Bayernweite Ausweisung von anpassungsnotwendigen Fichten und Kieferbeständen auf Basis von digitalen Standortinformationen und hochauflösenden Satellitendaten

Informationen über Baumarten und deren Verteilung sind wesentliche Bestandteile ökologischer und forstlicher Fragestellungen. Die traditionellen, rein terrestrischen Methoden der Datenerfassung wie Stichprobeninventur und Taxation liefern dabei lediglich punktuelle Informationen. Eine detaillierte flächenhafte Darstellung ist nicht möglich. Es lassen sich lediglich statistische Aussagen über größere Flächen ableiten. Der Einsatz von Fernerkundungsmethoden kann hier einen wesentlichen Beitrag zur Beseitigung von Informationsdefiziten leisten. Dies ist Gegenstand des Projektes. Mit dem Start des kommerziellen WorldView-2 Satelliten sind seit Anfang 2010 erstmals räumlich und spektral hochauflösende Daten in 8 Spektralkanälen verfügbar. Bei senkrechter Aufnahmerichtung beträgt die Bodenauflösung des panchromatischen Kanals 50 cm und die der multispektralen Kanäle 2 m. Zusätzlich zu den 4 üblichen Kanälen Blue, Green, Red und Near Infrared 1 (=aktueller Standard auch von digitalen Luftbildern) stehen 4 weitere Kanäle, Coastal, Yellow, Red Edge und Near Infrared 2 zur Verfügung. Verschiedene Studien am IVFL haben gezeigt, daß die Kombination aus räumlich und spektral hochauflösenden Daten, für forstliche Fragestellungen (e.g. Baumartenklassifizierung und Schaderkennung), sehr gute Ergebnisse liefert. Mit diesem Projekt soll die Entwicklung eines semi-automatischen, computergestützten Verfahrens zur Identifikation der Hauptbaumarten Fichte, Kiefer, Buche und Eiche aus spektral und räumlich hochauflösenden, digitalen Satellitenbildern (WorldView-2) erreicht werden. Die Testgebiete befinden sich in einem waldbaulichen Handlungsschwerpunkt Bayerns (Unterfranken) bzw. in einem Gebiet mit sehr guten Zusatzinformationen und Referenzdaten (Stadtwald Traunstein). Eine kleinere Pilotstudie („TreeIdent“) wurde für eine erste Vorabevaluierung durchgeführt. Zur Klassifikation werden sowohl Lineare Diskriminanzanalyse (LDA) und Random Forest (RF) verwendet.