Vegetationsentwicklung in den Hochlagen des Nationalparks Bayerischer Wald. Vom Luftbild über die Simulation zur virtuellen Darstellung


Thèse Scolaire, 2012

89 Pages, Note: 15 Punkte


Extrait


Inhaltsverzeichnis

1 Einleitung und Zielstellung

2 Methodik
2.1 Luftbildauswertung
2.1.1 Bilderfassung
2.1.1.1 Befliegung mit Flugzeug (Cessna)
2.1.1.2 Befliegung mit Oktokopter
2.1.2 Photogrammetrische Analyse
2.1.2.1 Begriffsdefinition
2.1.2.2 Das Photogrammetrieprogramm PhotoMod
2.1.2.3 Orthogonalisierung (Orthorektifizierung) der Luftbilder
2.1.2.4 Höhenmessungen aus den Oktokopteraufnahmen
2.1.3 Multispektralanalyse
2.1.3.1 Begriffsdefinition
2.1.3.2 Verwendete Indizes
2.1.3.3 Die Bildverarbeitungsplattform XDIBIAS
2.1.3.4 Matching der Multispektralaufnahmen
2.1.4 Klassifikation
2.1.4.1 Prinzipielle Vorgehensweise
2.1.4.2 Parallelpiped Klassifikation
2.1.4.3 Minimum-Distance Klassifikation
2.1.4.4 Mahalanobis-Distanz / Maximum-Likelihood Klassifikation
2.1.4.5 Entscheidungsbaum-Analyse (Decision Tree)
2.1.4.6 Durchführung der Klassifikation mit dem Programm ENVI
2.1.5 Segmentierung und Verbesserung der Klassifikation
2.1.5.1 Segmentierung durch Bildfilteroperationen
2.1.5.2 Segmentierung von Bäumen durch das Wasserscheidenverfahren
2.1.5.3 Texturanalyse
2.1.5.4 Erkennung von Formmerkmalen
2.2 Manuelle Waldinventur
2.3 Waldwachstumsprognose
2.3.1 Ansprüche an ein Waldwachstumssimulationsprogramm
2.3.2 Funktionsprinzip des Wuchsmodells in SILVA
2.3.3 Dateneingabe in SILVA
2.3.4 Einfluss verschiedener biotischer und abiotischer Faktoren auf die Simulation des Waldwachstums

3 Ergebnisse
3.1 Auswertung der Vegetationsindizes
3.2 Ergebnisse der multispektralen Klassifikation
3.2.1 Verfahrensoptimierung durch Festlegung von Grenzwerten
3.2.2 Vergleich der unterschiedlichen Klassifikationsverfahren
3.2.3 Erkennung von Nicht-Vegetation
3.2.4 Zeitlicher Verlauf der Vegetationsentwicklung
3.2.5 Spektrale Signaturen der Trainingsflächen
3.2.6 Zusammenfassung der Entscheidungsbaum-Analyse
3.3 Ergebnisse der Oktokopterbefliegung
3.4 Ergebnisse weiterer Segmentierungsversuche
3.4.1 Filteroperationen auf Luftbilder
3.4.2 Segmentierung durch das Wasserscheidenverfahren
3.5 Ergebnisse der manuellen Waldinventur
3.6 Ergebnisse der Wachstumssimulation in SILVA
3.6.1 Prognose des Baumbestandes am Lusen-Hochwaldsteig
3.6.2 Simulation abiotischer Faktoren auf die Waldentwicklung

4 Diskussion
4.1 Qualität der Multispektraldaten
4.2 Probleme bei der Oktokopterbefliegung
4.3 Messung von Baumhöhen aus der Luft
4.4 Messung des Kronendurchmessers aus der Luft
4.5 Limitationen von Waldmodellen
4.6 Ausblick: die visuelle Darstellung der Daten

5 Zusammenfassung

6 Literaturverzeichnis

7 Tabellenverzeichnis

8 Abbildungsverzeichnis

1 Einleitung und Zielstellung

Im Jahre 1970 wurde der Nationalpark Bayerischer Wald gegründet und ist damit der älteste Nationalpark Deutschlands. Ein wichtiges Grundprinzip des Nationalparks ist es, die Natur in allen Situationen selbst walten zu lassen und nicht in die natürlichen Prozesse einzugreifen. Dies beinhaltet sowohl die Bewahrung des Waldes in seiner ursprünglichen Form als auch das Nichteingreifen bei Naturkatastrophen wie Windwurf oder ähnlichen Wetterextremen. Auch Totholz wurde und wird konsequent liegen gelassen, die Flächen werden nicht aufgearbeitet.

Mitte der 90er Jahre des vergangenen Jahrhunderts kam es zu einer extremen Massenvermehrung des Borkenkäfers (Ips typographus) in den Hochlagen des Bayerischen Waldes. Insbesondere waren das Gebiet rund um die Berge Rachel und Lusen betroffen (siehe Abb.1.1).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.1: Heutiger Blick auf den Lusengipfel.

