Advertisement

Einsatz von Fernerkundungsdaten zur Ableitung aktueller Land- und Waldflächen zur Unterstützung der Berechnung von SDG-Indikatoren

  • Patrick KnöfelEmail author
  • Gopika Suresh
  • Christian Schweitzer
  • Michael Hovenbitzer
Chapter

Zusammenfassung

Ziel der am 25. September 2015 verabschiedeten Agenda 2030 ist es, die globale Entwicklung sozial, ökologisch und wirtschaftlich nachhaltig zu gestalten. In der aktuellen überarbeiteten „Deutschen Nachhaltigkeitsstrategie – Neuauflage 2016“ bekennt sich die Bundesregierung auch national zur Agenda 2030. Die damit verbundenen Erwartungen und Anforderungen an die vereinbarten 17 Nachhaltigkeitsziele werden die zukünftige internationale Zusammenarbeit maßgeblich prägen. Eine transparente und nachvollziehbare Ausgestaltung eines Mechanismus zum systematischen Monitoring ist daher erforderlich. Neben den derzeit verwendeten statistischen Informationen wird vermehrt über den Einsatz von raumbezogenen Daten diskutiert, um ein effektives Monitoring der SDGs zu gewährleisten. Am Bundesamt für Kartographie und Geodäsie (BKG) wird derzeit ein Ansatz entwickelt, um aktuelle und konsistente Informationen zu Landbedeckungsänderungen mithilfe von freien Copernicus-Satellitendaten abzuleiten. Diese sollen zur Aktualisierung und Fortführung von BKG-Produkten verwendet werden, wie beispielsweise des digitalen Landbedeckungsmodells für Deutschland, „LBM-DE“, welches gleichzeitig auch die Datenbasis des derzeit im Aufbau befindlichen Landschaftsveränderungsdienstes (Laverdi) bildet. Man wäre somit in der Lage, auch zwischen den LBM-DE-Produktionsjahren annähernd kontinuierlich Informationen über die aktuelle Landbedeckung und deren Veränderungen zu erhalten. Die somit theoretisch zu beliebigen Stichtagen verfügbaren, regelmäßig und standardisiert abgeleiteten und statistisch relevanten Geoinformationen können zur quantitativen Beschreibung von ausgewählten UN-SDG-Indikatoren genutzt werden. Neben dem Mehrwert, die die Satellitenfernerkundung hinsichtlich Aktualität und Transparenz der abgeleiteten Indikatoren liefert, ist die skalierbare und dynamische regionale Anpassung der Darstellungsebenen zur besseren Visualisierung hervorzuheben. Am Beispiel des Indikators 15.1.1., „Forest area as a percentage of total land area“, wird gezeigt, welchen Beitrag Datensätze aus der Satellitenfernerkundung zum Monitoring von SDG-Indikatoren leisten können. Bei der Berechnung wird auf freie Copernicus-Satellitendaten zurückgegriffen. Die Waldfläche wird mithilfe von Sentinel-2-Fernerkundungsdaten ermittelt, während für die Landfläche Radarinformationen von Sentinel-1 verarbeitet werden. Durch die hohe zeitliche Auflösung der Sentinel-Satelliten ist ein kontinuierliches sowie globales Monitoring des SDG-Indikators gewährleistet. Die entwickelte Methodik wird in didaktisch aufbereiteter Form durch Online-Ressourcen zugänglich gemacht.

Schlüsselwörter

Klassifikation Waldfläche Fernerkundung Random Forest Landbedeckungsänderungen 

Literatur

  1. Breiman L (2001) Random Forests. Mach Learn 45(1):5–32CrossRefGoogle Scholar
  2. Breiman L, Friedman J, Olshen R, Stone C (1984) Classification and regression trees. Chapman & Hall, LondonGoogle Scholar
  3. CEOS (2018) Satellite earth observations in support of the sustainable development goals: the CEOS earth observation handbook. Special 2018 Edition. ESA, S 114 http://eohandbook.com/sdg/. Zugegriffen: 28. März 2018
  4. Congalton R, Green K (2008) Assessing the accuracy of remotely sensed data: principles and practices, 2. Aufl. CRC, Boca RatonCrossRefGoogle Scholar
  5. Cortes C, Vapnik V (1995) Support-Vector networks. Mach Learn 20(3):273–297Google Scholar
  6. Destatis (2017) Statistisches Jahrbuch 2017: Fläche und Bevölkerung 2015, Tabelle 1.2 Bodenfläche insgesamt. Statistisches Bundesamt. https://www.destatis.de/DE/Publikationen/StatistischesJahrbuch/StatistischesJahrbuch.html. Zugegriffen:15. Apr. 2018
  7. European Environment Agency (2007) CLC2006 technical guidelines. EEA Technical report No. 17/2007. https://www.eea.europa.eu/publications/technical_report_2007_17. Zugegriffen: 2. Febr. 2018
  8. GEO (2016) GEO 2017 – 2019 Work programme. https://www.earthobservations.org/documents/work_programme/geo_2017_19_Work_Programme.pdf. Zugegriffen: 2. Febr. 2018
  9. GEO (2017) Earth observations in service of the 2030 agenda for sustainable development. https://www.earthobservations.org/activity.php?id=52. Zugegriffen: 15. März 2018
  10. Hovenbitzer M, Emig F, Happe K, Wende C (2015) Das neue Landbedeckungs-modell Deutschlands LBM-DE. In: Gotthard M, Ulrich S, Martin B, Tobias K (Hrsg) Flächennutzungsmonitoring VII. Boden – Flächenmanagment – Analysen und Szenarien (IÖR-Schriften; 67). Rhombos-Verlag, Berlin, S 145–154Google Scholar
  11. Jones H, Vaughan R (2010) Remote sensing of vegetation: principles, techniques, and applications. Oxford University Press, New YorkGoogle Scholar
  12. Lu D, Weng Q (2007) A survey of image classification methods and techniques for improving classification performance. Int J Remote Sens 28(5):823–870CrossRefGoogle Scholar
  13. Thünen-Institut (2018) Dritte Bundeswaldinventur – Ergebnisdatenbank, https://bwi.info. Zugegriffen: 15. März 2018
  14. Schuster C, Förster M, Kleinschmit B (2012) Testing the Red Edge Channel for Improving Landuse Classifications Based on High-Resolution Multi-Spectral Satellite Data. Int J Remote Sens 33(17):5583–5599CrossRefGoogle Scholar
  15. United Nations (2015). United Nations platform for space-based information for disaster management and emergency response: proposed workplan for the biennium 2016–2017. http://www.un-spider.org/sites/default/files/AC105_1093E.pdf. Zugegriffen: 5. Apr. 2018

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  • Patrick Knöfel
    • 1
    Email author
  • Gopika Suresh
    • 1
  • Christian Schweitzer
    • 2
  • Michael Hovenbitzer
    • 1
  1. 1.Bundesamt für Kartographie und GeodäsieFrankfurt am MainDeutschland
  2. 2.UmweltbundesamtDessau-RoßlauDeutschland

Personalised recommendations