Entwicklung einer effizienten forstlichen Betriebsinventur

Transkript

1 Entwicklung einer effizienten forstlichen Betriebsinventur FOWALA - FERNERKUNDUNG UND WALD - UPDATE GRUNDLAGEN UND WERKZEUGE Leo Bont, Toni Bürgi, Andreas Hill, Dario Pedolin, Liviu Ene, Christian Ginzler, Adrian Lanz, Renato Lemm, Oliver Thees

2 Vorbemerkung Forstliche Planung braucht verlässliche Zahlen und nicht nur Schätzungen => Betriebsinventur Inventuren, auch Stichprobeninventuren, sind teuer; aus dem Holzerlös sind solche Ausgaben nicht mehr zu bestreiten Nebst terrestrischen Daten stehen heute auch immer bessere Fernerkundungsdaten zur Verfügung => Eine Kombination von terrestrischen Daten mit Fernerkundungsdaten verspricht eine kostengünstigere Inventur in Forstbetrieben

3 Inhalt Kombiniertes Verfahren terrestrische Stichproben / Fernerkundung Fälle von Kleingebieten (viele Stichproben, wenige Stichproben, keine Stichproben) Flächige Produkte (Karten) Workflow & Tools Anwendungen (Fribourg / Bremgarten) Empfehlungen an künftige Betriebsinventuren

4 Konzept Fernerkundungsdaten Hilfsvariablen Statistisches Modell Stichproben «Karten» 2 Phasige Inventuren 1 Phasige Inventuren

5 Fernerkundungsdaten & Hilfsvariablen 30m 21m 75 % Percentile 150 m3/ha 400 m3/ha Vorrat [m3/ha] % Percentile [m]

6 Weitere Fernerkundungsdaten Laubholz / Nadelholz Unterscheidung (LFI, C. Ginzler) Laubholz Nadelholz Weitere: - Bestandeskarten - Sentinell 2 - etc.

7 2 Phasige Inventuren Global (z.b. Bremgarten) n1 = n2 = 360 Kleingebiet (wenige Stichproben) n1 = 196 n2 = 7 -> Anwendung globales Modell Modell-Bias korrigiert durch Residuenkorrektur Zwei Phasiges Design Terrestrische Proben & Fernerkundungs Proben (phase 2) Fernerkundungs Proben (phase 1)

8 2 Phasige Inventuren 2- / 3- phasige Schätzer Kleingebietsschätzung Globale Schätzung unverzerrt verzerrt terrestrische Daten für Modellierung genügend ungenügend ungenügend terrestrische Daten für Validierung genügend genügend ungenügend 12 x Anzahl der Parameter Bei 4 Parametern = 48 Stp. 4-6 Ungefähre Anzahl der Stichprobe

9 «Karten» / Synthetische Modelle [Bolton 2014] -> Anwendung globales Modell Keine Residuen-Korrektur des Modell-Bias!

10 Statistisches Modell Y = β x E i Multiple Lineare Regression: 0 + β1xi,1 + β 2 xi,2 + β 3 i,3 i Wichtig: Residuenanalyse System. Fehler bei hohem Vorrat OK für Methoden mit «Residuenkorrektur» Zwingend für synthetische Modelle

11 Workflow & entwickelte Tools Zusatzinfo Raster (z.b. LbH / NdH) Daten terr. Stichprobe LidAR Rohdaten LDP Normalisierte LiDAR Rohdaten LDP Vegetationshöhenmodell (CHM) Bestandeskarte Meta Daten Stichproben Waldmaske / Bestandeskarte PD Polygone verdichtete Stichproben Standardisierung Modul Hilfsvariablen (Prototyp in Python) Polygone flächig (Wall2Wall) Standardisierte Daten Stichproben Ber. Hilfsvariablen LiDAR Ber. Hilfsvariablen CHM & Raster Auswertung Stichproben Hilfsvariablen Modell Bildung Stichproben Auswertung Karten Schätzungen für Bestände Modul Flächige (Wall2Wall) Karten Auswertung (Prototyp in Python) Modell Wall2Wall Modell 2 Phasige Schätzung R- package 2 Phasige Schätzung «forestinventory» (ETHZ) Globale 1-phasige Schätzung Globale 2 Phasige Schätzung Kleingebietsschätzungen Legende (Symbole): Daten Schnittstelle (Input / Output Prozesse (Tools) Sammler Abkürzungen Prozesse LDP: LiDAR Data Processing PD: Polygon Design

12 R-Package «forestinventory» (ETHZ) Zur Berechnung von Schätzungen und deren Genauigkeit Für grossflächige und kleinflächige Auswertungen geeignet Seit August 2016 auf CRAN kostenlos verfügbar (bisher 3993 Downloads) 32 design-basierte Schätzer (32 Inventurszenarien) veröffentlicht von Daniel Mandallaz (ETH) Anhand zahlreicher Studien entwickelt und getestet Mandallaz, D. and Hill, A. and Massey, A. (2016) Massey, A. F. (2015). Massey, A. and Mandallaz, D. and Lanz, A. (2014). Hill, A., Breschan, J., & Mandallaz, D. (2014) Mandallaz, D. (2013). Mandallaz, D., Breschan, J., & Hill, A. (2013). Mandallaz, D. (2013). Mandallaz, D. (2008) Tutorial unter:

13 Anwendung - Globale Schätzung - Reduktion der Stichproben - Karten 2 3 1

14 Globale und Kleingebiets Schätzung Bremgarten Freiburg 1-phasig 2-phasig 1-phasig 2-phasig Schätzung [m3/ha] % Vertrauensintervall [m3/ha] Standardfehler [%] [%] Klein gebiet Domäne Methode Schätzer Schätzung Standardfehler[%] 95% Vertrauensintervall (untere & obere Grenze) 1 global onephase onephase smallarea twophase psynth extended global onephase onephase smallarea twophase psynth extended global onephase onephase smallarea twophase psynth extended

15 Reduktion der Stichproben Vertrauensintervall [m3/ha] 2-Phasig 2-Phasig n = 363 n = 177 (E= 2,72 %) 2-Phasig n = Phasig n = 363 (Error = 3.89 %) 2-Phasig n = 88, 93, 89, 93 E = 4.8, 5.1, 6.6, 5.4 %

16

17

18 Übertragbarkeit der Modellparametrisierungen Modell parametrisiert mit Daten aus Bremgarten und angewendet auf Fribourg -Daten

19 Empfehlungen an künftige Betriebsinventuren Fernerkundungsdaten verwenden Fernerkundungsdaten und terrestrische Informationen möglichst synchron aufnehmen. Bei terrestrischen Stichproben-Aufnahmen sollte mit der Methode der konzentrischen Kreise (LFI Methode) gearbeitet werden (Mandallaz 2008) Die Stichprobennetze für regionale oder grössere Betriebs-Inventuren sollten auf dem LFI- Stichprobennetz aufbauen (Mandallaz 2008) Stichprobenmittelpunkte präzise vermessen.

20 Schlussfolgerung Einbindung von Fernerkundungsdaten erweist sich als effizient Eignet sich für Parameter, welche über Fernerkundungsdaten modelliert werden können (Vorrat, Grundfläche, Stammzahl) Auf terrestrische Stichproben kann nicht verzichtet werden (Trainingsdaten, Merkmale wie z.b. Verjüngung) Fehler immer Angeben (Mittelwert & Vertrauensintervall) Umsetzung als «Modulare» Lösung

21 Unterstützt durch: Kanton Zürich Baudirektion Amt für Landschaft und Natur Service des forêts et de la faune SFF