Der Einsatz hyperspektraler Fernerkundungsdaten zur Analyse schwermetallbedingter Boden- und Pflanzenbelastungen in einem Auenökosystem unter besonderer Berücksichtigung der Feinmorphologie

Abstract

In der Arbeit wurden schwermetallbedingte Boden- und Pflanzenbelastungen zweier Auengebiete der Mittleren Elbe analysiert. Es wurde untersucht, inwieweit nicht-abbildende und abbildende Hyperspektraldaten im Bereich des sichtbaren Lichtes bis hin zum kurzwelligen Infrarot (0.35- 2.50 μm) zur Quantifizierung der Gesamtgehalte eingesetzt werden können. Hierzu wurden multivariate statistische Verfahren und Ansätze des maschinellen Lernens angewendet. Auf Grundlage von Bodenspektren konnten robuste Modelle für die Mehrzahl der Elemente abgeleitet werden. Die besten Ergebnisse wurden für Pb (R² = 0.89) und Cd (R² = 0.86) erzielt. Die Zusammenhänge zwischen den spektralen Pflanzenparametern und den Metallkonzentrationen waren schwächer ausgeprägt. Zufriedenstellende Resultate konnten für Cd (R² = 0.75), As (R² = 0.61) und Pb (R² = 0.56) generiert werden. Die Arbeit verdeutlicht, dass mittels hyperspektraler Informationen das Monitoring der Auenstandorte unterstützt und verschiedene Metalle wirksam quantifiziert werden können.

In this work, heavy metal related soil- and plant contamination of two floodplain areas near the Middle Elbe River was analysed. The potential of non-imaging and imaging hyperspectral data for the quantification of the total metal contents was investigated. For this, the spectral range between the visible light and the short wave infrared (0.35 - 2.50 μm) was considered and various multivariate statistical and machine learning algorithms were used. Based on soil spectra, reliable model outcomes were obtained for the majority of the analysed elements, with the best prediction results for Pb (R² = 0.89) and Cd (R² = 0.86). Interactions between spectral plant parameters and metal concentrations were weaker. Promising results were generated for Cd (R² = 0.75), As (R² = 0.61) and Pb (R² = 0.56). This thesis shows that hyperspectral information can be used to support the monitoring of floodplain areas and to quantify selected heavy metals with a high accuracy.