Steckbrief BeechSAT
| Name | Untersuchung von Absterbeerscheinungen an Buche unter Einbeziehung satellitengestützter Fernerkundung und Standortsfaktoren (BeechSAT) |
| Funktion | Hauptziel ist die Erfassung von geschädigten Bäumen, verursacht durch Wetterextreme wie Trockenheit und Hitze |
| Technologie | Maschinelles Lernen (Random Forest, Support Vector Machine, künstliche neuronale Netze) Deep Learning: Varianten des Convolutional Neural Network Bildverarbeitung Fernerkundung durch Satelliten- und Luftbilddaten |
| Einsatzbereiche | Waldgebiete mit geschädigten Buchen Regionen: Unterfranken und Oberfranken in Bayern (Waldgebiete Waldbrunn (125 km²) und Ebrach (50 km²) |
| Datenquellen | Luftbilder mit 0,20 m räumlicher Auflösung Satellitenbilddaten: WorldView-3, SkySat, PlanetScope, RapidEye, Sentinel-2 |
| Funktionsweise und Algorithmen | Verwendung von überwachtem maschinellem Lernen und Deep Learning zur semi-automatischen Klassifizierung von Baumkronen als gesund oder geschädigt Hauptalgorithmen: Random Forest, Support Vector Machine, U-Net |
| Ergebnis / Output | Eine automatisierte Erfassung abgestorbener Bäume mit Fernerkundungsdaten ist grundsätzlich möglich Mit Deep Learning wird bessere Genauigkeit erzielt Bei einer automatisierten Auswertung war in BeechSAT noch keine zuverlässige Unterscheidung von abgestorbenen Laub- versus Nadelbäumen möglich Die räumliche Auflösung der Bilddaten ist besonders wichtig. Bessere Ergebnisse mit hochaufgelösten Bilddaten |
| Vorteile | Schneller im Vergleich zu manuellen Fernerkundungstechniken- und Feldaufnahmen Ermöglicht eine großflächige Überwachung und frühzeitige Detektion von Schäden, die durch biotische und abiotische Einflüsse verursacht werden |
| Zielgruppe | Forstbehörden, Wissenschaftler*innen Erfordert Schulungen in Bildinterpretation und maschinellem Lernen |
| Projekte / Referenzen | Projekt »Untersuchung von Absterbeerscheinungen an Buche unter Einbeziehung satellitengestützter Fernerkundung und Standortsfaktoren (BeechSAT)« wurde vom – 15.8.2019 bis 15.8.2020 an der LWF in Kooperation mit der IABG mbH und unter Beteiligung der Bayerische Staatsforsten AöR sowie der Universität Würzburg durchgeführt Finanziert durch das Bayerische Staatsministerium für Ernährung, Landwirtschaft und Forsten Projektleiter an der LWF: Dr. Christoph Straub |
| Kosten | Auf Anfrage |
| Nutzungserfahrungen | BeechSAT zeigt, dass die automatisierte Detektion möglich ist, allerdings variiert die Genauigkeit je nach Bildauflösung und Qualität der Bild- und Trainingsdaten Expertentool, kein Nutzerfeedback |
| Risiken und Schwächen | Datengenauigkeit hängt stark von der räumlichen Auflösung der Bilddaten ab Notwendigkeit einer manuellen Überprüfung für die Unterscheidung zwischen Laub- und Nadelbäumen Übertragbarkeit auf neues Gebiet muss im Einzelfall geprüft werden |
| Zukunftsperspektiven / Weiterentwicklung | Pläne zur Erweiterung für die Erkennung von Borkenkäferschäden (z.B. Projekt IpsSAT) sowie zur automatischen Trennung von Laub- und Nadelbäumen in zukünftigen Studien |
| Verfügbarkeit und Kontakt | Bayerische Landesanstalt für Wald und Forstwirtschaft – LWF poststelle@lwf.bayern.de URL: www.lwf.bayern.de Hans-Carl-von-Carlowitz-Platz 1 85354 Freising Industrieanlagen-Betriebsgesellschaft – IABG forst@iabg.de URL: www.iabg.de Industrieanlagen-Betriebsgesellschaft mbH Abt. Geospatial Solutions Hermann-Reichelt-Straße 3 01109 Dresden |
