Waldmonitoring aus dem Weltall

Größe: px

Ab Seite anzeigen:

Download "Waldmonitoring aus dem Weltall"

Gesche Schräder
vor 5 Jahren
Abrufe

Quelle: landconsult, Dr. Markus Weidenbach, http://landconsult.

pl Technische Universität München Waldmonitoring aus dem Weltall

Carril, 2012 Mosandl Weber Thomas Knoke und Thomas Schneider

1 Quelle: landconsult, Dr. Markus Weidenbach, und ProGea Consulting, Dr. Piotr Wezyk, http//progea.pl Technische Universität München Waldmonitoring aus dem Weltall Informationsgewinnung für IT-gestützte Simulationen ESA P. Carril, 2012 Mosandl Weber Thomas Knoke und Thomas Schneider Fachgebiet für Waldinventur und nachhaltige Nutzung (Institute of Forest Management)

Fragestellungen 1. Welche Informationen können aus dem Weltall erfasst werden? 2. Welche Möglichkeiten haben wir zur Analyse von Veränderungen? 3.

2 Fragestellungen 1. Welche Informationen können aus dem Weltall erfasst werden? 2. Welche Möglichkeiten haben wir zur Analyse von Veränderungen? 3. Wie können die Informationen in IT-gestützte Simulationen einfließen? 1. Informationen: Vegetationsdecke Forstliche Variablen 2. Veränderungsanalysen Change Detection: Entwaldung im Zeitablauf Waldveränderungen durch Sturmwurf Feuerdynamik in Südamerika 3. Computermodelle zur Analyse von Szenarien: Schutz des Tropenwaldes Forstliche Wachstumsprognosen Risikomodellierung Ein robuster Wald für die Zukunft -2- Informationen 1.1 Beobachtung der Vegetationsdecke <iframe src=" width="640" height="360" frameborder="0"></iframe> Copyright ESA / DLR -3-

8 Milliarden (10 9 ) Hektar Waldverlust.

Hooke et al. (2012) GSA Today 22, doi: 10.

3 Schätzung forstlicher Variablen mit Hilfe

Holzvolumens, V, in Kubikmetern pro Hektar:

3 1.2 Die Vegetationsdecke der Erde wurde bereits massiv verändert Seit 1700: 1.8 Milliarden (10 9 ) Hektar Waldverlust. Entspricht circa 473 Milliarden Tonnen CO 2. Hooke et al. (2012) GSA Today 22, doi: /GSAT151A Schätzung forstlicher Variablen mit Hilfe von RapidEye Satellitendaten Verteilung des Holzvolumens, V, in Kubikmetern pro Hektar: A. Wallner Wallner et al. (2014) Forestry, doi: /forestry/cpu

Veränderungsanalysen Change detection 2.

2 Auswirkungen eines Sturmwurfes im Bayerischen

4 Veränderungsanalysen Change detection 2.1 Monitoring der Landbedeckung Source: <iframe src=" width="640" height="360" frameborder="0"></iframe> Copyright ESA/USGS/Deimos Imaging 2.2 Auswirkungen eines Sturmwurfes im Bayerischen Wald: Analyse mit Hilfe von RapidEye Satellitendaten Sturmwurf Elatawneh et al. (2014) Forests, 5, A. Elatawneh

5 2.3 Veränderung der Waldflächen RapidEye RapidEye Waldmaske Waldmaske Veränderungskarte erstellt anhand objektorientierter Klassifizierung Elatawneh et al. (2014) Forests, 5, Feuermonitoring Source: <iframe src=" width="640" height="360" frameborder="0"></iframe>; Copyright ESA / DLR

2.5 Feuerrisiko in Südamerika Brasilien Ecuador Kolumbien Feuerintensität (Anzahl pro

(2014) Environmental Modeling and Assessment. doi 10.1007/s10666-014-9411-9. -10- R.

1 Schutz des Tropenwaldes: Ausgangspunkt ist eine Klassifizierung der Landbedeckung Aufgegebene

6 2.5 Feuerrisiko in Südamerika Brasilien Ecuador Kolumbien Feuerintensität (Anzahl pro Quadrat-Kilometer) in Abhängigkeit von geographischem Längen- und Breitengrad Acevedo et al. (2014) Environmental Modeling and Assessment. doi /s R. Acevedo Computermodelle zur Analyse von Szenarien 3.1 Schutz des Tropenwaldes: Ausgangspunkt ist eine Klassifizierung der Landbedeckung Aufgegebene Weiden In manchen Regionen Ecuadors bis zu 68 % der landwirtschaftlichen Flächen. Göttlicher et al. (2009) International Journal of Remote Sensing, 30, Göttlicher -11-

3.2 Struktur des Computer basierten Landnutzungsmodells Betrachtete Komponenten der Landnutzung am Beispiel Ecuadors Produktion Weiden bewirtschaftet Klima- Regulierung C-Speicher Schutzgebiet/

Holz Verlassene Weiden Büsche/ Farn Milch/Fleisch Zusätzliche C- Speicherung Balancieren ökonomischen Gewinn und eingegangenes Risiko Landwirtschaftliche Zuschüsse Weide Weide-Rekultivierung Getreide

Daten aus dem Weltall 3.3 Mögliche Szenarien A.

7 3.2 Struktur des Computer basierten Landnutzungsmodells Betrachtete Komponenten der Landnutzung am Beispiel Ecuadors Produktion Weiden bewirtschaftet Klima- Regulierung C-Speicher Schutzgebiet/ Nationalpark Tropenwald Tropenholz Vermiedene C-Emission Aufforstung Forst-Plantage Plant. Holz Verlassene Weiden Büsche/ Farn Milch/Fleisch Zusätzliche C- Speicherung Balancieren ökonomischen Gewinn und eingegangenes Risiko Landwirtschaftliche Zuschüsse Weide Weide-Rekultivierung Getreide Farmer verteilen Land auf Optionen (Hektare) C-Emission Ackerland Kultiviert Infrastruktur/ ungenutzt Andere Flächen Knoke et al. (2013) Global Environmental Change, 23, Daten aus dem Weltall 3.3 Mögliche Szenarien A. Kompensations-Zahlungen (KO): Farmer erhalten Geld, um den Wald nicht in landwirtschaftliche Nutzung umzuwandeln (Deckung Opportunitätskosten, Bezahlung fürs Nichtstun) B. Kompensationen + Forstwirtschaft (KO + Forstw.) (Naturwaldbewirtschaftung/Aufforstung): Wie A., aber aufgegebenes Land und Naturwald werden berücksichtigt Pasture Reforestation Pasture C. Strategie B. plus Finanzhilfe Rekultivierung ehemaliger Weiden (KO, Forstw., Rekultivierung) Modell: Ziele der Farmer Steuermöglichkeiten Entscheidungsvariablen Landnutzung Landbedeckung Unbewirtschaftet Bewirtschaftet Naturschutzzahlungen Roos et al. ( ). Mountain pastures in tropical Ecuador: Ruin and rehabilitation. Hohenheim: Conference Land Use and Rural Development in Mountain Areas. B. Calvas L.M. Castro

3.4 und ihre Konsequenzen Auswirkungen in % vom Maximum 100 90 80 70 60 50 40 30 20 10 0 Nur KO KO+Forstwirtschaft KO, Forstw.

8 3.4 und ihre Konsequenzen Auswirkungen in % vom Maximum Nur KO KO+Forstwirtschaft KO, Forstw., Rekultivierung CO2 Emissionen (% von Entwaldungsszenario) Kosten Lebensmittelproduktion 3.5 Computer gestützte Wuchsprognosen (im Beispiel das Modell des TUM-Lehrstuhls für Waldwachstumskunde) Die Berücksichtigung der aufgegebenen Flächen erhöht die Effizienz der Strategien zum Schutz des Tropenwaldes Ostrava_2014.pdf -15-

3.6 Simulation von Risiko-Szenarien: Bis zu 50.

50% Fichte 50% Buche Griess und Knoke (2013) European Journal of Forest Research, 132, 511-522.

9 3.6 Simulation von Risiko-Szenarien: Bis zu Szenarien, wenn seltene Ereignisse analysiert werden sollen Häufigkeit Waldtyp Buche Fichte 90% Fichte 10% Buche 50% Fichte 50% Buche Griess und Knoke (2013) European Journal of Forest Research, 132, Ertrag (Summe Euro (abgezinst)/ha) V. Griess 3.7 Wie soll unser Wald in Zukunft aussehen? Ertrag und Risiko der vier Bestandestypen Griess und Knoke (2013) European Journal of Forest Research, 132,

sich bei Veränderungen Erkennung von Baumarten.

aus dem Vegetationsbedeckung der Erde nicht zu

Welche Möglichkeiten haben wir zur Analyse von

Auswertung von Zeitreihen und multi-temporalen

Solche Daten bilden das Rückgrat für einen

Wie können die Informationen in IT-gestützte

10 Mosandl Waldmonitoring aus dem Weltall Informationsgewinnung für IT-gestützte Simulationen Weber 1. Welche Informationen können aus dem Weltall erfasst werden? Flächen und deren Veränderungen in zeitlich sehr hoher Auflösung. Grenzen existieren Weltall immer lassen noch z.b. sich bei Veränderungen Erkennung von Baumarten. der Ohne die objektiven Daten der Fernerkundung aus dem Vegetationsbedeckung der Erde nicht zu vertretbaren 2. Welche Möglichkeiten haben wir zur Analyse von Veränderungen? Auswertung von Zeitreihen und multi-temporalen Daten. Kosten und zeitnah quantifizieren. Solche Daten bilden das Rückgrat für einen effektiven Klimaschutz und eine 3. Wie können die Informationen in IT-gestützte Simulationen einfließen? nachhaltige Landnutzung. Daten aus dem Weltall bieten die Eingangsgrößen für die Modelle und dienen der Überprüfung der Modellaussagen Die Quantifizierung von Veränderungen des Waldes und Steuerungsansätze sind ein interessantes Forschungsfeld für junge Wissenschaftler!

Ähnliche Dokumente

Quelle: landconsult, Dr. Markus Weidenbach, und ProGea Consulting, Dr. Piotr Wezyk,

Quelle: landconsult, Dr. Markus Weidenbach, http://landconsult.de und ProGea Consulting, Dr. Piotr Wezyk, http://progea.pl Technische Universität München Informationsgewinnung für Computer gestützte Simulationen