https://wiki.waldmonitoring.ch/api.php?action=feedcontributions&feedformat=atom&user=Alex 2026-10-14T04:05:44Z Benutzerbeiträge MediaWiki 1.35.0 https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88932 2021-10-21T07:27:06Z

<p>Alex: </p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Canton du Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci offre au canton une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, on peut calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> # '''Le NDWI pour juin, juillet et août''' (voir Figure 1) : Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> # '''La différence de NDVI entre juin et août''' (voir Figure 2) : En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année.<br /> <br /> {|align=&quot;center&quot;<br /> |[[Datei:ndwi_jura.png|thumb|500px|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> |[[Datei:ndvi_diff_jura.png|thumb|500px|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020]]<br /> |}<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans le cas du canton du Jura un '''repérage facilité du phénomène de dépérissement des forêts'''. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées sont distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles servent d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88931 2021-10-18T08:54:34Z

<p>Alex: </p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Canton du Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> # '''Le NDWI pour juin, juillet et août''' (voir Figure 1) : Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> # '''La différence de NDVI entre juin et août''' (voir Figure 2) : En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année.<br /> <br /> {|align=&quot;center&quot;<br /> |[[Datei:ndwi_jura.png|thumb|500px|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> |[[Datei:ndvi_diff_jura.png|thumb|500px|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020]]<br /> |}<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un '''repérage facilité du phénomène de dépérissement des forêts'''. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées sont distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles servent d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88930 2021-10-18T08:53:06Z

<p>Alex: /* Résultats */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> # '''Le NDWI pour juin, juillet et août''' (voir Figure 1) : Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> # '''La différence de NDVI entre juin et août''' (voir Figure 2) : En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année.<br /> <br /> {|align=&quot;center&quot;<br /> |[[Datei:ndwi_jura.png|thumb|500px|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> |[[Datei:ndvi_diff_jura.png|thumb|500px|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020]]<br /> |}<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un '''repérage facilité du phénomène de dépérissement des forêts'''. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées sont distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles servent d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88929 2021-10-18T08:50:59Z

<p>Alex: /* Conclusion */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> # Le NDWI pour juin, juillet et août (voir Figure 1) : Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> # La différence de NDVI entre juin et août (voir Figure 2) : En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année.<br /> <br /> {|align=&quot;center&quot;<br /> |[[Datei:ndwi_jura.png|thumb|500px|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> |[[Datei:ndvi_diff_jura.png|thumb|500px|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020]]<br /> |}<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un '''repérage facilité du phénomène de dépérissement des forêts'''. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées sont distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles servent d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88928 2021-10-18T08:49:36Z

<p>Alex: /* Résultats */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> # Le NDWI pour juin, juillet et août (voir Figure 1) : Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> # La différence de NDVI entre juin et août (voir Figure 2) : En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année.<br /> <br /> {|align=&quot;center&quot;<br /> |[[Datei:ndwi_jura.png|thumb|500px|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> |[[Datei:ndvi_diff_jura.png|thumb|500px|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020]]<br /> |}<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88927 2021-10-18T08:49:24Z

<p>Alex: /* Résultats */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> # Le NDWI pour juin, juillet et août (voir Figure 1): Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> # La différence de NDVI entre juin et août (voir Figure 2): En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année.<br /> <br /> {|align=&quot;center&quot;<br /> |[[Datei:ndwi_jura.png|thumb|500px|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> |[[Datei:ndvi_diff_jura.png|thumb|500px|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020]]<br /> |}<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88926 2021-10-18T08:48:51Z

<p>Alex: /* Résultats */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> # Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> # La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année.<br /> <br /> {|align=&quot;center&quot;<br /> |[[Datei:ndwi_jura.png|thumb|500px|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> |[[Datei:ndvi_diff_jura.png|thumb|500px|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020]]<br /> |}<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88925 2021-10-18T08:48:39Z

<p>Alex: /* Résultats */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> # Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> # La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année.<br /> <br /> <br /> {|align=&quot;center&quot;<br /> |[[Datei:ndwi_jura.png|thumb|500px|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> |[[Datei:ndvi_diff_jura.png|thumb|500px|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020]]<br /> |}<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88924 2021-10-18T08:48:24Z

<p>Alex: /* Résultats */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> # Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> # La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année.<br /> <br /> {|align=&quot;center&quot;<br /> |[[Datei:ndwi_jura.png|thumb|500px|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> |[[Datei:ndvi_diff_jura.png|thumb|500px|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020]]<br /> |}<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88923 2021-10-18T08:48:01Z

<p>Alex: /* Résultats */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> # Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> # La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année. <br /> {|align=&quot;center&quot;<br /> |[[Datei:ndwi_jura.png|thumb|500px|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> |[[Datei:ndvi_diff_jura.png|thumb|500px|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020]]<br /> |} <br /> ]<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88922 2021-10-18T08:46:07Z

<p>Alex: /* Résultats */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> # Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> # La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année. <br /> [[Datei:ndwi_jura.png|thumb|500px|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> [[Datei:ndvi_diff_jura.png|thumb|500px|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020]]<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88921 2021-10-18T08:45:44Z

<p>Alex: /* Résultats */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> # Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> # La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année. <br /> [[Datei:ndwi_jura.png|thumb|500px|left|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> [[Datei:ndvi_diff_jura.png|thumb|500px|right|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020]]<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88920 2021-10-18T08:44:06Z

<p>Alex: /* Résultats */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> * Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> * La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année. <br /> [[Datei:ndwi_jura.png|thumb|500px|left|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> [[Datei:ndvi_diff_jura.png|thumb|500px|right|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020]]<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Datei:Ndvi_diff_jura.png&diff=88919 2021-10-18T08:43:53Z

<p>Alex: </p> <hr /> <div></div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88918 2021-10-18T08:43:41Z

<p>Alex: /* Résultats */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> * Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> * La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année. <br /> [[Datei:ndwi_jura.png|thumb|500px|left|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> [[Datei:ndvi_diff_jura.png|thumb|500px|right|Figure 2: Estimation du dépérissement au cours de l'été par la différence de NDVI entre juin et août 2020 ]]<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Datei:Ndwi_jura.png&diff=88917 2021-10-18T08:41:56Z

<p>Alex: </p> <hr /> <div></div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88916 2021-10-18T08:41:35Z

<p>Alex: </p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> * Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> * La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année. <br /> [[Datei:ndwi_jura.png|thumb|500px|right|Figure 1: Estimations de l'état des hêtres sur la base du NDWI pour le mois d'août 2020]]<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88915 2021-10-18T08:39:23Z

<p>Alex: </p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> * Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> * La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année. <br /> [[Datei:uc1_screenshot.png|thumb|500px|right|Abb. 1: Screenshot aus der [https://waldmonitoring.ch/veraenderung?layers=karten-werk%3Andvi_decrease_2020_2019&amp;opacity=1&amp;visibility=true&amp;x=829300&amp;y=5933555&amp;zoom=13.0000 Webanwendung]. Die unterschiedlichen Farben stellen die Veränderungen zwischen den unterschiedlichen Jahren dar (2016/2017 lila, 2017/2018 grün, 2018/2019 blau, 2019/2020 orange). Die Farbintensität spiegelt die Stärke der Veränderung wieder.]][[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88914 2021-10-18T07:27:48Z

<p>Alex: /* Méthode */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août. Un traitement automatisé à l’aide du programme FME (Feature Manipulation Engine) permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> * Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> * La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année. <br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88913 2021-10-18T07:25:24Z

<p>Alex: /* Méthode */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés '''NDVI''' ('''Normalized difference vegetation index''' ou Indice de végétation par différence normalisée) et '''NDWI''' ('''Normalized difference water index''' ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août 2020. Un traitement automatisé à l’aide du programme FME permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> * Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> * La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année. <br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88912 2021-10-18T07:24:50Z

<p>Alex: </p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés NDVI (Normalized difference vegetation index ou Indice de végétation par différence normalisée) et NDWI (Normalized difference water index ou Indice de différence normalisé de l'eau). Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août 2020. Un traitement automatisé à l’aide du programme FME permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> * Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> * La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année. <br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88911 2021-10-18T07:23:49Z

<p>Alex: /* Conclusion */</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés NDVI[1] et NDWI[2]. Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août 2020. Un traitement automatisé à l’aide du programme FME permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> * Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> * La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année. <br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires. <br /> <br /> [1] Normalized difference vegetation index ou Indice de végétation par différence normalisée<br /> <br /> [2] Normalized difference water index ou Indice de différence normalisé de l'eau</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88910 2021-10-18T07:22:45Z

<p>Alex: </p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.<br /> <br /> = Méthode =<br /> Grâce aux bandes rouge de la satellite, proche infrarouge et infrarouge à ondes courtes, nous pouvons calculer les indices normalisés NDVI[1] et NDWI[2]. Le premier permet d’estimer la quantité de chlorophylle en comparant le rouge, qui est absorbé par les plantes, à l’infrarouge, qui lui est réfléchi. Le second s’intéresse à l’eau dans les feuillages grâce à la comparaison entre les infrarouges à ondes courtes, qui sont affectés par la structure de la végétation et l’eau qu’elle contient, et les proches infrarouges, affectés uniquement par la structure. Ces deux indicateurs sont très fréquemment utilisés dans la littérature pour apprécier la part de végétation en bonne santé.<br /> Dans le cas présent, les images sont téléchargées pour les mois de juin, juillet et août 2020. Un traitement automatisé à l’aide du programme FME permet de concentrer les traitements sur les zones de forêt uniquement et de sélectionner l’image de chaque mois avec le moins de nuages. Les pixels des surfaces nuageuses sont retirés de l’analyse.<br /> Les calculs sont exécutés pour l’ensemble des forêts du Jura. Des comparaisons avec le terrain ont permis de déterminer les valeurs limites des indices pour lesquelles les hêtres sont en bonne santé et celles où ils dépérissent. Il a été constaté que le NDVI, NDWI et la différence de NDVI entre deux dates fonctionnent mieux que la différence de NDWI. <br /> Les images résultantes, comprenant les zones de hêtres en bonne santé et les zones où un dépérissement est en cours, sont finalement lissées et vectorisées sous forme de polygones afin de les alléger et de faciliter leur utilisation.<br /> <br /> La méthode mise au point permet de relever les zones où les hêtres sont en souffrance durant la phase de sécheresse déjà et d’anticiper les interventions qui en découlent. <br /> Les paramètres choisis correspondent à une approche conservative : on préfère avoir trop de cas détectés plutôt qu’en manquer. C’est pourquoi l’interprétation des résultats et les vérifications sur le terrain par les gardes forestiers restent essentielles.<br /> <br /> = Résultats =<br /> Suite à une discussion avec les responsables des forêts, il a été décidé de produire chaque année :<br /> * Le NDWI pour juin, juillet et août: Cette vue d’ensemble de chaque mois permet de repérer les zones les plus touchées.<br /> * La différence de NDVI entre juin et août: En général, le dépérissement n’a pas encore commencé en juin et la végétation est pleinement développée. Ce mois-là sert alors de référence pour l’année. En août, l’impact atteint son plus haut degré et l’automne ne se fait pas déjà sentir. La différence entre les deux permet donc d’estimer au mieux les dégâts de l’année. <br /> <br /> = Conclusion =<br /> Les images satellites représentent une source d’information extrêmement intéressante dont on ne soupçonne pas les potentiels d’utilisation ni la facilité d’accès. Leur utilisation permet dans notre cas un repérage facilité du phénomène de dépérissement des forêts. La méthode mise au point par ENV permet de cibler les hêtres, qui sont particulièrement touchés ces dernières années. Les cartes présentées seront distribuées en cas de sécheresses en fin juin, juillet ou août aux gardes forestiers du canton du Jura. Elles serviront d’aide au repérage des zones touchées afin de gérer les éventuelles dégradations supplémentaires. <br /> <br /> [1] Normalized difference vegetation index ou Indice de végétation par différence normalisée<br /> [2] Normalized difference water index ou Indice de différence normalisé de l'eau</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88909 2021-10-18T07:19:39Z

<p>Alex: </p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88908 2021-10-18T07:19:30Z

<p>Alex: </p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> <br /> = Introduction =<br /> Depuis 2018, on constate chaque été dans le canton du Jura un dépérissement anormalement élevé des hêtres dû à la sécheresse ainsi qu’à d’autres stress tels que les gels tardifs. Ce phénomène a débuté en Ajoie et se répand à présent à l’ensemble des forêts jurassiennes. Il est important de pouvoir surveiller son étendue afin de prévenir autant que possible son expansion et d’assurer la sécurité du public sur les chemins forestiers et sentiers pédestres ainsi que l’exploitation du bois.<br /> Dans ce but, les images du satellite Sentinel-2 ont été utilisées afin d’estimer l’état de la végétation. Ceci nous offre une vision d’ensemble des forêts et devrait permettre aux gardes de repérer rapidement les zones concernées par ce dépérissement.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88907 2021-10-18T07:19:03Z

<p>Alex: </p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}<br /> <br /> ggggg</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88906 2021-10-18T07:18:32Z

<p>Alex: </p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> |Einsatzbeispiel_Datum=2021/10/18<br /> }}</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Analyse_du_d%C3%A9p%C3%A9rissement_des_h%C3%AAtres_dans_le_canton_du_Jura&diff=88905 2021-10-18T07:17:55Z

<p>Alex: Die Seite wurde neu angelegt: „{{Einsatzbeispiel Vorlage |Einsatzbeispiel_Autor=Marcel Mahon |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch |Einsatzbeispiel_Ort=Jura }}“</p> <hr /> <div>{{Einsatzbeispiel Vorlage<br /> |Einsatzbeispiel_Autor=Marcel Mahon<br /> |Einsatzbeispiel_Kontakt=marcel.mahon@jura.ch<br /> |Einsatzbeispiel_Ort=Jura<br /> }}</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_2_-_Test_Sommersturmsch%C3%A4den_2017&diff=88900 2021-09-06T07:22:49Z

