Erstellung von Fichten- und Kiefernanteilskartenauf Basis von Satellitendaten für Bayern

2015 
Der fortschreitende Klimawandel erhoht das Gefahrdungspotenzial von Waldern zunehmend. Eine forstwirtschaftliche Nutzung von Waldern ist oftmals nur durch den Wechsel auf Baumarten mit groserer Flexibilitat gegenuber den Auswirkungen des Klimawandels langfristig sichergestellt. Fur derartige Waldumbauvorhaben auf groser Flache benotigen die Akteure aktuelle Verbreitungskarten einzelner Baumarten in einer raumlichen Aufl osung von z. B. 1 Hektar. Um eine regelmasige Uberwachung und Aktualisierung zu ermoglichen, sind die Kosten fur derartige Kartenprodukte ein weiterer wichtiger Faktor, der zu berucksichtigen ist. Der vorliegende Beitrag beschreibt und validiert einen fernerkundungsbasierten Ansatz fur die Kartierung von einzelnen Baumarten (Fichte und Kiefer) mit einer innovativen Kombination von kommerziellen, sehr hoch aufgelosten Satellitendaten und frei verfugbar Landsat-Zeitreihen. Die Methodik beinhaltet dabei die uberwachte Klassifi kation von WorldView-2 Daten ausgewahlter Testgebiete, gefolgt von einem „Upscaling“ dieser Referenzinformationen auf grose Flachen mit multispektralen und multitemporalen Landsat-Daten. Fur die Modellierung wurde mit Random Forest (RF) ein auf Entscheidungsbaumen basierender Ansatz gewahlt. Mit der entwickelten Methode konnten fur ganz Bayern konsistente und genaue Karten der Fichtenund Kiefernverbreitung (kontinuierliche Anteile) mit einer Aufl osung von 1 ha erstellt werden. Eine Validierung mit 3798 unabhangigen Referenzzellen ergab fur Fichte bzw. Kiefer einen Root-Mean-Square Error (RMSE) von 11 und 14 %, und ein Bestimmtheitsmas (R²) von 0.74 bis 0.79. Zwischen 76 und 85 % der Validierungspunkte wurden besser modelliert als die angenommene Unsicherheitsmarge von ±15 % der Referenzinformation (aus manueller Bildinterpretation von Orthophotos).
    • Correction
    • Source
    • Cite
    • Save
    • Machine Reading By IdeaReader
    0
    References
    0
    Citations
    NaN
    KQI
    []