Use Case 3 - Hinweiskarten zur Vitalität

From Waldmonitoring Wiki
Revision as of 07:17, 6 September 2021 by Alex (talk | contribs) (Diese Seite wurde zum Übersetzen freigegeben)
(diff) ← Older revision | Latest revision (diff) | Newer revision → (diff)
Other languages:
Deutsch • ‎français
Abb. 1: Screenshot aus der Webanwendung. Rot deutet auf eine Abnahme der Vitalität hin, blau auf eine Zunahme. Die Farbintensität spiegelt die Stärke der Veränderung wieder.


-> Zurück zur Übersicht über die Use Cases

-> Zur Webanwendung

Auch die Vitalität von Waldflächen kann mit Sentinel-2-Satellitenbildern grob erfasst werden. Durch den Vergleich des aktuellen Vegetationszustandes mit den Vorjahren lassen sich daraus Hinweiskarten zur Veränderung der Vitalität erstellen. Hier handelt es sich allerdings um einen ersten Test. Eine ausführliche Validierung der Methode steht noch aus.

Als Indikator für die Vitalität wurde wiederum der NDVI-Vegetationsindex verwendet. Auf der Karte dargestellt werden sogenannte NDVI-Anomalien. Dabei werden jeweils die NDVI-Medianwerte des zweimonatigen Zeitfensters (z.B. Juni - Juli) mit den Medianwerten aller Vorjahre (bis 2015) innerhalb derselben Zeitperiode verglichen (siehe Abb. 2). Negative Werte deuten auf eine Abnahme der Vitalität hin, positive Werte deuten auf eine Zunahme der Vitalität hin. Je weiter die Werte von null abweichen (Erwartungswert), desto wahrscheinlicher ist es, dass eine effektive Veränderung stattfand. Dabei kann ein absoluter Wert von mindestens 3,5 als Indikator für eine signifikante Abweichung betrachtet werden [1].

Einschränkungen

Ob es sich bei einer Veränderung um Borkenkäferbefall, Trockenstress oder einen Holzschlag handelt, wird nicht unterschieden. So können z.B. negative Werte sowohl einen Holzschlag wie auch eine vorzeitige Herbstverfärbung beschreiben. Wir sprechen daher von Hinweiskarten und für die Interpretation ist immer auch Expertenwissen über die Wälder und gegebenenfalls eine Feldbegehung notwendig.

Durch die Kombination von Satellitenaufnahmen innerhalb des zweimonatigen Fensters können viele Probleme mit Wolken und andere Fehlerquellen reduziert, jedoch nicht vollständig ausgeschlossen werden. Im Zusammenhang mit der Abdeckung durch unterschiedliche Orbits treten teilweise Artefakte auf, und die Grenzen der Orbits sind auf den Hinweiskarten erkennbar. Auch können fehlerhafte Indikationen durch nicht ausmaskierte Wolken oder eine ungenügende Zahl wolkenfreier Aufnahmen auftreten. Deshalb wurden in der finalen Hinweiskarte diejenigen Pixel ausmaskiert, für die innerhalb der Monitoring-Periode für die Berechnung des Medians weniger als 6 wolkenfreie Aufnahmen (Pixel) vorhanden sind.

Weiter ist zu berücksichtigen, dass die Sentinel-2-Daten erst seit 2015 verfügbar sind, was für die Detektion von Anomalien bis jetzt ein relativ kurzer Zeitraum ist. Mit jedem zusätzlichen Jahr wird eine höhere Aussagekraft erwartet.

Video-Tutorial : Basics für den korrekten Gebrauch

Das folgende Video erläutert die Benutzung der Webanwendung «Hinweiskarten zur Vitalität». Methodik der Berechnung und Darstellung haben sich seither leicht geändert (insbes. zusätzliche Darstellung von Flächen mit "nicht genug Daten"; Stand Juni 2021), die Grundlagen bleiben aber gleich:

Datenbezug

Die Rasterdaten sind hier als Web Map Service (WMS) oder Web Coverage Service (WCS) verfügbar. Während sich der WMS Dienst primär für die Visualisierung eignet und die Daten automatisch so dargestellt werden wie im Kartenviewer, erlaubt der WCS Dienst den Zugriff auf die Werte und somit auch die Weiterverarbeitung im GIS. Bei der Einbindung der Rasterdaten ist zu beachten, dass diese aus Speicherplatzgründen mit 100 multipliziert wurden. Ein Wert von z.B. 100 entspricht also einem Z-Wert von 1.

Weitere Tipps und Informationen zu Einbindung und Verarbeitung der Daten gibt es hier.

Hintergrundinformationen zur Methode

Die Berechnung der NDVI-Anomalien basiert auf dem sogenannten Z-Wert (siehe z.B. Meroni et al., 2019):

Zi = (NDVImedian,i - NDVImedian,ref) / NDVIMAD,ref

Im Gegensatz zu Meroni et al. haben wir den sogenannten modifizierten Z-Score verwendet, da dieser robuster gegenüber Ausreissern ist. Dabei wird das arithmetische Mittel durch den Median und die Standardabweichung durch die mittlere absolute Abweichung vom Median (MAD) ersetzt. NDVImedian,i bezeichnet somit den Median der NDVI-Werte pro zweimonatigem Monitoring-Zeitfenster i. NDVImedian,ref bezeichnet den Median der NDVI-Werte innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni - Juli) der Referenzperiode. NDVIMAD,ref ist die mittlere absolute Abweichung der NDVI-Werte vom Median innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni- Juli) der Referenzperiode.

Die mittlere absolute Abweichung vom Median gibt Auskunft über die Variabilität der NDVI-Werte innerhalb der Referenzperiode. Je grösser die Variabilität ist, desto kleiner wird die Wahrscheinlichkeit, dass Veränderungen, insbesondere schwache, ausgeschieden werden, was sich in Z-Werten nahe null widerspiegelt. Die Berechnung erfolgt pixelbasiert für jeden 10 x 10 m Pixel, und die Pixelwerte in den Hinweiskarten entsprechen dem jeweiligen Z-Wert.

Pixel, bei denen für die Berechnung des Medians über das Monitoring-Zeitfenster weniger als 6 wolkenfreie Aufnahmen (Pixel) zur Verfügung stehen, werden in der finalen Hinweiskarte mit einem Buffer von 20m ausmaskiert.

Abb. 2: NDVI-Zeitreihen-Beispiel zur Veranschaulichung der Z-Wert-Methode. Die blauen Punkte entsprechen den tatsächlichen NDVI-Werten an einem bestimmten Ort (pixelbasiert). Die blauen Linien stellen Interpolationen dar und haben keine weitere Bedeutung. Die Referenzperiode bezieht sich in diesem Fall auf 2016 bis 2018, dargestellt in Grün. 2019 stellt in diesem Beispiel den aktuellen Zustand dar und ist in Rot gekennzeichnet. Die gestrichelten Linien stellen jeweils die beiden Mediane dar, die miteinander verglichen werden, das heisst der Median über Juni/Juli aller Jahre der Referenzperiode (in Grün) mit dem Median über Juni/Juli des aktuellen Jahres (in Rot).


Einzelnachweise

  1. Boris Iglewicz and David Hoaglin (1993), "Volume 16: How to Detect and Handle Outliers", The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.