C02: Bäume im rural-urbanen Übergangsraum von Bengaluru: Verteilung, Funktionen, Bedeutung und Relevanz

Bäume als Landschaftsstrukturelement übernehmen wichtige Funktionen im ländlichen wie im städtischen Bereich. C02 wird in zwei Bereichen arbeiten, die sich aus Ergebnissen und Erkenntnissen von Phase I ergeben: der Sach-Fokus liegt auf Bäumen und deren räumlicher Verteilung und Funktionen, der Methoden-Fokus liegt auf der der Modellierung des grünen Kronenvolumens und der Verbesserung der fernerkundungsbasierten Klassifizierung von “urban”.

Wir werden weitere voll kartierte Probeflächen einmessen und einen Teil der Probeflächen für Veränderungsanalysen erneut aufnehmen. Wir werden Modelle für die Erfassung des grünen Kronenvolumens entwickeln, basierend auf den Feldaufnahmen, terrestrischen Laserscans und Oberflächenmodellen aus den World-View3 (WV3) Bildern: Unsere Hypothese ist, dass diese neue Variable einige Baumfunktionen (z.B. Habitatqualität) besser erklärt als die einfache Kronenprojektionsfläche. Hier werden wir u.a. mit B01 kooperieren. Zusammen mit unseren indischen Partnern in I-C02 werden wir Beziehungen zwischen Baumvariablen und spektraler Reflektanz, Luftqualität und Baum-vitalität analysieren. Weiterhin werden, zusammen mit FOR2432 Projekten, wir Beziehungen zwischen Baumvariablen und Biodiversitäts- und sozio-ökonomischen Variablen auswerten.

Wir werden weitere hochauflösende WV3 Bilder beschaffen, prozessieren und analysieren sowohl für Transekt-weite Baum-Modellierungen wie auch für die Regionalisierung von FOR2432 Ergebnissen im Allgemeinen, wobei “Regionalisierung” sich auf die Transekte und auf die gesamte Bengaluru Metropolitan Area bezieht; für Letzteres werden wir freie Landsat-8 und Sentinel-2 Bilder nutzen. Wir werden neue Klassifizierungsansätze des Machine-Learning (“Deep Learning”) anwenden, um in den hochauflösenden WV3 Bildern Bäume und Baumarten(-gruppen) und versiegelte Flächen zu identifizieren. Letzteres ist erforderlich, da wir ein transparentes Klassifizierungssystem für “Urbanität” entwickeln möchten, basierend auf dem Anteil von „built-up“.

Als Teil der FOR2432-Datenmanagementstrategie, werden wir weiterhin das FOR2432 WebGIS pflegen und aktualisieren, welches die FOR2432 Geodaten enthält.

Prof. Dr. C. Kleinn
Dr. N. Nölke
Waldinventur und Fernerkundung
Universität Göttingen

Zihui Zhu
Doktorandin

Indisches Partner-Projekt:
Spatio-temporal land use patterns and the relationship between green areas and biophysical and socio-economic features
B.N. Diwakara, Institute of Wood Science and Technology, Bangalore
V.P. Tewari, Himalayan Forest Research Institute, Shimla
R.R. Nidamanuri, Indian Institute of Space Science and Technology, Trivandrum

Erfassung und Analyse der Landnutzung und ihrer Änderungen am Übergang zwischen städtischen und ländlichen Regionen

Grünflächen spielen eine wichtige Rolle in städtischen Gebieten und deren Umgebung und stellen die wesentliche Landbedeckungsform in ländlichen Bereichen dar. Abhängig von ihrer Lage am Übergang zwischen städtischen und ländlichen Gebieten haben Grünflächen unterschiedliche Nutzungen und Funktionen – und man kann erwarten, dass die Verteilungmuster von Grünflächen einen Zusammenhang mit sozialen und ökonomischen Variablen aufweisen. Projekt C02 möchte zur Beschreibung und Klärung dieser Zusammenhänge beitragen. Als eine Voraussetzung für diese Analyse werden Indices untersucht, die den Grad der Urbanisierung beschreiben, um zu prüfen, wie der Faktor „Grünflächmuster“ in diese Indices integriert werden kann. Fernerkundungs-Bilder unterschiedlicher Auflösung werden verwendet um Grünflächenmuster im Großraum Bangalore zu erfassen und zu analysieren (Landsat und RapidEye) und um ihre biophysikalischen und Nutzungseigenschaften zu erfassen (WorldView 3, in ausgewählten Transekten). Die aufwendige Vorprozessierung und die Klassifizierung der Bilder werden ebenso wie die Validierungs-Beobachtungen am Boden in enger Abstimmung und Kooperation mit den indischen Kooperationspartner durchgeführt. Daten zu sozialen und ökonomischen Variablen verschiedener Standviertel werden aus öffentlichen Quellen abgeleitet, unter anderem von der Bangalore Development Authority. Eine Bildsegmentierung wird Stadtteile unterschied-licher Grünflächenmuster produzieren, was dann als Basis für die Untersuchung der Zusammenhänge mit sozialen und ökonomischen Variablen dient. Eine Landsat-basierte Zeitreihe wird erstellt und analysiert, unter anderem um die Hypothese zu untersuchen, ob die Dynamik der räumlichen Grünflächenmuster einem ähnlichen Trend im Raum sowie in der Zeit folgt. Es wird getestet, inwieweit man mit einer Sub-Pixel-Analyse diese Zeitreihen spezifischer machen kann, indem an aktuellen Landsatbildern mit Hilfe hochauflösender Bildquellen ein sogenanntes „spectral unmixing“ für Grünflächen durchgeführt wird. Zusätzlich baut C02, als Prototyp für die Forschergruppe, ein WebGIS auf, in welchem die räumlichen Daten von C02 visualisiert werden können, was die Identifikation von thematischen Berührungspunkten und damit die Zusammearbeit zwischen den Projekten fördert.