EnMAP Core Science Team - Natürliche Ökosysteme und Ökosystemübergänge
EnMAP (Environmental Mapping and Analysis Program) ist eine deutsche hyperspektrale Satellitenmission, die zeitnah und regelmäßig qualitativ hochwertige hyperspektrale Bilddaten liefern wird. Das Hauptziel des Programms besteht in der Ableitung einer breiten Palette an Oberflächenparametern terrestrischer und aquatischer Ökosysteme. Dies Parameter bilden die Grundlage für die Quantifizierung und Modellierung entscheidender Ökosystemprozesse. EnMAP soll somit sowohl zu einem besseren Verständnis des komplexen Systems Erde, als auch zum nachhaltigen Management von lebenswichtigen Ressourcen beitragen. Im Rahmen der wissenschaftlichen Vorbereitung der EnMAP-Mission, liegt der Forschungsschwerpunkt des Earth Observation Labs der Humboldt-Universität zu Berlin auf der Entwicklung von Algorithmen und der Abschätzung des Potentials von EnMAP-Daten zur Analyse der raum-zeitlichen Dynamik (semi-)natürlicher Ökosysteme und ihrer Ökosystemleistungen. Datensynergien mit anderen Sensoren und Datentypen stehen dabei ebenfalls im Fokus der Projektforschung.
Die zweite Phase des EnMAP Projekts baut auf früheren Forschungsarbeiten auf, wobei sich der regionale Fokus verändert. Während in der vorangegangenen Projektphase die Untersuchungsgebiete in Südportugal lagen, werden in dieser Phase natürlichere und komplexere Ökosysteme in der brasilianischen Savanne, die als Cerrado bekannt ist, untersucht. Der Cerrado erstreckt sich über ca. 2 Mio. km. km², ist reich an Artenvielfalt und beherbergt viele endemische Arten. Die wachsende Nachfrage nach landwirtschaftlichen Erzeugnissen hat jedoch zu großflächigen Veränderungen der Landnutzungs-/bedeckung geführt, durch die bereits ca. 50% der natürlichen Vegetationsflächen für die landwirtschaftliche Nutzung umgewandelt wurden. Da dieser Trend in naher Zukunft voraussichtlich nicht zum Stillstand kommen wird, ist es notwendig regelmäßig, räumlich explizite Informationen für große Gebiete zur Verfügung zu stellen. Die zu beschriebenen Daten bieten dafür großes Potential, das in dieser Projektphase näher untersucht werden soll.
Mittelgeber
Bundesministerium für Wirtschaft und Technologie
Laufzeit
Projektstart: 06/2013
Projektende: 12/2016
Forschungsbereiche
Geodäsie, Photogrammetrie, Fernerkundung, Geoinformatik, Kartographie
Forschungsfelder
Biodiversität, Hyperspektrale Fernerkundung, Klassifikations- und Regressionsansätze, Kohlenstoff in oberirdischer Vegetation, Veränderung der Landnutzung/-bedeckung, Zeitreihenanalyse
Publikationen
Lausch, A., Bastian, O., Herzog, F., Hostert, P., Jung, A., Klotz, S., Leitão, P.J., Rocchini, D., Schaepman, M.E., Skidmore, A.K., Tischendorf, L. & Knapp, S. (2018). Understanding and assessing vegetation health by in-situ species and remote sensing approaches. Methods in Ecology and Evolution, 9: 1799-1809.
Leitão, P.J., Schwieder, M., Pedroni, F., Sanchez, M., Pinto, J.R.R., Maracahipes, L., Bustamante, M., & Hostert, P. (2019). Mapping woody plant community turnover with space-borne hyperspectral data – a case study in the Cerrado. Remote Sensing in Ecology and Conservation, 5: 107-115.
Leitão, P.J., Schwieder, M., Pötzschner, F., Pinto, J.R.R., Teixeira, A.M.C., Pedroni, F., Sanchez, M., Rogass, C., Linden, S., Bustamante, M.M.C., & Hostert, P. (2018). From sample to pixel: multi-scale remote sensing data for upscaling aboveground carbon data in heterogeneous landscapes. Ecosphere, 9, e02298.
Leitão, P.J., Schwieder, M., & Senf, C. (2017). sgdm: An R Package for Performing Sparse Generalized Dissimilarity Modelling with Tools for gdm. ISPRS International Journal of Geo-Information, 6, 23.
Leitão, P.J., Schwieder, M., Suess, S., Catry, I., Milton, E.J., Moreira, F., Osborne, P.E., Pinto, M.J., van der Linden, S., & Hostert, P. (2015). Mapping beta diversity from space: Sparse Generalised
