Projekt

Klassifizierung des invasiven Neophyten Heracleum mantegazzianum anhand hyperspektraler Luftaufnahmen

Einreichung der Arbeit: April 2018

Pflanzeninvasionen sind eine Bedrohung für die Biodiversität, verändern den Charakter traditioneller Landschaften und stören die Ökosystemfunktionen. Ziel verschiedenster Institutionen ist es daher, diese Invasionen zu kontrollieren und einzugrenzen. Dafür ist auch eine schnelle und präzise Kartierung notwendig.

Die Verbreitung des Riesen-Bärenklaus (lat. Heracleum mantegazzianum, auch bekannt unter dem Namen Herkulesstaude) ist eine der weltweit dramatischsten Invasionen. Da von ihm auch erhebliche gesundheitliche Gefahren ausgehen, steht er auf der schwarzen Liste der Pflanzen, deren Ausbreitung eingedämmt werden soll.

Ziel der Arbeit war es, die Vorkommensgebiete der Herkulesstaude in der Region Bernburg-Strenzfeld anhand von hyperspektralen Luftaufnahmen zu erfassen, um so eine bessere Kontrollierbarkeit seines Invasionsprozesses zu ermöglichen. Zu diesem Zweck sollte ein möglichst einfaches Klassifikationsverfahren entwickelt werden.

Dafür standen hyperspektrale, zu Mosaiken zusammengefügte Luftaufnahmen des Forschungsgyrokopters der Hochschule Anhalt von drei Untersuchungsgebieten der genannten Region und zu Kontrollzwecken eine bereits im Rahmen früherer Projekte der UMGEODAT Umwelt- und GeodatenManagement GbR von Herrn Dr. Birger erstellte Datei zur Verfügung. In dieser Kontrolldatei waren alle damals vor Ort erfassten Vorkommensgebiete der Herkulesstaude in den drei Untersuchungsgebieten in Form von Polygonumringen abgespeichert worden.

Desweiteren erfolgte kurz nach der am 19.07.2017 durchgeführten Befliegung vor Ort eine flächenhafte Erfassung einiger Vorkommensgebiete der Herkulesstaude unter Nutzung eines GPS-Messgerätes, die im shp-Dateiformat abgespeichert und als Trainingsgebiete für die Klassifikation genutzt wurden.

Zur Entwicklung und Umsetzumg des Klassifikationsverfahrens wurden die Fernerkundungssoftware ENVI und die Programmiersprache R genutzt. Zunächst wurden aus den vorliegenden Aufnahmen mit Hilfe von ENVI verschiedene spektrale Profile der Trainingsgebiete abgeleitet, um so Auffälligkeiten/Unterschiede der Klasse Herkulesstaude gegenüber anderen Klassen (das heißt, derjenigen Bildbereiche, die Herkulesstauden enthalten, gegenüber Bildbereichen, die beispielsweise Getreide, Bäume oder Ackerboden darstellen) zu erkennen. Auf dieser Grundlage konnten dann verschiedene Ratios (synthetische Bildkanäle, deren Pixelwerte sich in bestimmter Weise als Verhältnisse der Pixelwerte vorhandener Kanäle ergeben) und Thresholds (ausgewählte Bildkanäle mit festzulegenden Grenzzahlen der Pixelwerte, die - wie auch im Falle der Ratios - als Entscheidungskriterien im Rahmen des Klassifikationsverfahrens dienen) festgelegt werden, die für eine erfolgreiche Klassifikation der Herkulesstaude geeignet erschienen.

Die Umsetzung des entwickelten Klassifikationsverfahrens erfolgte sowohl in ENVI unter Nutzung des von dieser Software bereit gestellten Werkzeugs Decision Tree (Entscheidungsbaum) als auch durch Entwicklung eines entsprechenden Tools in der Programmiersprache R. In beiden Fällen wird als Ergebnis eine tif-Datei erstellt, in welcher die Gebiete besonders markiert sind, in denen laut Klassifikationsalgorithmus Herkulesstauden vorkommen.

Bei einer vergleichenden Auswertung der mit beiden Methoden erzielten Ergebnisse konnte festgestellt werden, dass diese sich nicht wesentlich voneinander unterscheiden und es mit dem entwickelten Klassifikationsverfahren prinzipiell möglich ist, mit Herkulesstauden bewachsene Gebiete zu erkennen, wobei sich der Klassifikationserfolg deutlich verbessert, wenn viele blühende Exemplare vorhanden sind. Deshalb konnte für künftige Untersuchungen die Empfehlung gegeben werden, die hyperspektralen Luftbilder möglichst während der Blütezeit der Herkulesstaude aufzunehmen.

Da das beschriebene Klassifizierungsverfahren unter Benutzung nicht atmosphärenkorrigierter Luftaufnahmen entwickelt wurde, wäre eine Übertragung auf in anderen Regionen oder unter anderen atmosphärischen Bedingungen erstellte Aufnahmen nicht ohne Anpassung der festgelegten Grenzwerte der Thresholds möglich. Eine Möglichkeit, dies zu vermeiden, wäre eine vorherige Atmosphärenkorrektur der hyperspektralen Luftaufnahmen. Deshalb wurden im Rahmen der Arbeit auch Untersuchungen durchgeführt, um festzustellen, inwieweit das entwickelte Klassifizierungsverfahren auf atmosphärenkorrigierte Daten übertragbar ist. Dabei zeigte sich, dass noch einige Probleme zu lösen sind, um dies auf zufriedenstellende Weise zu erreichen.  Als Resümee konnten verschiedene Empfehlungen für eine Fortsetzung dieser Untersuchungen zusammengestellt werden.