Kombination von Landesforstinventar- und Fernerkundungsdaten für Kleingebietsschätzungen

Combining data from the Swiss National Inventory and from remote sensing for small-area estimation in forestry = Combinaison des données de l'Inventaire forestier national et de télédétection pour l'estimation de petits domaines

Zürich

2011

Artikel aus einer ZeitschriftUnselbständiges Werk

629

200173384

In der vorliegenden Untersuchung wurde ein Design-unverzerrter Kleingebietsschätzer getestet, welcher terrestrische Daten aus dem Schweizerischen Landesforstinventar (LFI) mit Hilfsinformationen aus Stereoluftbildern und Lidardaten kombiniert. Zielgrösse waren der Waldanteil und der Holzvorrat. Die Effizienz des Schätzers hängt im Wesentlichen davon ab, mit welcher Genauigkeit der Wert der Zielgrösse auf den einzelnen Probeflächen der terrestrischen Inventur mit aus Fernerkundungs- und möglicherweise weiteren Raumdaten hergeleiteten Hilfsgrössen modelliert werden kann. Als Hilfsvariablen wurden zunächst Kronenhöhen verwendet, welche aus Stereoluftbildern (ADS40) und Lidardaten abgeleitet wurden. Die Regressionsmodelle wurden für den Holzvorrat und den Wald-Nichtwald-Entscheid der LFI-Probeflächen der Kantone Appenzell Innerrhoden und Appenzell Ausserrhoden kalibriert und lieferten ein Bestimmtheitsmass (r2) von rund 60 %. Wenn als erklärende Variable der Wald-Nichtwald-Entscheid aus der Luftbildinterpretation des LFI verwendet wird, werden die Modelle noch etwas besser und liefern Bestimmtheitsmasse in der Grössenordnung von rund 65 % für den Holzvorrat respektive 85 % für den Wald-Nichtwald-Entscheid. Für den nur innerhalb des Waldareals vorhergesagten Holzvorrat ergeben sich aus den Kronenhöhenmodellen Bestimmtheitsmasse von knapp 40 % (Lidardaten) respektive 20 % (Stereoluftbilddaten). In der Fallstudie zeigte sich, dass die Genauigkeit (Standardfehler) der Holzvorratsschätzung im Kanton Appenzell Innerrhoden und ebenso diejenige der Waldanteilschätzung mit den Fernerkundungsdaten um etwa 30 % erhöht werden kann. Für die Schätzung des Holzvorrats im Waldareal allein resultiert eine Reduktion des Standardfehlers um gut 10 % mit Luftbilddaten respektive knapp 25 % mit Lidardaten.