4Map4Health

Wälder erfüllen wichtige Funktionen wie Holzproduktion, Schutz vor Naturgefahren und Trinkwasserschutz. Die Zunahme von Störungsereignissen wie Trockenheit, Waldbrand und Insektenmassenvermehrungen, allenvoran Borkenkäferkalamitäten, setzen diese Ökosystemdienstleistungen aufs Spiel. Für viele Waldflächen liegen nur ungenügende Informationen bezüglich Baumartenzusammensetzung und anderen strukturellen Parameter vor, die jedoch für jeden kommerziellen und ökologischen Nutzen relevant sind. Das Projekt beschäftigt sich mit der Frage, wie zukünftige multitemporale, multispektrale Laserscanningdaten verarbeitet werden sollten, damit sie optimal für eine nachhaltige Nutzung des Waldes, Risikomanagement von abiotischen (Sturm, Trockenheit, Feuer) und biotischen Schadfaktoren (Borkenkäfer) genutzt werden können. Die Wasserversorgung von Beständen oder Feuchtigkeitsgehalt von Kronendächern sind wichtige Basisdaten für die Risikoanalyse und können mit Hilfe von bispektralen Lidarmessungen aus der Luft erhoben werden. Es hat sich gezeigt, dass die Erhebung solcher Daten im Intervall weniger Jahre auf Landesebene möglich ist. Der Projektpartner FGI verfügt über den weltweit ersten multispektralen, mobilen Laserscanner der für derartige Studien in Kombination mit weiteren Datenaufnahmen verwendet werden kann. Die Ergebnisse der Lidarmessungen und zusätzlich erhobene Daten über die Wasserversorgung von Beständen sollen in Vorhersagemodelle und Frühwarnsysteme einfließen. Die Kombination von verschiedenen Datenebenen und Modellen ermöglicht eine verbesserte und zeitgerechte Vorhersage von Trockenstress und der Gefährdung von Waldbeständen für Borkenkäferbefall.

Zunehmende Ursachen für Waldschäden sind Waldbrände und Insekten (insbesondere Borkenkäfer), oft in Kombination mit oder verstärkt durch abiotische Stressfaktoren wie Trockenheit oder Stürme. Flächige Baumarteninformationen sind derzeit noch nicht genau genug. Die Hauptforschungsfrage von 4Map4Health war, wie zukünftige multitemporale, multispektrale Laserscanning-Daten (MS-LiDAR) verarbeitet werden können, um Informationen für die ökologische Nachhaltigkeit und insbesondere für die Kartierung der Waldgesundheit (z. B. Borkenkäferrisikobewertung), der Baumarten und des Waldbrandrisikos zu liefern. Das gemeinsame Problem bei der Kartierung der Waldgesundheit, der Baumarten und des Waldbrandrisikos ist, dass sie mit der Blatt-bzw. Nadelfeuchte zusammenhängen. Andererseits ist die Lidar-Rückstreuung stark von der Feuchtigkeit abhängig, weshalb MS-LiDAR-Geräte untersucht wurden. Die Daten wurden mit der weltweit ersten multispektralen LiDAR-Sensorplattform vom FGI, Finnland, erfasst. Für Österreich wurden MS-LiDAR-Daten für zwei Testgebiete in Niederösterreich aufgenommen: "Dunkelsteiner Wald" und "Riegersburg", wo auch Wetter- und Bodendaten verfügbar sind. Wir haben eine Methode zur Klassifizierung von Baumarten entwickelt, die auf einem PointNet++ Netzwerk basiert. Wir haben mit dieser Methode an einem internationalen Benchmark im Rahmen des 4Map4Health-Projekts zur Klassifizierung von Baumarten auf der Grundlage von MS-LiDAR-Daten teilgenommen. Die Ergebnisse dieses Benchmarks wurden in einer gemeinsamen Publikation im ISPRS Journal of Photogrammetry and Remote Sensing veröffentlicht. Darüber hinaus haben wir im Rahmen der von der TU Wien organisierten Konferenz Silvilaser 2021 eine internationale Benchmark-Kampagne durchgeführt. Verschiedene Firmen und Institutionen wurden eingeladen, mit ihren Geräten 3D-Punkte für acht ausgewählte Waldflächen im Wienerwald zu erfassen. Zusätzlich zu den Fernerkundungsdaten (RS) wurden detaillierte In-situ-Daten mit herkömmlichen Messgeräten erfasst. Diese Datensätze dienen als Referenz für die RS-basierten Datenanalysen aber auch als Trainingsdatensatz für den Vergleich von Auswertemethoden. Alle Daten wurden vorverarbeitet und auf https://doi.org/10.48436/afdjq-ce434 veröffentlicht. Mehrere In-situ-Messgeräte erfassen die 3D-Informationen in einem lokalen Koordinatensystem. Um die Daten mit anderen In-situ-Daten und anderen RS-Daten vergleichen zu können, wird ein gemeinsames Koordinatensystem benötigt. Um die 3D-Daten vom lokalen in das globale Koordinatensystem zu transformieren, haben wir einen Arbeitsablauf entwickelt, um verschiedene 3D-Datenquellen zu registrieren. Erste Ergebnisse sind im IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing veröffentlicht. Ein Zeitschriftenartikel mit einem erweiterten Ansatz ist in Vorbereitung. Um die verfügbaren Borkenkäfer-Prädiktionsmodelle (entwickelt von unserem nationalen Projektpartner BOKU) zu verbessern, haben wir verschiedene Arbeitsabläufe/Methoden entwickelt, um aus LiDAR-Punktwolken 3D-Waldstrukturinformationen einschließlich Waldrandinformationen abzuleiten, die eine wesentliche Informationsquelle für Borkenkäferbefall sind. Ein gemeinsamer Artikel mit dem Projektpartner BOKU ist in Vorbereitung.