<p>Alex: Diese Seite wurde zum Übersetzen freigegeben</p> <hr /> <div>&lt;translate&gt;<br /> &lt;!--T:1--&gt;<br /> &lt;languages/&gt;<br /> [[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> &lt;!--T:2--&gt;<br /> [https://waldmonitoring.ch/stoerungen?x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; Zur Webanwendung]<br /> <br /> &lt;!--T:3--&gt;<br /> [[Datei:UC2_Screenshot.png|thumb|500px|Abb. 1: Screenshot aus der Webanwendung. Mithilfe der Legende können potenzielle Schadflächen (gelb bis rot), Wolken (grau schraffiert) und Flächen mit keinen Daten (grau ausgefüllt) unterschieden werden. Das blau umrandete Symbol stellt einen Link auf Sentinel Playground bereit, sodass das zugrundeliegende Satellitenbild einfach visuell überprüft werden kann.]]Im Rahmen des zweiten Use-Cases wurde eine Methode für die automatische Bereitstellung von '''schweizweiten Hinweiskarten für Sommersturmschäden''' auf Basis von Sentinel-2-Satellitenbildern entwickelt. Als Beispiel und für den Praxistest wurden die Sommerstürme (Ende [http://www.sturmarchiv.ch/index.php?title=Extremereignisse_2017#Juli Juli] und Anfang [https://www.sturmarchiv.ch/index.php?title=Extremereignisse_2017#August August]) im Jahr 2017 ausgewählt. Zwischen dem 5.7.2017 und dem 19.8.2017 können alle verfügbaren Sentinel-2-Aufnahmen, welche mindestens einen Teil der Schweiz abdecken, vom Benutzer/Benutzerin ausgewählt werden. So kann nach einem Sturmereignis rasch geprüft werden, ob eine brauchbare, sprich möglichst wolkenfreie, Aufnahme zur Verfügung steht. Daraufhin werden im Kartenviewer potenzielle Veränderungsflächen angezeigt, falls welche vorhanden sind.<br /> <br /> &lt;!--T:4--&gt;<br /> Diese ausgewiesenen Veränderungsflächen basieren auf der Abnahme des Normalized Burn Ratio Vegetationsindexes (NBR). In einem Vorgängerprojekt ([https://www.planfor.ch/de/content/schlussbericht-waldmonitoring-mit-sentinel-2-satellitenbildern Weber &amp; Rosset, 2019]) hat sich dieser Index als geeignet für die Detektion von Sturmschadflächen erwiesen.<br /> <br /> &lt;!--T:5--&gt;<br /> [[Datei:orbits.png|thumb|500px|Abb. 2: Darstellung der beiden Sentinel-Orbits, welche die Fläche der Schweiz abdecken. An einem Aufnahmedatum wird entweder Orbit 108 oder 65 erfasst. Für den überlappenden Bereich ist die Bildverfügbarkeit am höchsten (alle 2-3 Tage).]]Die Werte in der Legende des Kartenviewers stellen die '''Abnahme des NBR''' multipliziert mit 100 dar, gemittelt pro Veränderungsfläche (Polygon). Die Multiplikation mit 100 erfolgt dabei lediglich aus Speicherplatzgründen (Ganzzahl statt Dezimalzahl). Die Differenzbildung erfolgt aus dem '''Bild des ausgewählten Datums''' und einem Referenzzustand vor dem vermuteten Ereignis / ausgewählten Datum. Als Referenz wird ein möglichst '''wolkenfreies Komposit''' aller verfügbaren Bilder der '''45 Tage vor dem ausgewählten Datum''' verwendet. Werte näher bei -100 weisen auf stärkere Schäden hin. Die Veränderungspolygone wurden dabei mittels Schwellenwert (-15) und ab einer Mindestgrösse von 5 Aren ausgeschieden. Auch Wolken werden angezeigt (siehe Abb. 1), um fehlerhafte Rückschlüsse auf das Nichtvorhandensein von Schäden zu vermeiden. Das gleiche gilt für sogenannte NoData- Flächen, das heisst Flächen, für die zum gewählten Zeitpunkt keine Sentinel-2-Daten zur Verfügung stehen (siehe Abb. 1). <br /> <br /> &lt;!--T:6--&gt;<br /> Da die Schweiz durch zwei Orbits abgedeckt wird, wird an einem Aufnahmedatum immer nur ein Teil der Fläche der Schweiz erfasst (siehe Abb. 2). Der andere Teil wird im Kartenviewer jeweils als NoData-Fläche gekennzeichnet.<br /> <br /> == Einschränkungen == &lt;!--T:8--&gt;<br /> [[Datei:Beispiel_UC2.png|thumb|500px|Abb. 3: Gute räumliche Abgrenzung von flächigen Schäden für ein Sturmereignis in Nussbaumen TG am 2.8.2017. Die erste wolkenfreie Aufnahme nach dem Sturm war am 15.8.2017 verfügbar. Die ausgewiesenen Schadflächen wurden mit Referenzdaten der WSL (in Gelb) abgeglichen.]]<br /> Die Resultate wurden teilweise mit Referenzdaten der WSL validiert und erwiesene flächige Schäden konnten gut erkannt und abgegrenzt werden (siehe Abb. 3). Jedoch werden bis dato auch diverse Flächen fälschlicherweise als Schadflächen ausgeschieden. Dies geschieht insbesondere an Wolkenrändern, sowie im Zusammenhang mit Schnee oder Schattenwurf an steilen Nordhängen. In diesen Fällen ist bei der Interpretation der Ergebnisse besondere Vorsicht geboten.<br /> <br /> &lt;!--T:9--&gt;<br /> Nach Möglichkeit sollte immer ein '''wolkenfreier Aufnahmezeitpunkt''' ausgewählt werden. Zu diesem Zweck wird für jedes Aufnahmedatum ein Direkt-Link auf Sentinel Playground bereitgestellt (siehe blau umrandetes Symbol in Abb. 1), sodass jedes Bild einfach visuell überprüft werden kann. Aufnahmedatum und Bildausschnitt werden dabei im Link gespeichert und direkt übernommen. In Nussbaumen TG betrug die Wartezeit zwischen dem Sturm vom 2.8.2017 und der nächsten verfügbaren wolkenfreien Aufnahme zum Beispiel 13 Tage (siehe Abb. 3). <br /> <br /> &lt;!--T:10--&gt;<br /> Das genaue Vorgehen zur Auswahl einer brauchbaren Aufnahme wird im untenstehenden Video noch erklärt und veranschaulicht.<br /> <br /> &lt;!--T:11--&gt;<br /> Eine anspruchsvolle Situation stellt sich zudem im Winter: Vegetationszustand, Beleuchtungsintensität, Wolken, Schatten und Schnee stellen zusätzliche Herausforderungen dar, weshalb Ergebnisse zu Winterstürmen bisher nicht veröffentlicht wurden. Ein möglicher Lösungsansatz wäre eine Kombination mit Sentinel-1 Daten, welche von Bewölkungs- und Beleuchtungsintensität nicht beeinflusst werden (siehe dazu ein [https://www.wsl.ch/de/projekte/sturmhinweiskarte.html laufendes Projekt an der WSL]).<br /> <br /> == Video-Tutorial : Basics für den korrekten Gebrauch == &lt;!--T:12--&gt;<br /> Das folgende Video erläutert die Benutzung der Webanwendung «Test Sommersturmschäden 2017»: <br /> <br /> &lt;!--T:13--&gt;<br /> [[File:UC2.mp4|1000px]]<br /> <br /> == Datenbezug == &lt;!--T:18--&gt;<br /> Die Veränderungsflächen können [https://forestmonitoring.lab.karten-werk.ch/services hier] als ein einziger Polygon-Layer via WMS oder WFS Dienst bezogen werden (Tipps und Informationen zu Einbindung und Verarbeitung der Daten gibt es [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|hier]]). Für jede ausgeschiedene Veränderungsfläche wurden neben dem Zeitpunkt (time) zudem Flächengrösse (area), sowie Mittelwert (mean), Maximalwert (max) und 90%-Quantil (p90) der NBR-Differenzwerte berechnet und als Attribute in den Vektordaten gespeichert. Wie schon erwähnt, wurden die NBR Differenzen aus Speicherplatzgründen mit 100 mulipliziert, und Veränderungslfächen mittels Schwellenwert (-15) und ab einer Mindestgrösse von 5 Aren ausgeschieden. Das Attribut class differenziert zwischen Veränderungsflächen (class = 1), Wolken (class = -1), und NoData (class = -2). <br /> <br /> == Hintergrundinformationen zur Methode == &lt;!--T:14--&gt;<br /> Für jede Sentinel-2-Aufnahme innerhalb der definierten Zeitspanne (5.7. bis 19.8.2017) wurde zuerst der NBR berechnet (NBR&lt;sub&gt;Aktuell&lt;/sub&gt;). Wolken wurden dabei mittels der [https://sentinel.esa.int/web/sentinel/technical-guides/sentinel-2-msi/level-1c/cloud-masks ESA Wolkenmaske] ausgeschieden. Daraufhin wurde der NBR für die '''Referenzperiode''' berechnet, welche als das '''45-Tages-Fenster''' vor dem ausgewählten Aufnahmedatum definiert wurde.<br /> <br /> &lt;!--T:15--&gt;<br /> Zu diesem Zweck wurde zuerst mittels der unter Use Case 1 beschriebenen NDVI Maximum Komposit Methode aus allen verfügbaren Aufnahmen innerhalb der 45-tägigen Zeitspanne ein möglichst wolkenfreies Komposit erstellt. Für dieses wurde dann wiederum der NBR berechnet (NBR&lt;sub&gt;Referenz&lt;/sub&gt;). Aus diesen beiden Bildern wurde daraufhin die Differenz gebildet (∆NBR), und die Veränderungsflächen wurden mittels Schwellenwert ausgeschieden. Die nachfolgende Abbildung veranschaulicht das Vorgehen.<br /> <br /> <br /> &lt;!--T:16--&gt;<br /> [[Datei:Workflow-UC2.png|thumb|750px|left|Abb. 4: Darstellung des Arbeitsflusses zu Use-Case 2. Für jede Sentinel-2-Aufnahme wird der NBR berechnet (NBR Aktuell). Daraufhin wird der NBR für die Referenzperiode berechnet, welche als das 45-Tages-Fenster vor dem ausgewählten Aufnahmedatum definiert wurde. Zu diesem Zweck wird aus allen verfügbaren Aufnahmen innerhalb der 45-tägigen Zeitspanne ein möglichst wolkenfreies Komposit erstellt, für welches wiederum der NBR berechnet wird (NBR Referenz). Aus diesen beiden Bildern wird die Differenz gebildet (∆NBR), und die Veränderungsflächen werden mittels Schwellenwert ausgeschieden.]]<br /> <br /> &lt;!--T:17--&gt;<br /> &lt;br clear=all&gt;<br /> Dieser Prozess erfolgte wie beschrieben zunächst testweise für den Sommer 2017, jedoch ist die automatisierte Bereitstellung der Veränderungsflächen für die ganze Schweiz möglich. Dabei würden die Informationen für alle verfügbaren Aufnahmen innerhalb der letzten 45 Tage ab dem jeweils aktuellen Datum mittels sogenannten «rollenden Archiven» zur Verfügung gestellt werden. Die vollautomatische Analyse und Bereitstellung der Resultate sollte innerhalb von 2-5 Tagen nach Bildaufnahme möglich sein.<br /> &lt;/translate&gt;</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_2_-_Test_Sommersturmsch%C3%A4den_2017&diff=88899 2021-09-06T07:21:50Z