Zwischen die alten kahlen Baumstümpfe mischen sich junge nachwachsende Bäume.

Da die Vegetation in der Hochlagenregion fast ausschließlich aus Fichtenmonokulturen bestand und der Borkenkäfer diese bevorzugt befällt, verblieb fast kein einziger Baum des ehemaligen Bestands. Als zusätzlich negativer Faktor kam hinzu, dass der Wald schon vorher unter anderem durch sauren Regen geschwächt war. Der Buchdrucker "verwüstete" das Areal regelrecht, es blieben lediglich kahle Baumstümpfe zurück. Um der Grundidee des Nationalparks treu zu bleiben, wurde im Kerngebiet nicht in den Prozess eingegriffen.

Dies löste bei der Bevölkerung teilweise Kritik an der Konzeption des Nationalparks aus. Bis heute spaltet sich die Bevölkerung der beiden an den Park angrenzenden Landkreise Freyung-Grafenau und Regen in Nationalbefürworter und Nationalparkgegner, was zu teilweise hitzigen Debatten führt.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.2: Darstellung der Waldentwicklung im Rachel-Lusen-Gebiet.

Die Grafik stellt den Sachverhalt faktisch korrekt, aber wenig anschaulich dar [Abbildung aus (Heurich, et al., 2006), Seite 6].

Während die Gegner die Zerstörung eines weitgehend intakten Ökosystems anprangern, stellen die Befürworter die entstandene Situation als Chance für den Wald dar, sich zu regenerieren und von alleine neu zu entwickeln. Die frühere Fichtenmonokultur, welche teilweise verantwortlich für die Massenvermehrung des Borkenkäfers war, ersetzt sich durch ein von mehr Artenvielfalt geprägtes Vegetationsbild. Was für manche anfangs noch beschönigend und sehr optimistisch geklungen haben mag, lässt sich heute bereits auf den ersten Blick erkennen, wenn man die Verjüngung im Rachel-Lusen-Gebiet betrachtet. Zwischen den neu aufkommenden Fichtenjungbäumen lassen sich auch junge Vogelbeeren, Buchen und Birken finden.

Dennoch besteht bei einem Teil der Bevölkerung nach wie vor eine gewisse Skepsis gegenüber dem Konzept des Nichteingreifens, weil man v. a. im Erweiterungsgebiet des Nationalparks im Landkreis Regen eine Vernichtung der noch bestehenden Waldbestände fürchtet.. Der Nationalpark veröffentlicht zwar alle zwei bis drei Jahre einen Inventurbericht über die Verjüngungsentwicklung im Hochlagengebiet (Heurich et al., 2003, Heurich et al., 2006) (Heurich , et al., 2003) (Heurich, et al., 2006), dieser enthält jedoch nur Zahlen und Statistiken über den derzeitigen Bestand, was oft als relativ unanschaulich und wenig aussagekräftig empfunden wird (vgl. Abb. 1.2).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.3: Entwicklung der Größenverteilung der Baumverjüngung im Rachel-Lusen-Gebiet in den letzten 15 Jahren [Abbildung aus (Heurich, et al., 2006), Seite 8].

Einer der Hauptgründe, warum die Gegner, trotz des in Abb. 1.2 deutlich erkennbaren Anstiegs der Baumanzahl die Ansicht vertreten, es würde kein neuer Wald nachwachsen, liegt sicher darin, dass die meisten Bäume eine Höhe von unter 60 cm haben und damit nur bei genauerem Hinschauen und nicht gleich als Wald wahrgenommen werden (vgl. Abb. 1.3). Es wäre also hilfreich, eine Methode zu finden, der Bevölkerung realitätsnah eine mögliche zukünftige Entwicklung dieses Nachwuchses aufzuzeigen und bildlich darzustellen.

Eine immer besser verfügbare und damit wichtiger werdende Methode in der Waldentwicklungsforschung ist die Analyse von Luftbildern. Bereits Ende der 80er Jahre wertete der Nationalpark Bayerischer Wald mithilfe von Luftaufnahmen die Fläche von Totholzbeständen aus (Rall, et al., 2002). Die Arbeitsweisen, Techniken und Möglichkeiten haben sich seitdem stark verändert. Insbesondere seitdem es digitale Aufnahmen und zahlreiche Analyseprogramme am Computer gibt, ist die Auswertung von Luftbildern sehr viel leichter geworden. Dank enormer Fortschritte bei Segmentierungs- und Klassifikationsverfahren können Waldbestände teilweise schon automatisch erfasst werden (Fuchs, 2003).

Seit dem Aufkommen von Drohnen für Forschungszwecke ist die Aufnahme von Luftbildern zudem noch sehr viel einfacher und kostengünstiger geworden. Auch der Einsatz von Quadrokoptern, also kleinen vierrotorigen Hubschraubermodellen, ist eine preiswerte Variante für die Datenakquisition. Die etwas größeren acht­rotorigen Oktokopter haben eine höhere Tragkraft, sind in der Luft stabiler und werden daher von Forschungseinrichtungen zu Luftbildaufnahmen eingesetzt. Die benötigte Software für die Bildanalyse ist oftmals sogar kostenlos im Internet verfügbar.

