Erfassung und Kartierung von Baumarten und Schädlingsbefall mittels optischer Satellitendaten

Transkript

1 Erfassung und Kartierung von Baumarten und Schädlingsbefall mittels optischer Satellitendaten Universität für Bodenkultur Wien Department für Raum, Landschaft und Infrastruktur Institut für Vermessung, Fernerkundung und Landinformation ÖBf-Forschungstag Fernerkundung: Wunsch und forstliche Wirklichkeit Purkersdorf, Markus Immitzer Universität für Bodenkultur Wien Department für Raum, Landschaft und Infrastruktur Institut für Vermessung, Fernerkundung und Landinformation Leitung: Prof. Dr. Clement Atzberger 1

2 Überblick Baumartenklassifikation auf Einzelbaumebene auf Baumgruppen- / Bestandesebene auf überregionaler Ebene Vitalität Erfassung Schädlingsbefall / Vitalitätsverlust an Fichten Zusammenfassung Ausblick 2

3 Datenmaterial WorldView-2 8 Spektralkanäle Räumliche Auflösung 2 m Flughöhe ~ 700 km Rund 30U$/km² Aufnahme nach Bestellung Landsat 6-8 Spektralkanäle Räumliche Auflösung 30 m Flughöhe ~ 700 km kostenfrei verfügbar Kontinuierliche Aufnahme Wiederholrate 16 Tage Baumarten und Schädlingsbefall BOKU IVFL Markus Immitzer I ÖBf-Forschungstag

4 Datenmaterial WorldView-2 Satellitendaten mit 8 Spektralkanälen Auflösung: multispektral 2 m panchromatisch 0.5 m Seit 2010 verfügbar, mittlerweile WorldView-3 (Immitzer et al. 2012, Remote Sensing) 4

5 Baumarten Einzelbaum Ziel: Klassifikation von 10 Baumarten auf Einzelbaumniveau Manuelle Abgrenzung gut beleuchteter Baumkronen Referenzdaten: Forsteinrichtung, Inventur + Feldarbeit Ca Referenzsamples (Einzelbäume) Verwendung der mittleren Reflexionswerte der Einzelobjekte Erstellung spektraler Signaturen der untersuchten Baumarten Überwachte Klassifikation der Referenzsamples (bootstrapping) (Immitzer et al. 2012, Remote Sensing) 5

6 Modellergebnis Baumarten Einzelbaum Gute Trennbarkeit der Baumarten Klassifikation mittels Linearer Diskriminanzanalyse und Random Forest (Entscheidungsbäume) Genauigkeiten mit 4 Kanälen RF Referenzdaten (Feldarbeit) Fi Ki La Dgl SZy Bu Ei HBu Bi SEr UA [%] Fi Ki La Dgl SZy Bu Ei HBu Bi SEr PA [%] Gesamtgenauigkeit (Immitzer et al. 2012, Remote Sensing, Immitzer et al. 2012, PFG) 6

7 Modellergebnis Baumarten Einzelbaum Gute Trennbarkeit der Baumarten Klassifikation mittels Linearer Diskriminanzanalyse und Random Forest (Entscheidungsbäume) Genauigkeiten mit allen 8 Kanälen RF Referenzdaten (Feldarbeit) Fi Ki La Dgl SZy Bu Ei HBu Bi SEr UA [%] Fi Ki La Dgl SZy Bu Ei HBu Bi SEr PA [%] Gesamtgenauigkeit (Immitzer et al. 2012, Remote Sensing, Immitzer et al. 2012, PFG) 7

8 Baumarten Einzelbaum Klassifikationsergebnis einer unabhängigen Testfläche (Immitzer et al. 2012, Remote Sensing) 8

9 Baumarten Einzelbaum Klassifikationssicherheit einer unabhängigen Testfläche (Immitzer et al. 2012, Remote Sensing) 9

10 Baumarten Baumkollektive Ziel: Flächendeckende Klassifikation von WorldView-2 Szenen Automatische Abgrenzung homogener Objekte (Segmentierung) Referenzdaten aus Inventur und Luftbildinterpretation Waldbestände: homogene Baumkollektive Baumarten: Hauptaugenmerk auf Fichte, Kiefer, Laubholz, sonst. Nadelholz je nach Gebiet auch detaillierter Zusätzliche Klassen: verbaute Flächen, Wiesen, Wasser Berechnung von Objektmetriken (Mittelwert, Perzentile, ) Erstellung von Klassifikationsmodellen (Random Forest) inklusive automatischer Variablenauswahl / - reduktion Flächendeckende Anwendung auf gesamte Szene 10