<p>Alex: </p> <hr /> <div>&lt;translate&gt;<br /> &lt;languages/&gt;<br /> &lt;!--T:1--&gt;<br /> [[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> &lt;!--T:2--&gt;<br /> [https://waldmonitoring.ch/stoerungen?x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; Zur Webanwendung]<br /> <br /> &lt;!--T:3--&gt;<br /> [[Datei:UC2_Screenshot.png|thumb|500px|Abb. 1: Screenshot aus der Webanwendung. Mithilfe der Legende können potenzielle Schadflächen (gelb bis rot), Wolken (grau schraffiert) und Flächen mit keinen Daten (grau ausgefüllt) unterschieden werden. Das blau umrandete Symbol stellt einen Link auf Sentinel Playground bereit, sodass das zugrundeliegende Satellitenbild einfach visuell überprüft werden kann.]]Im Rahmen des zweiten Use-Cases wurde eine Methode für die automatische Bereitstellung von '''schweizweiten Hinweiskarten für Sommersturmschäden''' auf Basis von Sentinel-2-Satellitenbildern entwickelt. Als Beispiel und für den Praxistest wurden die Sommerstürme (Ende [http://www.sturmarchiv.ch/index.php?title=Extremereignisse_2017#Juli Juli] und Anfang [https://www.sturmarchiv.ch/index.php?title=Extremereignisse_2017#August August]) im Jahr 2017 ausgewählt. Zwischen dem 5.7.2017 und dem 19.8.2017 können alle verfügbaren Sentinel-2-Aufnahmen, welche mindestens einen Teil der Schweiz abdecken, vom Benutzer/Benutzerin ausgewählt werden. So kann nach einem Sturmereignis rasch geprüft werden, ob eine brauchbare, sprich möglichst wolkenfreie, Aufnahme zur Verfügung steht. Daraufhin werden im Kartenviewer potenzielle Veränderungsflächen angezeigt, falls welche vorhanden sind.<br /> <br /> &lt;!--T:4--&gt;<br /> Diese ausgewiesenen Veränderungsflächen basieren auf der Abnahme des Normalized Burn Ratio Vegetationsindexes (NBR). In einem Vorgängerprojekt ([https://www.planfor.ch/de/content/schlussbericht-waldmonitoring-mit-sentinel-2-satellitenbildern Weber &amp; Rosset, 2019]) hat sich dieser Index als geeignet für die Detektion von Sturmschadflächen erwiesen.<br /> <br /> &lt;!--T:5--&gt;<br /> [[Datei:orbits.png|thumb|500px|Abb. 2: Darstellung der beiden Sentinel-Orbits, welche die Fläche der Schweiz abdecken. An einem Aufnahmedatum wird entweder Orbit 108 oder 65 erfasst. Für den überlappenden Bereich ist die Bildverfügbarkeit am höchsten (alle 2-3 Tage).]]Die Werte in der Legende des Kartenviewers stellen die '''Abnahme des NBR''' multipliziert mit 100 dar, gemittelt pro Veränderungsfläche (Polygon). Die Multiplikation mit 100 erfolgt dabei lediglich aus Speicherplatzgründen (Ganzzahl statt Dezimalzahl). Die Differenzbildung erfolgt aus dem '''Bild des ausgewählten Datums''' und einem Referenzzustand vor dem vermuteten Ereignis / ausgewählten Datum. Als Referenz wird ein möglichst '''wolkenfreies Komposit''' aller verfügbaren Bilder der '''45 Tage vor dem ausgewählten Datum''' verwendet. Werte näher bei -100 weisen auf stärkere Schäden hin. Die Veränderungspolygone wurden dabei mittels Schwellenwert (-15) und ab einer Mindestgrösse von 5 Aren ausgeschieden. Auch Wolken werden angezeigt (siehe Abb. 1), um fehlerhafte Rückschlüsse auf das Nichtvorhandensein von Schäden zu vermeiden. Das gleiche gilt für sogenannte NoData- Flächen, das heisst Flächen, für die zum gewählten Zeitpunkt keine Sentinel-2-Daten zur Verfügung stehen (siehe Abb. 1). <br /> <br /> &lt;!--T:6--&gt;<br /> Da die Schweiz durch zwei Orbits abgedeckt wird, wird an einem Aufnahmedatum immer nur ein Teil der Fläche der Schweiz erfasst (siehe Abb. 2). Der andere Teil wird im Kartenviewer jeweils als NoData-Fläche gekennzeichnet.<br /> <br /> == Einschränkungen == &lt;!--T:8--&gt;<br /> [[Datei:Beispiel_UC2.png|thumb|500px|Abb. 3: Gute räumliche Abgrenzung von flächigen Schäden für ein Sturmereignis in Nussbaumen TG am 2.8.2017. Die erste wolkenfreie Aufnahme nach dem Sturm war am 15.8.2017 verfügbar. Die ausgewiesenen Schadflächen wurden mit Referenzdaten der WSL (in Gelb) abgeglichen.]]<br /> Die Resultate wurden teilweise mit Referenzdaten der WSL validiert und erwiesene flächige Schäden konnten gut erkannt und abgegrenzt werden (siehe Abb. 3). Jedoch werden bis dato auch diverse Flächen fälschlicherweise als Schadflächen ausgeschieden. Dies geschieht insbesondere an Wolkenrändern, sowie im Zusammenhang mit Schnee oder Schattenwurf an steilen Nordhängen. In diesen Fällen ist bei der Interpretation der Ergebnisse besondere Vorsicht geboten.<br /> <br /> &lt;!--T:9--&gt;<br /> Nach Möglichkeit sollte immer ein '''wolkenfreier Aufnahmezeitpunkt''' ausgewählt werden. Zu diesem Zweck wird für jedes Aufnahmedatum ein Direkt-Link auf Sentinel Playground bereitgestellt (siehe blau umrandetes Symbol in Abb. 1), sodass jedes Bild einfach visuell überprüft werden kann. Aufnahmedatum und Bildausschnitt werden dabei im Link gespeichert und direkt übernommen. In Nussbaumen TG betrug die Wartezeit zwischen dem Sturm vom 2.8.2017 und der nächsten verfügbaren wolkenfreien Aufnahme zum Beispiel 13 Tage (siehe Abb. 3). <br /> <br /> &lt;!--T:10--&gt;<br /> Das genaue Vorgehen zur Auswahl einer brauchbaren Aufnahme wird im untenstehenden Video noch erklärt und veranschaulicht.<br /> <br /> &lt;!--T:11--&gt;<br /> Eine anspruchsvolle Situation stellt sich zudem im Winter: Vegetationszustand, Beleuchtungsintensität, Wolken, Schatten und Schnee stellen zusätzliche Herausforderungen dar, weshalb Ergebnisse zu Winterstürmen bisher nicht veröffentlicht wurden. Ein möglicher Lösungsansatz wäre eine Kombination mit Sentinel-1 Daten, welche von Bewölkungs- und Beleuchtungsintensität nicht beeinflusst werden (siehe dazu ein [https://www.wsl.ch/de/projekte/sturmhinweiskarte.html laufendes Projekt an der WSL]).<br /> <br /> == Video-Tutorial : Basics für den korrekten Gebrauch == &lt;!--T:12--&gt;<br /> Das folgende Video erläutert die Benutzung der Webanwendung «Test Sommersturmschäden 2017»: <br /> <br /> &lt;!--T:13--&gt;<br /> [[File:UC2.mp4|1000px]]<br /> <br /> == Datenbezug == &lt;!--T:18--&gt;<br /> Die Veränderungsflächen können [https://forestmonitoring.lab.karten-werk.ch/services hier] als ein einziger Polygon-Layer via WMS oder WFS Dienst bezogen werden (Tipps und Informationen zu Einbindung und Verarbeitung der Daten gibt es [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|hier]]). Für jede ausgeschiedene Veränderungsfläche wurden neben dem Zeitpunkt (time) zudem Flächengrösse (area), sowie Mittelwert (mean), Maximalwert (max) und 90%-Quantil (p90) der NBR-Differenzwerte berechnet und als Attribute in den Vektordaten gespeichert. Wie schon erwähnt, wurden die NBR Differenzen aus Speicherplatzgründen mit 100 mulipliziert, und Veränderungslfächen mittels Schwellenwert (-15) und ab einer Mindestgrösse von 5 Aren ausgeschieden. Das Attribut class differenziert zwischen Veränderungsflächen (class = 1), Wolken (class = -1), und NoData (class = -2). <br /> <br /> == Hintergrundinformationen zur Methode == &lt;!--T:14--&gt;<br /> Für jede Sentinel-2-Aufnahme innerhalb der definierten Zeitspanne (5.7. bis 19.8.2017) wurde zuerst der NBR berechnet (NBR&lt;sub&gt;Aktuell&lt;/sub&gt;). Wolken wurden dabei mittels der [https://sentinel.esa.int/web/sentinel/technical-guides/sentinel-2-msi/level-1c/cloud-masks ESA Wolkenmaske] ausgeschieden. Daraufhin wurde der NBR für die '''Referenzperiode''' berechnet, welche als das '''45-Tages-Fenster''' vor dem ausgewählten Aufnahmedatum definiert wurde.<br /> <br /> &lt;!--T:15--&gt;<br /> Zu diesem Zweck wurde zuerst mittels der unter Use Case 1 beschriebenen NDVI Maximum Komposit Methode aus allen verfügbaren Aufnahmen innerhalb der 45-tägigen Zeitspanne ein möglichst wolkenfreies Komposit erstellt. Für dieses wurde dann wiederum der NBR berechnet (NBR&lt;sub&gt;Referenz&lt;/sub&gt;). Aus diesen beiden Bildern wurde daraufhin die Differenz gebildet (∆NBR), und die Veränderungsflächen wurden mittels Schwellenwert ausgeschieden. Die nachfolgende Abbildung veranschaulicht das Vorgehen.<br /> <br /> <br /> &lt;!--T:16--&gt;<br /> [[Datei:Workflow-UC2.png|thumb|750px|left|Abb. 4: Darstellung des Arbeitsflusses zu Use-Case 2. Für jede Sentinel-2-Aufnahme wird der NBR berechnet (NBR Aktuell). Daraufhin wird der NBR für die Referenzperiode berechnet, welche als das 45-Tages-Fenster vor dem ausgewählten Aufnahmedatum definiert wurde. Zu diesem Zweck wird aus allen verfügbaren Aufnahmen innerhalb der 45-tägigen Zeitspanne ein möglichst wolkenfreies Komposit erstellt, für welches wiederum der NBR berechnet wird (NBR Referenz). Aus diesen beiden Bildern wird die Differenz gebildet (∆NBR), und die Veränderungsflächen werden mittels Schwellenwert ausgeschieden.]]<br /> <br /> &lt;!--T:17--&gt;<br /> &lt;br clear=all&gt;<br /> Dieser Prozess erfolgte wie beschrieben zunächst testweise für den Sommer 2017, jedoch ist die automatisierte Bereitstellung der Veränderungsflächen für die ganze Schweiz möglich. Dabei würden die Informationen für alle verfügbaren Aufnahmen innerhalb der letzten 45 Tage ab dem jeweils aktuellen Datum mittels sogenannten «rollenden Archiven» zur Verfügung gestellt werden. Die vollautomatische Analyse und Bereitstellung der Resultate sollte innerhalb von 2-5 Tagen nach Bildaufnahme möglich sein.<br /> &lt;/translate&gt;</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_1_-_J%C3%A4hrliche_Waldver%C3%A4nderungen/fr&diff=88898 2021-09-06T07:20:57Z

<p>Alex: </p> <hr /> <div>&lt;languages/&gt;<br /> [[Datei:uc1_screenshot.png|thumb|500px|right|Fig. 1 : Épreuve écran issue de [https://waldmonitoring.ch/veraenderung?layers=karten-werk%3Andvi_decrease_2020_2019&amp;opacity=1&amp;visibility=true&amp;x=829300&amp;y=5933555&amp;zoom=13.0000 l’application web]. Les modifications sont représentées par différentes couleurs selon les années (2016-2017 : violet ; 2017-2018 : vert ; 2018-2019 : bleu ; 2019-2020 : orange). L’intensité de la couleur représente l’intensité du changement.]][[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; vers la vue d'ensemble des cas d'usage'']]<br /> <br /> [https://waldmonitoring.ch/veraenderung?layers=karten-werk%3Andvi_decrease_2020_2019&amp;opacity=1&amp;visibility=true&amp;x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; vers l'application web]<br /> <br /> Des changements vastes et marqués peuvent être détectés grâce aux images satellite de Sentinel-2 et transcrits en '''cartes indicatrices annuelles'''. Les modifications visibles représentent une forte '''diminution de l’activité de la végétation entre le mois d’août (année précédente) et le mois de juin (année suivante)'''. L’importance du changement est représentée de manière grossière (cf. légende dans le visualiseur). La résolution spatiale est de 10 x 10 m. <br /> <br /> == Limitations ==<br /> Les changements de faible ampleur en termes de surface et d’intensité ne sont pas détectés. Il n’est pas possible de déterminer la cause des changements. Il peut s’agir de coupes de bois, de dégâts de tempête ou autres.<br /> <br /> &lt;br clear=all&gt;<br /> == Tutoriel vidéo : Fondamentaux pour une bonne utilisation ==<br /> Cette vidéo montre comment utiliser l’application web « Évolutions annuelles »:<br /> <br /> [[File:UC1.mp4|1000px]]<br /> <br /> ==Acquisition des données==<br /> Les données raster sont disponibles [https://forestmonitoring.lab.karten-werk.ch/services ici] sous forme de Web Map Service (WMS) ou de Web Coverage Service (WCS). Un WMS sert avant tout à visualiser les données représentées de manière automatique, par exemple dans un visualiseur, tandis qu’un WCS permet d’accéder aux valeurs et de les retravailler dans un SIG. Lors de l’intégration de données raster, il faut garder à l’esprit qu’elles sont multipliées par 10000 afin de gagner de l’espace de stockage. Ainsi, une valeur de -1000 correspond par exemple à une baisse du NDVI de -0.1. <br /> Les données vectorielles sont également disponibles [https://forestmonitoring.lab.karten-werk.ch/services ici] via Web Map Service (WMS) ou Web Feature Service (WFS). La table des attributs, disponible si l’intégration se fait avec un WFS, indique en plus pour chaque surface de changement la superficie et le changement moyen de NDVI. Vous trouverez par ailleurs d’autres '''astuces et informations pour intégrer et exploiter des données''' [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|ici]].<br /> <br /> == Informations contextuelles sur la méthode ==<br /> La détection automatique des surfaces où s’opèrent les changements se fait en analysant les différences du NDVI d’une année à l’autre. Afin de filtrer automatiquement les images sans nuage, la méthode consiste à rechercher la valeur maximale du NDVI pour chaque pixel (10 x 10 m) dans toutes les images des mois d’été (juin à août). Au cours de cette période, quasiment toute la végétation est verte. On obtient ainsi des images raster annuelles largement sans couverture nuageuse avec un NDVI maximum (« composite d’indice NDVI maximum »). La différence est observée entre deux années d’après ces composites. Les valeurs différentielles représentent l’intensité du changement. Ainsi, des valeurs autour de -1 indiquent d’importants changements en forêt (par ex. défrichages). Une valeur seuil (-0.1) permet de délimiter des surfaces de changement en tant que données vectorielles (polygones) à partir d’une superficie de 400 m2. À l’heure actuelle, des cartes représentant les changements ont été créées pour les années 2016-2017, 2017-2018, 2018-2019 et 2019-2020. Le graphique ci-après illustre la procédure.<br /> <br /> [[Datei:NDVI-Max_new.png|thumb|750px|left|Fig. 2 : Représentation de la méthode de reconnaissance de l’évolution de la forêt d’après le NDVI de Sentinel-2. Un raster de composite de NDVI maximum a été établi pour chaque année grâce à toutes les images Sentinel-2 des mois d’été. La différence est établie entre deux années d’après ces composites (∆NDVI), comme par exemple ici entre 2017 et 2018.]]</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Translations:Use_Case_1_-_J%C3%A4hrliche_Waldver%C3%A4nderungen/9/fr&diff=88897 2021-09-06T07:20:44Z

<p>Alex: </p> <hr /> <div>==Acquisition des données==<br /> Les données raster sont disponibles [https://forestmonitoring.lab.karten-werk.ch/services ici] sous forme de Web Map Service (WMS) ou de Web Coverage Service (WCS). Un WMS sert avant tout à visualiser les données représentées de manière automatique, par exemple dans un visualiseur, tandis qu’un WCS permet d’accéder aux valeurs et de les retravailler dans un SIG. Lors de l’intégration de données raster, il faut garder à l’esprit qu’elles sont multipliées par 10000 afin de gagner de l’espace de stockage. Ainsi, une valeur de -1000 correspond par exemple à une baisse du NDVI de -0.1. <br /> Les données vectorielles sont également disponibles [https://forestmonitoring.lab.karten-werk.ch/services ici] via Web Map Service (WMS) ou Web Feature Service (WFS). La table des attributs, disponible si l’intégration se fait avec un WFS, indique en plus pour chaque surface de changement la superficie et le changement moyen de NDVI. Vous trouverez par ailleurs d’autres '''astuces et informations pour intégrer et exploiter des données''' [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|ici]].</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_1_-_J%C3%A4hrliche_Waldver%C3%A4nderungen&diff=88895 2021-09-06T07:19:34Z