Eine Möglichkeit zur anschaulichen Darstellung des Waldwachstums bieten Simulationsprogramme auf der Grundlage ökologischer Modelle, die sowohl biotische als auch abiotische Faktoren einbeziehen. Sie berechnen aus dem derzeitigen Bestand die mögliche zukünftige Entwicklung eines Waldgebiets und können die Ergebnisse grafisch darstellen. Auch hier sind im Laufe der vergangenen Jahre enorme Fortschritte erzielt worden, die die Entwicklung immer präziserer Wachstumsmodelle und die Verbesserungen der dreidimensionalen Darstellung betreffen. Einzelbaumorientierte Wuchsmodelle ermöglichen auch den Einsatz für Regionen wie beispielsweise das Lusengebiet, wo junge Bäume unterschiedlicher Arten noch ungeordnet und unregelmäßig über die Fläche verteilt wachsen. Mithilfe eines solchen Modells und der anschließenden realitätsnahen dreidimensionalen Visualisierung lässt sich ein Bild des zukünftigen Waldes schaffen, das um einiges aussagekräftiger und konkreter ist als bloße Statistiken und Diagramme (vgl. Abb. 1.4).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.4: Realitätsnahe 3D-Simulation eines Waldgebiets

, erstellt mit dem Programm Vegeta­tion3D der Fa. Lenné3D. Abbildung von (Lenné3D GmbH, Hamburg) übernommen.

Ziel dieser Arbeit ist es, Luftaufnahmen eines Gebiets am Lusen mit einem Oktokopter aus der Luft aufzunehmen, Auswerteverfahren dafür zu entwickeln und anzuwenden sowie ein virtuelles Modell des derzeitigen Bestands zu erstellen. Daraus soll mithilfe eines Wachstumssimulationsprogramms eine möglichst realistische Prognose der zukünftigen Entwicklung des Waldgebiets berechnet und anschaulich grafisch dargestellt werden.

2 Methodik

2.1 Luftbildauswertung

Um Informationen über den derzeitigen Vegetationsbestand des Untersuchungsgebiets zu gewinnen, wurden Luftbilder mithilfe verschiedener Analyseverfahren ausgewertet. Es wurden hierbei sowohl Verfahren zur geometrischen bzw. photogrammetrischen Untersuchung als auch zur multispektralen Analyse angewandt. Konkret sollen dabei die Baumart, die Baumhöhe und der Kronendurchmesser aus den Luftaufnahmen bestimmt werden, welche die wichtigsten Ausgangsgrößen für die spätere Simulation der Waldentwicklung sind (Pretzsch, 2001). Zuerst wurden die Luftbilder mithilfe einer Cessna bzw. eines Oktokopters aufgenommen.

2.1.1 Bilderfassung

2.1.1.1 Befliegung mit Flugzeug (Cessna)

Prinzipiell sollten in der vorliegenden Arbeit die Einsatzmöglichkeiten von Oktokoptern in der Untersuchung der Verjüngungsentwicklung erprobt werden. Um einen Grobüberblick über das Gebiet zu erhalten und die Analyseverfahren an einer größeren Fläche testen zu können, wurden zuerst Befliegungen mit einem Kleinflugzeug (Cessna) mit anmontierter Multispektralkamera durchgeführt. Es wurden im Rahmen eines Forschungsprojekts zur Borkenkäferfrüherkennung des Deutschen Instituts für Luft- und Raumfahrt (DLR) und der Hochschule Deggendorf mehrere Flüge über das Nationalparkgebiet gemacht und dabei das betreffende Gebiet am Lusen mit aufgenommen.

Entlang des Westkamms des Lusenaufstiegs zieht sich der sog. "Sommerweg", der aufgrund seines schnurgeraden Verlaufs einen idealen Anhaltspunkt für den Piloten der Cessna bietet und an welchem bei einer ersten Begehung bereits geeignete Untersuchungsflächen gesichtet wurden. Deshalb wurde das zu erforschende Gebiet entlang dieses Wegs gewählt. Das Flugzeug war mit einem GPS-Logger ausgestattet, welcher den Verlauf der Flugstrecke aufgezeichnet hat. Insgesamt fanden fünf Befliegungen über das Frühjahr und den Sommer verteilt statt (Daten der Flüge siehe Tab. 2.1).

Tab. 2.1: Daten der Cessnabefliegungen

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.1: Tetracam Mini-MCA

(http://www.geoanalysis.gr/images/company_equipment_03.jpg)

Für die späteren Auswertungen wurden nur die Befliegungen 1 und 4 verwendet, bei den anderen waren nur Teile des eigentlichen Untersuchungsgebiets abgedeckt oder es gab zu viel störenden Schattenwurf durch Wolken.

