FiVe3D
Fernerkundung für innovative Verfahren des Waldstrukturmonitorings
Daten für Betriebsinventuren und Forsteinrichtungen werden bislang mit konventionelle Messtechniken erfasst, die sehr zeitaufwändig sind und nur punktuell gesicherte Aussagen über Forstparameter liefern. Das Projekt Five3D zielt darauf ab, mit Hilfe einer KI-Lösung sowie hochaufgelösten Lidardaten und multispektralen Daten eine KI-Lösung genauere und flächendeckende Parameter zu berechnen.
Forschungsgebiet:
- Laufzeit:
- 01.07.2022 - 31.12.2023
- Projektstatus:
- abgeschlossen
- Einrichtungen:
- Fakultät für Geoinformation Institut für maschinelles Lernen und intelligente Systeme (IAMLIS)
- Drittmittelart:
- Stiftung
- Projektart:
- Forschung
Bei Betriebsinventuren sowie der Forsteinrichtung werden in langen zeitlichen Abständen (circa alle 10 Jahre) mittels Schätzungen und Hochrechnungen Daten über die Waldstruktur erhoben. Diese Daten sind eine wichtige Grundlage für das Monitoring der Waldentwicklung und der Diversität des Waldes. Die bei Betriebsinventuren verwendeten Aufnahmetechniken sind sehr zeitaufwändig und können nur stichprobenartig erhoben werden. Das Pilot-Projekt Five3D zielt darauf ab, mit neuen, innovativen, fernerkundungsbasierten Technologien unter Einsatz von Laser- und Multispektral-Sensoren die Datenaufnahme für das Monitoring der Waldstruktur zu verbessern.
Die gewonnenen Daten über mehrere Hektar Waldfläche werden mit Deep-Learning Methoden automatisiert ausgewertet. Hierfür wird das gefaltete neuronale Netzwerk Mask R-CNN mit den in dem Projekt aufgenommenen Daten dazu trainiert, aus Laser-Punktwolken Einzelbaumsegmente zu erstellen und mittels der spektralen Informationen die Baumart zu bestimmen.
Ziel des Projektes ist die Einführung einer kostengünstigen, flächendeckenden und detaillierten Erfassung der Waldstruktur, die ergänzend zu den terrestrischen Aufnahmen einer Waldinventur erfolgen soll und sich hinsichtlich der Datenqualität stark von herkömmlichen Verfahren abhebt.