11 Baumarten Baumkollektive Objektbasierte Klassifikation der WorldView-2 Szenen OBIA Modell Erstellung & Anwendung WorldView-2 Szenen Automatische Segmentierung = möglichst homogene Bestandesteile Objektkennwerte flächendeckende Karten Referenzpolygone: (Inventur, Orthophotointerpretation) Spektralinformation Textur (Immitzer et al. 2015, Münchner Forschungsberichte) 11

12 Modellergebnis Baumarten Baumkollektive Modellperformance Bsp. FFB Referenzdaten (Inventur) FI FI jung KI NH LH VEG SIE WAS SCA UA [%] FI FI jung KI NH LH VEG SIE WAS SCA PA [%] Gesamtgenauigkeit (Immitzer et al. 2015, Münchner Forschungsberichte) 12

13 Baumarten Baumkollektive 43 WorldView-2 Szenen über Bayern verteilt durchschnittlich ca. 350 km² -> ca km² Baumarten und Schädlingsbefall (Immitzer et al. 2015, Münchner Forschungsberichte) BOKU IVFL Markus Immitzer I ÖBf-Forschungstag 2016

14 Baumartenanteilsschätzung - überregional Ziel: Erstellung einer flächendeckenden Fichten- und Kiefernanteilskarte für Bayern Hintergrund: Kölling, Dietz, Falk & Mellert (2009) Provisorische Klima-Risikokarten als Planungshilfen für den klimagerechten Waldumbau Anteil [%] der beiden Baumarten in fixen 1 ha Zellen 2 stufige Methode: Klassifikation von WorldView-2 Szenen -> Detailkarten als Referenzdatensatz Flächendeckendes Modell basierend auf Landsat-Satellitenszenen Risikokarte für den Fichtenanbau; zukünftige Klimabedingungen, mittlere Bodenverhältnisse ( , WETTREG-Regionalisierung, Szenario B1). (Kölling et al. 2009, LWF-Wissen) 14

15 Baumartenanteilsschätzung - überregional Baumartenkarten über Bayern verteilt (WV2) Flächendeckende Landsat-Daten Fichte 25% Kiefer 55% Sonstiges 20 % Kiefer 100% Fichte 100% Fichte 5% Kiefer 5 5% Sonstiges 40% (Immitzer et al. 2015, Münchner Forschungsberichte) Baumarten und Schädlingsbefall BOKU IVFL Markus Immitzer I ÖBf-Forschungstag

16 Baumartenanteilsschätzung - überregional Baumartenkarten über Bayern verteilt (WV2) Flächendeckende Landsat-Daten Upscaling- Modelle Referenzdaten (zu erklären): Anteile Fichte, Kiefer, Sonstiges (Anteile in % je ha-zelle) Erklärende Variablen: Landsat Spektral, Zeitserie (Kennwerte je ha-zelle) Random Forest Regression getrennt für jede Klasse! (Immitzer et al. 2015, Münchner Forschungsberichte) Baumarten und Schädlingsbefall BOKU IVFL Markus Immitzer I ÖBf-Forschungstag

17 Baumartenanteilsschätzung - überregional Modellerstellung und -anwendung getrennt für jede Klasse (Immitzer et al. 2015, Münchner Forschungsberichte) 17

18 Baumartenanteilsschätzung - überregional Modellerstellung und -anwendung getrennt für jede Klasse Zusammenführen der Klassenergebnisse Mosaikierung der Streifen zu RGB-Bild mit allen 3 Klassen (Immitzer et al. 2015, Münchner Forschungsberichte) 18

19 Baumartenanteilsschätzung - überregional (Immitzer et al. 2015, Münchner Forschungsberichte) Baumarten und Schädlingsbefall BOKU IVFL Markus Immitzer I ÖBf-Forschungstag

