PhenoSAR DEMMIN

SAR-basiertes Monitoring landwirtschaftlicher Flächen

Im Projekt PhenoSAR-Demmin wird die Ableitung phänologischer Zeitpunkte und Zeiträume aus fernerkundungsbasierten Zeitreihen gemäß dem aktuellen Stand der Wissenschaft untersucht. Hierbei stehen besonders die Daten der Sentinel-1 Mission im Vordergrund. In den letzten Jahren haben zahlreiche Studien bewiesen, dass diese Daten eine hervorragende Grundlage für das Phänologie-Monitoring darstellen. Insbesondere die Sensitivität des Radars gegenüber physiognomischen Veränderungen der Pflanzen sowie seine im Vergleich zu optischen Systemen größere Unabhängigkeit vom Wetter sind hier von großem Vorteil. In PhenoSAR soll auf Grundlage dieser Erkenntnisse ein Monitoring-Ansatz entwickelt werden, der es ermöglicht einzelne Zeitpunkte aber auch Zeiträume, wie etwa den Übergang von vegetativer zu reproduktiver Phase zu detektieren. Dies geschieht insbesondere mit Hinblick auf die bereits am Standort Demmin laufenden Arbeiten. Hierbei ist im nationalen Rahmen das Projekt AgriSens Demmin 4.0 zu nennen. Die Einbindung des Standortes in die JECAM Initiative dagegen gewährleistet die Zusammenarbeit auf internationaler Ebene und dient als Ausgangsbasis für den anvisierten räumlichen Transfer des Monitoring-Ansatzes. Des Weiteren wird das Projekt eng mit der Data Cube Infrastruktur des Lehrstuhls für Fernerkundung verknüpft, um technische Möglichkeiten zum Transfer und der Skalierbarkeit zu schaffen.

Teilprojektleitung:
Team:
Teilprojektpartner:
  • Lehrstuhl f. Fernerkundung Julius-Maximilian-Universität (JMU), Würzburg

Hintergrund und Ziele:
  • Ableitung phänologischer Zeitpunkte und Zeiträume aus fernerkundungsbasierten Zeitreihen
  • Detektion einzelner Zeitpunkte aber auch Zeiträume, wie etwa den Übergang von vegetativer zu reproduktiver Phase
  • Enge Verknüpfung mit Data Cube Infrastruktur des Lehrstuhls für Fernerkundung (JMU)
 
Methodischer Ansatz:
  • Interferometrische und polarimetrische Zeitserien abgeleitet aus Sentinel-1 Daten
  • Zeitserienanalyse; Ableitung von Wendepunkten und Extremwerten
  • Assimilation agro-meteorologischer Daten

 

Erwartete Ergebnisse:

Das erwartete Ergebnis ist ein Monitoring-Framework zur Erkennung verschiedener Stadien des Pflanzenwachstums und deren Übergang mit Fokus auf verbesserte Übertrag- und Skalierbarkeit.

Publikationen:
1
Mahmood, T., Loew, J., Poehlitz, J., Wenzel, J.L. and Conrad, C. (2024) Estimation of 100 m Root Zone Soil Moisture by Downscaling 1 Km Soil Water Index with Machine Learning and Multiple Geodata. Environmental Monitoring and Assessment, 196, 823. https://doi.org/https://doi.org/10.1007/s10661-024-12969-5.
1
Loew, J., Hill, S., Otte, I., Thiel, M., Ullmann, T. and Conrad, C. (2024) How Phenology Shapes Crop-Specific Sentinel-1 PolSAR Features and InSAR Coherence across Multiple Years and Orbits. Remote Sensing, 16, 2791. https://doi.org/10.3390/rs16152791.
1
Loew, J., Hill, S., Thiel, M., Ullmann, T. and Conrad, C. (2024, June 20) How Does Phenology Shape Crop- And Orbit-Specific InSAR Coherence And PolSAR-Signatures Of Sentinel-1. Manchester, UK.
1
Friedrich, C., Loew, J., Otte, I., Hill, S., Schierghofer, C., Gessner, U., Truckenbrodt, S., Schonert, E., Piernecke, T., Conrad, C. and Thiel, M. (2024, March 21) DataCube Architecture for Integrating, Processing and Presenting Big Geodata to End Users. Berlin.
1
Loew, J., Hill, S., Thiel, M., Ullmann, T. and Conrad, C. (2024) Tracking Crop Phenology across Different Sentinel-1 Orbits by Combining PolSAR Features with Growing Degree Data. Remagen.
1
Loew, J., Hill, S., Thiel, M., Ullmann, T. and Conrad, C. (2024, March 15) Tracking Crop Phenology across Different Sentinel-1 Orbits by Combining PolSAR Features with Growing Degree Data. Remagen.
1
Friedrich, C., Loew, J., Otte, I., Hill, S., Förtsch, S., Schwalb-Willmann, J., Gessner, U., Schierghofer, C., Piernecke, T., Truckenbrodt, S., Schonert, E., Assmann, D., Böttcher, F., Conrad, C. and Thiel, M. (2024, February 28) A Multi-Talented Datacube: Integrating, Processing and Presenting Big Geodata for the agricultural End User. Stuttgart-Hohenheim.
1
Friedrich, C., Loew, J., Otte, I., Hill, S., Förtsch, S., Schwalb-Willmann, J., Gessner, U., Schierghofer, C., Piernecke, T., Truckenbrodt, S., Schonert, E., Assmann, D., Böttcher, F., Conrad, C. and Thiel, M. (2024) A Multi-Talented Datacube: Integrating, Processing and Presenting Big Geodata for the agricultural End User. Informatik in Der Land-, Forstund: Biodiversität Fördern Durch Digitale Landwirtschaft, Stuttgart-Hohenheim.
1
Lobert, F., Loew, J., Schwieder, M., Gocht, A., Schlund, M., Hostert, P. and Erasmi, S. (2023) A Deep Learning Approach for Deriving Winter Wheat Phenology from Optical and SAR Time Series at Field Level. Remote Sensing of Environment, 298, 113800. https://doi.org/10.1016/j.rse.2023.113800.
1
Lobert, F., Loew, J., Schwieder, M., Gocht, A., Schlund, M., Hosert, P. and Erasmi, S. (2023) Deriving Winter Wheat Phenology From Combined Optical And SAR Time Series With Deep Learning. The 42nd EARSeL Symposium, Bucharest.
1
Loew, J., Hill, S., Ullmann, T. and Conrad, C. (2022) Assessing the Applicability of Interferometric and Polarimetric Time Series Derived from Sentinel-1 for Tracking Phenological Developments of Crops at the JECAM Site DEMMIN (Germany). Arbeitskreis Fernerkundung, Halle (Saale).
1
Loew, J., Hill, S., Ullmann, T. and Conrad, C. (2022) Tracking the Phenological Developments of Crops by a Complementary Set of Interferometric and Polarimetric Time Series Derived from Sentinel-1 at the JECAM Site DEMMIN (Germany). ESA Living Planet Symposium, Bonn.
1
Loew, J., Ullmann, T. and Conrad, C. (2021) The Impact of Phenological Developments on Interferometric and Polarimetric Crop Signatures Derived from Sentinel-1: Examples from the DEMMIN Study Site (Germany). Remote Sensing, 13, 2951. https://doi.org/10.3390/rs13152951.
Abschlussarbeiten:

News

Demmin, Mecklenburg-Vorpommern
2020-2023
DLR
Forschung