Potentiale und Grenzen bei der Walderfassung durch Satellitenfernerkundung in den Wäldern Pomeranias EU-Interreg IV A-Projekt ForseenPomerania Abschlussveranstaltung: Biomasseschätzung mittels Fernerkundung 08.05.2014 Stefan Kärgel 1
Inhalte I Einleitung - Motivation - Möglichkeiten der forstlichen Fernerkundung (Überblick) - Zielstellungen für die Satellitenfernerkundung II Daten & Methoden - Fernerkundungs- & terrestrische Daten III Ergebnisse A) Baumartenklassifikation B) Holzvorratsschätzung C) Holzvorratskarte Pomerania IV Fazit & Ausblick 2
Eckdaten: Wald & Holzwirtschaft Waldfläche zur Gesamtfläche: Brandenburg: 1,1 Mill. Hektar / ca. 37 % (Quelle: Landesforst Brdbg 2012) Pomerania: 1,2 Mill. Hektar / ca. 33 % (Quelle: Corine 2006) Eigentumsverhältnisse des Waldes: Brandenburg: Landeswald 27 %/ Privat- & Kommunalwald > 60 % (Quelle: Landesforst Brdbg 2012) Beschäftigte / Umsatz in der Holzverarbeitenden Wirtschaft: Brandenburg: 3700 Mitarbeiter / 1,3 Milliarden Euro jährlicher Umsatz (Quelle: Zukunftsagentur Brdbg 2012) 3
Eckdaten: Wald & Holzwirtschaft 4
Motivation ansteigender Informationsbedarf aktuelle und flächendeckende Informationen über den Zustand der Wälder (Landesforst, Naturschutz, Holzindustrie, EU-Berichtspflicht usw.) Erfassung forstlicher Daten? terrestrische Verfahren vs FE-Verfahren zeit-, kostenintensiv und punktuell flächendeckend und kostengünstig 5
Überblick: Möglichkeiten von Fernerkundung in der Forstwirtschaft Wald-Offenland-Abgrenzung Waldtypen vs. Baumartenerfassung Klassifikationsansätze Visuell vs automatisiert Einzelbaum vs Baumartengruppen Pixelbasiert vs objektbasiert Quelle : LWF-Wissen 72 Quelle : Kärgel & Janzen Vitalitätsuntersuchungen / Kalamitäten z.b. Fraßkartierungen, Sturmereignisse Quelle: Blackbridge 2014 Ableitung weiterer forstlicher Parameter: Baumhöhen, Totholz usw. 6
EU-Projekt ForseenPOMERANIA Ziele im Projekt: Ableitung der Holzbiomasse und weiterer forstlicher Parameter mittels verschiedener Fernerkundungsverfahren Vergleich der Methoden nach Kosten, Genauigkeit und Aufwand Fernerkundungsverfahren: Satellitenfernerkundung Luftbildauswertung terrestrisches Laserscanning flugzeuggetragenes Laserscanning Empfehlungen für Entscheidungsträger Veröffentlichung der Ergebnisdaten in einem Geodatenportal 7
Ziele der Walderfassung durch Satellitenfernerkundung im Projekt 1. Baumarteninventur für eine möglichst große Fläche in einer höchstmöglichen Genauigkeit und Bereitstellung in einem Geodatenportal 2. Ableitung des Holzvorrats für eine möglichst große Fläche in einer höchstmöglichen Genauigkeit und Bereitstellung in einem Geodatenportal 3. Vergleich der Erfassungsmethoden auf Kosten Genauigkeit und Nutzen Untersuchungsgebiet: A) Pomeraniaregion Brandenburgs (Mesoskala) B) Region POMERANIA (Makroskala) 8
FE-Daten: verwendete Satellitensysteme Eigenschaften Landsat 5 TM RapidEye WorldView 2 Geometrische Auflösung 30 m (multispektral) 5 m (6,5 m) 1.8 m (multispektral)/ 0,46m (panchromatisch) weitere genutzte FE-Daten: Corine-Landcover 2006 Spektrale Auflösung 7 Kanäle (+1 pan) 5 Kanäle 8 Kanäle (+1 pan) Zeitliche Auflösung 16 Tage < 2 Tage < 4 Tage Ausdehnung einer 34.225 km² 625 km² Kachel (185 km*185 km) (25 km*25 km) beliebig Im Orbit seit 1984 2008 2009 Anzahl der Satelliten 1 5 1 Kosten kostenfrei ca. 1 pro km² ca. 25 pro km²
