4. Entwicklung der Regressionsmodelle 27 2.5. Ableitung und Validierung 28 3. Passive optische Gewässerfernerkundung 29 3.1. Erfassung der zurückgestreuten Strahldichten 30 3.1.1. Strahlungsprozesse in der Atmosphäre 33 3.1.2. Strahlungsprozesse an der Gewässeroberfläche 35 3.1.3. Strahlungsprozesse im Gewässerkörper 37 3.2. Eigenschaften der Gewässerfärbung 41 3.2.1. Inhärente optische Gewässereigenschaften (IOP) 41 3.2.2. Scheinbare optische Gewässereigenschaften (AOP) 43 3.3. Methoden der Gewässerfernerkundung 43 3.3.1. Analytische Methode 43 3.3.2. Empirische Methode 44 3.3.3. Schlussfolgerung 45 4. Datenerfassung 46 4.1. Untersuchungsgebiet 46 4.2. In situ–Daten 48 4.2.1. Messkampagne 2018 50 4.2.2. Messkampagne 2019 52 4.3. Fernerkundungsdaten 53 4.3.1. Gyrokopter als Trägerplattform 53 4.3.2. Sensorik 54 5. Erstellung der Spektralindizes 57 5.1. Spektralindizes der Literatur 57 5.2. Analyse spektraler In situ Messungen 62 5.3. Analyse extrahierter Spektralinformationen 64 6. Ergebnisse und Diskussion 69 6.1. Validierung 69 6.2. Evaluierung 74 6.3. Horizontalverteilung der Gewässerinhaltsstoffe in dem Fluss Spree 83 7. Zusammenfassung und Ausblick 90 Literatur 95 I. Anlage 105 I.I. Zum Kapitel 4: Datenerfassung 105 I.II. Zum Kapitel 5: Spektralindizes 122 I.III. Zum Kapitel 6: Ergebnisse und Diskussion 128 II. Prozessierung der hyperspektralen Fernerkundungsdaten 170 III. Anlage: Daten zur Charakterisierung des Untersuchungsgebietes 175 III.I. pH-Wert 177 III.II. Bestimmung Sichttiefe 177 III.III. Spektrale In situ-Messungen 179 III.IV. Bathymetrische Vermessung 182 III.V. Vertikaler Eisengradient 183 IV. Anlage: Einfluss des Bergbaus auf die limnischen Lebensräume 186 IV.I. Prozesse während und nach dem Bergbau 186 IV.II. Limnische Lebensräume 188 IV.II.i. Grundwässer 188 IV.II.ii. Fließgewässer 189 IV.II.iii. Standgewässer 190