Möglichkeiten zur Beschaffung von Sentinel-Daten für Biomasseabschätzung

Verständnis der oberirdischen Biomasse: Ihre Bedeutung und die Rolle von Satellitendaten

Was ist oberirdische Biomasse?

Als oberirdische Biomasse (Above ground biomass - AGB) bezeichnet man das gesamte lebende Pflanzenmaterial oberhalb der Bodenoberfläche, einschließlich Bäume, Sträucher und Gräser. Diese Biomasse ist ein wichtiger Bestandteil von Waldökosystemen und entscheidend für das Verständnis der allgemeinen Gesundheit, Produktivität und des Kohlenstoffspeicherpotenzials dieser Ökosysteme.

Warum ist die Messung der oberirdischen Biomasse für Tree.ly so wichtig?

Wälder spielen eine wichtige Rolle im globalen Kohlenstoffkreislauf, indem sie Kohlendioxid (CO₂) aus der Atmosphäre absorbieren und in ihrer Biomasse speichern. Weltweit ist die oberirdische Biomasse die zweitgrößte Kohlenstoffsenke (neben dem Ozean) und trägt somit wesentlich zur Abschwächung des Klimawandels bei. Bei Tree.ly wird diese Kennzahl zur Berechnung des Kohlenstoffspeicherpotenzials eines Waldes und zur Überwachung der jährlichen Veränderungen der Biomasse verwendet.

Wie wird die oberirdische Biomasse berechnet?

Traditionell wird die oberirdische Biomasse durch Methoden im Feld geschätzt, wie z.B. Waldinventuren, auf denen Baumdurchmesser, -höhe und -arten aufgenommen werden. Die Daten werden dann in allometrischen Gleichungen zur Schätzung der Biomasse verwendet. Diese Methoden sind jedoch arbeitsintensiv, zeitaufwändig und haben nur eine begrenzte räumliche Abdeckung, was dazu führt, dass die Daten in der Regel nur alle 5 bis 10 Jahre verfügbar sind.

Modelle auf der Grundlage von Airborne Laserscanning (ALS) sind eine weitere weit verbreitete Methode zur Schätzung der oberirdischen Biomasse und bieten eine höhere Genauigkeit als herkömmliche Feldmethoden. ALS-Daten sind häufig öffentlich zugänglich, da die Sammlung landesweiter Datensätze normalerweise von staatlichen Einrichtungen durchgeführt wird. Die Datensätze werden jedoch nur selten aktualisiert (im besten Fall alle paar Jahre) und sind in der Regel nicht zwischen den Staaten oder nicht einmal auf Staatsebene harmonisiert. Die Datenerfassung hängt von Flugzeug- oder Drohnenflügen ab und ist teuer, vor allem wenn sie für große Gebiete durchgeführt wird. Trotz einiger Herausforderungen sind ALS-basierte Methoden sowohl in der Industrie als auch in wissenschaftlichen Projekten gut etabliert.

Während Satelliten wie Sentinel-1 und Sentinel-2 wertvolle Daten über die Vegetationsstruktur, die Dichte des Kronendachs und die spektralen Eigenschaften für eine großflächige AGB-Schätzung liefern, fehlt es den derzeitigen Methoden noch an der für eine zuverlässige Anwendung erforderlichen Genauigkeit. Wir sind zuversichtlich, dass diese satellitengestützten Methoden mit fortgesetzter Forschung und Verfeinerung schließlich die für die praktische Anwendung in der Forstwirtschaft und bei der Kohlenstoffüberwachung erforderliche Präzision erreichen werden.

Die Vorteile einer automatisierten AGB-Berechnung mit Satellitendaten

Die Möglichkeit der automatischen Schätzung der AGB anhand von Satellitendaten bietet mehrere Vorteile:

• ‌

  Kosteneffizienz: Die automatisierte AGB-Schätzung mit Satellitendaten reduziert den Bedarf an umfangreicher Feldarbeit und ist damit eine kosteneffiziente Lösung für die Überwachung der Biomasse in großem Maßstab.