Bei der verwendeten Kamera (Abb. 2.1) handelt es sich um eine 6-Kanal-Multispektral­kamera vom Typ Mini-MCA (MCA = Multiple Camera Array) der Firma Tetracam Inc., Chatsworth, USA (http://www.tetracam.com). Die sechs eingebauten Sensoren sind engbandig empfindlich in den Wellenlängen 550 nm (grün), 670 nm (rot), 710 nm ("red edge", Übergang von rot zu infrarot) und den drei nahinfraroten Bereichen bei 780 nm, 900 nm und 950 nm. Die Mini-MCA hat eine Brennweite von 9,6 mm und eine Bodenauflösung von etwa 542 mm/Pixel bei einer Flughöhe von 1000 m. Die unterschiedlichen Bodenauflösungen bei den verschiedenen Flügen ergeben sich aus den variierenden Flughöhen. Das Gewicht beträgt in etwa 700 g. Die Kamera war an der Unterseite einer der Tragflächen der Cessna befestigt und hat in einem regelmäßig zeitlichen Abstand automatisch Aufnahmen gemacht.

Die Flugrouten der Cessna bei der ersten und vierten Befliegung sind in Abb. 2.2 dargestellt. Dafür wurden die Trackingdaten des GPS-Loggers in Google-Earth importiert und auf dem entsprechenden Luftbildausschnitt, welcher den Lusengipfel zeigt, dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.2: Übersicht über das Untersuchungsgebiet mit Auszug aus dem GPS-Log der Cessna-Flüge (rote Linie: Befliegung 1, violette Linie: Befliegung 4), Luftbildausschnitt aus Google Earth.

Die Daten wurden mithilfe des Programms PixelWrench 2 auf den Computer übertragen. Dieses ist auf der Website der Firma Tetracam Inc. kostenlos verfügbar (http://www.tetracam.com). Hauptaufgabe des Programms ist es, die sechs verschiedenen Grauwertbilder der sechs Kanäle zu einem 6-Kanal Bild zusammenzufügen. Das Ausgabebildformat ist TIFF, die Bildabmessungen betragen 1280 x 1024 Pixel.

Weiterhin bietet das Programm die Möglichkeit, sich aus drei der Kanäle ein RGB-Bild berechnen zu lassen, welches als Falschfarbenbild ausgegeben werden kann. Von einem Falschfarbenbild spricht man deshalb, weil die Kamera keinen blauen Kanal besitzt und daher die nachfolgenden Kanäle (im Lichtspektrum bei höherer Wellenlänge) "nachrücken". Bereiche, welche in der Realität grün sind, werden im Falschfarbenbild blau dargestellt, rote Bereiche grün und nahinfrarote Bereiche rot. Da Pflanzen gerade im Nahinfraroten stark reflektieren, erscheinen die Falschfarbenbilder meist vorwiegend rot (vgl. Abb. 2.3).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.3: Falschfarbenbild des Lusengipfels.

Die Felsbrocken im Gipfelbereich erscheinen grün, dort wo Bäume oder Gräser wachsen erscheint das Bild aufgrund der hohen Infrarotreflexion vorwiegend rot.

2.1.1.2 Befliegung mit Oktokopter

Die mit der Cessna aufgenommenen Luftbilder bieten eine gute Grobübersicht über das Gesamtgebiet, haben aber für die Analyse eine zu schlechte Auflösung. Für detailliertere Untersuchungen wurden deshalb zwei kleinere Abschnitte entlang des Sommerwegs ausgesucht, die mit einem Oktokopter überflogen werden sollten, ein weiter talwärts gelegenes Gebiet mit relativ dichter Bewaldung und ein Gebiet am "Hochwaldsteig", etwa auf halber Höhe zum Gipfel gelegen, in welchem vor allem Jungbäume und Sträucher zu finden sind. Aus witterungstechnischen Gründen konnten dann aber nur die Aufnahmen am Hochwaldsteig gemacht werden. Die Lage des Steigs ist in Abb. 2.4 zu erkennen.

Das verwendete Fluggerät war ein "AscTec Falcon 8" (vgl. Abb. 2.5) der Firma Ascending Technologies GmbH, Krailling (http://www.asctec.de).Es handelt sich hierbei um einen Multikopter mit acht Rotoren, ausgestattet mit eingebautem GPS, Autopiloten, Kompass und Höhenmesser. Das Eigengewicht des Falcon beträgt 1,9 kg, er kann bei Windgeschwindigkeiten von bis zu 10 m/s eingesetzt werden. Die Nutzlast des Oktokopters wird mit 650 g angegeben. Versuche zeigten, dass das Gerät die 700 g schwere Multispektralkamera zwar tragen kann. Haftungsrechtlich war es aber dann kurz vor dem Flug nicht möglich, die Kamera an den Oktokopter zu montieren, weshalb keine Multispektralaufnahmen aus größerer Bodennähe gemacht werden konnten.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.4: Lage des Hochwaldsteigs im Untersuchungsgebiet [1]

