Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Das Skalenproblem im Precision Farming. 10.07.03M. Streif - Skalenproblem2 Inhaltsübersicht Hintergrund - Warum Precision Farming? Precision Farming -

Ähnliche Präsentationen


Präsentation zum Thema: "Das Skalenproblem im Precision Farming. 10.07.03M. Streif - Skalenproblem2 Inhaltsübersicht Hintergrund - Warum Precision Farming? Precision Farming -"—  Präsentation transkript:

1 Das Skalenproblem im Precision Farming

2 M. Streif - Skalenproblem2 Inhaltsübersicht Hintergrund - Warum Precision Farming? Precision Farming - Worum geht es? Skalierung Fernerkundung - einschränkende Faktoren Das Skalenproblem

3 M. Streif - Skalenproblem3 Hintergrund Bewirtschaftungsweise (früher/praxisüblich) einheitliche Bewirtschaftung der Felder aufgrund von Schwellenwerten Landwirt kann nur bedingt auf schlaginterne Unterschiede eingehen Bereiche mit hohem Ertragspotential bleiben unterversorgt Bereiche mit geringem Ertragspotential werden überversorgt Folge: - Belastung der Ökosysteme - unnötige Ausgaben für den Landwirt - Gewinnverlust

4 M. Streif - Skalenproblem4 Precision Farming Erfassung auftretender räumlicher Phänomene in der Landwirtschaft z.B.: - Bodenart - Wasser- und Nährstoffversorgung - Unkrautverteilung - Struktur/Intensität von Pflanzenkrankheiten - Ertragspotential Phänomene variieren innerhalb und zwischen den Feldern Es ergibt sich eine heterogene Struktur. Worum geht es?

5 M. Streif - Skalenproblem5 Bedeutung der Skalierung Diagnose von: Pflanzenkrankheiten Schädlingen Unkräutern innerhalb eines Feldes Erfassung der Vitalität, Produktivität der Pflanzen unterschiedlicher Felder Notwendigkeit verschiedener Skalen !

6 M. Streif - Skalenproblem6 Definition-Skalierung Scale spatial spatial-temporal temporal cartographic geographic operational resolution spatial spatial-temporal temporal cartographic geographic operational resolution c artographic scale ( Kartenmaßstab ): - Strecke auf der Karte = Strecke auf der Erdoberfläche - großmaßstäbige Karte bedeckt eine kleinere Fläche - enthält mehrere detaillierte Informationen

7 M. Streif - Skalenproblem7 Definition-Skalierung Scale spatial spatial-temporal temporal cartographic geographic operational resolution spatial spatial-temporal temporal cartographic geographic operational resolution geographic scale: - beschreibt die Größe oder räumliche Ausdehnung eines Gebietes - große Skalierung deckt ein größeres Gebiet ab, als kleine Skalierung - Bsp.:  Ausdehnung von „Nestern“ im Acker  große Skalierung  Verbreitung von Erregern in einem Nest  kleine Skalierung

8 M. Streif - Skalenproblem8 Definition-Skalierung Scale spatial spatial-temporal temporal cartographic geographic operational resolution spatial spatial-temporal temporal cartographic geographic operational resolution operational scale: - Skalierung, in der bestimmte Prozesse (Phänomene) in einer Umgebung „operieren“ (wirken/arbeiten) - Bsp.: Ein Wald „operiert“ in einer größeren Skalierung, als ein einzelner Baum

9 M. Streif - Skalenproblem9 Definition-Skalierung Scale spatial spatial-temporal temporal cartographic geographic operational resolution spatial spatial-temporal temporal cartographic geographic operational resolution resolution scale: - drückt die Größe des kleinsten unterscheidbaren Teils eines Objektes aus - Bsp.:  Abtastfähigkeit eines Satelliten  Meter Bodenauflösung pro Pixel  Skalierung eines Rasterbildes  Einheit pro Pixel

10 M. Streif - Skalenproblem10 Skalierung in der Fernerkundung Skalierung = räumliche Auflösung definiert durch zwei Begriffe: - extent  Größe und räumliche Ausdehnung des Untersuchungsgebietes - grain  Auflösung der Daten bestimmt den Grad der Detailgenauigkeit definiert über die kleinste identifizierbare Fläche

11 M. Streif - Skalenproblem11 Fernerkundung Erfassungsmöglichkeiten Luftbilder Satellitenbilder

12 M. Streif - Skalenproblem12 Fernerkundung Die Nutzung einschränkende Faktoren geringe Überfliegungshäufigkeit der Satelliten (z.B. 16 Tage) funktioniert nicht bei Nacht und Bewölkung  große Lücken in den aufeinanderfolgenden Aufnahmen  beschränkte Fruchtartenklassifikation  schlechtere Bestandesbeobachtung Luftbildaufnahmen zwar unter der Wolkendecke möglich, eine hinreichende zeitliche Auflösung jedoch nicht bezahlbar  Schädlingsbefall eines Feldes erfolgt innerhalb kürzester Zeit Skalenabhängigkeit aufgrund der Atmosphäre

13 M. Streif - Skalenproblem13 Das Skalenproblem Zielsetzung - optimale Skalierung für jeweilige Studie bestimmen - Effekte der Skalierung beurteilen Probleme 1. Welche Auflösung ermöglicht die beste Erkennung abnormer Erscheinungsbilder?  bei unterschiedlicher räumlicher Auflösung, erscheint ein räumliches Muster homogen bzw. heterogen  Faktoren, die in einer Skala wichtig sind, könnten in einer anderen unbedeutend sein

