home    about    browse    search    latest    help 
Login | Create Account

Methoden zur lasergestützten Abschätzung extensiver Grünlandbestände

Schulze-Brüninghoff, Damian; Hensgen, Frank; Möckel, Thomas and Wachendorf, Michael (2019) Methoden zur lasergestützten Abschätzung extensiver Grünlandbestände. [Methods for LIDAR-based estimation of extensive grassland biomass.] In: Mühlrath, Daniel; Albrecht, Joana; Finckh, Maria R.; Hamm, Ulrich; Heß, Jürgen; Knierim, Ute and Möller, Detlev (Eds.) Innovatives Denken für eine nachhaltige Land- und Ernährungswirtschaft. Beiträge zur 15. Wissenschaftstagung Ökologischer Landbau, Kassel, 5. bis 8. März 2019, Verlag Dr. Köster, Berlin.

[img] PDF - German/Deutsch
521kB

Summary

In der Forstwirtschaft ist die lasergestützte Holzertragsabschätzung bereits eine etablierte Technik. In Graslandökosystemen hingegen fand diese Technik bisher weniger Aufmerksamkeit. Deshalb ist die Abschätzung extensiver Grünlandbestände mittels eines terrestrischen Laserscanners (TLS) noch wenig erforscht. Der Einsatz fernerkundlicher Methoden zur Erfassung qualitativer und quantitativer Parameter von extensiven Grünlandbeständen kann Managementstrategien zum Erhalt schützenswerter Ökosysteme unterstützen. Die Versuchsflächen befanden sich im „UNESCO Biosphärenreservat Rhön“ und wurden zu drei Terminen im Jahr mittels eines terrestrischen Laserscanners (Leica P30) gemessen. Vier Methoden zur Biomassebestimmung aus dreidimensionalen Punktwolken wurden auf die Datensätze angewendet: Die Methode der Vegetationshöhe, der Summe der Voxel, der mittleren 3d-Raster Höhe und das Volumen der konvexen Hülle. Die Methoden wurden teilweise modifiziert in Bezug auf einzelne funktionale Parameter, um die Modellstabilität und Modellstärke zu optimieren. Die Methoden wurden verglichen hinsichtlich ihrer Modellstärke, der Kalkulationsdauer und hinsichtlich der Anzahl an Scans, die in jede Punktwolke einfließen. Die Methoden wurden erfolgreich angewendet und die jeweils optimalen Parametereinstellungen wurden identifiziert. Die beste Modellstärke lieferte die Methode der Vegetationshöhe gemittelt aus den oberen 5 % aller Vegetationshöhenwerte (angepasstes R² 0,72). Die Korrelationen der Modelle mit dem gemessenen Frischmasseertrag fielen durchweg besser aus im Vergleich zum Trockenmasseertrag. Modelle der Vegetationshöhe, beruhend auf Punktwolken aus zwei Scans, erzielten die höchste Schätzgenauigkeit für Frisch- und Trockenmasseertrag (angepasstes R² 0,73 und 0,58).

Summary translation

Biomass estimation derived from Terrestrial Laser Scanning (TLS) is rarely investigated for grassland ecosystems. Detailed information provided by survey systems can enhance management strategies and support timely measures. Field measurements were made in the “UNESCO biosphere reserve Rhön” in Central Germany with a TLS station (Leica P30). Four methods for estimating biomass from 3d point clouds have been applied to the data, which were Canopy Surface Height (CSH), Sum of Voxel, Mean of 3d-grid heights, and Convex-Hull. Parameters of these methods were modified to increase model stability and performance. The methods were compared in terms of model performance and calculation speed. For each method the effect of the number of scans used for each point cloud was assessed. The best fit for fresh biomass determination was achieved with a mean CSH value derived from the top 5 % of all CSH values (adj. R²=0.72). In all cases, models for dry biomass estimation had less explanatory power than those for fresh biomass. CSH models based on point clouds merged from two opposite scans achieved the highest average accuracy both for fresh and dry biomass (adj. R²=0.73 and 0.58, respectively).

EPrint Type:Conference paper, poster, etc.
Type of presentation:Paper
Keywords:Grassland, LiDAR, TLS, Punktwolke, Biomasse
Subjects: Crop husbandry > Production systems > Pasture and forage crops
Research affiliation: International Conferences > 2019: Scientific Conference German Speaking Countrie
Germany > University of Kassel
ISBN:978-3-89574-955-25
Deposited By: Mühlrath, Daniel
ID Code:36067
Deposited On:29 Aug 2019 07:07
Last Modified:29 Aug 2019 07:07
Document Language:German/Deutsch
Status:Published
Refereed:Peer-reviewed and accepted
Additional Publishing Information:Dieser Beitrag ist im Tagungsband der 15. Wissenschaftstagung Ökologischer Landbau 2019 in Kassel erschienen. This conference paper is published in the proceedings of the 15th scientific conference on organic agriculture 2019 in Kassel. D. Mühlrath, J. Albrecht, M. R. Finckh, U. Hamm, J. Heß, U. Knierim, D. Möller (2019) Innovatives Denken für eine nachhaltige Land- und Ernährungswirtschaft. Beiträge zur 15. Wissenschaftstagung Ökologischer Landbau, Kassel, 5. bis 8. März 2019, Verlag Dr. Köster, Berlin.

Repository Staff Only: item control page