Bei der Kamera, welche auf dem Gerät stattdessen montiert wurde, handelt es sich um eine Lumix DMC-LX3 der Firma Panasonic (http://www.panasonic.de), mit einer Brennweite von 24-60 mm und einem CCD-Sensor mit einer Auflösung von 3648 x 2736 Pixel. Der Sensor ist nur im sichtbaren Bereich des Lichts empfindlich, die Kamera liefert also Echtfarb-RGB-Bilder. Mit nur 265 g ist die Lumix sehr leicht und damit ideal für die Verwendung mit dem Oktokopter geeignet. Sie ist über eine kardanische Aufhängung an das Fluggerät gekoppelt, die Schwankungen durch abrupte Flugrichtungswechsel oder Verkippungen bei Seitenwind automatisch ausgleicht und somit eine ruhige Kameralage gewährleistet.

Die Befliegung wurde am 19.07.2012 durchgeführt, lag damit also zeitlich in der Nähe der vierten Cessnabefliegung und ist vom Vegetationsstand her mit dieser am besten zu vergleichen. Der Oktokopter wurde direkt am Hochwaldsteig vom Boden aus gestartet und auf eine Flughöhe von etwa 100 m gebracht. Sowohl die Steuerung des Fluggeräts als auch das Aufnahme der Bilder wurden manuell ausgeführt. Das Gebiet wurde flächig überflogen und in möglichst regelmäßigen Abständen wurden Fotos gemacht. Die Bodenauflösung der Luftbilder betrug in etwa 100 mm/Pixel.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.5: AscTec Falcon 8 mit aufgebauter Panasonic DMC-LX3

2.1.2 Photogrammetrische Analyse

Die hochaufgelösten Oktokopteraufnahmen werden dazu verwendet, Baumhöhen und Baumdurchmesser in dem exemplarisch ausgewählten Gebiet am Hochwaldsteig zu bestimmen. Hierfür werden diverse Methoden der Photogrammetrie angewandt.

2.1.2.1 Begriffsdefinition

Mithilfe der Photogrammetrie lässt sich die geometrische Anordnung und Größe von Objekten (im konkreten Fall von Pflanzen) im dreidimensionalen Raum erfassen. Das Prinzip beruht darauf, die zu untersuchende Fläche aus verschiedenen Perspektiven zu fotografieren und anschließend die Bilder so zu überlappen, dass identische Punkte in den verschiedenen Bildern aufeinander zu liegen kommen [Übersicht bei (Kraus, 2004)]. Früher war dieses Verfahren technisch sehr aufwendig, heute wird das Überlappen der Bilder (das sog. "Matching") von Computerprogrammen automatisch realisiert. Aus den unterschiedlichen Winkeln, in denen die Objekte aufgenommen wurden, kann der Computer die dritte Dimension berechnen.

Anwendung findet die Photogrammetrie z.B. bei der Berechnung sog. Anaglyphenbilder, welche mit einer Rot-Grün-Brille betrachtet den Eindruck der Dreidimensionalität erwecken (Effekt des stereoskopischen Sehens, vgl. Titelbild). Eine weitere Möglichkeit ist es, ein virtuelles 3D-Modell der Untersuchungsfläche mithilfe eines CAD-Programms zu erstellen.

Die photogrammetrische Analyse ermöglicht bereits eine erste simple Klassifizierung der Vegetation. Es können beispielsweise höhere Bäume von Sträuchern unterschieden werden (Größenmessung im 3D-Computermodell).

2.1.2.2 Das Photogrammetrieprogramm PhotoMod

Für die Fragestellungen in der vorliegenden Arbeit wurde das Programm PhotoMod 5 verwendet (siehe Abb. 2.6). Dabei handelt es sich um ein kommerziell verfügbares Programm der Firma Racurs, Moskau (http://www.racurs.ru), das für wissenschaftliche Fragestellungen häufig eingesetzt wird. Für die photogrammetrischen Analysen wurde die kostenlos im Internet verfügbare LITE-Version eingesetzt, sie ist in der Funktionalität nicht eingeschränkt, kann aber nur eine beschränkte Datenmenge verwalten, diese ist jedoch für das Projekt ausreichend groß. Das Programm bietet alle relevanten Funktionen auf komfortable Weise in einer Anwendung vereint.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.6: Benutzeroberfläche von PhotoMod 5 LITE.

Man erkennt wie mehrere Bilder überlappt wurden.

