Zhao, Quanying (2016). Implementing an Agro-Environmental Information System (AEIS) Based on GIS, Remote Sensing, and Modelling -- A case study for rice in the Sanjiang Plain, NE-China. PhD thesis, Universität zu Köln.

[img]
Preview
PDF
PhD_Thesis_Zhao_Lib.pdf - Published Version

Download (8MB)

Abstract

Information on agro-ecosystems is crucial for understanding the agricultural production and its impacts on the environment, especially over large agricultural areas. The Sanjiang Plain (SJP), covering an area of 108 829 km², is a critical food base located in NE-China. Rice, soya bean and maize are the major crops in the SJP which are sold as commercial grain throughout China. The aim of this study is to set up an Agro-Environmental Information System (AEIS) for the SJP by employing the technologies of geographic information systems (GIS), remote sensing (RS), and agro-ecosystem modelling. As the starting step, data carrying interdisciplinary information from multiple sources are organized and processed. For an AEIS, geospatial data have to be acquired, organized, operated, and even regenerated with good positioning conditions. Georeferencing of the multi-source data is mandatory. In this thesis, high spatial accuracy TerraSAR-X imagery was used as a reference for georeferencing raster satellite data and vector GIS topographic data. For the second step, the georeferenced multi-source data with high spatial accuracy were integrated and categorized using a knowledge-based classifier. Rice was analysed as an example crop. A rice area map was delineated based on a time series of three high resolution FORMOSAT-2 (FS-2) images and field observed GIS topographic data. Information on rice characteristics (i.e., biomass, leaf area index, plant nitrogen concentration and plant nitrogen uptake) was derived from the multi-temporal FS-2 images. Spatial variability of rice growing status on a within-field level was well detected. As the core part of the AEIS, an agro-ecosystem modelling was then applied and subsequently crops and the environmental factors (e.g., climate, soil, field management) are linked together through a series of biochemical functions inherent in the modelling. Consequently, the interactions between agriculture and the environment are better interpreted. In the AEIS for the SJP, the site-specific mode of the DeNitrification-DeComposition (DNDC) model was adapted on regional scales by a technical improvement for the source code. By running for each pixel of the model input raster files, the regional model assimilates raster data as model inputs automatically. In this study, detailed soil data, as well as the accurate field management data in terms of crop cultivation area (i.e. rice) were used as model inputs to drive the regional model. Based on the scenario optimized from field observation, rice yields over the Qixing Farm were estimated and the spatial variability was well detected. For comparison, rice yields were derived from multi-temporal FS-2 images and the spatial patterns were analysed. As representative environmental effects, greenhouse gas of nitrous oxide (N2O) and carbon dioxide (CO2) emitted from the paddy rice fields were estimated by the regional model. This research demonstrated that the AEIS is effective in providing information about (i) agriculture on the region, (ii) the impacts of agricultural practices on the environment, and (iii) simulation scenarios for sustainable strategies, especially for the regional areas (e.g. the SJP) that is lacking of geospatial data.

Item Type: Thesis (PhD thesis)
Translated abstract:
AbstractLanguage
Informationen zu Agro-Ökosystemen sind entscheidend für das Verständnis der landwirtschaftlichen Produktion und ihrer Auswirkungen auf die Umwelt, vor allem auf großen landwirtschaftlichen Flächen. Die Sanjiang Ebene (SJP), mit einer Fläche von 108 829 km², ist eine kritische Lebensmittelbasis in Nordost-China. Reis, Sojabohnen und Mais sind die wichtigsten Kulturpflanzen in der SJP, welche als Getreide in ganz China verkauft werden. Das Ziel dieser Studie ist es, ein Agro-Umweltinformationssystem (AEIS) für die SJP einzurichten, mit Hilfe des Einsatzes der Technologien der geographischen Informationssysteme (GIS), Fernerkundung (RS) und der Agrarökosystem-Modellierung. Als Ausgangsschritt werden Daten mit interdisziplinären Informationen aus mehreren Quellen prozessiert. Für ein AEIS müssen Geodaten aufgenommen, organisiert, gehandhabt, und sogar mit guter Positionierung umgewandelt werden. Die Georeferenzierung von Daten aus unterschiedlichen Quellen ist obligatorisch. In dieser Arbeit wurden TerraSAR-X Bilder mit hoher räumlicher Genauigkeit als Referenz verwendet, um Raster-Satellitendaten und topographische Vektor-GIS-Daten zu georeferenzieren. Für den zweiten Schritt wurden die georeferenzierten Daten aus unterschiedlichen Quellen mit hoher räumlicher Genauigkeit mit Hilfe eines wissensbasierterten Klassifikators integriert und klassifiziert. Als Beispiel-Feldfrucht wurde Reis analysiert. Eine Anbaukarte für Reis wurde erstellt, auf der Grundlage einer Zeitreihe von drei hochauflösenden FORMOSAT-2 (FS-2) Bildern und im Feld aufgenommenen topographischen GIS-Daten. Informationen zu den Charakteristika des Reis (d.h. Biomasse, Blattflächenindex, Stickstoffkonzentration und Stickstoffaufnahme) wurden aus den multitemporalen FS-2 Bildern abgeleitet. Die räumliche Variabilität des Reisanbaustatus innerhalb der Felder konnte zufriedenstellend detektiert werden. Als Kernstück des AEIS wurde dann eine Agrarökosystem Modellierung angewendet und damit die Feldfrüchte und deren Umweltfaktoren (z.B. Klima, Boden, Bewirtschaftung) miteinander verbunden, durch eine Reihe von biochemischen Funktionen aus der Modellierung. Infolgedessen können die Wechselwirkungen zwischen Landwirtschaft und Umwelt besser interpretiert werden. In dem AEIS für die SJP wurde der ortsspezifische Modus des DNDC Modell auf regionaler Ebene durch eine technische Verbesserung des Quellcodes angepasst. Durch Anwenden für jeden Bildpunkt der Modelleingangsrasterdateien, assimiliert das regionale Modell die Rasterdaten automatisch als Modelleingaben. Datenunsicherheiten über Böden und Bewirtschaftungsinformationen stellten sich als die wichtigsten Faktoren bei der regionalen Modellierungsanwendung heraus. Deshalb werden in dieser Studie detaillierte Bodendaten, sowie die genauen Bewirtschaftungsdaten in Bezug auf die Pflanzenanbaufläche (z.B. von Reis) als Modelleingaben verwendet, um das regionale Model zu betreiben. Basierend auf einem durch Feldbeobachtungen optimierten Szenario, wurden Reiserträge auf regionaler Ebene geschätzt und die räumliche Variabilität zufriedenstellend detektiert. Zum Vergleich wurden die Reiserträge aus multitemporalen FS-2 Bildern abgeleitet und die räumlichen Muster analysiert. Als beispielhafte Umweltwirkungen wurden die Treibhausgase Distickstoffoxid (N2O) und Kohlendioxid (CO2), die aus den Reisfeldern emittiert werden, von dem regionalen Modell geschätzt. Diese Untersuchung zeigt, dass ein AEIS effektiv ist, vor allem für eine Region (z.B. SJP) in der Geodaten fehlen, indem Informationen über (i) die Landwirtschaft in der Region, (ii) die Auswirkungen landwirtschaftlicher Praktiken auf die Umwelt und (iii) Simulationsszenarien für nachhaltige Strategien bereitgestellt werden.German
Creators:
CreatorsEmailORCIDORCID Put Code
Zhao, Quanyingzhaoquanying@gmail.comUNSPECIFIEDUNSPECIFIED
URN: urn:nbn:de:hbz:38-66413
Date: 26 February 2016
Language: English
Faculty: Faculty of Mathematics and Natural Sciences
Divisions: Faculty of Mathematics and Natural Sciences > Department of Geosciences > Geographisches Institut
Subjects: Data processing Computer science
Agriculture
Civic and landscape art
Geography and travel
Uncontrolled Keywords:
KeywordsLanguage
GISEnglish
Remote SensingEnglish
ModelEnglish
Agro-environmentEnglish
Decision Support SystemEnglish
Spatial Data ProcessingEnglish
Sanjiang PlainEnglish
RiceEnglish
Date of oral exam: 15 January 2016
Referee:
NameAcademic Title
Bareth, GeorgProf. Dr.
Schneider, KarlProf. Dr.
Shao, YapingProf. Dr.
Refereed: Yes
URI: http://kups.ub.uni-koeln.de/id/eprint/6641

Downloads

Downloads per month over past year

Export

Actions (login required)

View Item View Item