20 Baumartenanteilsschätzung - überregional (Brus et al Eur. J. For. Res.) Baumarten und Schädlingsbefall BOKU IVFL Markus Immitzer I ÖBf-Forschungstag

21 Vitalität Einzelbaum Ziel: frühzeitige (prävisuelle) Erkennung von Borkenkäferbefall an Fichte ( green attack ) 3 WorldView-2 Aufnahmen: Juni, Juli, Oktober Referenzdaten: im Feld lokalisierte Borkenkäfernester bzw. auf Basis des Bildmaterials 3 Klassen: gesund nicht befallen, befallen noch grün abgestorben (Immitzer & Atzberger, 2014, PFG) 21

22 Vitalität Einzelbaum Manuelle Abgrenzung gut beleuchteter Kronenteile auf Sommerbilder 3 Klassen: gesund, befallen - noch grün und abgestorben Spektrale Signaturen der Klassenmittelwerte (Immitzer & Atzberger, 2014, PFG) 22

23 Modellergebnis Vitalität Einzelbaum Manuelle Abgrenzung gut beleuchteter Kronenteile auf Sommerbilder 3 Klassen: gesund, befallen - noch grün und abgestorben Spektrale Signaturen der Klassenmittelwerte Klassifikation mit Random Forest: Gesamtgenauigkeit: 76% Referenzdaten (Feldarbeit, Interpretation) gesund befallen - grün abgestorben UA [%] gesund befallen grün abgestorben PA [%] Gesamtgenauigkeit (Immitzer & Atzberger, 2014, PFG) 23

24 Zusammenfassung Wirklichkeit / Wunsch Möglichkeiten Voraussetzung Forschungsbedarf Erfassung jedes einzelnen Baumes Detaillierte Baumartenkarten der obersten Bestandesschicht älterer Beständen 4 Spektralkanäle (Orthophoto) oft ausreichend zusätzliche Spektralkanäle und/oder Aufnahmen für detailliertere Analysen räumliche Auflösung (mind. 0.5 m) Einzelbaumsegmentierung Multitemporale Datensätze (Sentinel-2) Kombination von Sensoren Bestandesbeschreibung Automatisierte Bestandesabgrenzung + -klassifikation Spektraldaten (Orthophoto / Satellitenbilder: Sentinel-2) (+ Oberflächenmodell) Kombinationen mit z.b. Holzvorratsschätzung Alternativen zur traditionellen Bestandeskarte? Frühzeitige Erfassung von Vitalitätsverlust Erkennung von Hotspots / Gefährdungsbereichen Ausreichend spektrale Information (> 4 Kanäle) Ausreichend räumliche Auflösung Hyperspektraldaten Zeitserien (Sentinel-2) Kombination von Sensoren 24

25 Ausblick = aktuelle Forschungsarbeiten am IVFL Automatische Umsetzung von Einzelbaumanalysen Segmentierung von WorldView-2 und Orthophotos 25

26 Ausblick = aktuelle Forschungsarbeiten am IVFL Automatische Umsetzung von Einzelbaumanalysen Segmentierung von WorldView-2 und Orthophotos Hohe spektrale Auflösung Multi- bis hyperspektrale Daten (416 Spektralkanäle)

27 Ausblick = aktuelle Forschungsarbeiten am IVFL Automatische Umsetzung von Einzelbaumanalysen Segmentierung von WorldView-2 und Orthophotos Hohe spektrale Auflösung Multi- bis hyperspektrale Daten Hohe räumliche Auflösung UAV-basierte Aufnahmen mit multispektraler Kamera 27

28 Ausblick = aktuelle Forschungsarbeiten am IVFL Automatische Umsetzung von Einzelbaumanalysen Segmentierung von WorldView-2 und Orthophotos Hohe spektrale Auflösung Multi- bis hyperspektrale Daten Hohe räumliche Auflösung UAV-basierte Aufnahmen mit multispektraler Kamera Hohe zeitliche Auflösung 5 Tage Wiederholrate bei Sentinel-2 (Phänologie) 28