14 M. Streif - Skalenproblem14 Das Skalenproblem - Für optimale Erkennung bestimmter Phänomene ist folgendes zu beachten: a) Ein Skalenwechsel verursacht einen Informationsverlust 250 m400 m3 m Beispiel: Zuckerrübenaufnahmen aus unterschiedlichen Höhen (Aufnahmen im nahen Infrarot) 50 m - mit niedriger Auflösung  Grad der Schädigung nur schätzbar - mit hoher Auflösung  genaue Identifikation der Schädigung Bilder von: K. Voss, A.Schmitz (www.precision-plant-protect.uni-bonn.de/project02/project02_e.htm)

15 M. Streif - Skalenproblem15 Das Skalenproblem b) zu hohe Auflösung kann zu Informationsverlust führen maximale Information 0 1 Abnahme der räumlichen Auflösung Informationsgrad 0= keine Information 1= maximale Information  obere und untere Limit der Auflösung definieren  abhängig von der Größe und Struktur eines Gebietes

16 M. Streif - Skalenproblem16 Das Skalenproblem 2. Können Unterschiede in den hochauflösenden Daten auch in gröber auflösenden Daten erkannt werden? Methode: Maximum Likelihood Classifikation gegeben: Trainingsgebiet: - Eigenschaften aus Geländebeobachtungen bekannt - in einem Bild identifizierter Teil der Erdoberfläche - dienen als Klassenrepräsentation - bekannter Datensatz - aus Trainingsgebieten klassifiziert - Klasse = Gruppe von Geo-Objekten (Nadelwälder, Ackerflächen)

17 M. Streif - Skalenproblem17 Das Skalenproblem Berechnungen Maximum Likelihood Classifikation  Wahrscheinlichkeitsfunktionen - Varianz, Kovarianz und Mittelwerte für jede Klasse  Pixel den Klassen zuweisen, zu denen sie am wahrscheinlichsten gehören Voraussetzung: Normalverteilung der Bildelemente um den Klassenmittelpunkt

18 M. Streif - Skalenproblem18 Das Skalenproblem Genauigkeit der Bildklassifikation - durch zwei Faktoren gekennzeichnet: a) Einfluß von Randpixel - Randpixel enthalten gemischte Elemente - feinere Auflösung reduziert Anzahl der Pixel, die auf den Rand eines Objektes fallen  bessere Klassifikation

19 M. Streif - Skalenproblem19 Das Skalenproblem Genauigkeit der Bildklassifikation b) spektrale Veränderung - höhere Auflösung steigert Multispektralsignatur eines Objektes - spektrale Vielfalt reduziert spektrale Trennbarkeit der Klassen  niedrigere Genauigkeit in der Klassifikation  optimale Klassifikation: - Kombination beider gegensätzlichen Faktoren - Wichtigkeit der Faktoren variiert in Abhängigkeit von der Größe des zu beobachtenden Objektes

20 M. Streif - Skalenproblem20 Das Skalenproblem Bäume 0,1m1m10m100m1km10km100km Meteorologie 0,0001 0,001 1 Tag 1 Woche 1 Monat 1 Jahr 10 Jahre 100 Jahre Geologie Landwirt- schaft räumliche Skalierung zeitliche Skalierung Vegetation 3. Lange Zeiten bis zur Nutzung der Daten Landwirt möchte wissen, wie seine Bewirtschaftungsmaßnahmen am jeweiligen Standort wirken.  Ertragskontrolle dauert sehr lange Es muß möglich sein, dem Landwirt die Daten am gleichen Tag zugänglich zu machen.

21 M. Streif - Skalenproblem21 Zusammenfassung  Erfassung der landwirtschaftlichen Produktion mit einer bestimmten Skalierung nicht möglich  man benötigt eine Vielzahl von Skalen Skalenabhängigkeit eines Phänomens sollte bekannt sein ( Trainingsgebiete, Referenzmessungen am Boden) Skalenabhängigkeit ist oft standort- und zeitabhängig Grundsätzlich: - je einfacher die Fragestellung, desto sicherer die Auswertung - Trennung von Wald/Nichtwald oder Vegetation/Nichtvegetation ohne Geländekontrolle möglich

22 M. Streif - Skalenproblem22 Literaturübersicht Kühbauch, W. (2002): Fernerkundung – eine Zukunftstechnologie im Präzisionspflanzenbau. In: Werner, A. & A. Jarfe (Hrsg.): Precision Agriculture – Herausforderung an die integrative Forschung, Entwicklung und Anwendung in der Praxis. KTBL Sonderveröffentlichung 038, S.79 – 87 Grenzdörfer, G. (1998): Dokumentation und Analyse kleinräumiger Heterogenität mit Fernerkundung und GIS. In: Erfassung der kleinräumigen Heterogenität, KTBL/ATB- Workshop vom Januar 1998 in Potsdam. S.93 – 105 Cao, C. & N.S. Lam (1997): Understanding the scale and resolution effect in remote sensing and GIS. In: Quattrochi, D.A. & M.F. Godchild (eds.): Scale in remote sensing and GIS. S Institut für Geodäsie und Geoinformatik (Universität Rostock): Geoinformatik-Lexikon ivego.uni-muenster.de/Vorlesung/FE_Script/Start.html: Kapitel 3.7, Klassifikation

23 M. Streif - Skalenproblem23 Heterogenität

24 M. Streif - Skalenproblem24 Heterogenität


Herunterladen ppt "Das Skalenproblem im Precision Farming. 10.07.03M. Streif - Skalenproblem2 Inhaltsübersicht Hintergrund - Warum Precision Farming? Precision Farming -"

Ähnliche Präsentationen


Google-Anzeigen