MOE-Fellowship: Györk Fülöp

Forschung der Landschaftsvielfältigkeit mit Fernerkundungstechnologie

Forschung der Landschaftsvielfältigkeit mit Fernerkundungstechnologie

 

1. Einführung

 

In den ersten vier Monaten (01.10.2012-15.02.2013) meines DBU-MOE Stipendiums hatte ich zwei Ziele: an meinem eigenem Forschungsthema zu arbeiten und auch in die Projekte meines Gastgeber-Institutes einbezogen zu werden.

Als Ingenieur für Landschaftplanung bin ich Gastwissenschaftler an der Professur für Landschaftsplanung und Landschaftsgestaltung an der Universität Rostock. Mein Betreuer ist Prof. Dr. Ing. Holger Behm. Hier, unter seiner Anleitung, erforsche ich die Landschaftvielfalt mit Fernerkundungstechnologien, und arbeite an Projekten, die in der Mecklenburg-Vorpommerschen Landschaft sehr wichtig sind: die Küstendynamik an der Ostsee und die Grünflächenumwandlung in Rostock und im Ballungsraum Rostock.

In diesem Semester habe ich auch Vorlesungen über die Fernerkundungswissenschaften für Landschaftsmodellierungen für M.Sc. Studenten im Zuge des Wahlpflichtmoduls „Landschaftsforschung und Umweltplanung“ gehalten. Darüber hinaus habe ich ein innovatives Konzept für den Europäischen Wettbewerb Farming by Satellite entwickelt.

 

2. Eigenes Forschungstema: Erforschung der Landschaftsdiversität mit Fernerkundungstechnologien

2.1. Ziele
Das Europäische Landschaftsübereinkommen fordert, dass Landschaften gebietlich definiert, analysiert und beobachtet werden. Dieses Ziel braucht Methoden und Werkzeuge, die die Landschaften im globalen, regionalen und lokalen Maßstab objektiv und vergleichbar analysieren können.

Die Landschaftsdiversität ist ein globaler abgenommener Wert, der erhalten und kultiviert werden soll. Die Methode und die Werkzeuge fehlen, die die Landschaftsdiversität operativ messen könnten. Meine Forschung zielt auf die Definierung einer Methode und die Entwicklung eines Werkzeuges, mit der die Landschaftsdiversität analysiert wird, und mit der Karten der Landschaftsdiversität im globalen, im regionalen und im lokalen Maßstab konstruiert werden.
Diese Landschaftsdiversitätskarten werden benutzt:

  • in der Begründung von Landschaftsplänen;
  • in der Unterhaltung der Naturschutzgebiete (Fragmentation);
  • in der Ermessung der regionalen Agrar-Ökologischen Förderung (CARPE);
  • in der Begründung von regionalen touristischen Konzepten;
  • in visuell-ästhetischer Wertung der Effekte einer Bauanlage.

2.2. Methode

2.2.1. Maßstäbe
Die vorrangige Intention der Forschung ist, dass das entwickelte Werkzeug in allen Maßstäben nutzbar sein soll, sowohl in globalen, regionalen als auch in lokalen Skalen.

2.2.2. ILD, TLD
Während meiner Forschung habe ich die ILD in allen Maßstäben gemessen.  

ILD: Inter-scale Landscape Diversity: ILD zeigt die ähnlichkeit der kleineren Teile einer Region zu der gesamten dazugehörigen Maßstabsregion bis das Maß der Teile das Maß der höher auflösenden Teile erreicht. Die Maßstäbe der Teile sind die Sub-Maßstäbe (SS: sub-scales). ILD beschreibt die Anzahl und das Maß der nicht vergleichbaren Teile eines Sub-Maßstabs. Die Sub-Maßstäbe der Teile sind beschrieben mit denselben Input-Daten der gesamten Region, deswegen sind sie „Sub“-Maßstäbe.

Die Summe der verschiedenen Maßstäbe der ILDs bildet den TLD (Through-s cale Landscape Diversity). Während meiner Forschung benutze ich sieben Sub-Maßstäbe in jedem Maßstab.

2.2.3. Programm
Ich habe eine Software entwickelt, die misst, wie ähnlich die Teile zur gesamten Region sind, wenn man die Ähnlichkeit mit unterschiedlicher Genauigkeit misst. Dieses Werkzeug definiert die Teile, die der Gesamtheit nicht ähneln – diese Teile sind die Diversitätsflächen. Das Programm zählt auch wie häufig und wie groß die Diversitätsflächen in einer Region sind. Aus diesen Informationen wurde die ILD-Kurve erstellt.

Die Diversitätsflächen wurden mit unterschiedlicher Genauigkeit definiert. Der d-Koeffizient (d-coefficient) beschreibt wie exakt wir die Ähnlichkeit messen. Dieser Koeffizient ist ein Multiplikator der Streuung des erwarteten Wertes der nächstgrößeren Region. Während der Testmessungen habe ich den d-coefficent von 0,1 bis 5 geändert (0,1 d-coefficient beschreibt eine sehr exakte Analyse (erwartungsgemäß alle Teile sehr ungleich), während beim 5 d-coefficient vereinfacht alle Teile sehr ähnlich sind).