<p>Alex: </p> <hr /> <div>&lt;translate&gt;<br /> &lt;!--T:1--&gt;<br /> &lt;languages/&gt;<br /> [[Datei:uc1_screenshot.png|thumb|500px|right|Abb. 1: Screenshot aus der [https://waldmonitoring.ch/veraenderung?layers=karten-werk%3Andvi_decrease_2020_2019&amp;opacity=1&amp;visibility=true&amp;x=829300&amp;y=5933555&amp;zoom=13.0000 Webanwendung]. Die unterschiedlichen Farben stellen die Veränderungen zwischen den unterschiedlichen Jahren dar (2016/2017 lila, 2017/2018 grün, 2018/2019 blau, 2019/2020 orange). Die Farbintensität spiegelt die Stärke der Veränderung wieder.]][[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> &lt;!--T:2--&gt;<br /> [https://waldmonitoring.ch/veraenderung?layers=karten-werk%3Andvi_decrease_2020_2019&amp;opacity=1&amp;visibility=true&amp;x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; Zur Webanwendung]<br /> <br /> &lt;!--T:3--&gt;<br /> Starke und flächige Waldveränderungen können mit Sentinel-2-Satellitenbildern erkannt und als '''jährliche Hinweiskarten''' angeboten werden. Die dargestellten Veränderungen beziehen sich auf eine starke '''Abnahme der Vegetationsaktivität zwischen August (Vorjahr) und Juni (Folgejahr)'''. Die Stärke der Veränderung ist grob dargestellt (siehe Legende im Kartenviewer). Die räumliche Auflösung beträgt 10 x 10 m. <br /> <br /> == Einschränkungen == &lt;!--T:4--&gt;<br /> Kleinräumige und schwache Veränderungen sind nicht detektierbar. Ausserdem kann keine Aussage über die Ursache der Veränderung getroffen werden. Es kann sich also sowohl um Holzschläge, Sturmschäden als auch um andere Veränderungen handeln.<br /> <br /> &lt;br clear=all&gt;<br /> == Video-Tutorial : Basics für den korrekten Gebrauch == &lt;!--T:5--&gt;<br /> Das folgende Video erläutert die Benutzung der Webanwendung «Jährliche Veränderungen»:<br /> <br /> &lt;!--T:6--&gt;<br /> [[File:UC1.mp4|1000px]]<br /> <br /> ==Datenbezug== &lt;!--T:9--&gt;<br /> Die Rasterdaten sind [https://forestmonitoring.lab.karten-werk.ch/services hier] als Web Map Service (WMS) oder Web Coverage Service (WCS) verfügbar. Während sich der WMS Dienst primär für die Visualisierung eignet und die Daten automatisch so dargestellt werden wie im Kartenviewer, erlaubt der WCS Dienst den Zugriff auf die Werte und somit auch die Weiterverarbeitung im GIS. Bei der Einbindung der Rasterdaten ist zu beachten, dass diese mit 10000 multipliziert wurden, um Speicherplatz zu sparen. Ein Wert von z.B. -1000 entspricht also einer NDVI Abnahme von -0.1. <br /> Auch die Vektordaten sind [https://forestmonitoring.lab.karten-werk.ch/services hier] per Web Map Service (WMS) oder auch Web Feature Service (WFS) Dienst verfügbar. Bei der Einbindung als WFS sind zusätzlich über die Attributtabelle die Flächengrösse sowie die durchschnittliche NDVI Veränderung pro Veränderungsfläche verfügbar. Weitere '''Tipps und Informationen zu Einbindung und Verarbeitung''' der Daten gibt es [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|hier]].<br /> <br /> ==Hintergrundinformationen zur Methode== &lt;!--T:7--&gt;<br /> Für die automatische Detektion von Veränderungsflächen wurden die Unterschiede zwischen zwei Jahren mit dem NDVI untersucht. Um bewölkte Aufnahmen automatisch herauszufiltern, wurde dabei für jeden Pixel (10 x 10 m) der maximale NDVI-Wert aller verfügbaren Bilder der Sommermonate (Juni – August) verwendet. Während dieser Zeit ist praktisch die gesamte Vegetation grün. So entstehen nahezu wolkenfreie, jährliche Rasterbilder mit dem maximalen NDVI («NDVI Maximum Komposit»). Aus diesen Kompositen wird die Differenz zwischen zwei Jahren gebildet. Die Differenzwerte spiegeln dementsprechend die Stärke der Veränderung wieder. So weisen Werte näher -1 auf stärkere Waldveränderungen (z.B. Räumungen) hin. Mittels Schwellenwert (-0.1) wurden die Veränderungsflächen ab einer Mindesgrösse von 400 m2 zudem als Vektordaten (Polygone) ausgeschieden. Bisher wurden Veränderungskarten für die Jahre 2016/2017, 2017/2018, 2018/2019 und 2019/2020 gerechnet. Die nachstehende Grafik veranschaulicht das Vorgehen.<br /> <br /> &lt;!--T:8--&gt;<br /> [[Datei:NDVI-Max_new.png|thumb|750px|left|Abb. 2: Veranschaulichung der Methode zur Erkennung von Waldveränderungen auf Basis des Sentinel-2-NDVI. Aus allen verfügbaren Sentinel-2-Aufnahmen der Sommermonate wird pro Jahr ein NDVI Maximum Komposit Raster erstellt. Aus diesen Kompositen wird jeweils die Differenz zwischen zwei Jahren gebildet (∆NDVI), wie hier im Beispiel zwischen 2017 und 2018.]]<br /> &lt;/translate&gt;</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_1_-_J%C3%A4hrliche_Waldver%C3%A4nderungen&diff=88894 2021-09-06T07:19:12Z

<p>Alex: </p> <hr /> <div>&lt;translate&gt;<br /> &lt;!--T:1--&gt;<br /> &lt;languages/&gt;<br /> [[Datei:uc1_screenshot.png|thumb|500px|right|Abb. 1: Screenshot aus der [https://waldmonitoring.ch/veraenderung?layers=karten-werk%3Andvi_decrease_2020_2019&amp;opacity=1&amp;visibility=true&amp;x=829300&amp;y=5933555&amp;zoom=13.0000 Webanwendung]. Die unterschiedlichen Farben stellen die Veränderungen zwischen den unterschiedlichen Jahren dar (2016/2017 lila, 2017/2018 grün, 2018/2019 blau, 2019/2020 orange). Die Farbintensität spiegelt die Stärke der Veränderung wieder.]][[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> &lt;!--T:2--&gt;<br /> [https://waldmonitoring.ch/veraenderung?layers=karten-werk%3Andvi_decrease_2020_2019&amp;opacity=1&amp;visibility=true&amp;x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; Zur Webanwendung]<br /> <br /> &lt;!--T:3--&gt;<br /> Starke und flächige Waldveränderungen können mit Sentinel-2-Satellitenbildern erkannt und als '''jährliche Hinweiskarten''' angeboten werden. Die dargestellten Veränderungen beziehen sich auf eine starke '''Abnahme der Vegetationsaktivität zwischen August (Vorjahr) und Juni (Folgejahr)'''. Die Stärke der Veränderung ist grob dargestellt (siehe Legende im Kartenviewer). Die räumliche Auflösung beträgt 10 x 10 m. <br /> <br /> == Einschränkungen == &lt;!--T:4--&gt;<br /> Kleinräumige und schwache Veränderungen sind nicht detektierbar. Ausserdem kann keine Aussage über die Ursache der Veränderung getroffen werden. Es kann sich also sowohl um Holzschläge, Sturmschäden als auch um andere Veränderungen handeln.<br /> <br /> &lt;br clear=all&gt;<br /> == Video-Tutorial : Basics für den korrekten Gebrauch == &lt;!--T:5--&gt;<br /> Das folgende Video erläutert die Benutzung der Webanwendung «Jährliche Veränderungen»:<br /> <br /> &lt;!--T:6--&gt;<br /> [[File:UC1.mp4|1000px]]<br /> <br /> &lt;br/&gt;<br /> ==Datenbezug== &lt;!--T:9--&gt;<br /> Die Rasterdaten sind [https://forestmonitoring.lab.karten-werk.ch/services hier] als Web Map Service (WMS) oder Web Coverage Service (WCS) verfügbar. Während sich der WMS Dienst primär für die Visualisierung eignet und die Daten automatisch so dargestellt werden wie im Kartenviewer, erlaubt der WCS Dienst den Zugriff auf die Werte und somit auch die Weiterverarbeitung im GIS. Bei der Einbindung der Rasterdaten ist zu beachten, dass diese mit 10000 multipliziert wurden, um Speicherplatz zu sparen. Ein Wert von z.B. -1000 entspricht also einer NDVI Abnahme von -0.1. <br /> Auch die Vektordaten sind [https://forestmonitoring.lab.karten-werk.ch/services hier] per Web Map Service (WMS) oder auch Web Feature Service (WFS) Dienst verfügbar. Bei der Einbindung als WFS sind zusätzlich über die Attributtabelle die Flächengrösse sowie die durchschnittliche NDVI Veränderung pro Veränderungsfläche verfügbar. Weitere '''Tipps und Informationen zu Einbindung und Verarbeitung''' der Daten gibt es [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|hier]].<br /> <br /> ==Hintergrundinformationen zur Methode== &lt;!--T:7--&gt;<br /> Für die automatische Detektion von Veränderungsflächen wurden die Unterschiede zwischen zwei Jahren mit dem NDVI untersucht. Um bewölkte Aufnahmen automatisch herauszufiltern, wurde dabei für jeden Pixel (10 x 10 m) der maximale NDVI-Wert aller verfügbaren Bilder der Sommermonate (Juni – August) verwendet. Während dieser Zeit ist praktisch die gesamte Vegetation grün. So entstehen nahezu wolkenfreie, jährliche Rasterbilder mit dem maximalen NDVI («NDVI Maximum Komposit»). Aus diesen Kompositen wird die Differenz zwischen zwei Jahren gebildet. Die Differenzwerte spiegeln dementsprechend die Stärke der Veränderung wieder. So weisen Werte näher -1 auf stärkere Waldveränderungen (z.B. Räumungen) hin. Mittels Schwellenwert (-0.1) wurden die Veränderungsflächen ab einer Mindesgrösse von 400 m2 zudem als Vektordaten (Polygone) ausgeschieden. Bisher wurden Veränderungskarten für die Jahre 2016/2017, 2017/2018, 2018/2019 und 2019/2020 gerechnet. Die nachstehende Grafik veranschaulicht das Vorgehen.<br /> <br /> &lt;!--T:8--&gt;<br /> [[Datei:NDVI-Max_new.png|thumb|750px|left|Abb. 2: Veranschaulichung der Methode zur Erkennung von Waldveränderungen auf Basis des Sentinel-2-NDVI. Aus allen verfügbaren Sentinel-2-Aufnahmen der Sommermonate wird pro Jahr ein NDVI Maximum Komposit Raster erstellt. Aus diesen Kompositen wird jeweils die Differenz zwischen zwei Jahren gebildet (∆NDVI), wie hier im Beispiel zwischen 2017 und 2018.]]<br /> &lt;/translate&gt;</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_3_-_Hinweiskarten_zur_Vitalit%C3%A4t/fr&diff=88893 2021-09-06T07:18:01Z

