Erfassung von Borkenkäferschäden im Frankenwald mit Fernerkundungsmethoden - Detektion von Schäden am Wald aus der Luft und dem Weltraum Rudolf ...
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Quelle: Lemme, LWF Erfassung von Borkenkäferschäden im Frankenwald mit Fernerkundungsmethoden Detektion von Schäden am Wald aus der Luft und dem Weltraum Rudolf Seitz Abteilung 1 Informationstechnologie LWF
Sensoren und Beispiele für erfassbare Schäden
Daten-
manage-
ment
Daten-
analyse
Daten-
erfassung
Physikalische Grundlagen: Reflexion von Baumarten
Quelle: IVFL / BOKU Wien
5/7
Mosaik digitaler Orthophotos (LDBV):
Radiometrisch rel.
inhomogener Datensatz
Sentinel-2 Daten – Breite der Aufnahmestreifen:
Radiometrisch rel.
homogener Datensatz
Sentinel-2 Datensatz im Vergleich mit einem amtlichen Orthophoto
Beispiel für green-attack Stadium:
(Foto: Friedrich Maier)
Beispiel für Übergang zwischen green- zu red-attack Stadium:
(Foto: Friedrich Maier)
Beispiel für red-attack Stadium:
(Foto: Friedrich Maier)
Beispiel für grey-attack Stadium:
(Foto: Friedrich Maier)Erfassung von Borkenkäferschäden aus
Digitalen Orthophotos (DOP)Detektion von Borkenkäferschäden (red- und grey- attack Stadium)
Digitale Stereo-Luftbilder Stereoskopische Auswertung mit 3D Monitor:
Klassifizierung mit Trainingsflächen (vorläufige Ergebnisse)
Bildflug am 21.09.2020 durch ILV - Wagner GmbH
Erstellung von Trainingsdaten für das maschinelle Lernen
Fünf Klassen mit jeweils 120 Trainingspunkten:
1. Laubholz (vital)
2. Nadelholz (vital)
3. Rotbraun verfärbte Baumkronen
4. Grau gefärbte Baumkronen
5. SchattenbereicheErstes Klassifizierungsergebnis mit Random Forest (Breiman 2001)
Erstes Klassifizierungsergebnis mit Random Forest (Breiman 2001)
Erstes Klassifizierungsergebnis mit Random Forest (Breiman 2001)
Erstes Klassifizierungsergebnis mit Random Forest (Breiman 2001)
Erstes Klassifizierungsergebnis mit Random Forest (Breiman 2001)
Erfassung von Borkenkäferschäden im Satellitendatensatz des Sentinel-2
Eingangsdaten: Satellitenbilder (Sentinel-2)
Copernicusprogramm: Sentinel-2 (optimal für Umweltmonitoring)
Vorteil: Daten sind kostenfrei
Überflugfrequenz: alle 5-6 Tage (Wolken)
Die Sentinel-2 Szenen weisen 10 Spektralkanäle in einem Wellenlängenbereich
von 493 nm bis 2190 nm und eine räumliche Auflösung von 10 m bzw. 20 m auf.
23Auflösung der Sentinelbilder
Beispiel: Luftbild mit 10 cm Auflösung (Abbildung links)
gelbes Rechteck aus Sentinel-2 (Abbildung rechts) auf DOP: 1 Pixel = Kantenlänge 10
Meter
Geringe Auflösung schränkt die Aussagekraft der Ergebnisse ein.
24Vegetationsindizes – Veränderung
Die unterschiedlichen Reflexionswerte für einen Pixel verrechnen wir zu
sogenannten Vegetationsindizes.
Der Vegetationsindex eines Pixels sagt uns etwas darüber, ob Vegetation
vorhanden ist und in welchem Vitalitätszustand sich diese in diesem Pixel
befindet.
Ändern sich zwischen zwei Sentinel Überflügen die Vegetationsindizes,
so ist dies ein Indiz auf eine Veränderung z.B. durch Borkenkäfer/Kahl-
schlag/Nutzung/Sturm/etc..
25Veränderungsanalyse: Frankenwald
Wolkenfreie Sentinel-2 Szenen von 04.09.2019 und 08.09.2020
(Veränderung innerhalb eines Jahres)
Anhand einer Laub-/Nadelholzkarte wurde die Nadelwaldfläche aus den
Satellitenbildern extrahiert und zur Schadenerfassung herangezogen.