Fernerkundungs-Daten: RapidEye (RESA-Archiv) Datum: 02.05.2009, 24.09.2010 Vorprozessierungsstufe: Level 3A komplett wolkenfrei 1 & 18 Kachel(n) (mosaikiert) 10
Terrestrische Daten: A) Inventurdaten 2008 B) Datenspeicherwald 2 A1) Landeswaldinventur 2008 = Ausgangsinformation der Klassifikation Inventurstudie des Landes Brandenburg Gitternetz: 4 km * 4 km / Trakt = 4 Traktecken Probekreisdefinition über Winkelzählprobe liefert Information über Baumart und Holzvorrat A2) Inventurdaten POMERANIA B) Datenspeicherwald 2 = unabhängiger Referenzdatensatz zur Validierung Datenbank zur Verwaltung der Forsteinrichtungsdaten liefert Informationen zu den Bestandeskenngrößen einzelner Forstflächen keine aktuellen Ergebnisse für die Eigentumsart Privatwald C) Forstgrunddaten relevante Kenngrößen: - Baumart - Holzvorrat - Schichtart - Flächenanteil der Schicht 11
A1) Baumartenklassifikation RapidEye - monotemporal 5 Baumartenklassen (auf Bestandsebene) Mosaik aus 18 RapidEye-Kacheln (Uckermark & Barnim) Auflösung 5 m Gesamtgütemaß: 81,3 % Abb.: Ausschnitt der Baumartenkarte für die Waldbereiche für die Region Werbellinsee 12
A1) Gütemaßklassifikation der Baumartenkarte Validierung der Klassifikationskarte mittels Forsteinrichtungsdaten (DSW 2) Abb.: Referenzpunkte Barnim & Uckermark 13
A2) Baumartenklassifikation multi-temporal Ansatz: Klassifikation unter Nutzung wichtiger phänologischer Phasen Phänologische Phase: Blattaustrieb (Frühling) Phänologische Phase: Blattfärbung (Herbst) 14
A2) Baumartenklassifikation multi-temporal Untersuchungsgebiet: Landkreis Barnim (1500 km²) Mosaik von 8 RapidEye-Szenen für die Termine 02. Mai 2009 & 24. September 2010 Detektion von 8 verschiedenen Baumarten Nadelbäume: Kiefer, Lärche, Fichte, Douglasie Laubbäume: Buche, Eiche, Erle, Birke Gesamtgütemaß: 60,4 % Abb.: Baumartenklassifikation (Quelle: Albert Janzen) 15
B1) Holzvorratskarte (kategorial) für die drei Hauptbaumarten (Kiefer, Buche und Eiche) Holzvorrat in Vfm/ha Gesamtgütemaß: 75,4 % (1 Kachel) 54,3 % (18 Kacheln) Abb.: Ausschnitt für eine RapidEye-Kachel 16
B2) Bestimmung des Holzvorrats auf Bestands-Ebene Aggregierung der Pixelwerte für jeden Bestand (GIS-Tool: Zonal Statistics) FGK-Grenzen Abb.: Rapid-Eye-Ausschnitt vom südlichen Werbelinsee 17
B2) Bestimmung des Holzvorrats auf Bestands-Ebene mittlerer Holzvorrat in Vfm/ha für jeden Bestand absoluter Holzvorrat in Vfm für jeden Bestand 18
B2) Detailscharfe Holzvorratskarte (flächengenau) Ergebnis: mittlere Holzvorrat auf Bestandsebene in Vfm/ha (für ca.12.000 BHE s) Validierung: Vergleich der Holzvorratswerte mit dem DSW 2 mittlere Abweichung: ca. 23 % Klasseneinteilung in Vfm / ha Abb.: grafische Darstellung der Holzvorräte für jeden Bestand für eine Fläche von 625 km² 19
Exkurs: Corine-Landcover 2006 CLC 2006: EU-weite grenzübergreifende Landnutzungsklassifikation Kartiert die Landnutzung von 38 europäischen Staaten nach gleichen Standard frei Verfügbar
Waldklassenstatistik Pomerania abgeleitet aus Corine 2006 21
C1) Holzvorratskarten Pomerania (Nadelwald) A) Holzvorratskarte Pomerania (als Rasterkarte) Abb.: Ausschnitt der vektorisierten Flächen in der Region Swinoujscie; (Quelle: Corine Landcover 2006 & Google Earth) Abb.: Nadelwaldflächen für Pomerania (Quelle: Klassifikation Kärgel) Abb.: Ausschnitt Holzvorratskarte (Swinoujscie) (Quelle: Klassifikation Kärgel & Google Earth)
C1) Holzvorratskarten Pomerania (Nadelwald) B) Ausschnitt der flächengenaue Holzvorratskarte (Vektorkarte)