2.1.2.3 Orthogonalisierung (Orthorektifizierung) der Luftbilder

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.7: Schematische Darstellung des Zusammenhangs zwischen Luftbild und Ortho­foto Der erste wichtige Schritt, um maßstabsgetreue photogrammetrische Betrachtungen durchführen zu können, ist die Orthogonalisierung der Bilddaten. Da die Kamera die Bilder aus einer Zentralperspektive (Lichtstrahlen sammeln sich in einem Zentrum, nämlich der Kamera) heraus aufnimmt, kommt es zu einer Verzerrung der aufgenommenen Oberfläche, insbesondere in den Randbereichen der Luftbilder. Unter der Orthogonalisierung versteht man die künstliche Berechnung einer Parallelperspektive (Lichtstrahlen verlaufen parallel zueinander), welche die oben beschriebene Verzerrung weitgehend ausgleicht, man spricht dann von sog. Orthofotos (vgl. Abb. 2.7) In diese Berechnung fließen bestimmte Parameter der Kamera, wie beispielsweise die Brennweite, die Sensorabmessungen und die Pixelgröße ein.

2.1.2.4 Höhenmessungen aus den Oktokopteraufnahmen

Um Baumhöhen messen zu können, muss das Gebiet dreidimensional dargestellt werden. Es ist zwar prinzipiell möglich, ein virtuelles 3D-Modell zu berechnen, jedoch ist dies mit größerem Aufwand verbunden und nicht unbedingt notwendig.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.8: Vom stereoskopischen Bilderpaar zum Anaglyphenbild.

Die beiden farbigen Aufnahmen oben zeigen das gleiche Gebiet und sind lediglich entlang der Querachse leicht zueinander verschoben; diese Verschiebung wird im Anaglyphenbild besonders bei den hohen Bäumen klar erkennbar.

PhotoMod bietet stattdessen die Möglichkeit, die Aufnahmen als Anaglyphenbilder darzustellen. Hierfür muss zunächst ein stereoskopisches Bilderpaar in das Programm geladen werden. Damit ist ein Paar von Luftbildern gemeint, welches das gleiche Gebiet aus zwei verschiedenen Perspektiven darstellt. Wie in Kapitel 2.1.2.1 beschrieben, müssen die beiden Aufnahmen zunächst gematcht werden, anschließend kann die ursprüngliche dreidimensionale Oberflächenstruktur berechnet und das Anaglyphenbild ausgegeben werden (siehe Abb. 2.8).

Betrachtet man dieses mit einer entsprechenden Brille (je nach Art des Bildes wird eine Rot-Grün- oder Rot-Cyan-Brille benötigt), erscheint die Oberfläche dreidimensional. Anschließend können mithilfe von Vektoren beliebige Größen im Raum gemessen werden. Die Längen der Vektoren werden gespeichert, auch wenn der 3D-Modus wieder verlassen wird.

2.1.3 Multispektralanalyse

2.1.3.1 Begriffsdefinition

Unter Multispektralanalyse versteht man die Untersuchung und Auswertung multispektral aufgenommener Bilddaten. Zum besseren Verständnis muss man sich folgendes vor Augen führen: Jeder Stoff reflektiert einen bestimmten Teil des auf ihn einstrahlenden Sonnenlichts. Welche Wellenlängenbereiche wie stark reflektiert werden, hängt von den spezifischen Absorptionseigenschaften des Stoffs ab. Wird ein Bild des Körpers mit einer Kamera gemacht, so enthält dieses Informationen über die Intensität der Reflexion in denjenigen Wellenlängenbereichen, für die die Kamera empfindlich ist.

Die Multispektralanalyse beschäftigt sich konkret mit der Untersuchung der charakteristischen Reflexionsspektren von aufgenommenen Objekten. Für brauchbare Auswertungen gerade von Vegetationsbeständen sollten die Multispektralbilder mindesten einen nahinfraroten Kanal haben, da das Reflexionsvermögen von Pflanzen in diesem Wellenlängenbereich sehr hoch ist und die Intensität der reflektierten nahinfraroten Strahlung beispielsweise Aussagen über die fotosynthetische Aktivität einer Pflanze zulässt. Von besonderem Interesse ist bei der Multispektralanalyse das Verhältnis zweier oder mehrerer Kanalstärken zueinander. Es gibt eine Reihe von Indizes, die durch eben solche Verhältnisse definiert sind und jeweils für eine bestimmte Eigenschaft stehen (Barati et al., 2011, Viña et al., 2011) (Barati, et al., 2011) (Viña, et al., 2011). Mithilfe charakteristischer spektraler Signaturen (also dem Reflexionsspektrum einzelner Pflanzen, siehe Abb. 2.9) können verschiedene Baum- bzw. Pflanzenarten voneinander unterschieden werden.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.9: Typische spektrale Signatur von Vegetation.

Die Kamera, mit welcher die Aufnahmen für diese Arbeit gemacht wurden, deckt nur den Bereich zwischen den beiden roten Grenzlinien ab; die Beschriftungen zeigen, wo im Spektrum bestimmte Stoffe erkannt werden können[2].