Veränderungen der Vegetationsindizes wurden in zwei Klassen eingeteilt:
Flächen mit geringer Veränderung
Flächen mit starker Veränderung
26Klasse: „geringe Veränderung“
Bildbeispiele für die Klasse: „geringe Veränderung“
Borkenkäferbefall Entnahme einzelner Bäume
Bei Unterwuchs fällt die spektrale Veränderung weniger kräftig aus,
selbst wenn die komplette Oberschicht entnommen wird.
teilweise werden solche Fläche als „geringe Veränderung“ berechnet
27Klasse: „starke Veränderung“
„Starke Veränderung“ gibt Bereiche mit starker spektraler Veränderung wieder:
2019 herrschte eine „gesunde“ Vegetation in der Oberschicht vor
UND
2020 wurde Bäume entfernt ODER starker Vitalitätsverlust zu verzeichnen
Aufgrund der Auflösung müssen mehrere Bäume betroffen sein
Randeffekte
Bildbeispiele für Klasse: „starke Veränderung“
28Problematik
Veränderte Einzelbäume werden aufgrund der geometrischen Auflösung
(10m Pixel) der Satellitenbilder (in der Regel) nicht erfasst
Waldränder mit angrenzenden Feldern werden teilweise falsch
klassifiziert. Dies wird durch die Vegetation auf den Feldern beeinflusst
(2019 mit Feldfrüchten, 2020 ohne Feldfrüchte).
Präzisierung 2021: mit einer detaillierten Waldmaske verbessert.
Straßen im Wald werden durch unterschiedliche Schattenwürfe zum Teil
auch falsch als Veränderungsflächen klassifiziert.
Präzisierung 2021: mit Hilfe von Verkehrslayer aus ATKIS verbessert.
* ATKIS = Amtliche Topographisch-Kartographische Informationssystem der bayerischen Vermessungsverwaltung
29Ergebnis der Veränderungsanalyse:
Ausschnitt 2019 – Sentinel-2 in Falschfarben
30Ergebnis der Veränderungsanalyse:
Ausschnitt 2020 – Sentinel-2 in Falschfarben
31Ergebnis der Veränderungsanalyse:
Abgeleitete Veränderung
32Ergebnis der Veränderungsanalyse:
Ausschnitt 2020 – Sentinel-2 in Echtfarben
33Ausblick: Möglichkeiten zur Modellierung der
Schadholzmenge
Holzvorratsmodellierung:
Anwendung eines Verfahrens aus dem Projekt E49 SAPEX-DLB:
1. Vegetationshöhenmodell aus amtlichen
Fernerkundungsdaten vom LDBV verknüpft
mit Stichprobenkreisen der BaySF: 2. Modellierte Holzvorräte:
StichprobenkreisStatistik: Veränderte Fläche pro AELF
Geringe Starke
Gesamt (ha)
Veränderung (ha) Veränderung (ha)
AELF Kulmbach 1.259 909 2.168
AELF Münchberg 672 285 957
AELFs KU und MN 1.931 1.194 3.125
35Statistik: Veränderte Fläche pro AELF Revier
geringe starke
Gesamt (ha)
Veränderung (ha) Veränderung (ha)
Helmbrechts 69 29 98
Hof 124 45 169
Kronach 67 43 110
Kulmbach 48 22 71
Neuenmarkt 124 62 186
Rehau-Selb 81 36 117
Schwarzenbach-Naila 207 82 289
Sparneck 50 20 70
Stadtsteinach 82 31 113
Steinbach a. Wald 365 396 760
Steinwiesen 231 129 360
Thurnau 70 24 94
Weißenstadt 77 44 121
Wilhelmsthal 273 202 475
Wunsiedel 63 30 93
Gesamt 1.931 1.194 3.125
36Statistik: Veränderte Fläche nach Waldbesitzart
Geringe Veränderung Starke Veränderung Summe
(%) (%) (%)
Bundeswald
0,02 0,01 0,03
Großprivatwald 3 1 4
Kleinprivatwald 38 28 67
Körperschaftswald 2 1 3
Staatswald 18 9 27
Summe 61 39 100
37Schätzung: Schadensmenge
Unterstellung 1: Veränderungen kommen vorwiegend im Altholz vor
Unterstellung 2: Altholzvorrat von rund 380 fm/ha (BWI)
Unterstellung 3: starke Veränderung = 100% des Vorrats betroffen
geringe Veränderung = 80% des Vorrats betroffen
Geringe Veränderung Starke Veränderung Summe
(Efm) (Efm) (Efm)
Hof (Lkr & Stadt) 166.000 92.000 258.000
Kronach 349.000 401.000 750.000
Kulmbach 114.000 74.000 188.000
Wunsiedel i. Fichtelgebirge 60.000 43.000 103.000
Summe 689.000 610.000 1.299.000
38Fazit
• Mit den Sentinel-2 Daten sind Veränderungen auch großflächig
(ggf. bayernweit) erfassbar.
• Die Veränderung der Vegetationsindizes bedeuten nicht zwangsläufig
Borkenkäferbefall, im vorliegenden Fall (Frankenwald 2019-2020) dürfte jedoch
der Käfer hauptbestimmend für die Veränderungen sein.
• Aufgrund der geringen Auflösung liefern die Auswertungen zwar fundierte
Flächenschätzungen für den Überblick, aber keine Detailkarten mit
Borkenkäfereinzelbäumen für Revierleiter
39Danke!
Vielen Dank für Ihre
Aufmerksamkeit!Sie können auch lesen