C1) Holzvorratskarten Pomerania (Nadelwald) Primärprodukte: 1) Holzvorratskarte Pomerania (Rasterkarte) Sekundärprodukt: gesamter Holzvorrat der Landkreise 2) Flächengenaue Holzvorratskarte (nach Corine vektorisiert) zeigt den mittleren und den absoluten Vorrat für alle NW-Polygone Nadelwald-Holzvorräte POMERANIA: ca.195 Millionen m³ 24
Kleinräumiger Ansatz: Auswertung World-View 2 (Mikroskala) Ausblick Erfassung bis auf Einzelbaumebene Baumartenklassifikation objektbasiert Fläche: 60 km², südlich von Eberswalde 25
World-View 2-Daten weiterer Ansatz World-View 2-Daten für ein Gebiet südlich von Eberswalde 60 km² Bisher: Panshapening der Daten & Testen diverser Indizes & erste Klassifikation Weitere Bearbeitung: objektbasierte Klassifikation mittels Regionalinventur (Grid 400 m) Ziele: kleinräumige Klassifikation (Makroskala) & Kopplung mit weiteren FE-Daten (Thema von Abschlussarbeit/en?) Methode der Baumartenklassifikation: nach Immitzer et al (2012): IMMITZER, M., ATZBERGER C., KOUKAL, T. (2012): Eignung von WorldView-2 Satellitenbildern für die Baumartenklassifizierung unter besonderer Berücksichtigung der vier neuen Spektralkanäle. Journal for Photogrammetry. Remote Sensing and Geoinformation Science 5: 573-588.
Überblick der Produkte im Geodatenportal Baumartenklassifikation Landsat 5 Waldklassentypen, Overall Accuracy (OA): 70,7 % RapidEye 5 Baumartengruppen, OA:81,3 % 8 Baumartenklassen, OA:60,4 % Holzvorratsschätzung RapidEye (Barnim+Uckermark) OA: 75,4% (1 Kachel) und 54,3% (Mosaik) (4 Holzvorratsklassen für 3 Baumarten) Ableitung des Holzvorrat auf Bestandesebene: mittlerer Fehler 23 % Landsat (Gesamt-Pomerania) Holzvorratskarte für die Nadelwaldflächen (4 Holzvorratsklassen) Vektorisierte Holzvorratskarte 27
Fazit Ableitung von Bestandsinformationen (Baumarten und Holzvorrat) mittels Satelliten-Daten und terrestrischer Daten flächendeckend möglich Notwendigkeit von terrestrischen Daten (Ausgangsinformation & Validierung / Vorteilhaft: dichteres Gitternetz) Genauigkeit ist abhängig vom Satellitensystem (geometrische Auflösung (5m bzw. 30m) und von der Struktur der Waldflächen / Bestände (Baumarten und Dichte) Genauigkeit insgesamt geringer als terrestrische Erfassungsmethoden Erhebliche Genauigkeitsverbesserungen durch die Nutzung multitemporaler Satelliten-Daten (Zeitreihenuntersuchungen) Kosten der Daten sind abhängig von der geometrischen Auflösung der Daten und variieren von kostenlos bis relativ teuer (ca. 25 pro km²) 28
Ausblick: Fernerkundung weitere zeitnahe Forschungsprogramme neben dem Interreg-Programm 1) EnMAP: Hyperspektrale Satellitenmission vom DLR und GFZ 2) Sentinel-Programm der ESA: sechs verschiedene Satellitengruppen - Kostenlose Bereitstellung der Daten - enge Verzahnung von Fernerkundungsdaten und in-situ-messdaten - u.a. Nutzen für die Forstwirtschaft Enmap-Programm ab 2015 Sentinel-Programm der ESA ab 2014 29
Vielen Dank für Ihre Aufmerksamkeit! Wir danken der Firma RapidEye und dem DLR für die Bereitstellung der Daten aus dem RapidEye Science Archiv. Quellen: Kärgel, S.; Klinner, S; Janzen, A; (2013): Remote Sensing Estimation of Wood Biomass within Brandenburg forest in the Euroregion POMERANIA, using Rapid Eye Data., 5. RESA Workshop (pp. 305-310). Berlin: GITO mbh Verlag Berlin. Kärgel, S.; Klinner, S; (2013): Estimation of above-ground biomass in forest of Euroregion POMERANIA, based on remote sensing and field measurements. 30