<p>Alex: </p> <hr /> <div>[[Datei:Uc3_screenshot.png|thumb|right|500px|Fig. 1 : Épreuve écran issue de [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 l’application web]. La couleur rouge indique une baisse de vitalité, le bleu une augmentation. L’intensité de la couleur représente l’intensité de l’évolution.]]<br /> <br /> <br /> [[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; vers la vue d'ensemble des cas d'usage'']]<br /> <br /> [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; vers l'application web]<br /> <br /> Les images satellites de Sentinel-2 permettent également de relever grossièrement la vitalité des surfaces forestières. Des '''cartes indicatrices de l’évolution de la vitalité''' ont été générées '''en comparant l’état actuel de la végétation avec celui des années précédentes'''. Il s’agit toutefois ici d’un premier test. Une validation complète de la méthode doit encore être réalisée.<br /> <br /> L’indice de végétation NDVI a de nouveau été utilisé comme indicateur de la vitalité. Les '''anomalies NDVI''' sont représentées sur la carte. Pour ce faire, les valeurs médianes NDVI de la fenêtre de deux mois (par ex. juin-juillet) ont été comparées avec les valeurs médianes des toutes les années précédentes (jusqu’en 2015) de la même période (cf. Fig. 2). Des valeurs négatives indiquent une baisse de vitalité tandis que des valeurs positives indiquent une augmentation de la vitalité. Plus les valeurs s’éloignent de 0 (espérance mathématique), plus il est probable qu’il y a effectivement une évolution. Une '''valeur absolue d’au moins 3,5''' a pu être définie comme '''indicatrice d’un écart significatif''' &lt;ref&gt;Boris Iglewicz and David Hoaglin (1993), &quot;Volume 16: How to Detect and Handle Outliers&quot;, The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.&lt;/ref&gt;.<br /> <br /> ==Limitations==<br /> On ne peut pas différencier les causes du changement (attaque de scolytes, stress hydrique, coupe de bois, ...). Ainsi, une valeur négative peut aussi bien décrire une coupe de bois qu’une arrivée précoce des couleurs automnales. C’est la raison pour laquelle on parle de cartes indicatrices et les avis des experts, ainsi qu’éventuellement les visites de terrain, sont toujours nécessaires. <br /> <br /> Combiner différentes images satellite prises au cours de la fenêtre de deux mois permet de réduire les problèmes liés aux nuages et autres sources d’erreur, mais ne peut totalement les exclure. En relation avec la couverture par différentes orbites, des artefacts se produisent parfois et les limites des orbites sont visibles sur les cartes indicatrices. De plus, des indications erronées peuvent surgir à cause de nuages non masqués ou d’un nombre insuffisant d’images sans nuage. Dans la version finale de la carte, les pixels pour lesquels on dispose de moins de 6 images (pixel) sans nuage au cours de la période examinée pour calculer la médiane ont donc été masqués.<br /> <br /> Il faut aussi noter que les données Sentinel-2 ne sont disponibles que depuis 2015, ce qui représente une période relativement courte pour détecter les anomalies. La pertinence devrait augmenter chaque année.<br /> <br /> ==Tutoriel vidéo : Fondamentaux pour une bonne utilisation==<br /> Cette vidéo montre comment utiliser l’application web « Cartes indicatrices de la vitalité ». La méthodologie du calcul et de la représentation a quelque peu évolué (notamment la représentation de surfaces avec « pas assez de données »; état en juin 2021), mais les bases n’ont pas changé:<br /> <br /> [[File:UC3.mp4|1000px]]<br /> <br /> ==Données==<br /> Les données raster sont disponibles [https://forestmonitoring.lab.karten-werk.ch/services ici] sous forme de Web Map Service (WMS) ou de Web Coverage Service (WCS). Un WMS sert avant tout à visualiser les données représentées de manière automatique, par exemple dans un visualiseur, tandis qu’un WCS permet d’accéder aux valeurs et de les retravailler dans un SIG. Lors de l’intégration de données raster, il faut garder à l’esprit qu’elles sont '''multipliées par 100''' afin de gagner de l’espace de stockage. Par ex. une valeur de 100 correspond donc à une valeur Z de 1. <br /> <br /> Vous trouverez [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|ici]] d’autres '''astuces et informations pour intégrer et exploiter''' des données.<br /> <br /> ==Informations contextuelles sur la méthode==<br /> Le calcul des anomalies NDVI est réalisé d’après la [https://de.wikipedia.org/wiki/Standardisierung_(Statistik) « valeur Z »] (cf. par ex. [https://www.sciencedirect.com/science/article/pii/S0034425718305509 Meroni et al., 2019]):<br /> <br /> Z&lt;sub&gt;i&lt;/sub&gt; = (NDVI&lt;sub&gt;median,i&lt;/sub&gt; - NDVI&lt;sub&gt;median,ref&lt;/sub&gt;) / NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt;<br /> <br /> Contrairement à Meroni et al., nous avons utilisé le [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score score Z modifié], plus robuste par rapport aux observations aberrantes. Pour ce faire, la moyenne arithmétique est remplacée par la médiane et l’écart-type par [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median l’écart absolu moyen de la médiane (MAD)]. Le NDVI&lt;sub&gt;median,i&lt;/sub&gt; désigne la médiane des valeurs NDVI pour chaque fenêtre de monitoring i de deux mois. Le NDVI&lt;sub&gt;median,ref&lt;/sub&gt; désigne la médiane des valeurs NDVI au sein d’une fenêtre de deux mois (par ex. juin-juillet) au cours de la période de référence. Le NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt; est l’écart absolu moyen des valeurs NDVI par rapport à la médiane de la période de référence au sein d’une fenêtre de deux mois (par ex. juin-juillet).<br /> <br /> L’écart absolu moyen par rapport à la médiane donne des indications sur la variabilité des valeurs NDVI au cours de la période de référence. Plus la variabilité est importante, plus la probabilité que les changements, notamment minimes, soient repérés est faible ; cela se voit à une valeur Z proche de zéro. Le calcul se fait à l’échelle du pixel, pour chaque pixel de 10 x 10 m ; les valeurs de pixel dans les cartes indicatrices correspondent à la valeur Z.<br /> <br /> Dans la version finale de la carte indicatrice, les pixels pour lesquels on dispose de moins de 6 images (pixel) sans nuage au cours de la période examinée pour calculer la médiane ont donc été masqués avec un buffer de 20 m.<br /> <br /> [[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Fig. 2 : Exemple de séries temporelles de NDVI illustrant la méthode de la valeur Z. Les points bleus correspondent aux valeurs NDVI réelles à un endroit donné (à l’échelle d’un pixel). Les lignes bleues représentent des interpolations sans autre signification. La période de référence se rapporte ici à 2016-2018 et est représentée en vert. Dans cet exemple, 2019 représente l’état actuel et est représenté en rouge. Les lignes en pointillés représentent les deux médianes comparées : la médiane pour juin-juillet de toutes les années de la période de référence (vert) et la médiane pour juin-juillet de l’année actuelle (rouge).]]<br /> <br /> &lt;br clear=all/&gt;<br /> == Vérifications==</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Translations:Use_Case_3_-_Hinweiskarten_zur_Vitalit%C3%A4t/19/fr&diff=88892 2021-09-06T07:17:51Z

<p>Alex: </p> <hr /> <div>&lt;br clear=all/&gt;<br /> == Vérifications==</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_3_-_Hinweiskarten_zur_Vitalit%C3%A4t&diff=88889 2021-09-06T07:17:12Z

<p>Alex: Diese Seite wurde zum Übersetzen freigegeben</p> <hr /> <div>&lt;translate&gt;<br /> &lt;!--T:1--&gt;<br /> &lt;languages/&gt;<br /> [[Datei:Uc3_screenshot.png|thumb|right|500px|Abb. 1: Screenshot aus der [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 Webanwendung]. Rot deutet auf eine Abnahme der Vitalität hin, blau auf eine Zunahme. Die Farbintensität spiegelt die Stärke der Veränderung wieder.]]<br /> <br /> <br /> &lt;!--T:2--&gt;<br /> [[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> &lt;!--T:3--&gt;<br /> [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; Zur Webanwendung]<br /> <br /> &lt;!--T:4--&gt;<br /> Auch die Vitalität von Waldflächen kann mit Sentinel-2-Satellitenbildern grob erfasst werden. Durch den '''Vergleich des aktuellen Vegetationszustandes mit den Vorjahren''' lassen sich daraus '''Hinweiskarten zur Veränderung der Vitalität''' erstellen. Hier handelt es sich allerdings um einen ersten Test. Eine ausführliche Validierung der Methode steht noch aus.<br /> <br /> &lt;!--T:5--&gt;<br /> Als Indikator für die Vitalität wurde wiederum der NDVI-Vegetationsindex verwendet. Auf der Karte dargestellt werden sogenannte '''NDVI-Anomalien'''. Dabei werden jeweils die NDVI-Medianwerte des zweimonatigen Zeitfensters (z.B. Juni - Juli) mit den Medianwerten aller Vorjahre (bis 2015) innerhalb derselben Zeitperiode verglichen (siehe Abb. 2). Negative Werte deuten auf eine Abnahme der Vitalität hin, positive Werte deuten auf eine Zunahme der Vitalität hin. Je weiter die Werte von null abweichen (Erwartungswert), desto wahrscheinlicher ist es, dass eine effektive Veränderung stattfand. Dabei kann ein '''absoluter Wert von mindestens 3,5''' als '''Indikator für eine signifikante Abweichung''' betrachtet werden &lt;ref&gt;Boris Iglewicz and David Hoaglin (1993), &quot;Volume 16: How to Detect and Handle Outliers&quot;, The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.&lt;/ref&gt;.<br /> <br /> ==Einschränkungen== &lt;!--T:6--&gt;<br /> Ob es sich bei einer Veränderung um Borkenkäferbefall, Trockenstress oder einen Holzschlag handelt, wird nicht unterschieden. So können z.B. negative Werte sowohl einen Holzschlag wie auch eine vorzeitige Herbstverfärbung beschreiben. Wir sprechen daher von Hinweiskarten und für die Interpretation ist immer auch Expertenwissen über die Wälder und gegebenenfalls eine Feldbegehung notwendig. <br /> <br /> &lt;!--T:7--&gt;<br /> Durch die Kombination von Satellitenaufnahmen innerhalb des zweimonatigen Fensters können viele Probleme mit Wolken und andere Fehlerquellen reduziert, jedoch nicht vollständig ausgeschlossen werden. Im Zusammenhang mit der Abdeckung durch unterschiedliche Orbits treten teilweise Artefakte auf, und die Grenzen der Orbits sind auf den Hinweiskarten erkennbar. Auch können fehlerhafte Indikationen durch nicht ausmaskierte Wolken oder eine ungenügende Zahl wolkenfreier Aufnahmen auftreten. Deshalb wurden in der finalen Hinweiskarte diejenigen Pixel ausmaskiert, für die innerhalb der Monitoring-Periode für die Berechnung des Medians weniger als 6 wolkenfreie Aufnahmen (Pixel) vorhanden sind.<br /> <br /> &lt;!--T:8--&gt;<br /> Weiter ist zu berücksichtigen, dass die Sentinel-2-Daten erst seit 2015 verfügbar sind, was für die Detektion von Anomalien bis jetzt ein relativ kurzer Zeitraum ist. Mit jedem zusätzlichen Jahr wird eine höhere Aussagekraft erwartet.<br /> <br /> ==Video-Tutorial : Basics für den korrekten Gebrauch== &lt;!--T:9--&gt;<br /> Das folgende Video erläutert die Benutzung der Webanwendung «Hinweiskarten zur Vitalität». Methodik der Berechnung und Darstellung haben sich seither leicht geändert (insbes. zusätzliche Darstellung von Flächen mit &quot;nicht genug Daten&quot;; Stand Juni 2021), die Grundlagen bleiben aber gleich:<br /> <br /> &lt;!--T:10--&gt;<br /> [[File:UC3.mp4|1000px]]<br /> <br /> ==Datenbezug== &lt;!--T:17--&gt;<br /> Die Rasterdaten sind [https://forestmonitoring.lab.karten-werk.ch/services hier] als Web Map Service (WMS) oder Web Coverage Service (WCS) verfügbar. Während sich der WMS Dienst primär für die Visualisierung eignet und die Daten automatisch so dargestellt werden wie im Kartenviewer, erlaubt der WCS Dienst den Zugriff auf die Werte und somit auch die Weiterverarbeitung im GIS. Bei der Einbindung der Rasterdaten ist zu beachten, dass diese aus Speicherplatzgründen '''mit 100 multipliziert''' wurden. Ein Wert von z.B. 100 entspricht also einem Z-Wert von 1. <br /> <br /> &lt;!--T:18--&gt;<br /> Weitere '''Tipps und Informationen zu Einbindung und Verarbeitung''' der Daten gibt es [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|hier]].<br /> <br /> ==Hintergrundinformationen zur Methode== &lt;!--T:11--&gt;<br /> Die Berechnung der NDVI-Anomalien basiert auf dem sogenannten [https://de.wikipedia.org/wiki/Standardisierung_(Statistik) Z-Wert] (siehe z.B. [https://www.sciencedirect.com/science/article/pii/S0034425718305509 Meroni et al., 2019]):<br /> <br /> &lt;!--T:12--&gt;<br /> Z&lt;sub&gt;i&lt;/sub&gt; = (NDVI&lt;sub&gt;median,i&lt;/sub&gt; - NDVI&lt;sub&gt;median,ref&lt;/sub&gt;) / NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt;<br /> <br /> &lt;!--T:13--&gt;<br /> Im Gegensatz zu Meroni et al. haben wir den sogenannten [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score modifizierten Z-Score] verwendet, da dieser robuster gegenüber Ausreissern ist. Dabei wird das arithmetische Mittel durch den Median und die Standardabweichung durch die [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median mittlere absolute Abweichung vom Median (MAD)] ersetzt. NDVI&lt;sub&gt;median,i&lt;/sub&gt; bezeichnet somit den Median der NDVI-Werte pro zweimonatigem Monitoring-Zeitfenster i. NDVI&lt;sub&gt;median,ref&lt;/sub&gt; bezeichnet den Median der NDVI-Werte innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni - Juli) der Referenzperiode. NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt; ist die mittlere absolute Abweichung der NDVI-Werte vom Median innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni- Juli) der Referenzperiode.<br /> <br /> &lt;!--T:14--&gt;<br /> Die mittlere absolute Abweichung vom Median gibt Auskunft über die Variabilität der NDVI-Werte innerhalb der Referenzperiode. Je grösser die Variabilität ist, desto kleiner wird die Wahrscheinlichkeit, dass Veränderungen, insbesondere schwache, ausgeschieden werden, was sich in Z-Werten nahe null widerspiegelt. Die Berechnung erfolgt pixelbasiert für jeden 10 x 10 m Pixel, und die Pixelwerte in den Hinweiskarten entsprechen dem jeweiligen Z-Wert.<br /> <br /> &lt;!--T:16--&gt;<br /> Pixel, bei denen für die Berechnung des Medians über das Monitoring-Zeitfenster weniger als 6 wolkenfreie Aufnahmen (Pixel) zur Verfügung stehen, werden in der finalen Hinweiskarte mit einem Buffer von 20m ausmaskiert.<br /> <br /> &lt;!--T:15--&gt;<br /> [[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Abb. 2: NDVI-Zeitreihen-Beispiel zur Veranschaulichung der Z-Wert-Methode. Die blauen Punkte entsprechen den tatsächlichen NDVI-Werten an einem bestimmten Ort (pixelbasiert). Die blauen Linien stellen Interpolationen dar und haben keine weitere Bedeutung. Die Referenzperiode bezieht sich in diesem Fall auf 2016 bis 2018, dargestellt in Grün. 2019 stellt in diesem Beispiel den aktuellen Zustand dar und ist in Rot gekennzeichnet. Die gestrichelten Linien stellen jeweils die beiden Mediane dar, die miteinander verglichen werden, das heisst der Median über Juni/Juli aller Jahre der Referenzperiode (in Grün) mit dem Median über Juni/Juli des aktuellen Jahres (in Rot).]]<br /> <br /> &lt;br clear=all/&gt;<br /> == Einzelnachweise== &lt;!--T:19--&gt;<br /> &lt;/translate&gt;</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_3_-_Hinweiskarten_zur_Vitalit%C3%A4t&diff=88888 2021-09-06T07:16:52Z

