Veranstaltungsprogramm

Eine Übersicht aller Sessions/Sitzungen dieser Tagung.
Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.

 
Sitzungsübersicht
Session
S11: Fernerkundung - Anwendung Agrar
Zeit:
Donnerstag, 21.02.2019:
16:00 - 17:30

Chair der Sitzung: Georg Bareth
Ort: EH 05 (Exnerhaus)
EXNH-02/64 Peter-Jordan-Straße 82, 2. Obergeschoß OST 119 Sitzplätze

Zeige Hilfe zu 'Vergrößern oder verkleinern Sie den Text der Zusammenfassung' an
Präsentationen

Solar-induced Chlorophyll Fluorescence measurements with Unmanned Aircraft Systems spectroscopy – A system overview and agricultural case study

J. V. Bendig1, Z. Malenovsky1, D. Gautam1,2, M. Prüm3, A. Lucieer1

1University of Tasmania, Australien; 2University of Adelaide, Australien; 3Hochschule Rhein-Waal, Deutschland

Within the context of climate change models, estimating vegetation gross primary production (GPP) is an important part of the global carbon cycle. However, GPP estimation is impacted by uncertainties originating from both measurements and models. Within this context, passive Solar-Induced chlorophyll Fluorescence (SIF) has become a novel remote sensing signal of vegetation photosynthesis allowing more reliable GPP predictions. SIF is a small amount of light that is emitted by plants between 640 and 800 nm, which indirectly indicates how much solar energy absorbed by plants is used for photosynthesis. The amount of SIF emitted is further related to plant stress through e.g. heat or drought. SIF has been studied in laboratories for over 40 years but was first observed from satellite in 2011. Currently, the FLuorescence EXplorer (FLEX) is being prepared for launch in 2022 as the European Space Agency’s Earth explorer scientific mission. Still, SIF is a very weak signal that requires a high-sensitivity spectroradiometer. Technological progress has led to the development of spectroradiometers that enable measuring solar-induced chlorophyll fluorescence in close proximity on the ground and on unmanned aircraft systems (UAS). Scaling SIF observations is important as the signal magnitude changes from leaf to canopy level. Spatially explicit UAS spectroscopy may contribute to our understanding of scaling SIF and provide calibration/validation data for airborne and satellite campaigns. In this contribution, we present a UAS payload called “AirSIF”, comprising an Ocean Optics QE Pro spectroradiometer, a Global Navigation Satellite System (GNSS)/Inertial Measurement Unit (IMU) unit for direct georeferencing and accurate time synchronisation of the spectroradiometer readings. This unique setup enables calculating the spectroradiometer footprint location and shape based on integration time, flying height and speed, platform orientation and a digital surface model. The spectral data analysis consists of radiometric calibration and zenith angle correction. The final spectral products are: i) SIF values at red and far-red wavelengths retrieved with the improved Fraunhofer Line Discrimination (iFLD) method, ii) canopy hemispherical-conical reflectance and iii) canopy vegetation optical indices like, for instance, the photochemical reflectance index. AirSIF has been deployed over agricultural field trials of barley and maize in Western Germany in June/July 2018. The results prove the concept of generating geometrically accurate spectral footprints of SIF from the AirSIF system, making it a unique tool for low-altitude UAS spectroscopy.



Multidisziplinäre Überlegungen zur nachhaltigen N-Düngung unter Berücksichtigung der Möglichkeiten der satellitengestützten Präzisionslandwirtschaft

L. Essl1, F. Vuolo1, T. Sanden2, A. Spiegel2

1Universität für Bodenkultur, Österreich; 2Österreichische Agentur für Ernährungssicherheit AGES, Österreich

I. Motivation / Problemstellung

Bei der Frage nach dem optimalen Stickstoffdüngereinsatz spielen verschiedene Einflussfaktoren eine Rolle: wieviel Stickstoff bringt unter den gegebenen Standortbedingungen den optimalen Ertrag für eine bestimmte Kultur unter Berücksichtigung der Umwelterfordernisse und welche Anwendungsstrategie ist wirtschaftlich und ökologisch sinnvoll?

Neben verstärkter Bewusstseinsbildung und finanziellen Anreizen für ein verbessertes Stickstoffmanagement im Zuge der Gemeinsamen Agrarpolitik der Europäischen Union, ermöglichen auch neue Technologien, die mit Hilfe von Sensoren, Fernerkundungs- oder Bodendaten arbeiten, das Nährstoffmanagement effizienter zu gestalten.

Durch den Start den Sentinel-2 Mission der European Space Agency (ESA) werden Satellitendaten in für landwirtschaftliche Zwecke gut geeigneter Form verfügbar. Bisher gibt es jedoch nur wenige funktionierende Ansätze, die diese Daten in wirkliche Entscheidungshilfen für Landwirte umwandeln.

II. Methode / Untersuchung

An diesem Punkt setzte das EU-Forschungsprojekt FATIMA (FArming Tools for external Inputs and water Management, http://www.fatima-h2020.eu/) an: neben der Entwicklung von neuen Technologien basierend auf Fernerkundungsdaten der Satelliten Sentinel-2 wurde auch die soziale und ökonomische Komponente der Einzug haltenden „Landwirtschaft 4.0“ beleuchtet. Forscher der Universität für Bodenkultur und der AGES stellten sich den Fragen, wie Stickstoffmanagement verbessert werden kann und ob die Landwirte in Österreich bereit für diesen Wandel sind. Neben der Verarbeitung von Satellitendaten, wurden auch Feldversuche durchgeführt und eine Umfrage unter 240 niederösterreichischen Landwirten durchgeführt. Die Ergebnisse bieten ein umfassendes, integriertes Bild der Herausforderungen, aber auch Möglichkeiten von neuen Technologien unter Verwendung von Satellitendaten.