2.1.3.2 Verwendete Indizes

Im Rahmen dieser Arbeit wurden sieben verschiedene Vegetationsindizes verwendet (Tab. 2.2). Das Prinzip der Indexberechnung ist jeweils gleich: Jeder der sechs Kanäle der Multispektralkamera ist auf genau einem engbandigen Wellenlängenbereich empfindlich und gibt je ein 8-Bit-Grauwertbild aus (Wertebereich von 0 bis 255). Je höher der Grauwert eines Pixels ist, desto höher ist an dieser Stelle des Bilds die Intensität des reflektierten Lichts im jeweiligen Wellenlängenbereich. Die Indizes geben nun das Verhältnis zweier oder mehrerer Kanalstärken zueinander an, also anschaulich gesehen das Verhältnis der Grauwerte. Das Ergebnis der Indexberechnung ist wiederum ein Grauwertbild.

Bei den Indexbildern gibt der Grauwert eines Pixels an, wie stark oder intensiv die durch den Index beschriebene Eigenschaft auftritt.

Tab. 2.2: Im Rahmen dieser Arbeit verwendete Vegetationsindizes.

G ist die Reflexionsintensität im grünen Kanal (550 nm), R im roten Kanal (670 nm), Re im Red-edge Kanal (710 nm), NIR im für die Vegetationsforschung klassischer Weise verwendeten nahinfraroten Kanal bei 780 nm und NIR950 bei 950 nm.

Abbildung in dieser Leseprobe nicht enthalten

2.1.3.3 Die Bildverarbeitungsplattform XDIBIAS

Die Indexberechnung wurde mit dem Programm XDIBIAS (Abb. 2.10) durchgeführt. Es handelt sich dabei um ein Bildverarbeitungssystem, welches am Deutschen Zentrum für Luft- und Raumfahrt (DLR) entwickelt worden ist und dem Benutzer zahlreiche Module zur Bearbeitung und Analyse von Luftbildern bietet und die Möglichkeit, für bestimmte Fragestellungen selbst Prozeduren zu programmieren sowie einzubinden (Reinartz, 1989). Es enthält des Weiteren das Bildbetrachtungsprogramm IDIBIAS, welches zur visuellen Darstellung der Bilder am Computer dient (Visualisierung der Bilddaten in verschiedenen Kanalkombinationen) sowie zur Vektor- und Passpunkmessung verwendet wird (vgl. Kapitel 2.1.3.4).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.10: XDIBIAS Image Administrator und Module Supervisor

Die Bildverarbeitungsmodule in XDIBIAS erlauben simple Vorgänge, wie die Vergrößerung/Verkleinerung oder das Drehen von Bildern, aber auch die Erledigung anspruchsvollerer Aufgaben, wie die Berechnung von Vegetationsindizes (siehe oben) oder die Anwendung von Klassifikationsverfahren (z.B. Maximum-Likelihood, vgl. Kapitel 2.1.4.4).

2.1.3.4 Matching der Multispektralaufnahmen

Auch bei den Multispektralaufnahmen möchte man teilweise einen größeren zusammenhängenden Bildverband erzeugen, anstatt nur Aufnahmen von einzelnen Teilgebieten zu untersuchen. Zwar gibt es auch unter XDIBIAS ein Modul, das ähnlich wie in PhotoMod (Kapitel 2.1.2.2) die Bilder automatisch matcht, jedoch sind die Algorithmen, die von dem Programm verwendet werden, nicht so zuverlässig wie bei dem Photogrammetrieprogramm, weshalb das automatische Matching, gerade bei den weniger gut aufgelösten und teilweise schlecht unterscheidbaren Aufnahmen aus der Cessnabefliegung, nur im Ausnahmefall funktioniert.

Daher müssen die Luftbilder im XDIBIAS von Hand gematcht werden. Hierzu lädt man zwei zu verknüpfende Aufnahmen in IDIBIAS in eine Parallelansicht und markiert anschließend identische Punkte in beiden Bildern, sog. "Passpunkte". Um gute Ergebnisse zu erhalten, sollten diese einigermaßen gleichmäßig über das Bild verteilt sein und auch die Randbereiche der Bilder abdecken.

Anschließend werden die Bilder über das Modul geokol mithilfe der zuvor erstellten Passpunktdatei verknüpft. Auf diese Weise lässt dich Schritt für Schritt durch Paarverknüpfung ein Bildverband erzeugen.

Das gleiche Verfahren kann auch verwendet werden, um die Multispektralbilder zu georeferenzieren, sodass an jedem Punkt auf dem Bild die geographischen Koordinaten abgelesen werden können. Hierzu matcht man die Bilder wie oben beschrieben auf ein bereits zuvor georeferenziertes Bild, das vom DLR beim Bundesamt für Kartographie und Geodäsie (BKG, http://www.bkg.bund.de) bezogen wurde.

