In der vorliegenden Arbeit wird ein Verfahren zur Schätzung von Vegetationsparametern aus multispektralen Fernerkundungsdaten unter Verwendung von physikalischen Strahlungstransfer-Modellen und einer geringen Anzahl von Bodenmessungen vorgestellt. Dieses Verfahren wurde über einen Zeitraum von zwei Jahren exemplarisch an verschiedenen Winterweizenfeldern getestet, die mit einem Daedalus ATM Multispektralscanner aufgenommen wurden. Von besonderem Interesse sind hierbei die Schwankungen der Vegetationsparameter innerhalb einzelner Felder. Aus diesen Schwankungen können Informationen über Bodenheterogenitäten abgeleitet werden, die in der Teilschlagbewirtschaftung(precision farming) eine wichtige Rolle spielen. Zur Schätzung der Vegetationsparameter werden verschiedene physikalische Strahlungstransfer-Modelle mit einem linearen empirischen Modell kombiniert und mit numerischen Optimierungsverfahren invertiert. Vor Ort gemessene Vegetationsparameter dienen zur Elimination verschiedener Fehlereinflüsse durch lineare empirische Anpassung der physikalischen Modelle. Die Resultate der Modellinversionen mit synthetischen und realen Datensätzen zeigen, dass bei der getesteten Konfiguration vier Vegetationsparameter, der Blattflächenindex, der Chlorophyllgehalt, die spezifische Trockenmasse und der spezifische Wassergehalt, schätzbar sind. Die Stärke dieses Verfahrens liegt in der umfassenden robusten Modellierung, die es erlaubt, mehrere Vegetationsparameter mit einem Minimum an erforderlichen Bodenmessungen zuverlässig zu schätzen. Das erzielte Genauigkeitsniveau der Schätzergebnisse erreicht dabei das Niveau der Bodenmessungen. In this thesis a method to estimate vegetation parameters from multispectral remote sensing data using physical radiative transfer models and a small amount of ground-truth data is proposed. During two years this method has been exemplarily validated for different winter wheat fields imaged by a Daedalus ATM multispectral scanner. The focus lies on the variations of vegetation parameters within single fields. These variations allow to derive information about soil heterogeneities, which are important parameters for precision farming applications. For the estimation of vegetation parameters, physical radiative transfer models are combined with a linear empirical model and inverted with numerical optimisation methods. Ground-truth measurements are employed to reduce errors by a linear empirical fitting of the applied physical models. Results of model inversions with synthetic and real datasets show, that four vegetation parameters, leaf area index, chlorophyll content, specific dry matter, and specific water content, are estimable assuming the given configuration. The strength of this method lies on the comprehensive and robust modelling, which assures reliable estimation of several vegetation parameters with a minimum number of ground-truth measurements. The accuracies of the estimated parameters correspond to the quality of the ground-truth measurements.