29 Ausblick = aktuelle Forschungsarbeiten am IVFL Automatische Umsetzung von Einzelbaumanalysen Segmentierung von WorldView-2 und Orthophotos Hohe spektrale Auflösung Multi- bis hyperspektrale Daten Hohe räumliche Auflösung UAV-basierte Aufnahmen mit multispektraler Kamera Hohe zeitliche Auflösung 5 Tage Wiederholrate bei Sentinel-2 (Phänologie) Kombination von Sensoren Multi-sensorale Auswertung z.b. Sentinel-2 / Orthophoto (Immitzer et al. 2016, Remote Sensing) 29

30 Projektpartner (Auswahl) Kooperationspartner Partner aus der Praxis Universität für Bodenkultur Wien University of Natural Resources and Life Sciences, Vienna Institut für Waldbau Institut für Forstschutz Institut für Wildbiologie Lehi-Copter Geldgeber Baumarten und Schädlingsbefall BOKU IVFL Markus Immitzer I ÖBf-Forschungstag

31 Literaturliste Brus, D.J., Hengeveld, G.M., Walvoort, D.J.J., Goedhart, P.W., Heidema, A.H., Nabuurs, G.J., Gunia, K., Statistical mapping of tree species over Europe. Eur. J. For. Res. 131, doi: /s Immitzer, M., Atzberger, C., Early Detection of Bark Beetle Infestation in Norway Spruce (Picea abies, L.) using WorldView-2 Data. Photogramm. - Fernerkund. - Geoinformation 2014, Immitzer, M., Atzberger, C., Verfahrenstest zur großflächigen Identifikation der in Bayern vorkommenden Hauptbaumarten auf Basis von WorldView 2 (WV2) Satellitendaten (E51 WV2-TreeIdent Pilotstudie) (Endbericht). Universität für Bodenkultur, Wien. Immitzer, M., Atzberger, C., Einzmann, K., Böck, S., Mattiuzzi, M., Wallner, A., Seitz, R., Pinnel, N., Müller, A., Frost, M., Fichten- und Kiefernkarte für Bayern. LWF Aktuell Immitzer, M., Atzberger, C., Koukal, T., Eignung von WorldView-2 Satellitenbildern für die Baumartenklassifizierung unter besonderer Berücksichtigung der vier neuen Spektralkanäle. Photogramm. - Fernerkund. - Geoinformation 5, doi: / /2012/0140 Immitzer, M., Atzberger, C., Koukal, T., Tree species classification with Random Forest using very high spatial resolution 8-band WorldView-2 satellite data. Remote Sens. 4, doi: /rs Immitzer, M., Einzmann, K., Böck, J., Mattiuzzi, M., Ng, W.-T., Wallner, A., Pinnel, N., Reichmuth, A., Frost, M., Müller, A., Seitz, R., Atzberger, C., 2015b. Erstellung von Fichten- und Kiefernanteilskarten auf Basis von Satellitendaten für Bayern. Forstl. Forschungsberichte Münch Immitzer, M., Einzmann, K., Ng, W., Atzberger, C., Wallner, A., Pinnel, N., Reichmuth, A., Seitz, R., Projekt E54: Automatisierte Erfassung der Vitalität von Waldbäumen aus neuesten optischen Satellitendaten mit verbesserter spektraler und räumlicher Auflösung (VitTree) (Zwischenbericht). LWF, Freising. Immitzer, M., Koukal, T., Atzberger, C., Hochauflösende Satellitenbilder für forstliche Anwendungen. Forstzeitung Immitzer, M., Vuolo, F., Atzberger, C., First Experience with Sentinel-2 Data for Crop and Tree Species Classifications in Central Europe. Remote Sens. 8, doi: /rs Kölling, C., Dietz, E., Falk, W., Mellert, K.-H., Provisorische Klima-Risikokarten als Planungshilfen für den klimagerechten Waldumbau. LWF-Wissen 63,

32 Herzlichen Dank für die Aufmerksamkeit! Universität für Bodenkultur Wien Department für Raum, Landschaft und Infrastruktur Fragen? Markus Immitzer Universität für Bodenkultur Wien Department für Raum, Landschaft und Infrastruktur Institut für Vermessung, Fernerkundung und Landinformation Peter Jordan Straße 82, A-1190 Wien Tel.: , Fax: