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.
Zoombild vorhanden
Die LWF im Fokus der Fernerkundung
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 149
Laubholzschäden erfassen mit Laserscanner und Luftbild
Das Projekt „AirLaserSpec“ der LWF untersucht mithilfe von Laserscanning und Luftbildern die präzise Erfassung von Laubholzschäden, insbesondere bei Buchen. Ziel ist die Entwicklung eines automatisierten Verfahrens zur Schaderfassung und Bereitstellung präziser Koordinaten. Mehr
LWF aktuell 149
Blick von oben auf die Alpen – eine neue Landbedeckungskarte
Die neue Landbedeckungsklassifizierung der bayerischen Alpen erfasst nun auch Latschen, Felsen und Wiesen. Sie wurde entwickelt, um die FFH-Wald-Lebensraumtypen in den Alpen besser zu modellieren und bietet eine fundierte Grundlage für weitere Habitatmodelle und Analysen zur Waldzusammensetzung. Mehr
LWF aktuell 144
KIHBA – Mit künstlicher Intelligenz Baumarten erkennen
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