<p>Alex: </p> <hr /> <div>&lt;translate&gt;<br /> &lt;!--T:1--&gt;<br /> &lt;languages/&gt;<br /> [[Datei:Uc3_screenshot.png|thumb|right|500px|Abb. 1: Screenshot aus der [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 Webanwendung]. Rot deutet auf eine Abnahme der Vitalität hin, blau auf eine Zunahme. Die Farbintensität spiegelt die Stärke der Veränderung wieder.]]<br /> <br /> <br /> &lt;!--T:2--&gt;<br /> [[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> &lt;!--T:3--&gt;<br /> [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; Zur Webanwendung]<br /> <br /> &lt;!--T:4--&gt;<br /> Auch die Vitalität von Waldflächen kann mit Sentinel-2-Satellitenbildern grob erfasst werden. Durch den '''Vergleich des aktuellen Vegetationszustandes mit den Vorjahren''' lassen sich daraus '''Hinweiskarten zur Veränderung der Vitalität''' erstellen. Hier handelt es sich allerdings um einen ersten Test. Eine ausführliche Validierung der Methode steht noch aus.<br /> <br /> &lt;!--T:5--&gt;<br /> Als Indikator für die Vitalität wurde wiederum der NDVI-Vegetationsindex verwendet. Auf der Karte dargestellt werden sogenannte '''NDVI-Anomalien'''. Dabei werden jeweils die NDVI-Medianwerte des zweimonatigen Zeitfensters (z.B. Juni - Juli) mit den Medianwerten aller Vorjahre (bis 2015) innerhalb derselben Zeitperiode verglichen (siehe Abb. 2). Negative Werte deuten auf eine Abnahme der Vitalität hin, positive Werte deuten auf eine Zunahme der Vitalität hin. Je weiter die Werte von null abweichen (Erwartungswert), desto wahrscheinlicher ist es, dass eine effektive Veränderung stattfand. Dabei kann ein '''absoluter Wert von mindestens 3,5''' als '''Indikator für eine signifikante Abweichung''' betrachtet werden &lt;ref&gt;Boris Iglewicz and David Hoaglin (1993), &quot;Volume 16: How to Detect and Handle Outliers&quot;, The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.&lt;/ref&gt;.<br /> <br /> ==Einschränkungen== &lt;!--T:6--&gt;<br /> Ob es sich bei einer Veränderung um Borkenkäferbefall, Trockenstress oder einen Holzschlag handelt, wird nicht unterschieden. So können z.B. negative Werte sowohl einen Holzschlag wie auch eine vorzeitige Herbstverfärbung beschreiben. Wir sprechen daher von Hinweiskarten und für die Interpretation ist immer auch Expertenwissen über die Wälder und gegebenenfalls eine Feldbegehung notwendig. <br /> <br /> &lt;!--T:7--&gt;<br /> Durch die Kombination von Satellitenaufnahmen innerhalb des zweimonatigen Fensters können viele Probleme mit Wolken und andere Fehlerquellen reduziert, jedoch nicht vollständig ausgeschlossen werden. Im Zusammenhang mit der Abdeckung durch unterschiedliche Orbits treten teilweise Artefakte auf, und die Grenzen der Orbits sind auf den Hinweiskarten erkennbar. Auch können fehlerhafte Indikationen durch nicht ausmaskierte Wolken oder eine ungenügende Zahl wolkenfreier Aufnahmen auftreten. Deshalb wurden in der finalen Hinweiskarte diejenigen Pixel ausmaskiert, für die innerhalb der Monitoring-Periode für die Berechnung des Medians weniger als 6 wolkenfreie Aufnahmen (Pixel) vorhanden sind.<br /> <br /> &lt;!--T:8--&gt;<br /> Weiter ist zu berücksichtigen, dass die Sentinel-2-Daten erst seit 2015 verfügbar sind, was für die Detektion von Anomalien bis jetzt ein relativ kurzer Zeitraum ist. Mit jedem zusätzlichen Jahr wird eine höhere Aussagekraft erwartet.<br /> <br /> ==Video-Tutorial : Basics für den korrekten Gebrauch== &lt;!--T:9--&gt;<br /> Das folgende Video erläutert die Benutzung der Webanwendung «Hinweiskarten zur Vitalität». Methodik der Berechnung und Darstellung haben sich seither leicht geändert (insbes. zusätzliche Darstellung von Flächen mit &quot;nicht genug Daten&quot;; Stand Juni 2021), die Grundlagen bleiben aber gleich:<br /> <br /> &lt;!--T:10--&gt;<br /> [[File:UC3.mp4|1000px]]<br /> <br /> ==Datenbezug== &lt;!--T:17--&gt;<br /> Die Rasterdaten sind [https://forestmonitoring.lab.karten-werk.ch/services hier] als Web Map Service (WMS) oder Web Coverage Service (WCS) verfügbar. Während sich der WMS Dienst primär für die Visualisierung eignet und die Daten automatisch so dargestellt werden wie im Kartenviewer, erlaubt der WCS Dienst den Zugriff auf die Werte und somit auch die Weiterverarbeitung im GIS. Bei der Einbindung der Rasterdaten ist zu beachten, dass diese aus Speicherplatzgründen '''mit 100 multipliziert''' wurden. Ein Wert von z.B. 100 entspricht also einem Z-Wert von 1. <br /> <br /> &lt;!--T:18--&gt;<br /> Weitere '''Tipps und Informationen zu Einbindung und Verarbeitung''' der Daten gibt es [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|hier]].<br /> <br /> ==Hintergrundinformationen zur Methode== &lt;!--T:11--&gt;<br /> Die Berechnung der NDVI-Anomalien basiert auf dem sogenannten [https://de.wikipedia.org/wiki/Standardisierung_(Statistik) Z-Wert] (siehe z.B. [https://www.sciencedirect.com/science/article/pii/S0034425718305509 Meroni et al., 2019]):<br /> <br /> &lt;!--T:12--&gt;<br /> Z&lt;sub&gt;i&lt;/sub&gt; = (NDVI&lt;sub&gt;median,i&lt;/sub&gt; - NDVI&lt;sub&gt;median,ref&lt;/sub&gt;) / NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt;<br /> <br /> &lt;!--T:13--&gt;<br /> Im Gegensatz zu Meroni et al. haben wir den sogenannten [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score modifizierten Z-Score] verwendet, da dieser robuster gegenüber Ausreissern ist. Dabei wird das arithmetische Mittel durch den Median und die Standardabweichung durch die [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median mittlere absolute Abweichung vom Median (MAD)] ersetzt. NDVI&lt;sub&gt;median,i&lt;/sub&gt; bezeichnet somit den Median der NDVI-Werte pro zweimonatigem Monitoring-Zeitfenster i. NDVI&lt;sub&gt;median,ref&lt;/sub&gt; bezeichnet den Median der NDVI-Werte innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni - Juli) der Referenzperiode. NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt; ist die mittlere absolute Abweichung der NDVI-Werte vom Median innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni- Juli) der Referenzperiode.<br /> <br /> &lt;!--T:14--&gt;<br /> Die mittlere absolute Abweichung vom Median gibt Auskunft über die Variabilität der NDVI-Werte innerhalb der Referenzperiode. Je grösser die Variabilität ist, desto kleiner wird die Wahrscheinlichkeit, dass Veränderungen, insbesondere schwache, ausgeschieden werden, was sich in Z-Werten nahe null widerspiegelt. Die Berechnung erfolgt pixelbasiert für jeden 10 x 10 m Pixel, und die Pixelwerte in den Hinweiskarten entsprechen dem jeweiligen Z-Wert.<br /> <br /> &lt;!--T:16--&gt;<br /> Pixel, bei denen für die Berechnung des Medians über das Monitoring-Zeitfenster weniger als 6 wolkenfreie Aufnahmen (Pixel) zur Verfügung stehen, werden in der finalen Hinweiskarte mit einem Buffer von 20m ausmaskiert.<br /> <br /> &lt;!--T:15--&gt;<br /> [[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Abb. 2: NDVI-Zeitreihen-Beispiel zur Veranschaulichung der Z-Wert-Methode. Die blauen Punkte entsprechen den tatsächlichen NDVI-Werten an einem bestimmten Ort (pixelbasiert). Die blauen Linien stellen Interpolationen dar und haben keine weitere Bedeutung. Die Referenzperiode bezieht sich in diesem Fall auf 2016 bis 2018, dargestellt in Grün. 2019 stellt in diesem Beispiel den aktuellen Zustand dar und ist in Rot gekennzeichnet. Die gestrichelten Linien stellen jeweils die beiden Mediane dar, die miteinander verglichen werden, das heisst der Median über Juni/Juli aller Jahre der Referenzperiode (in Grün) mit dem Median über Juni/Juli des aktuellen Jahres (in Rot).]]<br /> <br /> &lt;br clear=all/&gt;<br /> &lt;!--T:19--&gt;<br /> == Einzelnachweise==<br /> &lt;/translate&gt;</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_3_-_Hinweiskarten_zur_Vitalit%C3%A4t&diff=88884 2021-09-06T07:13:02Z

<p>Alex: </p> <hr /> <div>&lt;translate&gt;<br /> &lt;!--T:1--&gt;<br /> &lt;languages/&gt;<br /> [[Datei:Uc3_screenshot.png|thumb|right|500px|Abb. 1: Screenshot aus der [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 Webanwendung]. Rot deutet auf eine Abnahme der Vitalität hin, blau auf eine Zunahme. Die Farbintensität spiegelt die Stärke der Veränderung wieder.]]<br /> <br /> <br /> &lt;!--T:2--&gt;<br /> [[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> &lt;!--T:3--&gt;<br /> [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; Zur Webanwendung]<br /> <br /> &lt;!--T:4--&gt;<br /> Auch die Vitalität von Waldflächen kann mit Sentinel-2-Satellitenbildern grob erfasst werden. Durch den '''Vergleich des aktuellen Vegetationszustandes mit den Vorjahren''' lassen sich daraus '''Hinweiskarten zur Veränderung der Vitalität''' erstellen. Hier handelt es sich allerdings um einen ersten Test. Eine ausführliche Validierung der Methode steht noch aus.<br /> <br /> &lt;!--T:5--&gt;<br /> Als Indikator für die Vitalität wurde wiederum der NDVI-Vegetationsindex verwendet. Auf der Karte dargestellt werden sogenannte '''NDVI-Anomalien'''. Dabei werden jeweils die NDVI-Medianwerte des zweimonatigen Zeitfensters (z.B. Juni - Juli) mit den Medianwerten aller Vorjahre (bis 2015) innerhalb derselben Zeitperiode verglichen (siehe Abb. 2). Negative Werte deuten auf eine Abnahme der Vitalität hin, positive Werte deuten auf eine Zunahme der Vitalität hin. Je weiter die Werte von null abweichen (Erwartungswert), desto wahrscheinlicher ist es, dass eine effektive Veränderung stattfand. Dabei kann ein '''absoluter Wert von mindestens 3,5''' als '''Indikator für eine signifikante Abweichung''' betrachtet werden &lt;ref&gt;Boris Iglewicz and David Hoaglin (1993), &quot;Volume 16: How to Detect and Handle Outliers&quot;, The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.&lt;/ref&gt;.<br /> <br /> ==Einschränkungen== &lt;!--T:6--&gt;<br /> Ob es sich bei einer Veränderung um Borkenkäferbefall, Trockenstress oder einen Holzschlag handelt, wird nicht unterschieden. So können z.B. negative Werte sowohl einen Holzschlag wie auch eine vorzeitige Herbstverfärbung beschreiben. Wir sprechen daher von Hinweiskarten und für die Interpretation ist immer auch Expertenwissen über die Wälder und gegebenenfalls eine Feldbegehung notwendig. <br /> <br /> &lt;!--T:7--&gt;<br /> Durch die Kombination von Satellitenaufnahmen innerhalb des zweimonatigen Fensters können viele Probleme mit Wolken und andere Fehlerquellen reduziert, jedoch nicht vollständig ausgeschlossen werden. Im Zusammenhang mit der Abdeckung durch unterschiedliche Orbits treten teilweise Artefakte auf, und die Grenzen der Orbits sind auf den Hinweiskarten erkennbar. Auch können fehlerhafte Indikationen durch nicht ausmaskierte Wolken oder eine ungenügende Zahl wolkenfreier Aufnahmen auftreten. Deshalb wurden in der finalen Hinweiskarte diejenigen Pixel ausmaskiert, für die innerhalb der Monitoring-Periode für die Berechnung des Medians weniger als 6 wolkenfreie Aufnahmen (Pixel) vorhanden sind.<br /> <br /> &lt;!--T:8--&gt;<br /> Weiter ist zu berücksichtigen, dass die Sentinel-2-Daten erst seit 2015 verfügbar sind, was für die Detektion von Anomalien bis jetzt ein relativ kurzer Zeitraum ist. Mit jedem zusätzlichen Jahr wird eine höhere Aussagekraft erwartet.<br /> <br /> ==Video-Tutorial : Basics für den korrekten Gebrauch== &lt;!--T:9--&gt;<br /> Das folgende Video erläutert die Benutzung der Webanwendung «Hinweiskarten zur Vitalität». Methodik der Berechnung und Darstellung haben sich seither leicht geändert (insbes. zusätzliche Darstellung von Flächen mit &quot;nicht genug Daten&quot;; Stand Juni 2021), die Grundlagen bleiben aber gleich:<br /> <br /> &lt;!--T:10--&gt;<br /> [[File:UC3.mp4|1000px]]<br /> <br /> ==Datenbezug== &lt;!--T:17--&gt;<br /> Die Rasterdaten sind [https://forestmonitoring.lab.karten-werk.ch/services hier] als Web Map Service (WMS) oder Web Coverage Service (WCS) verfügbar. Während sich der WMS Dienst primär für die Visualisierung eignet und die Daten automatisch so dargestellt werden wie im Kartenviewer, erlaubt der WCS Dienst den Zugriff auf die Werte und somit auch die Weiterverarbeitung im GIS. Bei der Einbindung der Rasterdaten ist zu beachten, dass diese aus Speicherplatzgründen '''mit 100 multipliziert''' wurden. Ein Wert von z.B. 100 entspricht also einem Z-Wert von 1. <br /> <br /> &lt;!--T:18--&gt;<br /> Weitere '''Tipps und Informationen zu Einbindung und Verarbeitung''' der Daten gibt es [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|hier]].<br /> <br /> ==Hintergrundinformationen zur Methode== &lt;!--T:11--&gt;<br /> Die Berechnung der NDVI-Anomalien basiert auf dem sogenannten [https://de.wikipedia.org/wiki/Standardisierung_(Statistik) Z-Wert] (siehe z.B. [https://www.sciencedirect.com/science/article/pii/S0034425718305509 Meroni et al., 2019]):<br /> <br /> &lt;!--T:12--&gt;<br /> Z&lt;sub&gt;i&lt;/sub&gt; = (NDVI&lt;sub&gt;median,i&lt;/sub&gt; - NDVI&lt;sub&gt;median,ref&lt;/sub&gt;) / NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt;<br /> <br /> &lt;!--T:13--&gt;<br /> Im Gegensatz zu Meroni et al. haben wir den sogenannten [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score modifizierten Z-Score] verwendet, da dieser robuster gegenüber Ausreissern ist. Dabei wird das arithmetische Mittel durch den Median und die Standardabweichung durch die [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median mittlere absolute Abweichung vom Median (MAD)] ersetzt. NDVI&lt;sub&gt;median,i&lt;/sub&gt; bezeichnet somit den Median der NDVI-Werte pro zweimonatigem Monitoring-Zeitfenster i. NDVI&lt;sub&gt;median,ref&lt;/sub&gt; bezeichnet den Median der NDVI-Werte innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni - Juli) der Referenzperiode. NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt; ist die mittlere absolute Abweichung der NDVI-Werte vom Median innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni- Juli) der Referenzperiode.<br /> <br /> &lt;!--T:14--&gt;<br /> Die mittlere absolute Abweichung vom Median gibt Auskunft über die Variabilität der NDVI-Werte innerhalb der Referenzperiode. Je grösser die Variabilität ist, desto kleiner wird die Wahrscheinlichkeit, dass Veränderungen, insbesondere schwache, ausgeschieden werden, was sich in Z-Werten nahe null widerspiegelt. Die Berechnung erfolgt pixelbasiert für jeden 10 x 10 m Pixel, und die Pixelwerte in den Hinweiskarten entsprechen dem jeweiligen Z-Wert.<br /> <br /> &lt;!--T:16--&gt;<br /> Pixel, bei denen für die Berechnung des Medians über das Monitoring-Zeitfenster weniger als 6 wolkenfreie Aufnahmen (Pixel) zur Verfügung stehen, werden in der finalen Hinweiskarte mit einem Buffer von 20m ausmaskiert.<br /> <br /> &lt;!--T:15--&gt;<br /> [[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Abb. 2: NDVI-Zeitreihen-Beispiel zur Veranschaulichung der Z-Wert-Methode. Die blauen Punkte entsprechen den tatsächlichen NDVI-Werten an einem bestimmten Ort (pixelbasiert). Die blauen Linien stellen Interpolationen dar und haben keine weitere Bedeutung. Die Referenzperiode bezieht sich in diesem Fall auf 2016 bis 2018, dargestellt in Grün. 2019 stellt in diesem Beispiel den aktuellen Zustand dar und ist in Rot gekennzeichnet. Die gestrichelten Linien stellen jeweils die beiden Mediane dar, die miteinander verglichen werden, das heisst der Median über Juni/Juli aller Jahre der Referenzperiode (in Grün) mit dem Median über Juni/Juli des aktuellen Jahres (in Rot).]]<br /> <br /> &lt;br clear=all&gt;<br /> == Einzelnachweise== &lt;!--T:19--&gt;<br /> &lt;/translate&gt;</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_3_-_Hinweiskarten_zur_Vitalit%C3%A4t&diff=88883 2021-09-06T07:08:57Z

