Forschung

Unsere Forschungsschwerpunkte liegen auf der Kombination von Fernerkundungsdaten und Modellierungsverfahren zur Erfassung landschaftsökologischer Muster und Prozesse, sowie auf die dafür notwendigen Weiterentwicklungen in der Methodik. Konkret umfasst dies die folgenden zwei Kernbereiche:

  • Angewandte multi-skalige Fernerkundung von Landschaften zur Ableitung eigenständiger atmosphärischer und ökosystemarer Umweltdatensätze sowie als Grundlage für die Analyse ökosystemarer Parameter und Prozesse.
  • Entwicklung von Methoden im Kontext räumlicher und raum-zeitlicher maschineller Modellierungsstrategien in der Fernerkundung als Basis für die disziplinenübergreifende Anwendung auf landschaftsökologische Fragestellungen.

Laufende Forschungsprojekte

 

 

  • Logo des Projekts Carbon4D
    © Hanna Meyer

    Carbon4D

    Carbon-4D: A landscape-scale model of soil organic carbon mineralization in space, depth, and time

    Die Mineralisation von organischem Bodenkohlenstoff (SOC) ist eine Schlüsselkomponente des globalen Kohlenstoffkreislaufs. Muster der SOC-Mineralisation in Raum, Zeit und Tiefe (4D) sind auf der Landschaftsskala jedoch noch unzulänglich verstanden. Dies liegt insbesondere daran, dass SOC-Mineralisationsraten durch das Zusammenwirken verschiedener Steuergrößen, Mechanismen und nichtlinearer Interaktionen reguliert werden. Diese Komplexität ist jenseits des menschlichen Auffassungsvermögens. Ziel von "Carbon4D" ist die Entwicklung eines datengetriebenen 4D Modells der SOC-Mineralisation auf der Landschaftsskala, unter Berücksichtigung hochkomplexer und nichtlinearer Zusammenhänge. Um dieses Ziel zu erreichen, werden Messungen der SOC-Mineralisation und wesentlicher Steuergrößen (Kohlenstoffvorräte, Bodenfeuchte und Temperatur) mit Multi-Sensor Fernerkundungsdaten und Wetter- und Bodendaten in einem maschinellen Lernansatz kombiniert. Basierend auf den erlernten Zusammenhängen werden 4D-Vorhersagen für eine typische Mittelgebirgslandschaft in Deutschland getroffen, die als Testgebiet für Carbon4D dient. Auf Grundlage der 4D-Modelldaten wird eine detaillierte Analyse der zeitlichen, räumlichen und vertikalen Muster der SOC-Mineralisation durchgeführt. Carbon4D liefert somit den ersten Ansatz für ein Echtzeit-Monitoring von SOC-Mineralisationsraten und CO2-Emissionen in allen 4 Dimensionen, auf dessen Grundlage neue Erkenntnisse über Muster und Steuergrößen gewonnen werden können.

    Projektleitung: Hanna Meyer, Nele Meyer (Uni Bayreuth)
    Team@ILÖK: Maiken Baumberger, Hanna Meyer
    Finanzierung: DFG
    Laufzeit: 2021 - 2024

  • © Hanna Meyer

    Uebersat

    Raum-zeitliche Übertragbarkeit satellitenbasierter KI-Modelle

    Methoden der KI werden zunehmend im Kontext der satellitenbasierten Erdbeobachtung eingesetzt um raum-zeitliche Umweltinformationen zu generieren, beispielsweise im Kontext des Monitorings von Landnutzung, Biodiversitätsmustern oder Klimaveränderungen. Dabei werden KI-Modelle in der Regel auf Basis von lokalen Mess-/Aufnahmepunkten trainiert, um anschließend Vorhersagen für einen größeren Raum und/oder einen neuen Zeitpunkt zu machen für den keine Referenzdaten zur Verfügung stehen.
    Die Übertragbarkeit der Modelle auf neuen Raum und/oder neue Zeitpunkte wird allerdings in aktuellen KI-Anwendungen kaum hinterfragt und Modelle werden weit über die geographische Position der Trainingsorte hinaus angewandt. Insbesondere in heterogenen Landschaften kann sich der neue geographische Raum jedoch erheblich in seinen Umwelteigenschaften von den Trainingsdaten unterscheiden. Das ist problematisch, da maschinelle Lernverfahren zwar sehr komplexe Zusammenhänge abbilden können, allerdings nicht in der Lage sind zu extrapolieren. Vorhersagen auf neue Räume und/oder Zeitpunkte die sich in ihren Eigenschaften von den Trainingsdaten abheben sind daher als sehr unsicher zu bewerten, und die Erfassung des Geltungsbereichs der Modelle somit unabdingbar.
    Das vorliegende Vorhaben zielt darauf ab neue Methoden zur Analyse und Verbesserung der Übertragbarkeit von satellitenbasierten KI-Modellen in Raum und Zeit zu entwickeln und diese Anwendern verfügbar zu machen. Die neuen Methoden sollen somit eine deutliche Qualitätssteigerung von erdbeobachtungsbasierten Informationsprodukten durch den Einsatz innovativer KI-Verfahren liefern und sich in existierende und geplante Cloud-basierte Prozessierungsketten integrieren lassen, um datengetriebene Anwendungen zu optimieren und zuverlässigere Monitoringergebnisse zu liefern.

