@incollection{LueckBalderjahnKammetal.2000, author = {L{\"u}ck, Erika and Balderjahn, Ingo and Kamm, Birgit and Greil, Holle and Wallschl{\"a}ger, Hans-Dieter and Jessel, Beate and B{\"o}ckmann, Christine and Oberh{\"a}nsli, Roland and Soyez, Konrad and Schmeer, Ernst and Blumenstein, Oswald and Berndt, Klaus-Peter and Edeling, Thomas and Friedrich, Sabine and Kaden, Klaus and Scheller, Frieder W. and Petersen, Hans-Georg and Asche, Hartmut and Bronstert, Axel and Giest, Hartmut and Gaedke, Ursula and L{\"o}hmannsr{\"o}ben, Hans-Gerd and Jeltsch, Florian and J{\"a}nkel, Ralph and Gzik, Axel and Bork, Hans-Rudolf and Bork, Hans-Rudolf}, title = {Umweltforschung f{\"u}r das Land Brandenburg : Arbeitsgruppen und Professuren}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-3797}, publisher = {Universit{\"a}t Potsdam}, year = {2000}, language = {de} } @book{KadenItzerottZebischetal.1999, author = {Kaden, Klaus and Itzerott, Sibylle and Zebisch, Marc and Fritsch, Uta}, title = {R{\"a}umliche Unterschiede im Wassertransfer (Boden - Pflanze - Atmosph{\"a}re) in Niederungen des mitteleurop{\"a}ischen Binnentieflandes}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-53037}, publisher = {Universit{\"a}t Potsdam}, year = {1999}, language = {de} } @inproceedings{ItzerottKaden2006, author = {Itzerott, Sibylle and Kaden, Klaus}, title = {Zur G{\"u}te der automatisierten Erkennung von Ackerkulturen in Abh{\"a}ngigkeit vom Bodenmuster : Projektergebnisse und weiterf{\"u}hrende Ans{\"a}tze}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-7031}, year = {2006}, abstract = {Problemstellung • Geo{\"o}kologische Prozessforschung versucht f{\"u}r große Landschaftsausschnitte, die in der Natur ablaufenden und vom Menschen beeinflussten Prozesse mit Hilfe von Modellen nachzuvollziehen • exakte Erfassung der Ausstattung des Untersuchungsraumes ist wesentliche Voraussetzung f{\"u}r eine wirklichkeitsnahe Abbildung • Modelle derzeit weder in der Lage, alle ablaufenden Prozesse in die Betrachtung einzubeziehen, noch pr{\"a}zise Eingangsdaten bei der Beschreibung des Ausgangszustandes zu verarbeiten • h{\"a}ufig liegen Modelleingangsdaten nicht in der notwendigen Pr{\"a}zision vor • In Modellen wird Ausstattung eines Untersuchungsgebietes {\"u}ber den Boden, den Grundwassereinfluss und die Fl{\"a}chennutzung beschrieben • Fl{\"a}chennutzung besitzt weitgehend statische Elemente (Nutzungstypen Wald, Gew{\"a}sser, Siedlung) und hochdynamische Elemente (j{\"a}hrlicher Wechsel der Fruchtart auf jedem Acker) • Bedarf nach detaillierter (lage- und zeitkonkreter) Eingabe der Verteilung der Ackerfr{\"u}chte im Modellzeitraum, da Landwirtschaft als eine der bedeutenden Quellen f{\"u}r diffusen N{\"a}hrstoffeintrag ins {\"O}kosystem angesehen wird Stand der Forschung • bei Erfassung von Kulturen der Landwirtschaft aus Fernerkundungsdaten hat sich multitemporale Klassifizierung als sinnvoll erwiesen, weil sich anhand einer Einzelaufnahme die verschiedenen Kulturen nicht sicher trennen lassen • Klassifizierung erfolgt mit {\"u}berwachten Methoden unter Verwendung von Trainingsfl{\"a}chen im Datensatz, von denen die dort angebaute Frucht bekannt ist • in die Klassifizierung werden zus{\"a}tzliche Informationen einbezogen (Fuzzy), die Auskunft {\"u}ber die Wahrscheinlichkeit des Auftretens der Frucht geben (Anbaueignung in Abh{\"a}ngigkeit von Hangneigung, Niederschlag, H{\"o}henlage, Boden) Die Ergebnisse dieser Klassifikationen sind meist nicht auf andere Landschaftsausschnitte und Anbaujahre {\"u}bertragbar, weil die Auspr{\"a}gung der Spektralsignatur einer Kultur durch ver{\"a}nderte Boden- und Witterungsbedingungen variiert. L{\"o}sungsansatz • auf Basis von Satellitendaten und Anbauinformationen aus 15 aufeinander folgenden Jahren (35 Aufnahmetermine) sollten von Witterung und Boden unabh{\"a}ngige Jahreskurven der spektralen Charakteristik wichtiger Ackerkulturen gewonnen werden, die den Wachstumsverlauf der Pflanzen beschreiben • diese Kurven sollen anstelle von Trainingsgebieten zur multitemporalen Klassifizierung von Daten eines Anbaujahres herangezogen werden Schlussfolgerungen und Ausblick • Prinzipiell erscheint Vorgehen erfolgreich, jedoch in Abh{\"a}ngigkeit von der Brauchbarkeit der herangezogenen Szenen schwankt G{\"u}te des Ergebnisses noch • Verfahren stellt wesentlichen Fortschritt zu bisherigem Vorgehen auf Trainingsfl{\"a}chenbasis dar • ist zumindest im Untersuchungsgebiet immer wieder ohne weitere Kenntnis von Anbauinformationen anwendbar, lediglich exakte ph{\"a}nologische Datierung der dann verwendeten Aufnahmen erforderlich • f{\"u}r andere Gebiete (Variation in Niederschlag und Boden) ist Anpassung der ph{\"a}nologischen Datierung der Kurven erforderlich (Form ist weiter verwendbar) • optimale Bildkombination zur Trennung aller Kulturen ist: Anfang/Mitte April - Mitte Mai - Anfang Juli - Mitte August - Mitte September • Kombination sollte bei verbesserter Verf{\"u}gbarkeit von Daten beschaffbar sein • problematisch scheinen Trockensituationen im Mai und Juni zu sein, so dass zu schnell reifende Wintergetreide nicht richtig erkannt werden, Bedarf Bodeninformationen einzubeziehen • Trennung von Hackfr{\"u}chten weiterhin problematisch (wie schon in bisherigen Verfahren), f{\"u}hrt zu {\"u}berm{\"a}ßigen Anteilen im Ergebnis, in Abh{\"a}ngigkeit vom Anbauanteil besser vernachl{\"a}ssigen • Einbeziehung von Fuzzyinformationen erscheint sinnvoll • Zusammenhang von Bodeng{\"u}te und Frucht (Anbaueignung eines Bodens f{\"u}r eine Frucht) • Wasserverf{\"u}gbarkeit am Standort (in Abh{\"a}ngigkeit von Speicherverm{\"o}gen des Bodens, Grundwasseranschluss und Niederschlag) • Summe der Niederschl{\"a}ge bis zum Aufnahmezeitpunkt (Trockenheitsindex)