Evaluierung und Entwicklung von Methoden zur automatisierten Erfassung von Waldstrukturen aus Daten flugzeuggetragener Fernerkundungssensoren

Freising

2006

328 S. + CD-Rom

134 Abb., zahlr. Lit. Ang.

Bandaufführung

3-933506-33-6

134409

Auf Grund der rasanten technologischen Entwicklung im Bereich der Sensorik sowie der Computerhard- und -software haben sich in den letzten Jahren neue Perspektiven zur Erforschung von Wäldern ergeben. Im Rahmen dieser durch die High-Tech-Offensive Bayern geförderten Arbeit wurde deshalb untersucht, inwieweit sich der Einsatz neuer Technologien zur automatisierten Erfassung von Waldstrukturen eignet. Als Voraussetzung dafür wurde zunächst ein Referenzgebiet zum Testen von Fernerkundungssensoren aufgebaut. Die Datenerhebung erfolgte in vier Testgebieten mit einer Gesamtfläche von 3.000 ha im Nationalpark Bayerischer Wald. Die Testgebiete umfassen alle charakteristischen Waldgesellschaften (Hochlagenfichtenwald, Bergmischwald, Aufichtenwald) und repräsentieren sowohl die Natur- als auch die Entwicklungszone. Es wurden die folgenden Fernerkundungsdaten erfasst: Laserscanner (Sommer- und Winterbefliegung), Digitale Bilder, Zeilenscanner, Luftbilder (farb und farbinfrarot); Interferometrisches Radar (X-, L-, und P-Band). Zusätzlich wurde eine umfangreiche Bodenreferenz zur Verifikation der Fernerkundungsdaten erhoben. Sie besteht aus 45 hochgenau (ء 5cm) eingemessenen Referenzflächen (0,1 - 0,4 ha), 34 Referenzbeständen (0,4 – 6,1 ha), sowie 686 Inventurpunkten der permanenten Stichprobeninventur (ء5 m) und einer flächendeckenden Kartierung von Waldentwicklungsstadien. Mit Laserscanning ist es möglich, die Bodenoberfläche sehr genau zu bestimmen, besser als das mit herkömmlichen forstlichen Verfahren möglich ist. Das aus den Radardaten abgeleitete Bodenmodell erreicht nicht diese Genauigkeit, da es in Beständen mit einer Höhe von über 20 bis 30 m nicht den tatsächlichen Geländeverlauf wiedergibt. Auch bei der Bestimmung der Bestandesoberfläche ist Laserscanning allen anderen Verfahren in Bezug auf Auflösung und Genauigkeit überlegen. Vielversprechend sind auch Oberflächenmodelle, die aus digitalen Luftbildern durch Bildkorrelation berechnet werden konnten. In Laubwaldbereichen wird damit eine vergleichbare Genauigkeit wie bei Lasersystemen erreicht. Allerdings wurden bei Nadelbäumen die Baumwipfel und die dazwischen liegenden Bereiche durch den Filteralgorithmus abgeschnitten. Die Auflösung und Genauigkeit der Oberflächenmodelle aus InSAR-Daten ist deutlich geringer (5 m). Im Gegensatz zum Laserscanning liefert Radar eine gemittelte Bestandeshöhe. Radardaten eignen sich daher weniger für präzise lokale Angaben, sondern können nur zur Ableitung von Bestandesmittelhöhen verwendet werden. Darüber hinaus hängt die Eindringtiefe der Radarwellen auch von den Eigenschaften der untersuchten Beständen, wie Dichte und Baumartenzusammensetzung, ab. Für das automatisierte Erkennen von Einzelbäumen und die Ableitung von Baumparametern wurden drei verschiedene Verfahren getestet. Während Template Matching und der Fractal Net Evolution Algorithm nicht zu befriedigenden Ergebnissen führten, konnten mit Watershed Algorithmen gute Resultate erzielt werden. Mit diesem Verfahren wurden 86 % des terrestrischen Holzvolumens der Referenzbestände erkannt. Auch die aus den Laserscanningdaten ermittelten individuellen Baumhöhen (RMS-Fehler 3,3 %), Kronen- (RMS-Fehler 10,3 %), und Brusthöhendurchmesser (RMS-Fehler 12,5 %) sowie das Einzelstammvolumen (RMS-Fehler 28,2 %), konnten bestimmt werden. Laub- und Nadelbäume wurden mit einer Genauigkeit von über 90 % unterschieden. Des Weiteren wurde untersucht, inwieweit sich forstliche Bestandesparameter aus Laserscanningdaten unabhängig von der Delinierung von Einzelbäumen mit einem statistischen Ansatz schätzen lassen. Auf der Ebene von 20 x 20 m großen Probequadraten lagen die ermittelten RMS-Fehler für die Baumhöhen bei 5 %, für die Brusthöhendurchmesser bei 10 % und für den Vorrat sowie verschiedene Bestandesdichteindizes zwischen 10 und 20 %. Durch Stratifizierung der Probeflächen in Laub-, Nadel- und Mischwald konnte das Ergebnis deutlich verbessert werden. Darüber hinaus wurde ein Verfahren zur automatisierten Erfassung von Totholzflächen aus Luftbildern entwickelt. Die Klassifikationsgenauigkeit erreichte über 90 %, so dass das Verfahren in den operationellen Einsatz überführt werden kann. Weniger gut waren die Resultate bei der automatisierten Kartierung von Waldentwicklungsstadien. Hier wurde nur eine Klassifikationsgenauigkeit von 70 % erreicht. Es zeigte sich jedoch, dass die Klassifikationsgenauigkeit durch die ungenaue Kartierung im Rahmen des Waldbegangs beeinflusst wird. So erreichten die terrestrischen erhobenen Daten nur eine Genauigkeit von 74 %. Aus den Ergebnissen dieser Arbeit kann gefolgert werden, dass die Kombination von Laserscanningdaten und digitalen Bildern gut für den Einsatz bei Waldinventuren bis zur Einzelbaumebene geeignet ist. Da die Kosten für die Datenbeschaffung in den letzen Jahren deutlich gesunken sind, ist davon auszugehen, dass automatisierte Methoden der Fernerkundung schon in naher Zukunft eine große Rolle bei Waldinventuren spielen werden.