Nutzung von Sentinel Daten zu Kohlenwasserstoffquantifizierung und REDD+ Monitoring
Das Augenmerk von SENSE-CARBON lag auf der Erarbeitung neuer Methoden zum flächendeckenden Monitoring von Landbedeckung, Landnutzung und deren Veränderungen, welches zur besseren Charakterisierung von Kohlenstoffvorräten, etwa im Rahmen von REDD+ dient. Der Regionale Fokus des Projekts wurde auf die Amazonas-Region Brasiliens gelegt. Dabei kam der verbesserten Charakterisierung von Vegetationsgradienten, sowie der Ableitung großräumiger und hochaufgelöster REDD-relevanter Klassen mittels einer synergetischen Nutzung unterschiedlicher Datensätze und dichter Zeitreihen eine entscheidende Bedeutung zu.
Gesamtziel des Vorhabend war es, methodische Lücken in der operationellen Erstellung von REDD-relevanten Klassifikationen zu schließen. Dazu setze das SENSE-VCARBON Team sowohl auf Datenarchives als auch Neuakquisen von ASAR, RADARSET-2, ALOS-2, TerraSAR-X, TandDEM-X, RapdiEye und Landsat Aufnahmen zur Auslotung des Potenzials der Sentinel-1 bzw. Sentinel-2 Daten.
Mittelgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK)
Laufzeit
Projektstart: 05/2013
Projektende: 12/2016
Forschungsbereiche
Geodäsie, Photogrammetrie, Fernerkundung, Geoinformatik, Kartographie, Physische Geographie
Forschungsfelder
Big Data, Entwaldungsmonitoring, Landnutzung und Landnutzungswandel, Maschinelles Lernen
Publikationen
Griffiths, P., Jakimow, B., & Hostert, P. (2018). Reconstructing long term annual deforestation dynamics in Pará and Mato Grosso using the Landsat archive. Remote Sensing of Environment, 216, 497-513. https://doi.org/10.1016/j.rse.2018.07.010
Hagensieker, R., Roscher, R., Rosentreter, J., Jakimow, B., & Waske, B. (2017). Tropical land use land cover mapping in Pará (Brazil) using discriminative Markov random fields and multi-temporal TerraSAR-X data. International Journal of Applied Earth Observation and Geoinformation, 63, 244-256. 10.1016/j.jag.2017.07.019
Hagensieker, R., & Waske, B. (2017). Synergetic potentials of C-band SAR and multi-spectral imagery for tropical classifications in Northern Mato Grosso (BR). In, 2017 IEEE International Geoscience and Remote Sensing Symposium (IGARSS) (pp. 5486-5489). 10.1109/IGARSS.2017.8128246
Hagensieker, R., & Waske, B. (2018). Evaluation of Multi-Frequency SAR Images for Tropical Land Cover Mapping. Remote Sensing, 10. 10.3390/rs10020257
Hostert, P., Griffiths, P., van der Linden, S., & Pflugmacher, D. (2015). Time Series Analyses in a New Era of Optical Satellite Data. In C. Kuenzer, S. Dech, & W. Wagner (Eds.), Remote Sensing Time Series: Revealing Land Surface Dynamics (pp. 25-41). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-319-15967-6_2
Jakimow, B., Griffiths, P., van der Linden, S., & Hostert, P. (2018). Mapping pasture management in the Brazilian Amazon from dense Landsat time series. Remote Sensing of Environment, 205, 453-468. https://doi.org/10.1016/j.rse.2017.10.009
Jakimow, B., van der Linden, S., Thiel, F., Frantz, D., & Hostert, P. (2020). Visualizing and labeling dense multi-sensor earth observation time series: The EO Time Series Viewer. Environmental Modelling & Software, 125. 10.1016/j.envsoft.2020.104631
Joshi, N., Baumann, M., Ehammer, A., Fensholt, R., Grogan, K., Hostert, P., Jepsen, R.M., Kuemmerle, T., Meyfroidt, P., Mitchard, T.E., Reiche, J., Ryan, M.C., & Waske, B. (2016). A Review of the Application of Optical and Radar Remote Sensing Data Fusion to Land Use Mapping and Monitoring. Remote Sensing, 8. https://doi.org/10.3390/rs8010070
Müller, H., Griffiths, P., & Hostert, P. (2016). Long-term deforestation dynamics in the Brazilian Amazon—Uncovering historic frontier development along the Cuiabá–Santarém highway. International Journal of Applied Earth Observation and Geoinformation, 44, 61-69. https://doi.org/10.1016/j.jag.2015.07.005