III. Ergebnisse

Die Ergebnisse des Forschungsprojektes zeigen unter verschiedenen Perspektiven das Potenzial der teilflächenspezifischen Düngung basierend auf Satellitendaten.

Die Ergebnisse der Umfrage lassen darauf schließen, dass niederösterreichische Landwirte generell aufgeschlossen gegenüber neuen Technologien sind. Ein guter Ausgangspunkt, um einen Schritt weiterzugehen und sich mit der optimalen Düngermenge/Düngungsmanagement zu befassen.

Aufgrund der heterogenen Bedingungen innerhalb eines Feldes ist eine gleichmäßige Aufbringung des Düngers nicht empfehlenswert. Hier kommen Satellitendaten ins Spiel. Die mit einer Auflösung von 10x10m verfügbaren Sentinel-2 Satellitenbilder zeigen genaue Wachstumsmuster innerhalb eines Feldes. Die Biomassemessungen aus den Satellitendaten wurden durch Feldmessungen validiert und bilden indirekt die Bodenverhältnisse des Feldes ab. Um ein historisches Bild der Bodenverhältnisse zu erhalten, wurden die Bilder der Jahre 2016-2018 überlagert und mit einer Skala versehen, die Auskunft über das Ertragspotenzial des Bodens gibt.

Diese Applikation birgt besonders für kleine und mittelgroße Betriebe, die nicht in lokale Sensortechnologie – zum Beispiel auf dem Traktor - investieren wollen, großes Potential.

Die teilflächenspezifische Stickstoffdüngung basierend auf Ertragspotenzialkarten, die mit Hilfe von Satellitendaten gewonnen werden, kann nicht nur helfen Erträge zu optimieren. Auch sollen unerwünschte Verluste von Stickstoff in das bereits stark belastete Grundwasser mit dieser neuen Technologie möglichst geringgehalten werden.



Vergleich unterschiedlicher Methoden zur Schätzung von Blattflächenindex in Dauergrünlandbeständen

A. Klingler1, A. Schaumberger2, F. Vuolo3, E. M. Pötsch2

1Universität für Bodenkultur, Abteilung Pflanzenbau, Österreich; 2HBLFA Raumberg-Gumpenstein, Abteilung Grünlandmanagement und Kulturlandschaft, Österreich; 3Universität für Bodenkultur, Institut für Vermessung, Fernerkundung und Landinformation, Österreich

Der Blattflächenindex (LAI) stellt einen der vielversprechendsten biophysikalischen Parameter zur Beschreibung von Grünlandbeständen dar. Im Gegensatz zu einfachen Vegetationsindizes neigt der LAI nicht zur Sättigung in fortgeschrittenen Vegetationsstadien. In der vorliegenden Arbeit wird die Korrelation von LAI-Zeitreihen, berechnet aus Hyperspektralsignaturen eines Feldspektrometers, Sentinel-2-Daten und AccuPAR-Messungen, untersucht. Dazu wurden wöchentlich feldspektroskopische Erhebungen und AccuPAR-Messungen auf einer vierschnittigen Dauergrünlandwiese durchgeführt. Von derselben Fläche wurden sämtliche wolkenfreie Sentinel-2-Beobachtungen zum Vergleich mit den Bodenmessungen verwendet. Die berechneten LAI-Zeitreihen des Feldspektrometers und der AccuPAR-Methode zeigen generell eine starke Korrelation mit den Sentinel-2-Werten für die gesamte Dauer der Vegetationsperiode. Deutliche Unterschiede sind zwischen den einzelnen Aufwüchsen und Entwicklungsstadien festzustellen.



Remote Sensing of Crops Using Nonspectral Crop Traits - A Paradigm Shift?

G. Bareth1, A. Lucieer2

1Universität zu Köln, Geographisches Institut, AG "GIS & Fernerkundung", Deutschland; 2University of Tasmania, Discipline of Geography and Spatial Sciences, TerraLuma, Australia

The monitoring of crops with multi- or hyperspectral air- or spaceborne imaging sensors has been a research focus in remote sensing of the last decades. Image analysis has focused on products like leaf area index, chlorophyll and nitrogen content, biomass, as well as on abiotic and biotic stresses. The rise of imaging systems for low-altitude remote sensing with UAVs or gyrocopters in combination with photogrammetric software development in the last ten years has opened a new research field. In addition to multi- and hyperspectral sensing, these aerial systems allow acquisition of overlapping RGB photos in ultra-high spatial resolution (<10 cm) as well as data acquisition with lightweight LiDAR sensors. While LiDAR directly captures 3D point clouds, overlapping image data can be photogrammetrically processed using Structure from Motion (SfM) and Multi-view Stereopsis (MVS) resulting in 3D point clouds in a more cost-effective manner. Due to its accuracy, these 3D data can support the monitoring of certain crop traits as demonstrated in publications of the last five years. Crop traits that can be derived from 3D data, defined as nonspectral crop traits, are e.g. crop height and crop density. These two crop traits seem to be robust predictors for crop biomass, which is related to leaf area index, emergence, lodging, and nitrogen uptake. Hence, the analysis of nonspectral data for crop traits is a new and innovative research field. The two main objectives of this contribution are (i) to present examples of nonspectral analysis outperforming spectral analysis and (ii) to discuss latest and unexploited potentials of nonspectral data acquisition and analysis for crop trait monitoring.



 
Impressum · Kontaktadresse:
Datenschutzerklärung · Veranstaltung: DLT 2019
Conference Software - ConfTool Pro 2.6.127
© 2001 - 2019 by Dr. H. Weinreich, Hamburg, Germany