• ‌

  Großflächige Überwachung: Satellitendaten ermöglichen die Überwachung großer Waldgebiete, einschließlich abgelegener und unzugänglicher Regionen, die mit herkömmlichen Feldmethoden nicht erfasst werden können.

• ‌

  Häufige Aktualisierungen: Satelliten wie Sentinel-1 mit einer Wiederkehrszeit von 6 Tagen ermöglichen eine regelmäßige Überwachung der Wälder und liefern aktuelle Informationen über Veränderungen der Biomasse. Dies ist besonders nützlich für die Verfolgung von Entwaldung und Schadereignissen in nahezu Echtzeit.

• ‌

  Konsistenz, Vergleichbarkeit und geringere Fehlerquote: Satellitengestützte Methoden liefern standardisierte Daten, die über verschiedene Regionen und Zeiträume hinweg einheitlich angewendet werden können, was Vergleiche und Trendanalysen erleichtert. Außerdem wird durch den Wegfall der menschlichen Beteiligung an der Datenerfassung das Risiko von Messfehlern erheblich reduziert, was genauere und zuverlässigere Ergebnisse gewährleistet.

Sentinel-Satelliten für Erdbeobachtung und Umweltüberwachung

Die Sentinel-Satelliten, die von der Europäischen Weltraumorganisation (ESA) für das Copernicus-Programm entwickelt und betrieben werden, sind ein wichtiger Bestandteil der Erdbeobachtung und liefern kostenlose und öffentlich zugängliche Daten. Das Copernicus-Programm ist eine Initiative der ESA und der Europäischen Kommission.

Sentinel-1:

• ‌

  Starttermin: April 2014

• ‌

  Abbildungstechnologie: Radarsatellit

• ‌

  Missionszusammensetzung: Ursprünglich zwei Satelliten: Sentinel-1A und Sentinel-1B. Die Mission von Sentinel-1B endete im Jahr 2022 aufgrund eines technischen Defekts.

• ‌

  Orbitalhöhe: 693 km

• ‌

  Fähigkeiten: Das Radarinstrument von Sentinel-1 kann Wolken und Regen durchdringen und ist sowohl bei Tag als auch bei Nacht einsatzfähig. Es unterstützt vier Abbildungsmodi mit einer Auflösung von bis zu 5 Metern und einer Abdeckung von bis zu 400 km.

• ‌

  Anwendungen:

  • ‌

    Landüberwachung: Landwirtschaft, Forstwirtschaft und Bodensenkungen

  • ‌

    Überwachung des Meeres: Meereisstand und -bedingungen, Ölverschmutzung und Schiffsaktivitäten

  • ‌

    Notfallmaßnahmen: Überschwemmungen, Erdrutsche und Erdbeben

Sentinel-2:

• ‌

  Startdatum: Juni 2015

• ‌

  Bildgebungstechnologie: Multispektraler optischer Bildgebungssatellit

• ‌

  Missionszusammensetzung: Zwei identische Satelliten in derselben Umlaufbahn, getrennt durch 180°

• ‌

  Umlaufbahnhöhe: 786 km

• ‌

  Fähigkeiten: Sentinel-2 erfasst Bilddaten über 13 Spektralbänder mit unterschiedlichen räumlichen Auflösungen (10m, 20m und 60m) und einer Schwadbreite von 290 km. Es bietet eine Wiederholfrequenz von 5 Tagen am Äquator.

• ‌

  Anwendungen:

  • ‌

    Landwirtschaftsüberwachung

  • ‌

    Landbedeckungsklassifizierung

  • ‌

    Bewertung der Wasserqualität

  • ‌

    Risikokartierung: Maritime und Grenzüberwachung, humanitäre Hilfseinsätze

Wie man Sentinel-Daten erwirbt

Grundsätzlich sind Sentinel (Roh-)Daten frei und öffentlich über den Copernicus Data Space Ecosystem-Katalog verfügbar. Sie können im Wesentlichen auf zwei Arten über die offiziellen Copernicus-Kanäle abgerufen werden:

• ‌

  Copernicus Browser für die manuelle Suche, Visualisierung und den Bezug kleiner Datenmengen

• ‌

  APIs für die programmatische Suche, Datenakquise und Datenverarbeitung

Copernicus Browser

Eine einfache Möglichkeit, die Daten manuell zu durchsuchen, zu visualisieren und darauf zuzugreifen, bietet der offizielle Copernicus Browser. Der Browser bietet Filter für verschiedene Themen oder Datensammlungen. Außerdem ermöglicht er dem Benutzer, Daten in einem bestimmten Zeitraum für ein bestimmtes Interessengebiet zu suchen. Der Browser bietet daher einen großartigen Einstiegspunkt und erleichtert die schnelle Beurteilung der Datenverfügbarkeit für die gegebenen Anforderungen.

Die umfassende Dokumentation finden Sie hier.

APIs

Im Copernicus-Ökosystem stehen mehrere APIs zur Verfügung, die verschiedene Zwecke erfüllen. Ausführliche Dokumentationen zu den APIs finden Sie hier.

Katalog-APIs

Diese 4 REST-APIs (die unterschiedliche Spezifikationen implementieren) bieten die Möglichkeit, den Katalog des Copernicus Data Space Ecosystems abzufragen und auf Daten zuzugreifen:

Um die APIs aufrufen zu können, wird ein Zugriffstoken benötigt (Registrierung auf Copernicus Data Space).

export ACCESS_TOKEN=$(curl -d 'client_id=cdse-public' \
                    -d 'username=<username>' \
                    -d 'password=<password>' \
                    -d 'grant_type=password' \
                    'https://identity.dataspace.copernicus.eu/auth/realms/CDSE/protocol/openid-connect/token' | \
                    python3 -m json.tool | grep "access_token" | awk -F\" '{print $4}')

printenv ACCESS_TOKEN

Das folgende Beispiel fragt die OData API nach SENTINEL-1-Produkten ab, die im ersten Quartal Juni 2015 in Vorarlberg erworben wurden, und lädt die tatsächlichen Daten in einem komprimierten Format herunter.

import requests
import os
import pandas as pd

# Fetching data
json_response = requests.get("https://catalogue.dataspace.copernicus.eu/odata/v1/Products?$filter=Collection/Name eq 'SENTINEL-1' and OData.CSC.Intersects(area=geography'SRID=4326;POLYGON((9.327124566949436 47.63857765066646, 9.327124566949436 46.72797959154448, 10.492558252813893 46.72797959154448, 10.492558252813893 47.63857765066646, 9.327124566949436 47.63857765066646))') and ContentDate/Start gt 2015-06-01T00:00:00.000Z and ContentDate/Start lt 2015-06-07T00:00:00.000Z").json()
df = pd.DataFrame.from_dict(json_response['value'])
product_ids = df['Id'].tolist()

# Define access token
access_token = os.getenv("ACCESS_TOKEN")  # Ensure that ACCESS_TOKEN is set in your environment variables

# Create a session
session = requests.Session()
session.headers.update({"Authorization": f"Bearer {access_token}"})

# Function to download each product by ID
def download_product(product_id):
    url = f"https://download.dataspace.copernicus.eu/odata/v1/Products({product_id})/$zip"
    response = session.get(url, stream=True)
    if response.status_code == 200:
        with open(f"{product_id}.zip", "wb") as file:
            for chunk in response.iter_content(chunk_size=8192):
                if chunk:
                    file.write(chunk)
    else:
        print(f"Failed to download file with ID {product_id}. Status code: {response.status_code}")
        print(response.text)

# Loop over each ID and download the corresponding product
for product_id in product_ids:
    download_product(product_id)

Streamlined Data Access

Die APIs für den vereinfachten Datenzugriff (Streamlined data access - SDA) ermöglichen es den Benutzern, auf Daten aus dem Katalog des Copernicus Data Space Ecosystems zuzugreifen und diese abzurufen. Diese APIs bieten auch eine Reihe von Tools und Diensten zur Unterstützung der Datenverarbeitung und -analyse.