<p>Alex: </p> <hr /> <div>&lt;translate&gt;<br /> &lt;!--T:1--&gt;<br /> &lt;languages/&gt;<br /> [[Datei:Uc3_screenshot.png|thumb|right|500px|Abb. 1: Screenshot aus der [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 Webanwendung]. Rot deutet auf eine Abnahme der Vitalität hin, blau auf eine Zunahme. Die Farbintensität spiegelt die Stärke der Veränderung wieder.]]<br /> <br /> <br /> &lt;!--T:2--&gt;<br /> [[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> &lt;!--T:3--&gt;<br /> [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; Zur Webanwendung]<br /> <br /> &lt;!--T:4--&gt;<br /> Auch die Vitalität von Waldflächen kann mit Sentinel-2-Satellitenbildern grob erfasst werden. Durch den '''Vergleich des aktuellen Vegetationszustandes mit den Vorjahren''' lassen sich daraus '''Hinweiskarten zur Veränderung der Vitalität''' erstellen. Hier handelt es sich allerdings um einen ersten Test. Eine ausführliche Validierung der Methode steht noch aus.<br /> <br /> &lt;!--T:5--&gt;<br /> Als Indikator für die Vitalität wurde wiederum der NDVI-Vegetationsindex verwendet. Auf der Karte dargestellt werden sogenannte '''NDVI-Anomalien'''. Dabei werden jeweils die NDVI-Medianwerte des zweimonatigen Zeitfensters (z.B. Juni - Juli) mit den Medianwerten aller Vorjahre (bis 2015) innerhalb derselben Zeitperiode verglichen (siehe Abb. 2). Negative Werte deuten auf eine Abnahme der Vitalität hin, positive Werte deuten auf eine Zunahme der Vitalität hin. Je weiter die Werte von null abweichen (Erwartungswert), desto wahrscheinlicher ist es, dass eine effektive Veränderung stattfand. Dabei kann ein '''absoluter Wert von mindestens 3,5''' als '''Indikator für eine signifikante Abweichung''' betrachtet werden &lt;ref&gt;Boris Iglewicz and David Hoaglin (1993), &quot;Volume 16: How to Detect and Handle Outliers&quot;, The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.&lt;/ref&gt;.<br /> <br /> ==Einschränkungen== &lt;!--T:6--&gt;<br /> Ob es sich bei einer Veränderung um Borkenkäferbefall, Trockenstress oder einen Holzschlag handelt, wird nicht unterschieden. So können z.B. negative Werte sowohl einen Holzschlag wie auch eine vorzeitige Herbstverfärbung beschreiben. Wir sprechen daher von Hinweiskarten und für die Interpretation ist immer auch Expertenwissen über die Wälder und gegebenenfalls eine Feldbegehung notwendig. <br /> <br /> &lt;!--T:7--&gt;<br /> Durch die Kombination von Satellitenaufnahmen innerhalb des zweimonatigen Fensters können viele Probleme mit Wolken und andere Fehlerquellen reduziert, jedoch nicht vollständig ausgeschlossen werden. Im Zusammenhang mit der Abdeckung durch unterschiedliche Orbits treten teilweise Artefakte auf, und die Grenzen der Orbits sind auf den Hinweiskarten erkennbar. Auch können fehlerhafte Indikationen durch nicht ausmaskierte Wolken oder eine ungenügende Zahl wolkenfreier Aufnahmen auftreten. Deshalb wurden in der finalen Hinweiskarte diejenigen Pixel ausmaskiert, für die innerhalb der Monitoring-Periode für die Berechnung des Medians weniger als 6 wolkenfreie Aufnahmen (Pixel) vorhanden sind.<br /> <br /> &lt;!--T:8--&gt;<br /> Weiter ist zu berücksichtigen, dass die Sentinel-2-Daten erst seit 2015 verfügbar sind, was für die Detektion von Anomalien bis jetzt ein relativ kurzer Zeitraum ist. Mit jedem zusätzlichen Jahr wird eine höhere Aussagekraft erwartet.<br /> <br /> ==Video-Tutorial : Basics für den korrekten Gebrauch== &lt;!--T:9--&gt;<br /> Das folgende Video erläutert die Benutzung der Webanwendung «Hinweiskarten zur Vitalität». Methodik der Berechnung und Darstellung haben sich seither leicht geändert (insbes. zusätzliche Darstellung von Flächen mit &quot;nicht genug Daten&quot;; Stand Juni 2021), die Grundlagen bleiben aber gleich:<br /> <br /> &lt;!--T:10--&gt;<br /> [[File:UC3.mp4|1000px]]<br /> <br /> ==Hintergrundinformationen zur Methode== &lt;!--T:11--&gt;<br /> Die Berechnung der NDVI-Anomalien basiert auf dem sogenannten [https://de.wikipedia.org/wiki/Standardisierung_(Statistik) Z-Wert] (siehe z.B. [https://www.sciencedirect.com/science/article/pii/S0034425718305509 Meroni et al., 2019]):<br /> <br /> &lt;!--T:12--&gt;<br /> Z&lt;sub&gt;i&lt;/sub&gt; = (NDVI&lt;sub&gt;median,i&lt;/sub&gt; - NDVI&lt;sub&gt;median,ref&lt;/sub&gt;) / NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt;<br /> <br /> &lt;!--T:13--&gt;<br /> Im Gegensatz zu Meroni et al. haben wir den sogenannten [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score modifizierten Z-Score] verwendet, da dieser robuster gegenüber Ausreissern ist. Dabei wird das arithmetische Mittel durch den Median und die Standardabweichung durch die [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median mittlere absolute Abweichung vom Median (MAD)] ersetzt. NDVI&lt;sub&gt;median,i&lt;/sub&gt; bezeichnet somit den Median der NDVI-Werte pro zweimonatigem Monitoring-Zeitfenster i. NDVI&lt;sub&gt;median,ref&lt;/sub&gt; bezeichnet den Median der NDVI-Werte innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni - Juli) der Referenzperiode. NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt; ist die mittlere absolute Abweichung der NDVI-Werte vom Median innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni- Juli) der Referenzperiode.<br /> <br /> &lt;!--T:14--&gt;<br /> Die mittlere absolute Abweichung vom Median gibt Auskunft über die Variabilität der NDVI-Werte innerhalb der Referenzperiode. Je grösser die Variabilität ist, desto kleiner wird die Wahrscheinlichkeit, dass Veränderungen, insbesondere schwache, ausgeschieden werden, was sich in Z-Werten nahe null widerspiegelt. Die Berechnung erfolgt pixelbasiert für jeden 10 x 10 m Pixel, und die Pixelwerte in den Hinweiskarten entsprechen dem jeweiligen Z-Wert.<br /> <br /> &lt;!--T:16--&gt;<br /> Pixel, bei denen für die Berechnung des Medians über das Monitoring-Zeitfenster weniger als 6 wolkenfreie Aufnahmen (Pixel) zur Verfügung stehen, werden in der finalen Hinweiskarte mit einem Buffer von 20m ausmaskiert.<br /> <br /> &lt;!--T:15--&gt;<br /> [[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Abb. 2: NDVI-Zeitreihen-Beispiel zur Veranschaulichung der Z-Wert-Methode. Die blauen Punkte entsprechen den tatsächlichen NDVI-Werten an einem bestimmten Ort (pixelbasiert). Die blauen Linien stellen Interpolationen dar und haben keine weitere Bedeutung. Die Referenzperiode bezieht sich in diesem Fall auf 2016 bis 2018, dargestellt in Grün. 2019 stellt in diesem Beispiel den aktuellen Zustand dar und ist in Rot gekennzeichnet. Die gestrichelten Linien stellen jeweils die beiden Mediane dar, die miteinander verglichen werden, das heisst der Median über Juni/Juli aller Jahre der Referenzperiode (in Grün) mit dem Median über Juni/Juli des aktuellen Jahres (in Rot).]]<br /> <br /> &lt;br clear=all&gt;<br /> ==Datenbezug== &lt;!--T:17--&gt;<br /> Die Rasterdaten sind [https://forestmonitoring.lab.karten-werk.ch/services hier] als Web Map Service (WMS) oder Web Coverage Service (WCS) verfügbar. Während sich der WMS Dienst primär für die Visualisierung eignet und die Daten automatisch so dargestellt werden wie im Kartenviewer, erlaubt der WCS Dienst den Zugriff auf die Werte und somit auch die Weiterverarbeitung im GIS. Bei der Einbindung der Rasterdaten ist zu beachten, dass diese aus Speicherplatzgründen '''mit 100 multipliziert''' wurden. Ein Wert von z.B. 100 entspricht also einem Z-Wert von 1. <br /> <br /> &lt;!--T:18--&gt;<br /> Weitere '''Tipps und Informationen zu Einbindung und Verarbeitung''' der Daten gibt es [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|hier]].<br /> <br /> == Einzelnachweise== &lt;!--T:19--&gt;<br /> &lt;/translate&gt;</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_3_-_Hinweiskarten_zur_Vitalit%C3%A4t&diff=88882 2021-09-06T07:06:35Z