2.1.4 Klassifikation

2.1.4.1 Prinzipielle Vorgehensweise

Um aus den Luftbildern automatisch die Baumart erkennen zu können, müssen Methoden angewandt werden, welche jedes Pixel des Bildes automatisch einer bestimmten Klasse zuordnen. Dabei gibt es grundsätzlich zwei Ansätze (Duda, et al., 2001):

Bei der unüberwachten Klassifikation wird dem Programm lediglich vorgegeben, in wie viele Klassen das Bild eingeteilt werden soll. Der Klassifikationsalgorithmus versucht selbstständig, ähnliche Bereiche zu erkennen und so oft zusammen zu gruppieren, bis die Anzahl der Gruppen der gewünschten Anzahl an Klassen entspricht. Geht es nur um eine simple Differenzierung zwischen Vegetation und Nicht-Vegetation, so kann dieses Verfahren bereits brauchbare Ergebnisse liefern.

Um z.B. die Unterscheidung zwischen Laub- und Nadelbäumen oder sogar einzelner Baumarten voneinander zu realisieren, ist die Verwendung einer überwachten Klassifikation notwendig. Hierbei werden dem Programm zunächst Trainingsgebiete vorgegeben, die den Ausgangspunkt für die Klassifizierung bilden. Solche Trainingsgebiete können beispielsweise einzelne Bäume im Luftbild sein, von denen die Baumart bekannt ist. Sie dienen als Referenz für die Einteilung in die späteren Klassen. Es gibt verschiedene Algorithmen, die für jedes Pixel berechnen, welcher der vorher eingelernten Klassen es zuzuordnen ist.

Für die Klassifikation der Luftbilder sind Abstands- und Wahrscheinlichkeitsbetrachtungen im mehrdimensionalen Merkmalsraum nötig (Duda, et al., 2001). Da die Bilder, welche in der vorliegenden Arbeit klassifiziert wurden 13 Eingangskanäle hatten (sechs Multispektralkanäle und sieben Indexkanäle), werden jedem Pixel 13 Werte zugeordnet, es handelt sich also um einen 13-dimensionalen Merkmalsraum. Da diese Anzahl von Dimensionen nicht anschaulich und daher schwer zu beschreiben ist, werden die Klassifikationsalgorithmen im Folgenden nur für 2- oder 3- dimensionale Merkmalsräume beschrieben. Die grundsätzliche Verfahrensweise ist jedoch auch bei 13 Dimensionen gleich.

Abb. 2.11: Exemplarische Darstellung eines dreidimen­sionalen Merkmalsraums

[modifiziert nach einer Online-Vorlesung von (Mauser, 1998-2012)]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.11 zeigt einen dreidimensionalen Merkmalsraum. In positiver Achsenrichtung sind die Kanalstärken dreier ausgewählter Kanäle aufgetragen (als Grauwertskala von 0 bis 255). Jedes Pixel stellt einen Vektor auf einen bestimmten Punkt im Merkmalsraum dar, dessen Vektorkoordinaten den Grauwerten der drei Kanälen entsprechen. Alle Bildpunkte, welche zu einer Trainingsfläche gehören, haben ähnliche Vektorkoordinaten und verweisen somit auf nah beinander liegende Punkte im Merkmalsraum. Die durch die Trainingsgebiete vorgegebenen Klassen können demgemäß als Punktwolken interpretiert werden (vgl. Abb. 2.11). Wird ein Klassifikationsverfahren angewandt, so werden alle Punkte, die noch keiner Klasse angehören (also nicht vorher als Trainingsflächen definiert worden sind) je nach Algorithmus einer der Klassen zugeordnet.

[...]


[1] Die Karte wurde aus dem Bayernatlas (Bayerisches Staatsminsterium der Finanzen, 2012) entnommen und mit eigenen Angaben modifiziert

[2] aus einer Online-Vorlesung von (Mauser, 1998-2012) übernommen und erweitert

Fin de l'extrait de 89 pages

Résumé des informations

Titre
Vegetationsentwicklung in den Hochlagen des Nationalparks Bayerischer Wald. Vom Luftbild über die Simulation zur virtuellen Darstellung
Cours
W-Seminar Biologie
Note
15 Punkte
Auteur
Année
2012
Pages
89
N° de catalogue
V302909
ISBN (ebook)
9783668027022
ISBN (Livre)
9783668027039
Taille d'un fichier
14990 KB
Langue
allemand
Mots clés
Bayerischer Wald, Waldentwicklung, Luftbildanalyse
Citation du texte
Maximilian Zwiebel (Auteur), 2012, Vegetationsentwicklung in den Hochlagen des Nationalparks Bayerischer Wald. Vom Luftbild über die Simulation zur virtuellen Darstellung, Munich, GRIN Verlag, https://www.grin.com/document/302909

Commentaires

  • Pas encore de commentaires.
Lire l'ebook
Titre: Vegetationsentwicklung in den Hochlagen des Nationalparks Bayerischer Wald. Vom Luftbild über die Simulation zur virtuellen Darstellung



Télécharger textes

Votre devoir / mémoire:

- Publication en tant qu'eBook et livre
- Honoraires élevés sur les ventes
- Pour vous complètement gratuit - avec ISBN
- Cela dure que 5 minutes
- Chaque œuvre trouve des lecteurs

Devenir un auteur