VP: Phänologische Strukturierung von zeitlich hochauflösenden Sentinel-2 Datensätzen zur Optimierung von Landnutzungsklassifikationen-PhenoS

Das Design des Sentinel 2-Sensors mit seinem neuen Konzept der temporalen, spektralen und geometrischen Au ösung bei gleichzeitig großer Schwadbreite orientiert auf die verbesserte Erfüllung von Monitoringaufgaben im Rahmen der vielfältigen GMES-Aufgaben. Um die Daten optimal für Routineaufgaben nutzen zu können, sind standardisierte Auswertungen bis hin zu Prozessketten, eine ef ziente und wissenschaftlich fundierte Datenauswahl sowie der Nachweis der Robustheit der Methodik für ausgewiesene Zielklassen inklusive der standardisierten Qualitätsbewertung und Kontrolle zwingend erforderlich. Das Ziel des Projektes ist die Entwicklung von Algorithmen und Modellen für eine operationelle Detektion optimaler phänologischer Zeitfenster für Kosten- und rechenef ziente, verbesserte Landnutzungsklassi kationen (Feldfrüchte, Grünland, Brach ächen) von Sentinel 2-Datensätzen. Bisher existierende operationelle Satellitendaten erfüllten die Praxisanforderungen häu g nicht hinreichend, da stets einer der Au ösungsparameter der Sensoren limitierend wirkte. Der wesentliche Vorteil der Sentinel 2-Daten - die sehr hohe temporale Au ösung und sehr guten spektralen Eigenschaften - ermöglicht erstmals im regionalen Kontext die optimale Berücksichtigung phänologischer Aspekte bei der Datenauswahl. Hierfür wird mittels phänologischer Modelle und der phänologischen Regionalisierung in Deutschland eine Optimierung der Datenauswahl umgesetzt. Nachfolgend werden neue phänologische Maße und spektrale Indizes, die für die Sentinel 2-Daten weiterentwickelt werden, in die Klassi kation integriert. Ein wesentlicher Aspekt sind hierbei die vier red edge-Kanäle, die in dieser Form in geometrisch hoch au ösenden Daten erstmals zur Verfügung stehen.
Zur Erreichung dieser Ziele werden zwei existierende phänologische Modelle (PIM und PHASE) sehr unterschiedlicher Komplexität weiterentwickelt und evaluiert. Die raum-zeitliche Prognosegüte für fruchtartenspezi sche phänologische Phasen und Zustände der Modelle sollen verbessert sowie verschiedene Eingangsparameter wie unterschiedliche, frei verfügbare digitale Höhenmodelle (incl. des neuen X-Band Höhenmodells) - getestet und bewertet werden.
Das gesamte Methodeninstrumentarium wird nicht nur auf Sentinel 2- Daten angewendet, sondern auch vergleichend mit MODIS- und RapidEye-Daten sowie multitemporalen hyperspektralen Flugzeugscannerdaten vergleichend untersucht und bewertet. Somit können die Ergebnisse für unterschiedliche Sensoren und Klassentiefen validiert werden. Damit werden die Voraussetzungen für ein Multisensor-Monitoring-Konzept geschaffen. Die Umsetzung von Algorithmen und dem Modell PHASE über ein frei nutzbares Webinterface WPA PhenoS erfordert den Aufbau eines Ontologie-basierten Informationssystems zur Strukturierung der Geo- und Metainformationen. Weiterhin werden neue IT-Lösungen (OGC, ISO) entwickelt, die eine interoperable Archivierung, Dokumentation, Analyse und Präsentation aller projektrelevanten Daten, Metadaten und phänologischen Prognosen erlauben. Mit diesem Webinterface werden die Voraussetzungen geschaffen, um die Projektergebnisse und das Metthodeninstrumentarium interaktiv in Wissenschaft, Wirtschaft und Verwaltung zu nutzen. Eigene Daten der Nutzer (Klimadaten, Satellitenbilddaten) können zur Anwendung kommen. Die verbesserten Klassi kationen und damit die räumlichen Verteilungen von Feldfrüchten, Brach ächen und Grünland werden für vielfältige Aufgaben benötigt. Eine detaillierte Erfassung des Ist-Zustandes der Flächennutzung ist für räumliche Geodaten-Informationssysteme erforderlich. Diese Informationen werden darüber hinaus auch für die Bewertung des Erosionsrisikos Böden, der Nutzungsstrukturen in Wassereinzugsgebieten oder der Bewertung des Hochwassersrisikos in Flussauen benötigt. Zusätzlich sind von hohem Interesse die Änderungen dieser Nutzungsstrukturen, die sowohl auf der Basis von natürlichen Parametern (z.B. Änderung des Wasserdargebots, Zunahme von Hitzeperioden in der Wachstumsphase) als auch von anthropogenenSteuergrößen (z.B. Agrarsubventionen, Energiep anzenanbau) erfolgen.