Fernerkundung

Aus den vielfältigen und komplexer werdenden gesellschaftlichen Anforderungen an Wald und Forstwirtschaft ergeben sich Chancen für den Wald und den Rohstoff Holz genauso wie Herausforderungen für Waldbesitzer und Forstverwaltungen. Gleichzeitig steigen die Belastungen und Risiken für den Wald insbesondere durch den Klimawandel in schwer kalkulierbarem Maß an. In diesem Geflecht aus Interessen und Entwicklungen erhalten großflächig einheitlich erfassbare und rasch aktualisierbare Daten und Informationen über den Wald eine zentrale und stetig steigende Bedeutung.

Fernerkundungs-Luftbild vom LWF-Standort WeihenstephanZoombild vorhanden

Die LWF im Fokus der Fernerkundung

Die Methoden der forstlichen Fernerkundung bieten eine hocheffiziente Möglichkeit, Daten und Informationen über den Wald auf großer Fläche effizient zu erheben und erforderlichenfalls rasch zu aktualisieren.
Diese Möglichkeit schöpft die LWF im Rahmen des Forschungs- und Entwicklungsschwerpunktes „Fernerkundung“ aus, indem sie laufend Impulse der forstlichen Praxis in die Anwendungsentwicklung der Fernerkundung implementiert und umgekehrt aus den Ergebnissen einschlägiger Forschungsaktivitäten die für die Forstpraxis optimal geeigneten Methoden und Anwendungsmöglichkeiten identifiziert und nutzbar macht.

Die Bearbeitung des Forschungs- und Entwicklungsschwerpunktes „Fernerkundung“ obliegt der Abteilung „Informationstechnologie“. Die Methoden der Fernerkundung finden als zentrale Dienstleistung Eingang in die Aufgabenbereiche der anderen Abteilungen der LWF.

Aktuell & Empfohlen

LWF aktuell 144
KIHBA – Mit künstlicher Intelligenz Baumarten erkennen

Bayernkarte mit verorteter Datenüberlagerung von Luftbild und CIR-Luftbild

Das Ziel des Projekts KIHBA ist eine automatisierte Erkennung von Buche, Eiche, Fichte, Kiefer auf Einzelbaumebene durch Nutzung von Deep Learning Verfahren und hochaufgelöster Fernerkundungsdaten. Die Methode kann zuverlässig zwischen „Laubholz“, „Kiefer“ und „Fichte“ unterscheiden, allerdings nicht innerhalb der Laubhölzer.  Mehr

LWF aktuell 144
Schäden erfassen mit Fernerkundung und KI-Methoden

Vergleich verschiedener Bildgrundlagen, die durch die KI ausgewertet werden

In den Projekten BeechSAT und IpsSAT werden geschädigter Rotbuchen und Fichten in Luft- und Satellitenbilddaten automatisch erkannt. Dabei wurden klassische Verfahren des maschinellen Lernens und Deep Learning Modelle zur Schaderfassung erprobt. Deep Learning Modelle ermittelten die besten Genauigkeiten - allerdings benötigen sie zum Training große Lerndatensätze.  Mehr

LWF aktuell 142
Schäden im Wald aus der Vogelperspektive aufspüren

Rückenansicht eines Mitarbeiters mit fliegender Drohne

Räumlich sehr hochaufgelöste Luftbildaufnahmen ermöglichen einen Überblick über das Ausmaß von Schadflächen im Wald aus der Vogelperspektive. Luftbilder dokumentieren den Zustand von Waldbeständen zum Aufnahmezeitpunkt und können dadurch bei der Detektion von verfärbten bzw. geschädigten Fichten helfen.  Mehr