PhenoS - Phänologische Strukturierung von zeitlich hochauflösenden Sentinel-2 Datensätzen zur Optimierung von Landnutzungsklassifikationen

Das TP verfolgt 3 Ziele einer operationellen Detektion optimaler phänologischer Zeitfenster für eine Kosten- und recheneffiziente LN-Klassifikation (Feldfrüchte, Grünland) von Sentinel 2-Datensätzen: Die Prognosegüte des phänologischen Modells PHASE wird verbessert. Nachfolgend werden aus spezifischen phänologischen Phasen optimierte, temporale Sentinel 2-Daten und spektrale Sentinel 2-Charakteristika, besonders im "red edge"-Bereich kombiniert. Die Integration der Ergebnisse erfolgt in einem webbasierten System zur räumlichen und zeitlichen Prognose fruchtartenspezifischer phänologischer Phasen und interaktiven Auswahl phänologisch optimierter Aufnahmezeitpunkte. Für die Entwicklung von PHASE werden verschiedene freiverfügbare DHM vergleichend getestet, alternative Methoden zur flächenhaften Ableitung von Tagestemperaturen und weitere Variablen für die räumliche Prognose phänologischer Phasen integriert. Die spektralen Informationen des Sentinel werden systematisch vergleichend mit MODIS, RapidEye und hyperspektralen Flugzeugdaten untersucht, bewertet und über adaptierte Maße und Sentinel 2-spezifische Indizes des "red edge" in die phänologisch bestimmten LN-Klassifikationen eingebunden. Das frei nutzbare Webinterface PhenoS erfordert den Aufbau eines Ontologie-basierten Informationssystems für alle Daten. Es werden neue IT-Lösungen (OGC, ISO) entwickelt, die eine interoperable Nutzung und Präsentation aller projektrelevanten Daten und phänologischen Prognosen erlauben.Die systematische Untersuchung und Validierung der Sentinel 2-Daten in Relation zu anderen FED für die
LN_Klassifikation liefert geprüfte und belastbare Ergebnisse für eine deutschlandweite Anwendung. Hier sind
vor allem die sichere Ausweisung von Energiepflanzen, Brachflächen und Grünlanddifferenzierungen zu nennen.
Die Integration phänologischer Daten und Modelle sowie die deutschlandweite Regionalisierung der
Phänologie führt zu einer regional spezifischen Auswahl von FED zur verbesserten Berücksichtigung von
Naturraum und Variabilitäten meteorologischer Parameter und ist für viele andere Fragestellungen im Rahmen
von GMES Services relevant. Der Forschungsansatz ist in einem höheren Skalenniveau grundsätzlich auf
Sentinel 3-Daten übertragbar. Die Bereitstellung und Nutzung der Modelle und Algorithmen über ein
Webinterface und mit opensource Software ermöglicht einem breiten globalen Anwenderkreis aus
Wissenschaft, Wirtschaft und Verwaltung den direkten und freien Zugriff.