Die Anzahl der Flächen in der Region mit einem d-coefficient ist ein ILD Punkt. Von der Folge der ILD Punkte wird die ILD Kurve generiert.

2.2.4. Die Testgebiete
Nach der Entwicklung des ILD-messenden Werkzeugs, hatte ich während des Testprozesses weitere Ziele:

  • Das Werkzeug während der Operation zu beobachten; das nummerische Output mit statistischen Methoden auszulegen; einen Prototyp der Landschaftsdiversitätsanalyse vom S1 Maßstab zu erzeugen.
  • Einen möglichen Trend der Landschaftsdiversität in geographisch analogen Regionen zu messen (Geographische analoge Regionen sind Gebiete, die sich ähnlich sind z.B. wenn man die Effekte der Klimaänderung betrachtet. Gaál, M.; Horváth, L.: Geographical analogies in climate change research. 2006 Volos, Greece, Conference Proceeding HAICTA 2006, ISBN 960-8029-45-7, pp. 840-846)

Um diese Ziele zu realisieren, habe ich MODIS Fernerkundungsdaten (500 m Auflösung; 4-Band: R-G-B-N; Zeit-Intervall: 11.07.2011 – 21.08.2011) benutzt. Ich habe in jedem geographisch analogen Gebiet 4-4 Testgebiete ausgegrenzt. Zudem habe ich 30 Kontrollgebiete bestimmt. Die Größe der Test- und Kontrollgebiete war 128-mal 128 Pixel, damit war die konkrete Oberfläche 64 km groß.

2.3. Ergebnisse
Die Regressionsanalyse der IDL-Kurven – wie erwartet, hat das entwickelte Werkzeug einen logischen Output produziert – lieferte folgende Ergebnisse:

  • die ILD-Kurve können getrennt werden:

ILD=(ILDpix)/(ILDsize)

 ILDpix: die Nummer der Diversitätsflächen-Pixel;

ILDsize: die durchschnittliche Größe der Diversitätsflächen.

  • die Anzahl der Pixel der Diversitätsflächen (ILDpix) bilden bei der Änderung der d-coefficient ein „Growth“-Kurve, mit den folgenden Parametern:

ln(ILDpix)=b0+b1*(d-coeff)

b0: Intensität der LD (Landschaftsdiversität): die Konstant Anzahl beschreibt wie viele Diversitätsflächen-Pixel jemand in der Region mindestens beobachten kann;

b1: Sensitivität der Intensität der LD: der Multiplikator Faktor beschreibt wie leicht der Observator die Diversitätsflächen beobachten kann.

  • die durchschnittliche Größe der Diversitätsflächen ändert sich mit der Änderung des d-coefficient in eine „S“-Kurve, mit den folgenden Parametern:

ln(ILDsize)=b3+b4/(d-coeff)

b3: Größe der Diversitätsflächen: die Konstant Nummer beschreibt wie groß die Diversitätsflächen in der Region sind.

b4: Sensitivität der Größe der Diversitätsflächen: der Multiplikator Faktor beschreibt wie leicht der Observator die unterschiedliche Größe der Diversitätsflächen observieren kann.

Während des Vergleichs der Test- und Kontrollgebiete, bildet sich nur ein sehr geringer Trend zwischen den geographisch analogen Regionen ab:

  • Die Intensivität der LD (b0) wird niedriger sein, wenn man mit den Effekten der Klimaveränderung rechnet. 
  • Die Sensitivität der Intensivität der LD (b1) ändert nicht signifikant, wenn man mit den Effekten der Klimaveränderung rechnet.
  • Die Größe der Diversitätsflächen (b3) wird kleiner sein, wenn man die Effekte der Klimaveränderung beachtet.
  • Die Sensitivität der Größe der Diversitätsflächen (b4) wird sich erweitern, wenn man mit die Effekte der Klimaveränderung beachtet.
  • S1 ist nicht der Maßstab, in dem dieser Vergleich am besten durchgeführt kann.
  • Während des Vergleichs der Test- und Kontrollgebiete erreichte das entwickelte Werkzeug gute und klare Ergebnisse. Mit dem statistischen Vergleich der Gebiete wurde eine sehr farbige und objektive Charakterisierung der LD erreicht. Zudem habe ich eine vergleichende Untersuchung eines Ungarischen und eines Mecklenburg-Vorpommerschen Gebietes vorgenommen.

In dem Ungarischen Test-Gebiet gibt es mehr, aber dafür kleinere Diversitätsflächen. Das Ungarische Gebiet ist sensitiv für die Anzahl der Diversitätsflächen (wenn man ein besserer Observator ist, kann mehr Diversitätsflächen erkennen), das Mecklenburg-Vorpommersche ist sensitiv für die Größe der Flächen (wenn man ein besserer Observator ist, kann man größere Diversitätsflächen erkennen )

 

3. Erforschung der Küstendynamik in Mecklenburg-Vorpommern und Erforschung der Grünflächenumwandlung in Rostock und im Ballungsraum Rostock

Innerhalb meines Stipendiums habe ich an der Erforschung der Küstendynamik in Mecklenburg-Vorpommern gearbeitet. Für diese Aufgabe habe ich Zeitreichene (1990-2000-2010) Grundkarten über die Änderung der Green Surface Intensity (GSI) angefertigt.

