Stand und Perspektiven einer landesweiten Baumartenklassifikation mit digitalen Luftbildern

Zürich

2013

S. 95-103

Artikel aus einer ZeitschriftUnselbständiges Werk

200178382

Das Interesse an flächenhaften und hochaufgelösten Daten zum Schweizer Wald allgemein, aber auch an spezifischen Parametern wie der Baumartenverteilung wurde in den letzten Jahren stets grösser. Landesweite Informationen zur Baumar-tenverteilung können gegenwärtig entweder statistisch aus dem Stichprobennetz des Schweizerischen Landesforstinventars (LFI) abgeleitet werden, oder sie beschränken sich auf eine relative grobe Unterscheidung zwischen Laub- und Nadelgehölzen aus den nicht mehr aktuellsten Datensätzen wie dem Mischungsgrad Schweiz des Bundesamts für Statistik. Die neuesten Daten und Methoden der Fernerkundung erlauben es, aktuelle, konsistente und reproduzierbare Wald-parameter abzuleiten. Der flugzeuggestützte, digitale Zeilensensor ADS80 eröffnet hierzu neue Perspektiven, da die erforderlichen Daten nun im 6-Jahres-Rhythmus schweizweit zur Verfügung stehen. Im Beitrag wird eine robuste Methodik zur Klassifikation von Baumarten vorgestellt, welche in verschiedenen Gebieten erfolgreich getestet wurde. Die erzielten Genauigkeiten liegen für Buche, Esche, Fichte, Föhre, Lärche, Weide und Weisstanne durchschnittlich zwischen 71 und 85%, für andere Laubbaumarten sind sie jedoch niedriger. Hierbei handelt es sich meistens um in den entsprechenden Testgebieten weniger häufig vorkommende Arten wie Ahorn und Birke. Die Ursachen sind zu wenige Referenzdaten sowie Beschattung durch andere Baumkronen. Mit der erfolgreichen Klassifikation der Baumarten in den verschiedenen Testgebieten steht nun der landesweiten Anwendung nichts mehr im Wege. Der digitale Zeilensensor ADS80 der Swisstopo und der hohe Automatisierungsgrad bei der Datenprozessierung erlauben bis zum Jahr 2015 die effiziente Erstellung von flächigen Produkten zum Mischungsgrad, zu einem späteren Zeitpunkt zur Verteilung der Hauptbaumarten.
ADS80; airbone remote sensing; large area; logistic; regression modles; tree species.