Estimation of soil organic carbon using hyperspectral remote sensing data and a large scale soil spectral library

from laboratory to space

verfasst von

Kathrin Jennifer Ward

betreut von

Sabine Chabrillat

Abstract

Unsere Böden sind der größte terrestrische Kohlenstoffspeicher der Erde. Aufgrund desfortschreitenden Klimawandels und zur Sicherstellung der Ernährung einer wachsendenWeltbevölkerung, steigt der Druck mehr Erkenntnisse über den Zustand des Bodens inklusive seines Kohlenstoffgehalts zu generieren. Die Kartierung des Bodenkohlenstoffs ist besonders für größere Gebiete eine Herausforderung, weil herkömmliche Methoden umfangreiche Probenahmen und teure Laboranalysen erfordern. Um die Bodengesundheit zu wahren und die Kapazitäten sinnvoll zu nutzen, ist es notwendig die Böden zu beobachten und somit eine zeitliche Komponente hinzuzufügen. Dafür werden geeignete Ansätze zur regelmäßigen und großräumigen Quantifizierung des Kohlenstoffgehalts benötigt. Die Bodenspektroskopie hat das Potenzial hierbei zu unterstützen. Im Labor und auf Luftbildebene hat sie sich bereits für die Ableitung einiger Bodeneigenschaften bewährt. Kürzlich verfügbar gewordene hyperspektrale Satellitendaten ermöglichen es quantitative Bodenkohlenstoffkarten zu erstellen. Diese EO (Earth observation) Sensoren können auch ein zukünftiges Werkzeug zur Beobachtung der Böden darstellen, um u.a. die Bodendegradation zu bekämpfen. In dieser Arbeit wurden Ansätze entwickelt, die auf verschiedenen räumlichen Skalen, die neuen EO Sensoren zur Kartierung des spektral aktiven organischen Bodenkohlenstoffs (SOC) evaluieren. Dafür sind Bodenreferenzdaten ein wichtiger Bestandteil zur Generierung und Validierung von Modellen, aber oft schwer verfügbar. Eine Möglichkeit ist die zusätzliche Verwendung von existierenden großräumigen Bodenspektralbibliotheken (SSLs), die physisch-chemische und spektrale Bodeneigenschaften enthalten. Hierbei besteht die Herausforderung in der sinkenden Modellgenauigkeit mit zunehmender Größe des Untersuchungsgebiets. Deshalb war das erste Ziel die verbesserte Ableitung des SOC-Gehalts mittels Laborspektren und der europaweiten LUCAS SSL. Besonders ein memory-based learning Algorithmus (local partial least squares regression: local PLSR) konnte die Modellgenauigkeit verbessern. Um diesen auf Laborspektren basierenden Ansatz auf EO Sensoren anwenden zu können, wurde ein zweistufiger Ansatz entwickelt, um die Unterschiede zwischen Labor- und EO-Bildspektren zu überwinden. Die local PLSR basiert auf spektralen ähnlichkeiten und verwendet in der LUCAS SSL gespeicherte Zusammenhänge. Die Vorteile sind, dass wenige lokale Bodenproben und nur Laborspektren als Eingangsparameter benötigt werden, deren Messungen durch wegfallende chemische Analysen zerstörungsfrei, schnell und günstig sind. SOC-Karten wurden erfolgreich mit Luft- und Satellitenbildern erstellt. Diese SOC-Karten stellen den aktuellen Zustand zum Zeitpunkt der Bildaufnahmen dar und können mit neueren Bilddaten aktualisiert werden. Um die räumliche Abdeckung der SOC-Karten zu erhöhen, wurden zwei innovative multitemporale Methoden getestet. Das betrifft besonders Agrarflächen, in denen die erforderlichen unbedeckten Böden zumindest temporär verfügbar sind. Diese Methoden basieren entweder auf einem synthetischen Komposit der unbedeckten Böden und anschließender SOC-Modellierung, oder auf separaten SOC-Karten, die für jedes Bild erstellt und am Ende zusammengeführt wurden. Die zweite Methode erzielte generell höhere Modellgenauigkeiten. Die zukünftige Verfügbarkeit längerer Zeitreihen von hyperspektralen Satellitendaten, kann einen wertvollen Beitrag zur Beobachtung von SOC-Veränderungen in der obersten Bodenschicht leisten.

Organisationseinheit(en)

Abteilung Bodenkunde

Typ

Dissertation

Anzahl der Seiten

143

Publikationsdatum

24.06.2024

Publikationsstatus

Veröffentlicht

Ziele für nachhaltige Entwicklung

SDG 2 – Kein Hunger, SDG 3 – Gute Gesundheit und Wohlergehen, SDG 13 – Klimaschutzmaßnahmen, SDG 15 – Lebensraum Land

Elektronische Version(en)

https://doi.org/10.15488/17781 (Zugang: Offen)