Zugriff auf Daten über S3

Es besteht auch die Möglichkeit, auf Daten aus der Copernicus Data Space Ecosystem-Collection direkt über S3 zuzugreifen. Um auf die Daten zuzugreifen, muss der Benutzer in den Kontoeinstellungen Zugriffsschlüssel generieren.

Beispiel für das Herunterladen von Daten von S3 mit Python:

import boto3
import os

session = boto3.session.Session()
s3 = boto3.resource(
    's3',
    endpoint_url='https://eodata.dataspace.copernicus.eu',
    aws_access_key_id=access_key,
    aws_secret_access_key=secret_key,
    region_name='default'
)  # generated secrets

def download(bucket, product: str, target: str = "") -> None:
    """
    Downloads every file in bucket with provided product as prefix

    Raises FileNotFoundError if the product was not found

    Args:
        bucket: boto3 Resource bucket object
        product: Path to product
        target: Local catalog for downloaded files. Should end with an `/`. Default current directory.
    """
    files = bucket.objects.filter(Prefix=product)
    if not list(files):
        raise FileNotFoundError(f"Could not find any files for {product}")
    for file in files:
        os.makedirs(os.path.dirname(file.key), exist_ok=True)
        if not os.path.isdir(file.key):
            bucket.download_file(file.key, f"{target}{file.key}")

# path to the product to download
download(s3.Bucket("eodata"), "Sentinel-1/SAR/SLC/2019/10/13/S1B_IW_SLC__1SDV_20191013T155948_20191013T160015_018459_022C6B_13A2.SAFE/")

Andere Plattformen

Es gibt auch andere Plattformen neben dem Copernicus Data Space Ecosystem, die Zugriff auf Sentinel-Datenprodukte sowie Verarbeitungseinfrastruktur bieten.

• ‌

  Google Earth Engine | Monatliche Gebühr + Nutzung der Ressourcen(Google Earth Engine Pricing)

• ‌

  EODC | Preisgestaltung nach Bedarf

Fazit und Ausblick

Es ist offensichtlich, dass die Nutzung von Satellitendaten ein leistungsstarkes Werkzeug zur Automatisierung der Berechnung der oberirdischen Biomasse (AGB) im großen Maßstab darstellt, da sie den Zugang zu erheblichen Mengen wertvoller Informationen ermöglicht.

Was den Erwerb von Sentinel-Rohdaten betrifft, so bietet das Copernicus Data Space Ecosystem, wie oben beschrieben, mehrere gute Zugangspunkte. Jeder von ihnen kann leicht in einen semi-automatisierten Workflow integriert werden, um programmatisch auf frei verfügbare Rohdaten zuzugreifen.

Um jedoch Sentinel-Daten für AGB-Schätzungsmodelle zu verwenden, müssen die Daten proprocessed oder Datenprodukte bezogen werden, die bereits zur Analyse dienen. Im Allgemeinen erhalten private Unternehmen keinen kostenlosen Zugang zu diesen Datenprodukten, im Gegensatz zu wissenschaftlichen Institutionen oder gemeinnützigen Organisationen. Für ein Unternehmen wie Tree.ly bedeutet dies daher hohe Kosten, sei es durch die Nutzung der Verarbeitungsumgebung oder den Kauf von Daten. Die Entscheidung, welche nächsten Schritte unternommen werden sollen, ist entscheidend und muss sorgfältig überlegt werden, um eine möglichst unabhängige, skalierbare und kosteneffiziente Datenpipeline zu implementieren, da dies die Grundlage für die Automatisierung der AGB-Berechnung für unseren Anwendungsfall bildet.

Quellen:

• ‌

  Sentinel-1 Übersicht

• ‌

  Sentinel-2 Übersicht

• ‌

  Copernicus Data Space Ecosystem APIs

• ‌

  Sentinel-1 Daten

• ‌

  Sentinel-2 Daten

• ‌

  Copernicus Dokumentation

Mitautorin: Clara Tschamon