M. König, F. Uhl, N. Oppelt

Marine Makrophyten sind wichtige Primarproduzenten in aquatischen Systemen und von hoher ökologischer sowie ökonomischer Bedeutung. Kelpwälder des Riesentangs (Macrocystis pyrifera) sind äußerst produktive und dynamische Ökosysteme, die schnell auf veränderte Umwelteinflusse reagieren. Riesentang ist daher ein geeigneter Indikator um den ökologischen Zustand küstennaher Gewässer zu erfassen. In-situ Beobachtungen sind jedoch räumlich und zeitlich limitiert, da sie mit hohem zeitlichem, arbeitstechnischem und monetärem Aufwand verbunden sind. Im Gegensatz dazu bieten Fernerkundungsmethoden den Vorteil, dass sie über längere Zeitraume großräumige Beobachtungen in kurzen Zeitabstanden ermöglichen. Sie sind deshalb eine Möglichkeit die hohe räumliche und zeitliche Dynamik sublitoraler Habitate abzubilden. Im Rahmen dieser Forschungsarbeit wurde untersucht, ob mit dem Operational Land Imager (OLI) auf der Plattform Landsat 8 Verbesserungen bei der Detektion von Kelpwäldern erzielt werden können. Zu diesem Zweck wurde eine Zeitreihe atmosphärisch korrigierter Landsat 8-Szenen (2013-2015) der Region Sudkalifornien analysiert. Satellitengestutzte multispektrale Fernerkundungssensoren (z.B. Landsat 5 TM) wurden bereits erfolgreich im Rahmen mehrerer Studien zur Identifikation von Kelpwäldern verwendet. Im Vergleich zu seinen Vorgängern verfugt Landsat 8 mit dem Operational Land Imager (OLI) über einen multispektralen Sensor mit einer höheren radiometrischen Auflösung und zwei neuen Kanälen. Für die Beobachtung von Küstengewässern ist vor allem der tiefblaue Kanal (0.43 - 0.45 [micro]m) von besonderem Interesse. Bisherige Analysen nutzten vor allem die charakteristische Reflexion des oberflächennahen Riesentangs im nahen Infrarotbereich des elektromagnetischen Spektrums zur Identifikation. Aufgrund der physikalischen Eigenschaften von Wasser dringt elektromagnetische Strahlung in diesem Wellenlangenbereich jedoch kaum in die Wassersaule ein. Daher wird submerser Riesentang bei der Verwendung dieses Spektralbereiches nicht in seiner vollständigen Ausdehnung detektiert. Die höhere Eindringtiefe der Strahlung im tiefblauen Kanal ermöglicht es, abhängig von der Trübung des Wassers, auch aus größerer Tiefe spektrale Informationen zu gewinnen. Da Riesentang bis in eine Tiefe von ca. 30 m vorkommt, umfasste die Vorprozessierung der Landsat 8-Szenen die räumliche Reduzierung der Daten auf relevante Bildausschnitte anhand bathymetrischer Karten. Auf Basis von in-situ Kartierungen und Luftbildinterpretation (Google Earth) wurden bekannte Kelpwaldvorkommen auf ihr Reflexionsverhalten in verschiedenen Kanälen hin untersucht. Im Rahmen einer Machbarkeitsstudie zeigte die visuelle Interpretation, dass der tiefblaue Kanal Tangvorkommen in größerer Tiefe erfassen kann. Unter Einbeziehung dieses Kanals wurde der Triangular Kelp Identification Index (TRIKII) entwickelt, welcher auch in größerer Wassertiefe die Detektion von Riesentang ermöglicht. Im Vergleich zu einer NDVI-Analyse wurde die Flache der Kelpwälder deutlich realistischer erfasst.

Marine macrophytes are important primary producers in aquatic systems and are of high ecological and economic significance. Kelp forests of giant kelp (Macrocystis pyrifera) are extremely productive and dynamic ecosystems that respond rapidly to changing environmental influences. Giant kelp is therefore a suitable indicator for assessing the ecological status of coastal waters. However, in-situ observations are spatially and temporally limited due to the high time, labor, and financial costs involved. In contrast, remote sensing methods offer the advantage of enabling large-scale observations at short intervals over extended periods. They thus provide a way to map the high spatial and temporal dynamics of sublittoral habitats. This research investigated whether the Operational Land Imager (OLI) on the Landsat 8 platform could improve the detection of kelp forests. For this purpose, a time series of atmospherically corrected Landsat 8 scenes (2013–2015) of the Southern California region was analyzed. Satellite-based multispectral remote sensing sensors (e.g., Landsat 5 TM) have already been successfully used in several studies for the identification of kelp forests. Compared to its predecessors, Landsat 8 features the Operational Land Imager (OLI), a multispectral sensor with higher radiometric resolution and two new channels. The deep blue channel (0.43–0.45 µm) is of particular interest for observing coastal waters. Previous analyses primarily used the characteristic reflection of near-surface giant kelp in the near-infrared region of the electromagnetic spectrum for identification. However, due to the physical properties of water, electromagnetic radiation in this wavelength range barely penetrates the water column. Therefore, submerged giant kelp is not detected in its entirety when using this spectral range. The greater penetration depth of the radiation in the deep blue channel allows spectral information to be obtained even at greater depths, depending on the water turbidity. Since giant kelp occurs down to a depth of approximately 30 m, the preprocessing of the Landsat 8 scenes involved the spatial reduction of the data to relevant image sections using bathymetric maps. Based on in-situ mapping and aerial image interpretation (Google Earth), known kelp forest occurrences were investigated for their reflectance behavior in different channels. A feasibility study showed that the visual interpretation of the deep blue channel can detect kelp occurrences at greater depths. Using this channel, the Triangular Kelp Identification Index (TRIKII) was developed, which enables the detection of giant kelp even at greater water depths. Compared to an NDVI analysis, the area of the kelp forests was captured much more realistically.

Deutscher Luft- und Raumfahrtkongress 2015, Rostock

Deutsche Gesellschaft für Luft- und Raumfahrt - Lilienthal-Oberth e.V., Bonn, 2015

Conference Paper

deutsch

21,0 x 29,7 cm, 9 Seiten

urn:nbn:de:101:1-201510192286

Kelpdetektion, Landsat 8

Download - Bitte beachten Sie die Nutzungsbedingungen dieses Dokuments: Copyright protected  

19.10.2015