Diese Grundkarten sind auch passend für die Messung der Grünflachenveränderung in Rostock und im Ballungsraum Rostock.

Die Ausgrenzung der Beispiel-Gebiete wurde mit Hilfe der Ämter für Raumordnung und Landesplanung vorgenommen.

Das Ergebnis wird eine Prognose-Karte über die Änderung der Küsten-Linie sowie Strukturkarten über die Rostocker Grünflächen. Diese sind nutzbar für:

  • die Planung der Anlagen in der Küsten-Zone
  • die Entwicklung der Infrastruktur in der Küsten-Zone
  • die touristische Infrastruktur (z.B. Radwege, Wanderwege)
  • die Entwicklung der Grünflächen in der Stadtplanung für Rostock

 

4. Weitere Aktivitäten
In diesem Semester habe ich vier Vorlesungen über die Fernerkundungswissenschaften für Landschaftsmodellierung für M.Sc. Studenten in der Fassung des Wahlpflichtmoduls „Landschaftsforschung und Umweltplanung“ gehalten.

Ich habe auch ein innovatives Konzept für den Europäischen Wettbewerb Farming by Satellite entwickelt. Mein NETIN Konzept hat das Ziel die Gefahr eines Sandsturmes in der Nähe der Autobahn mit Global Navigation Satellite System (GNSS) – Technologie zu melden.

 

5. Diskussion

In den vergangenen 4 Monaten habe ich mich in die Arbeit des Fachgebietes integriert. Ich konnte meine eigene Forschung vorantreiben, wurde aber auch in die lokalen Projekte und den Unterricht einbezogen.

Mein Forschungsthema wandelte sich in dieser Zeit etwas ab: statt die lokale Qualität der Landschaftsdiversität (LD) habe ich die territorialen Systeme der LD gemessen. Dazu benutzte ich HR- (Hohe Auflösung) und LR- (Niedrige Auflösung) Fernerkundungsdaten statt VHR –Daten (sehr hohe Auflösung).

Die Entwickelte Methode hat drei große Vorteile:

  • Mit dieser Methode kann man LD in jedem Maßstab (global, regional, lokal) messen, es ist ein universales Werkzeug entwickelt worden.
  •  Der Messungsprozess ist vollständig automatisiert.
  • Die Output LD Parameter beschreiben nicht nur die Quantität der LD, sondern geben auch Informationen darüber, wie die LD angewandt werden kann.

Die Entwicklung des LD-Werkzeugs war erfolgreich, aber die Berechnungsdauer des Programms soll reduziert werden. Die Programm-Outputs sind klar, und sie können logische interpretiert werden. Die gewonnenen LD Parameter haben einen konkreten Wert. Das Programm ist von Vorteil für LD-Kartierung.

Die Klima-LD-Trend Hypothese wurde nicht bestätigt. Das hatte zwei Gründe:

  • Die Testgebiete wurden nicht genug begrenzt, oder die Nummer der Testgebiete von einer analogen Region war zu niedrig. Dieses Problem entspringt der zu langen Laufzeit des Programms.
  • Der Maßstab „S1“ ist nicht adäquat für die Messung dieses Trends, zumal die Test-Ergebnisse auf bessere Ergebnisse in die Maßstabsebene „S2“ verweisen

Weitere Untersuchungen sollen folgen. S2 Testmessungen und ein S1 LV-Karte sollen fertigt gestellt werden. Die S1 LV-Karte soll mit GIS-Indexen verglichen werden (Validation).

Die Grundkarten für die Küstendynamik und Grünflächenanalyse sind bereits fertig. Die Untersuchung in den Ämtern für Raumordnung und Landesplanung läuft fort.
 

6. Veröffentlichungen

In diesen vier Monaten habe ich zwei Veröffentlichungen gemacht. Die erste ist über die Ergebnisse einer vorherigen Forschung, die zweite beschreibt ein Konzept für mein Stipendium Forschungsthema:

  • Fulop Gy., Hargitai P., Takacs K. – Statistic achievements of an IIM case study. Oberpfaffenhofen, 24-26.10.2012. ESA-EUSC-JRC 8th Conference on Image Information Mining. ISBN 978-92-79-26419-1, doi: 10.2788/49465 pp. 74-78.
  • Fulop Gy. – IIM intentions to measure Landscape Diversity. Oberpfaffenhofen, 24-26.10.2012. ESA-EUSC-JRC 8th Conference on Image Information Mining. ISBN 978-92-79-26419-1, doi: 10.2788/49465 pp. 86-90.

 

AZ: 30012/411

Zeitraum

01.10.2012 - 30.09.2013

Land

Ungarn

Institut

Universität Rostock
Agrar- und Umweltwissenschaftliche Fakultät
Fachgebiet für Landschaftsplanung/Landschaftsgestaltung

E-Mail

Mail

Betreuer

Prof. Dr. Holger Behm