Möglichst genaue räumliche Informationen über die Baumarten-Zusammensetzung werden für verschiedene Zwecke benötigt. Sie bringen Erkenntnisse über den Eintrag biologischer und chemischer Stoffe in Ökosysteme und helfen bei der Ableitung ökologischer Belastungsgrenzen. Außerdem ist die Baumartenzusammensetzung in Naturwaldreservaten ein Indikator der Deutschen Anpassungsstrategie an den Klimawandel.
Flächendeckende Informationen zur Verbreitung der Hauptbaumarten wurden bisher modellhaft abgeleitet oder auf der Basis forstlicher Inventare näherungsweise ermittelt. Beide Verfahren liefern allerdings nur grobe räumliche Verteilungsmuster und sind methodisch aufwendig und kostenintensiv.
Machbarkeitsstudie zum europäischen Erdbeobachtungsprogramm Copernicus
Im Rahmen einer Machbarkeitsstudie wurde untersucht, welche Potenziale sich durch die neue Generation an Satellitensensoren im Hinblick auf eine bundesweite Klassifikation von Baumarten ergeben. Durch das europäische Erdbeobachtungsprogramm Copernicus stehen seit 2015 Satellitendaten in guter räumlicher, zeitlicher und spektraler Auflösung kostenfrei für alle Interessierten zur Verfügung. Insbesondere die Multispektralsensoren der Plattform Sentinel-2 wurden eigens für Vegetationsstudien entwickelt und sollen in den kommenden Jahrzehnten das globale Monitoring der Landoberfläche unterstützen.
Die Machbarkeitsstudie liefert einen Überblick zu verfügbaren Forstkarten unterschiedlicher Maßstäbe für Deutschland und Europa. Neben verfügbaren Satellitenbilddaten werden unterschiedliche Klassifizierungsansätze sowie mögliche Validierungsdaten hinsichtlich ihrer Nutzbarkeit diskutiert. Anhand von fünf repräsentativen Testgebieten wurden die Möglichkeiten und Grenzen einer satellitenbasierten Ableitung von Baumarten untersucht sowie die Erfordernisse hinsichtlich einer bundesweiten Umsetzung bewertet.
Für die Klassifikation wurde ein Verfahren aus dem Bereich des maschinellen Lernens, der sogenannte „Random Forest“-Algorithmus angewendet. Alle Analysen wurden auf dem Großrechencluster des Earth Observation Data Centre (EODC) der Uni Wien durchgeführt.
Ergebnisse zeigen hohes Potenzial
Für ausgewählte einschlägige Baumarten konnten Klassifikationen mit einer hohen Zuverlässigkeit, gestützt auf Referenz- und Satellitendaten, in den ausgewählten Testgebieten erreicht werden. Die Ergebnisse zeigen, dass sich eine bundesweite Baumartenklassifikation mit dem entwickelten Ansatz gut umsetzen lässt. In einem Fall konnten 16 Baumarten mit einer räumlichen Auflösung von 10 m und einer vergleichsweise hohen Genauigkeit extrahiert werden. Die klassenspezifischen Genauigkeiten erreichten insgesamt je nach Baumart Werte zwischen 73 und 97 % und waren u. a. stark von der Verfügbarkeit von Referenzdaten sowie deren Qualität abhängig.
Es zeigte sich, dass die Verwendung von mind. sieben, im besten Falle jedoch mindestens zehn, gut über das Jahr verteilte Sentinel-2 Satellitenbildszenen die Genauigkeit der Ergebnisse deutlich verbessert. Die Trennbarkeit war dabei jedoch im Hohen Maße abhängig von der Verfügbarkeit wolkenfreier Aufnahmen, der Güte der Trainingsdaten sowie der Zusammensetzung der Bestände.
Der entwickelte Klassifikationsablauf stellt einen robusten, kosteneffizienten und prinzipiell bundesweit skalierbarer Ansatz zur Baumartenklassifikation dar. Es zeigte sich, dass die Daten ein hohes Potenzial für die Identifikation und Trennung von Baumarten haben. Hürden für eine bundesweite Umsetzung bestehen vor allem in der Verfügbarkeit und Bereitstellung geeigneter Trainingsdaten.
Studien die sich mit der Ableitung von Waldeigenschaften bzw. Baumarten mittels multitemporalen Satellitenbilddaten befassen, waren bisher aufgrund der erforderlichen großen Datenmengen auf relativ kleine Versuchsareale beschränkt. Die Auftragnehmer konnten in dieser Studie zeigen, dass durch die Nutzung von Cloud-Rechenzentren große Datenmengen kaum noch ein Hindernis für einen operationellen und großflächigen Einsatz von Satellitenbilddaten darstellen.
In Zukunft werden im Rahmen von Copernicus vermehrt Cloud-Lösungen bereitgestellt mit dem Ziel, langfristig schneller und zuverlässiger Zugriffe auf die Daten und effiziente Analysemöglichkeiten anzubieten.
zum Vergrößern anklicken
