Weiter zum Inhalt
Landwirtschaftliche geprägte Landschaft, im Vordergrund eine Bank, im Hintergrund ein Ort
© Johanna Fick
Landwirtschaftliche geprägte Landschaft, im Vordergrund eine Bank, im Hintergrund ein Ort
Institut für

LV Lebensverhältnisse in ländlichen Räumen

Projekt

Entwicklung eines automatisierten Hinweissystems für die Kontrolle von Agrarförderflächen (timeStamp)



Identifizierung der Landnutzung mittels Sentinel-1 Satellitenbild-Zeitreihen
© Bild links [image left]: www.esa.int - Bild rechts [image right]: http://webapp.flf.julius-kuehn.de/gisapp/projekte
Erfassung von Landnutzungsdaten mittels Fernerkundung

Die Kontrolle flächenbezogener Maßnahmen in der Agrarförderung und im Naturschutz erfolgt momentan durch zeit- und kostenintensive Vor-Ort-Kontrollen. Solche Kontrollen können durch die Nutzung von Sentinel-Satellitendaten zukünftig wesentlich effizienter gestaltet werden. Im timeStamp-Projekt wurde eine cloudbasierte Web-Anwendung entwickelt die dies unterstützt. Sie ermöglichst die automatisierte Analyse von Satellitenbild-Zeitreihen und Darstellung geeigneter Indikatoren sowie den Download der Auswertungsergebnisse durch die Nutzer.

Hintergrund und Zielsetzung

Die Sentinel-Satelliten des europäischen Erdbeobachtungsprogramms Copernicus liefern großräumige Fernerkundungsdaten in einer engen zeitlichen Abfolge. Diese bilden eine gute Datengrundlage, um die landwirtschaftliche Bodennutzung zeitlich engmaschig zu erfassen. Auf diese Weise lassen sich Nutzungsänderungen zahlreicher Flächen identifizieren. Zukünftig sollen Fernerkundungsanalysen in die Arbeitsabläufe der Verwaltungsbehörden eingebunden werden, um zeit- und kostenintensive Vor-Ort-Kontrollen im Bereich des Flächenmonitorings effizienter zu gestalten.

Im Rahmen des Projekts „timeStamp“ entwickeln Wissenschaftler des Thünen-Institutes und weitere Projektpartner den Prototyp einer Web-Anwendung. Diese wertet für den Anwendungsfall "Kontrolle von Zwischenfruchtflächen im Rahmen der EU-Agrarförderung" exemplarisch aus, ob die angegebene Flächennutzung vorliegt oder Nutzungsänderungen erfolgten, und gibt Prüfhinweise in Ampelfarben.

Des Weiteren wird eine multifunktionale Basisfunktion entwickelt, die fachübergreifende Informationen zu Nutzungsveränderungen in Form von Standard-Zeitreihen und Prüfparametern sowie Veränderungsindikatoren, z. B. zur Entwicklung der Vegetation oder der Bodenfeuchte bereitstellt. Diese bietet somit Auswertungsoptionen für eine Vielzahl von Fragestellungen des Flächenmonitorings für vom Nutzer ausgewählte Flächen und Prüfzeiträume in den Bereichen Umwelt und Naturschutz.

Zielgruppe

Ministerien für Landwirtschaft und für Umwelt, Landesbehörden, amtlicher Naturschutz, Agrarverwaltung, EU-Kommission

Vorgehensweise

Folgende Schritte werden im Projekt durchgeführt:

  • Nutzerworkshops mit kooperierenden Behörden zur Ermittlung des fachspezifischen und technischen Anforderungsprofils der zu entwickelnden Web-Anwendung.
  • Auf Basis des Anforderungsprofils werden Algorithmen entwickelt, die Zeitreihen von Sentinel-2-Satellitenbildern auswerten und Indikatoren für Greening-Zwischenfrüchte liefern.
  • Entwicklung von Parametern und Indikatoren, die für Anwendungszwecke der multifunktionalen Basisfunktion benötigt werden, basierend auf Sentinel-1 und -2-Zeitreihen.
  • Einbettung der Auswertungs-Algorithmen in eine cloudbasierte Prozessierungsumgebung, in der die automatische Analyse von Satellitenbild-Zeitreihen in Hinblick auf die Flächennutzung und deren Änderungen erfolgen soll.
  • Programmierung der Benutzeroberfläche der Webanwendung, für den Datenaustausch, die Eingabe von Prüfkriterien und die Darstellung der Auswertungsergebnisse in Zeitreihengrafiken und in einem Web-GIS.
  • Entwicklung eines Ampelsystems für visuelle Kontrollhinweise zur  Prüfung von Greening-Zwischenfruchtflächen.
  • Nutzerworkshop zur Vorstellung der Anwendung und zur Evaluierung der Einsatzpotentiale und Nutzerfreundlichkeit.
  • Migration und Operationalisierung der Web-Anwendung in die cloudbasierte Geoinformationsplattform CODE-DE.