    Projektleitung: Hanna Meyer, Edzer Pebesma (IfGI) [en]
    Team@GEOI: Marvin Ludwig, Jonathan Bahlmann, Hanna Meyer, Edzer Pebesma
    Finanzierung: BMWi
    Laufzeit: 2021 - 2023

  • Drohnenaufnahme von einem Moor
    © Jan Lehmann

    ReVersal

    Renaturierung von Mooren der nemoralen Zone unter Bedingungen variabler Wasserverfügbarkeit und -qualität

    Projektleitung: Teilprojekt Fernerkundung: Jan Lehmann, Hanna Meyer
    Team@ILÖK: Laura Giese, Jan Lehmann, Hanna Meyer
    Finanzierung: DFG - BiodivERsA (ERA-Net Cofunds)
    Laufzeit: 2022 - 2025

  • Logo des Projekts Geo1Copter
    © Geo1Copter

    Geo1Copter

    Geo1Copter - Einsatz unbemannter Luftfahrzeuge (UAS) für die hochauflösende Fernerkundung in der Landschaftsökologie

    Unbemannte Luftfahrtsysteme (UAS) bieten als hochflexible und kostengünstige Sensorplattform neue Möglichkeiten der Datenerfassung für verschiedene umwelt- und geowissenschaftliche Zwecke (z. B. Umweltüberwachung, Forstwirtschaft, Geobasisdaten usw.). Ihre räumliche und zeitliche Vielseitigkeit aufgrund der geringen Größe, des geringen Gewichts und der geringen Betriebskosten machen diese Flugplattformen auch zu einem attraktiven Instrument für Monitoring- und Beobachtungszwecke.

    Projektleitung: Jan Lehmann
    Team@ILÖK: Jan Lehmann, Hanna Meyer , Henning Schneidereit
    Laufzeit: laufend
    Mehr Informationen: Zur Projektseite [en]

  • Abbildung einer satellitenbasierten Beobachtung
    © Maite Lezama

    Antarctica

    Antarctic Science Platform

    Projektleitung:
    Antarctica New Zealand
    Team@ILÖK: Maite Lezama Valdes, Hanna Meyer (Internationale Partner der Teilprojekte „Ecological connectivity across scales“ und „Meteorology, Climatology and Aeolian transport")
    Laufzeit: 2019 - 2025
    Mehr Informationen: Zur Projektseite [en]

  • © Hanna Meyer und Natur 4.0

    Natur 4.0

    LOEWE-Schwerpunkt Natur 4.0
    Naturschutzmonitoring durch vernetzte Sensorik als Grundlage für einen nachhaltigen Artenschutz und die Sicherung von Ökosystemfunktionen.

    Naturschutzstrategien erfordern die Beobachtung und Bewertung von Landschaft. Expertenerhebungen müssen hier Kompromisse zwischen Detailgrad, räumlicher Abdeckung und zeitlicher Wiederholung eingehen, die auch durch Rückgriff auf flugzeug- oder satellitengestützte Fernerkundungsansätze nur bedingt aufgelöst werden. Dies schränkt differenzierte naturschutzfachliche Planungs- und Reaktionsmöglichkeiten ein.
    Ziel des LOEWE-Schwerpunkts Natur 4.0 ist die Entwicklung eines Prototyps von Natur 4.0, einem modularen Umweltmonitoringsystem zur hoch aufgelösten Beobachtung von naturschutzrelevanten Arten, Lebensräumen und Prozessen. Natur 4.0 basiert auf der Kombination von naturschutzfachlichen Expertenaufnahmen und vernetzten Fernerkundungs- und Umweltsensoren, die an ferngesteuerten Fluggeräten, fahrenden Robotern und Tieren angebracht sowie in bildungswissenschaftlichen Projekten eingesetzt werden. Zusammen mit leistungsfähigen Datenintegrations- und Datenanalysemethoden ermöglicht Natur 4.0 die differenzierte und effektive Beobachtung von Landschaft. Die erfassten Zeitreihen dienen zudem der Entwicklung von Frühwarnindikatoren. Natur 4.0 geht damit einen neuen Weg im Bereich der flächendeckenden Umweltbeobachtung. Es verdichtet die in situ Untersuchungen von Experten und nutzt die nicht-reguläre Datenerhebung mit mobilen Plattformen zur Modellierung naturschutzfachlicher Informationen in Form von regulären, kleinräumig differenzierten Rasterkarten.

    Projektleitung: Uni Marburg
    Finanzierung: LOEWE
    Team@ILÖK: Hanna Meyer (assoziierte Partnerin und Co-Antragssteller des Teilprojekts “Fernerkundung und räumliche Vorhersage”)
    Laufzeit: 2019 - 2022
    Mehr Informationen: Zur Projektseite