Projekt-Detail

Die grenzüberschreitende Region von Šumava und Bayerischer Wald ist u.a. wegen ihrer ausgedehnten, naturnahen Wälder einzigartig. Trotz Langzeit-Datenerhebungen fehlen noch immer umfassende Studien über den Zustand der Waldbestände und Trends deren Entwicklungen. Gerade in Zeiten des Klimawandels können Waldbestände gefährdet sein und es ist notwendig, relevante Daten und konkrete Vorschläge für das Waldmanagement zu haben. Das von uns entworfene Projekt wird dieses Problem durch eine umfassende Analyse der Entwicklung der Waldbestände mit dem Ziel lösen, die meistgefährdeten Bestände anhand von Feld- und Fernerkundungsdaten zu ermitteln. Die Felddaten umfassen Aufnahmen aus dem langfristigen Monitoring, die Fernerkundungsdaten Satellitenszenen, Luftbilder und Daten unbemannter Luftfahrzeuge (UAS). Die Daten sind entweder frei verfügbar oder im Besitz der Projektinstitutionen. Zudem werden Daten zur Kalibrierung und Validierung erfasst. Die UAS-Daten werden für multitemporale Analysen verwendet, wodurch Waldzustandstrends detailliert beschrieben werden. Die ausgewerteten Trends werden mit Algorithmen der künstlichen Intelligenz, insbesondere des Machine Learning und des Deep Learning, klassifiziert. Neben der Bewertung des Gefährdungsgrads von Waldbeständen werden die Ergebnisse auch Vorschläge für Waldmanagementmaßnahmen sowie eine Methodik zur Bewertung langfristiger Waldbestandstrends enthalten.