Logo des Repositoriums
 

Räumliche Erfassung des organischen Kohlenstoffgehaltes von Böden einer landwirtschaftlichen Intensivregion aus Sentinel-2-Daten

Kurzanzeige
dc.contributor.authorWittstruck, Lucas
dc.contributor.authorGerighausen, Heike
dc.contributor.authorSäurich, Annelie
dc.contributor.authorMöller, Markus
dc.contributor.authorHartmann, Knut
dc.contributor.authorSteininger, Michael
dc.contributor.authorZepp, Simone
dc.contributor.authorJarmer, Thomas
dc.contributor.editorHoffmann, Christa
dc.contributor.editorStein, Anthony
dc.contributor.editorRuckelshausen, Arno
dc.contributor.editorMüller, Henning
dc.contributor.editorSteckel, Thilo
dc.contributor.editorFloto, Helga
dc.date.accessioned2023-02-21T15:14:23Z
dc.date.available2023-02-21T15:14:23Z
dc.date.issued2023
dc.description.abstractDer Gehalt und die räumliche Verteilung organischen Kohlenstoffs in Böden stellen eine wesentliche Information zur Bewertung des Bodenzustandes dar. In der vorliegenden Arbeit wurde daher eine quantitative Schätzung des organischen Kohlenstoffs aus räumlich hochaufgelösten multispektralen Satellitendaten in einem landwirtschaftlich geprägten Gebiet nahe der Stadt Köthen (Sachsen-Anhalt) vorgenommen. Die Grundlage bildete ein Bodenkomposit, welches aus mehrjährigen Sentinel-2 Daten (2017-2022) unter Anwendung von Vegetations- und Bodenindizes berechnet wurde. Ergänzend wurde ein digitales Geländemodell der Shuttle Radar Topography Mission (SRTM) berücksichtigt. Die Ergebnisse der Studie haben gezeigt, dass durch die Kombination von optischen Fernerkundungsdaten mit einem Geländemodell robuste Schätzungen des organischen Kohlenstoffs erreicht werden konnten (R2 = 0,83, RMSE = 0,23 und RPD = 2,46), welche mit Resultaten aus hyperspektralen Fernerkundungsdaten vergleichbar waren.de
dc.identifier.isbn978-3-88579-724-1
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/40305
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartof43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-330
dc.subjectFernerkundung
dc.subjectMaschinelles Lernen
dc.subjectPräzise Landwirtschaft
dc.subjectOrganischer Kohlenstoff
dc.subjectSentinel-2
dc.titleRäumliche Erfassung des organischen Kohlenstoffgehaltes von Böden einer landwirtschaftlichen Intensivregion aus Sentinel-2-Datende
dc.typeText/Conference Paper
gi.citation.endPage536
gi.citation.publisherPlaceBonn
gi.citation.startPage531
gi.conference.date13.-14. Februar 2023
gi.conference.locationOsnabrück

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
GIL_2023_Wittstruck_531-536.pdf
Größe:
458.59 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P330 - 43. GIL-Jahrestagung 2023 - Fokus: Resiliente Agri-Food-Systeme