Forschungs- und Innovationsprojekt
Detektion von Borkenkäferschäden mit optischen Satellitendaten (Projekt „IpsSAT“)

Mehrfarbiges Luftbild vom Kronenraum eines Fichtenbestandes.

Detection of bark beetle infestation with optical satellite data "IpsSAT E 057"

Hauptziel von IpsSAT ist die Prüfung von Möglichkeiten der automatisierten Erfassung von sichtbaren Borkenkäferschäden an Fichte (Picea abies; d.h. rotbraun verfärbte oder grau verfärbte Baumkronen) in Luftbildern und optischen Satellitendaten.

Hintergrund

In den vergangenen Jahren haben Fichtenborkenkäfer hohe Schadholzmengen in Bayern verursacht. Vor diesem Hintergrund wurde an der LWF das Forschungsprojekt mit der Kurzbezeichnung IpsSAT gestartet. Das Projekt nutzt moderne Techniken der Satellitenfernerkundung, um zu prüfen, ob zukünftig eine computergestützte Erfassung und Beobachtung geschädigter Fichten auf großer Fläche möglich sein wird.

Im Projekt werden die folgenden Satellitensysteme geprüft: WorldView-3, SkySat, Planet Dove, RapidEye und Sentinel-2. Die Untersuchungen erfolgen in drei Projektgebieten: Bad Kohlgrub, Bad Kötzting und Frankenwald. Für die Projektgebiete wurden photogrammetrische Bildflüge zur Erstellung von hochaufgelösten Stereo-Luftbildern durchgeführt. Zeitnah dazu konnten wolkenfreie Satellitendatensätze beschafft werden. Anhand der vorliegenden Daten können die Vor- und Nachteile der einzelnen Fernerkundungssensoren untersucht werden.

Drei Abbbildungen mit Luftbildern von Fichtenbeständen. Links sind grüne Kronen, mittig rote Kronenverfärbungen und rechts graue Kronenverfärbungen erkennbar.

Abb.: Drei Luftbilder von Fichtenbeständen mit unterschiedlichen Kronenverfärbungen. (Grafik: LWF)

Projektziel

Ziel von IpsSAT ist eine Analyse und ein Vergleich unterschiedlicher automatisierter Klassifikationsstrategien zur Identifizierung von geschädigten (d.h. verfärbten) Fichten in unterschiedlichen Fernerkundungsdaten. Hierfür werden Methoden des überwachten Lernens eingesetzt d.h. die automatisierten Klassifikationsverfahren werden mit einem vorab manuell erstellten Lerndatensatz „trainiert“. Bei der vorliegenden Fragestellung handelt es sich bei den Lerndaten um Bildbeispiele mit vitalen und geschädigten Bäumen. Im Speziellen werden die folgenden Klassifikationsansätze verglichen:

  • Klassische Verfahren des maschinellen Lernens (z.B. Random Forest und Support Vector Machine); die Auswertungen werden von der Abteilung Informationstechnologie der LWF in Freising durchgeführt.
  • Tiefe, neuronale Netze (Deep Learning); die Auswertungen werden von der IABG mbH Geodaten Factory in Dresden durchgeführt.

Projektinformationen
Status: laufend
Laufzeit: 29.07.2019 bis 30.09.2023
Teilprojekt A:
Dr. Christoph Straub (Abt. 1, LWF)
Bearbeitung: Dr. Javier Gonzalez Patiño (Abt. 1, LWF);
Teilprojekt B:
Projektleiter: Dr. Andreas Hahn (Abt. 5, LWF);
Teilprojekt C: IABG mbH
Durchführende Institution: Bayerische Landesanstalt für Wald und Forstwirtschaft
Kooperationspartner: IABG mbH Geodaten Factory