Kurzfassung
Im Vergleich zu klassischen multispektralen Datensätzen ermöglichen hyperspektrale Aufnahmen eine verbes­serte qualitative und quantitative Analyse von Vegetationsbeständen in Land- und Forstwirtschaft [1]. Trotz der verbesserten spektralen Au.ösung sind jedoch weiterhin Probleme bei der Ableitung der gewünschten Vegetati­onsgrößen zu beobachten. Die Probleme hängen hauptsächlich damit zusammen, dass die fernerkundlich erfasste Bestandssignatur durch eine große Anzahl an Parametern bestimmt wird [2] [3] [4]. Dies hat zur Folge, dass sich eine gemessene Bestandssignatur nicht immer eindeutig einem einzigen Parameterset zuordnen lässt [5]. Anders ausgedrückt: das Schätzproblem ist unterbestimmt, da verschiedene Parameterkombinationen zu einer ähnlichen Spektralsignatur führen [6]. Weitere (zumeist externe) Informationen sind daher notwendig, um in solchen Fällen eine eindeutige Auswertung vornehmen zu können [7] [8] [9]. Externe Informationen können beispielsweise ALS Daten sein oder Daten aus einem anderen Wellenlängenbereich beinhalten [10]. Mit dem vorliegenden Beitrag wird gezeigt, dass ein Teil der zur Problemeingrenzung notwendigen Information aus dem räumlich mittel bis hoch aufgelösten Bild (Pixel = 30 m) selbst gewonnen werden kann [11]. Dabei wird die Tatsache genutzt, dass die Charakteristika nah beieider liegender Objekte ähnlicher sind als die weit(er) entfernt liegender Objekte [12] [13]. In landwirtschaftlich genutzten Flächen wird beispielsweise innerhalb einer Par­zelle lediglich eine einzige Kulturp.anze angebaut. Ohne die genaue Kulturp.anze zu kennen ist damit zumindest sichergestellt, dass alle Pixel innerhalb dieser Parzelle die gleiche Art erfassen. Damit ist beispielsweise die An­nahme gerechtfertigt, dass der Blatthaltungswinkel (ALA) für alle Pixel des gegebenen Feldes identisch sein muss, da der Blatthaltungswinkel eine artspezi.sche Konstante ist. Wie gezeigt werden wird, erleichtert diese Tatsache die .ächenhafte Kartierung des Blatt.ächenindex (LAI), da beide bio-physikalischen Größen einen vergleichbaren Effekt auf die Spektralsignatur ausüben. Aufbauend auf eigenen Vorarbeiten [11] [14] wird dieses Konzept in dieser Arbeit am Beispiel einer CHRIS/PRO­BA Aufnahme über landwirtschaftlichen Kulturp.anzenbeständen in Barrax, Südspanien vorgestellt. Zur Illustrati­on wird eine „objekt-basierte“ Inversion eines weit verbreiteten, physikalisch-basierten Strahlungstransfermodells herangezogen. Das innovative Verfahren berücksichtigt bei der Schätzung des Blatt.ächenindex (LAI) nicht nur die Spektralsignatur des beobachteten Pixels, sondern auch die Signaturen benachbarter Pixel, die dem gleichen Objekt angehören. Es wird gezeigt, dass durch die Kombination spektraler und räumlicher Informationen höhere Genauigkeit in der LAI Schätzung erzielt wird, als unter Verwendung des klassischen „pixel-basierten“ Verfahrens. So sinkt der RMSE des geschätzten LAI von 1.46 m2/m2 auf 0.54 m2/m2, wenn statt des traditionellen Inversions­verfahrens ein objekt-basierter Ansatz gewählt wird.

Abstract
: The recent availability of hyperspectral imagery allows improved qualitative and quantitative analyses of vegetati­on compared to classical multispectral data sets. Besides a wide range of application .elds, main bene.ciaries of this new data source will be the agricultural and forestry sectors. However, there are still problems regarding the deviation of vegetation biophysical variables from the remotely sensed data because the spectral signal combines the effects of many different structural and biochemical variables. Moreover, different combinations of the variab­les may produce almost identical spectra, resulting in signi.cant uncertainties in the estimation of the biophysical vegetation variables. Several solutions have been proposed to solve this problem, such as the use of external or a priori information. In this study we present an approach, which directly employs information from the same high to medium resoluti­on (< 30 m) imagery data. The approach uses the geostatistical fact that the biophysical characteristics of nearby pixels are generally more similar than those at a larger distance. In agricultural areas, for instance, the characteris­tics of certain variables, such as the average leaf angle (ALA), can be assumed equal within one crop .eld. Such knowledge alleviates the estimation of the leaf area index (LAI), which has a very similar effect to ALA on the spectral signal. C. Atzberger, K. Richter: Kombination spektraler und räumlicher Information ... Based on our own studies, we demonstrate this concept on a CHRIS/PROBA data set acquired in the agricultural area of Barrax, Spain. For illustration purposes, an object-based inversion approach of a widely used radiative transfer model is applied. Compared to a “pixel-based” approach the accuracy of LAI estimates could be improved from RMSE = 1.46m2/m2 to RMSE = 0.54m2/m2. Therefore, the combination of spectral and spatial information potentially yields higher accuracies of LAI retrievals compared to traditionally applied approaches.