Session 20: Forstliche Fernerkundung zum Schadensmanagement

Full title: Forstliche Fernerkundung als Hilfsmittel zum Management von Schäden am und im Wald

Chairs: Rudolf Seitz, Dr. Christoph Straub, Adelheid Wallner

Date: 14.09.2021

Bundeswaldinventur meets Copernicus: Erste bundesweite Baumartenklassifizierung für Deutschland

Referenten: Lukas Blickensdörfer, Katja Oehmichen, Dirk Pflugmacher, Birgit Kleinschmit, Patrick Hostert

Aktuelle und detaillierte Information über die Baumartenzusammensetzung der Wälder sind wesentlich für Waldmanagement und Waldökosystemforschung. Die Baumartenzusammensetzung auf nationaler Ebene kann durch die stichprobenbasierte Bundeswaldinventur (BWI) abgeleitet werden. Die Fernerkundung hat das Potential, diese Schätzungen in die Fläche zu übertragen und Baumarten räumlich explizit zu kartieren. Für Deutschland ist ein solches Produkt noch nicht verfügbar. Für zuverlässige Ergebnisse auf nationaler Ebene bedarf es neuer Forschungsansätze. Für die operationale Waldinventur sind vor allem die Europäischen Sentinel-1 (Radar) und Sentinel-2 (Multispektral) Satelliten interessant, welche seit wenigen Jahren die Erdoberfläche systematisch und mit hoher räumlicher und zeitlicher Auflösung erfassen.

Mit dem Ziel, eine nationale Baumartenkarte für Deutschland basierend auf Sentinel-2 und Sentinel-1 Zeitreihen zu entwickeln, bearbeiten wir die folgenden zwei Forschungsfragen: (1) Wie können BWI-Daten mit Sentinel-Daten kombiniert werden, um Baumarten auf nationaler Ebene zu kartieren? (2) Welche zusätzlichen Umweltvariablen sind für die akkurate Baumartenklassifikation auf nationaler Ebene von Bedeutung?

In unserem Ansatz verwenden wir alle Sentinel-1 und Sentinel-2 Aufnahmen aus dem Jahr 2018. Die Daten werden radiometrisch und geometrisch korrigiert, wolkenmaskiert und anschließend mit Hilfe eines Ensemble Filters in Pixel-Zeitreihen überführt. Die in den Zeitreihen enthaltenen phänologischen Informationen sind ein wichtiger Bestandteil der Baumartenerkennung. Für die Klassifikation verwenden wir Verfahren des maschinellen Lernens. Insbesondere testen wir hier, inwiefern die Kombination von BWI-Daten und self-learning Ansätzen die Klassifikation verbessert. In der FowiTa 2021 präsentieren wir unsere entwickelte Methodik und stellten erste Ergebnisse der bundesweiten Baumartenerkennung vor.