Daten und Methoden

Durch die Analyse der Zeitreihendaten von Sentinel-1 (Radar) und Sentinel-2 (Spektral) können über geeignete Metriken (Maßzahlen) und Indizes für Einsaat, Aufwuchs und Umbruch der Zwischenfrüchte Algorithmen für die Identifizierung von Greening-Zwischenfruchtflächen abgeleitet werden. Als Trainings- und Testdaten für die Entwicklung der Algorithmen werden Zwischenfruchtflächen im Feld kartiert sowie InVeKoS- und Vor-Ort-Kontrolldaten verwendet.

Die technische Infrastruktur der Anwendung wurde initial mit Docker-Containern als modular aufgebautes Backend in der Microsoft Azure Cloud umgesetzt und wird zu CODE-DE migriert. Über die Benutzeroberfläche können die Nutzer Prüfaufträge anlegen, absenden, verwalten, die Ergebnisse darstellen und herunterladen.

Unsere Forschungsfragen

  • Welche fachspezifischen Anforderungen (erforderliche Eingabedaten, Indikatoren, zeitliche Anforderungen etc.) haben die jeweiligen Behörden an die Web-Anwendung?
  • Welche technischen Anforderungen ergeben sich daraus (u. a. Datenformate, Software-Umgebungen, Schnittstellen, Programmiersprachen)?
  • Welche Algorithmen und Indikatoren (z. B. NDVI, Abgleich mit phänologischen Musterprofilen) eignen sich, um die Standzeiten von Greening-Zwischenfrüchten zu erfassen, sowie für die Anwendungszwecke der Basisfunktion?

Ergebnisse

Mit dem Prototyp der timeStamp-Anwendung wird eine cloudbasierte Software-Infrastruktur zur automatisierten Durchführung von Analysen mit Fernerkundungsdaten bereitgestellt. Die Benutzeroberfläche ermöglicht es auch Nutzern ohne vertieftes Fachwissen über Fernerkundung, Satellitendaten in ihre Arbeit einzubinden.

Die Prüfung von Greening-Zwischenfruchtflächen basiert auf der Analyse des zeitlichen Verlaufs des Vegetationsindex (NDVI). Aus einem Set von Prüfparametern (u. a. Minima, Maxima, Trends) wird die Wahrscheinlichkeit des Vorliegens einer Greening-Zwischenfrucht berechnet. Flächenspezifische Auswertungsergebnisse und visuellen Kontrollhinweisen können eine zielgerichtete Planung von Vor-Ort-Kontrollen unterstützen.

Im Rahmen der Projekte 'SenSchiene' und 'Copernicus leuchtet Grün‘ soll die Anwendung weiterentwickelt werden.

Beteiligte externe Thünen-Partner

  • RLP Agroscience GmbH
    (Neustadt a.d.W., Deutschland)
  • Julius Kühn-Institut - Bundesforschungsinstitut für Kulturpflanzen (JKI)
    (Quedlinburg, Braunschweig, Groß Lüsewitz, Kleinmachnow, Deutschland)
  • Technische Universität Berlin
    (Berlin, Deutschland)
  • Deutsches Geoforschungszentrum (GFZ)
    (Potsdam, Deutschland)
  • LUP - Luftbild Umwelt Planung GmbH
    (Potsdam, Deutschland)
  • Struktur- und Genehmigungsdirektion Nord RLP (SGD Nord)
    (Koblenz, Deutschland)
  • Ministerium für Umwelt, Landwirtschaft, Natur- und Verbraucherschutz des Landes Nordrhein-Westfalen (MULNV)
    (Düsseldorf, Deutschland)

Geldgeber

  • Bundesministerium für Wirtschaft und Energie (BMWi)
    (national, öffentlich)
  • Deutsches Zentrum für Luft- und Raumfahrt e. V. (DLR)
    (national, öffentlich)

Zeitraum

8.2018 - 12.2022

Weitere Projektdaten

Projektfördernummer: 50EW1704A
Förderprogramm: DLR - Entwicklung und Implementierungsvorbereitung von Copernicus Diensten für den öffentlichen Bedarf in Deutschland
Projektstatus: abgeschlossen

Publikationen zum Projekt

  1. 0

    Ackermann A, Röder N, Kleinschmit B, Braumann S, Gerighausen H, Keck N, Schulz C, Tintrup G, Tönshoff C (2023) timeStamp - mehr Effizienz im Flächenmonitoring. Braunschweig: Thünen-Institut für Lebensverhältnisse in ländlichen Räumen, 2 p, Project Brief Thünen Inst 2023/41, DOI:10.3220/PB1694590348000

    https://literatur.thuenen.de/digbib_extern/dn066868.pdf

  2. 1

    Ackermann A, Röder N, Kleinschmit B, Braumann S, Gerighausen H, Keck N, Schulz C, Tintrup G, Tönshoff C (2023) timeStamp - more efficiency in large scale monitoring of measures. Braunschweig: Thünen Institute of Rural Studies, 2 p, Project Brief Thünen Inst 2023/41a, DOI:10.3220/PB1694590443000

    https://literatur.thuenen.de/digbib_extern/dn066870.pdf

  3. 2

    Schulz C, Holtgrave A-K, Kleinschmit B (2021) Large-scale winter catch crop monitoring with Sentinel-2 time series and machine learning - An alternative to on-site controls? Comput Electron Agric 186:106173, DOI:10.1016/j.compag.2021.106173

Nach oben