<p>Alex: </p> <hr /> <div>&lt;translate&gt;<br /> &lt;!--T:1--&gt;<br /> &lt;languages/&gt;<br /> [[Datei:Uc3_screenshot.png|thumb|right|500px|Abb. 1: Screenshot aus der [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 Webanwendung]. Rot deutet auf eine Abnahme der Vitalität hin, blau auf eine Zunahme. Die Farbintensität spiegelt die Stärke der Veränderung wieder.]]<br /> <br /> <br /> &lt;!--T:2--&gt;<br /> [[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> &lt;!--T:3--&gt;<br /> [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; Zur Webanwendung]<br /> <br /> &lt;!--T:4--&gt;<br /> Auch die Vitalität von Waldflächen kann mit Sentinel-2-Satellitenbildern grob erfasst werden. Durch den '''Vergleich des aktuellen Vegetationszustandes mit den Vorjahren''' lassen sich daraus '''Hinweiskarten zur Veränderung der Vitalität''' erstellen. Hier handelt es sich allerdings um einen ersten Test. Eine ausführliche Validierung der Methode steht noch aus.<br /> <br /> &lt;!--T:5--&gt;<br /> Als Indikator für die Vitalität wurde wiederum der NDVI-Vegetationsindex verwendet. Auf der Karte dargestellt werden sogenannte '''NDVI-Anomalien'''. Dabei werden jeweils die NDVI-Medianwerte des zweimonatigen Zeitfensters (z.B. Juni - Juli) mit den Medianwerten aller Vorjahre (bis 2015) innerhalb derselben Zeitperiode verglichen (siehe Abb. 2). Negative Werte deuten auf eine Abnahme der Vitalität hin, positive Werte deuten auf eine Zunahme der Vitalität hin. Je weiter die Werte von null abweichen (Erwartungswert), desto wahrscheinlicher ist es, dass eine effektive Veränderung stattfand. Dabei kann ein '''absoluter Wert von mindestens 3,5''' als '''Indikator für eine signifikante Abweichung''' betrachtet werden &lt;ref&gt;Boris Iglewicz and David Hoaglin (1993), &quot;Volume 16: How to Detect and Handle Outliers&quot;, The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.&lt;/ref&gt;.<br /> <br /> ==Einschränkungen== &lt;!--T:6--&gt;<br /> Ob es sich bei einer Veränderung um Borkenkäferbefall, Trockenstress oder einen Holzschlag handelt, wird nicht unterschieden. So können z.B. negative Werte sowohl einen Holzschlag wie auch eine vorzeitige Herbstverfärbung beschreiben. Wir sprechen daher von Hinweiskarten und für die Interpretation ist immer auch Expertenwissen über die Wälder und gegebenenfalls eine Feldbegehung notwendig. <br /> <br /> &lt;!--T:7--&gt;<br /> Durch die Kombination von Satellitenaufnahmen innerhalb des zweimonatigen Fensters können viele Probleme mit Wolken und andere Fehlerquellen reduziert, jedoch nicht vollständig ausgeschlossen werden. Im Zusammenhang mit der Abdeckung durch unterschiedliche Orbits treten teilweise Artefakte auf, und die Grenzen der Orbits sind auf den Hinweiskarten erkennbar. Auch können fehlerhafte Indikationen durch nicht ausmaskierte Wolken oder eine ungenügende Zahl wolkenfreier Aufnahmen auftreten. Deshalb wurden in der finalen Hinweiskarte diejenigen Pixel ausmaskiert, für die innerhalb der Monitoring-Periode für die Berechnung des Medians weniger als 6 wolkenfreie Aufnahmen (Pixel) vorhanden sind.<br /> <br /> &lt;!--T:8--&gt;<br /> Weiter ist zu berücksichtigen, dass die Sentinel-2-Daten erst seit 2015 verfügbar sind, was für die Detektion von Anomalien bis jetzt ein relativ kurzer Zeitraum ist. Mit jedem zusätzlichen Jahr wird eine höhere Aussagekraft erwartet.<br /> <br /> ==Video-Tutorial : Basics für den korrekten Gebrauch== &lt;!--T:9--&gt;<br /> Das folgende Video erläutert die Benutzung der Webanwendung «Hinweiskarten zur Vitalität». Methodik der Berechnung und Darstellung haben sich seither leicht geändert (insbes. zusätzliche Darstellung von Flächen mit &quot;nicht genug Daten&quot;; Stand Juni 2021), die Grundlagen bleiben aber gleich:<br /> <br /> &lt;!--T:10--&gt;<br /> [[File:UC3.mp4|1000px]]<br /> <br /> ==Hintergrundinformationen zur Methode== &lt;!--T:11--&gt;<br /> Die Berechnung der NDVI-Anomalien basiert auf dem sogenannten [https://de.wikipedia.org/wiki/Standardisierung_(Statistik) Z-Wert] (siehe z.B. [https://www.sciencedirect.com/science/article/pii/S0034425718305509 Meroni et al., 2019]):<br /> <br /> &lt;!--T:12--&gt;<br /> Z&lt;sub&gt;i&lt;/sub&gt; = (NDVI&lt;sub&gt;median,i&lt;/sub&gt; - NDVI&lt;sub&gt;median,ref&lt;/sub&gt;) / NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt;<br /> <br /> &lt;!--T:13--&gt;<br /> Im Gegensatz zu Meroni et al. haben wir den sogenannten [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score modifizierten Z-Score] verwendet, da dieser robuster gegenüber Ausreissern ist. Dabei wird das arithmetische Mittel durch den Median und die Standardabweichung durch die [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median mittlere absolute Abweichung vom Median (MAD)] ersetzt. NDVI&lt;sub&gt;median,i&lt;/sub&gt; bezeichnet somit den Median der NDVI-Werte pro zweimonatigem Monitoring-Zeitfenster i. NDVI&lt;sub&gt;median,ref&lt;/sub&gt; bezeichnet den Median der NDVI-Werte innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni - Juli) der Referenzperiode. NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt; ist die mittlere absolute Abweichung der NDVI-Werte vom Median innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni- Juli) der Referenzperiode.<br /> <br /> &lt;!--T:14--&gt;<br /> Die mittlere absolute Abweichung vom Median gibt Auskunft über die Variabilität der NDVI-Werte innerhalb der Referenzperiode. Je grösser die Variabilität ist, desto kleiner wird die Wahrscheinlichkeit, dass Veränderungen, insbesondere schwache, ausgeschieden werden, was sich in Z-Werten nahe null widerspiegelt. Die Berechnung erfolgt pixelbasiert für jeden 10 x 10 m Pixel, und die Pixelwerte in den Hinweiskarten entsprechen dem jeweiligen Z-Wert.<br /> <br /> &lt;!--T:16--&gt;<br /> Pixel, bei denen für die Berechnung des Medians über das Monitoring-Zeitfenster weniger als 6 wolkenfreie Aufnahmen (Pixel) zur Verfügung stehen, werden in der finalen Hinweiskarte mit einem Buffer von 20m ausmaskiert.<br /> <br /> &lt;!--T:15--&gt;<br /> [[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Abb. 2: NDVI-Zeitreihen-Beispiel zur Veranschaulichung der Z-Wert-Methode. Die blauen Punkte entsprechen den tatsächlichen NDVI-Werten an einem bestimmten Ort (pixelbasiert). Die blauen Linien stellen Interpolationen dar und haben keine weitere Bedeutung. Die Referenzperiode bezieht sich in diesem Fall auf 2016 bis 2018, dargestellt in Grün. 2019 stellt in diesem Beispiel den aktuellen Zustand dar und ist in Rot gekennzeichnet. Die gestrichelten Linien stellen jeweils die beiden Mediane dar, die miteinander verglichen werden, das heisst der Median über Juni/Juli aller Jahre der Referenzperiode (in Grün) mit dem Median über Juni/Juli des aktuellen Jahres (in Rot).]]<br /> <br /> &lt;br /&gt;<br /> ==Datenbezug== &lt;!--T:17--&gt;<br /> Die Rasterdaten sind [https://forestmonitoring.lab.karten-werk.ch/services hier] als Web Map Service (WMS) oder Web Coverage Service (WCS) verfügbar. Während sich der WMS Dienst primär für die Visualisierung eignet und die Daten automatisch so dargestellt werden wie im Kartenviewer, erlaubt der WCS Dienst den Zugriff auf die Werte und somit auch die Weiterverarbeitung im GIS. Bei der Einbindung der Rasterdaten ist zu beachten, dass diese aus Speicherplatzgründen '''mit 100 multipliziert''' wurden. Ein Wert von z.B. 100 entspricht also einem Z-Wert von 1. <br /> <br /> &lt;!--T:18--&gt;<br /> Weitere '''Tipps und Informationen zu Einbindung und Verarbeitung''' der Daten gibt es [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|hier]].<br /> <br /> == Einzelnachweise== &lt;!--T:19--&gt;<br /> &lt;/translate&gt;</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_3_-_Hinweiskarten_zur_Vitalit%C3%A4t&diff=88881 2021-09-06T07:05:14Z

<p>Alex: </p> <hr /> <div>&lt;translate&gt;<br /> &lt;!--T:1--&gt;<br /> &lt;languages/&gt;<br /> [[Datei:Uc3_screenshot.png|thumb|right|500px|Abb. 1: Screenshot aus der [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 Webanwendung]. Rot deutet auf eine Abnahme der Vitalität hin, blau auf eine Zunahme. Die Farbintensität spiegelt die Stärke der Veränderung wieder.]]<br /> <br /> <br /> &lt;!--T:2--&gt;<br /> [[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> &lt;!--T:3--&gt;<br /> [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; Zur Webanwendung]<br /> <br /> &lt;!--T:4--&gt;<br /> Auch die Vitalität von Waldflächen kann mit Sentinel-2-Satellitenbildern grob erfasst werden. Durch den '''Vergleich des aktuellen Vegetationszustandes mit den Vorjahren''' lassen sich daraus '''Hinweiskarten zur Veränderung der Vitalität''' erstellen. Hier handelt es sich allerdings um einen ersten Test. Eine ausführliche Validierung der Methode steht noch aus.<br /> <br /> &lt;!--T:5--&gt;<br /> Als Indikator für die Vitalität wurde wiederum der NDVI-Vegetationsindex verwendet. Auf der Karte dargestellt werden sogenannte '''NDVI-Anomalien'''. Dabei werden jeweils die NDVI-Medianwerte des zweimonatigen Zeitfensters (z.B. Juni - Juli) mit den Medianwerten aller Vorjahre (bis 2015) innerhalb derselben Zeitperiode verglichen (siehe Abb. 2). Negative Werte deuten auf eine Abnahme der Vitalität hin, positive Werte deuten auf eine Zunahme der Vitalität hin. Je weiter die Werte von null abweichen (Erwartungswert), desto wahrscheinlicher ist es, dass eine effektive Veränderung stattfand. Dabei kann ein '''absoluter Wert von mindestens 3,5''' als '''Indikator für eine signifikante Abweichung''' betrachtet werden &lt;ref&gt;Boris Iglewicz and David Hoaglin (1993), &quot;Volume 16: How to Detect and Handle Outliers&quot;, The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.&lt;/ref&gt;.<br /> <br /> ==Einschränkungen== &lt;!--T:6--&gt;<br /> Ob es sich bei einer Veränderung um Borkenkäferbefall, Trockenstress oder einen Holzschlag handelt, wird nicht unterschieden. So können z.B. negative Werte sowohl einen Holzschlag wie auch eine vorzeitige Herbstverfärbung beschreiben. Wir sprechen daher von Hinweiskarten und für die Interpretation ist immer auch Expertenwissen über die Wälder und gegebenenfalls eine Feldbegehung notwendig. <br /> <br /> &lt;!--T:7--&gt;<br /> Durch die Kombination von Satellitenaufnahmen innerhalb des zweimonatigen Fensters können viele Probleme mit Wolken und andere Fehlerquellen reduziert, jedoch nicht vollständig ausgeschlossen werden. Im Zusammenhang mit der Abdeckung durch unterschiedliche Orbits treten teilweise Artefakte auf, und die Grenzen der Orbits sind auf den Hinweiskarten erkennbar. Auch können fehlerhafte Indikationen durch nicht ausmaskierte Wolken oder eine ungenügende Zahl wolkenfreier Aufnahmen auftreten. Deshalb wurden in der finalen Hinweiskarte diejenigen Pixel ausmaskiert, für die innerhalb der Monitoring-Periode für die Berechnung des Medians weniger als 6 wolkenfreie Aufnahmen (Pixel) vorhanden sind.<br /> <br /> &lt;!--T:8--&gt;<br /> Weiter ist zu berücksichtigen, dass die Sentinel-2-Daten erst seit 2015 verfügbar sind, was für die Detektion von Anomalien bis jetzt ein relativ kurzer Zeitraum ist. Mit jedem zusätzlichen Jahr wird eine höhere Aussagekraft erwartet.<br /> <br /> ==Video-Tutorial : Basics für den korrekten Gebrauch== &lt;!--T:9--&gt;<br /> Das folgende Video erläutert die Benutzung der Webanwendung «Hinweiskarten zur Vitalität». Methodik der Berechnung und Darstellung haben sich seither leicht geändert (insbes. zusätzliche Darstellung von Flächen mit &quot;nicht genug Daten&quot;; Stand Juni 2021), die Grundlagen bleiben aber gleich:<br /> <br /> &lt;!--T:10--&gt;<br /> [[File:UC3.mp4|1000px]]<br /> <br /> ==Hintergrundinformationen zur Methode== &lt;!--T:11--&gt;<br /> Die Berechnung der NDVI-Anomalien basiert auf dem sogenannten [https://de.wikipedia.org/wiki/Standardisierung_(Statistik) Z-Wert] (siehe z.B. [https://www.sciencedirect.com/science/article/pii/S0034425718305509 Meroni et al., 2019]):<br /> <br /> &lt;!--T:12--&gt;<br /> Z&lt;sub&gt;i&lt;/sub&gt; = (NDVI&lt;sub&gt;median,i&lt;/sub&gt; - NDVI&lt;sub&gt;median,ref&lt;/sub&gt;) / NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt;<br /> <br /> &lt;!--T:13--&gt;<br /> Im Gegensatz zu Meroni et al. haben wir den sogenannten [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score modifizierten Z-Score] verwendet, da dieser robuster gegenüber Ausreissern ist. Dabei wird das arithmetische Mittel durch den Median und die Standardabweichung durch die [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median mittlere absolute Abweichung vom Median (MAD)] ersetzt. NDVI&lt;sub&gt;median,i&lt;/sub&gt; bezeichnet somit den Median der NDVI-Werte pro zweimonatigem Monitoring-Zeitfenster i. NDVI&lt;sub&gt;median,ref&lt;/sub&gt; bezeichnet den Median der NDVI-Werte innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni - Juli) der Referenzperiode. NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt; ist die mittlere absolute Abweichung der NDVI-Werte vom Median innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni- Juli) der Referenzperiode.<br /> <br /> &lt;!--T:14--&gt;<br /> Die mittlere absolute Abweichung vom Median gibt Auskunft über die Variabilität der NDVI-Werte innerhalb der Referenzperiode. Je grösser die Variabilität ist, desto kleiner wird die Wahrscheinlichkeit, dass Veränderungen, insbesondere schwache, ausgeschieden werden, was sich in Z-Werten nahe null widerspiegelt. Die Berechnung erfolgt pixelbasiert für jeden 10 x 10 m Pixel, und die Pixelwerte in den Hinweiskarten entsprechen dem jeweiligen Z-Wert.<br /> <br /> &lt;!--T:16--&gt;<br /> Pixel, bei denen für die Berechnung des Medians über das Monitoring-Zeitfenster weniger als 6 wolkenfreie Aufnahmen (Pixel) zur Verfügung stehen, werden in der finalen Hinweiskarte mit einem Buffer von 20m ausmaskiert.<br /> <br /> &lt;!--T:15--&gt;<br /> [[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Abb. 2: NDVI-Zeitreihen-Beispiel zur Veranschaulichung der Z-Wert-Methode. Die blauen Punkte entsprechen den tatsächlichen NDVI-Werten an einem bestimmten Ort (pixelbasiert). Die blauen Linien stellen Interpolationen dar und haben keine weitere Bedeutung. Die Referenzperiode bezieht sich in diesem Fall auf 2016 bis 2018, dargestellt in Grün. 2019 stellt in diesem Beispiel den aktuellen Zustand dar und ist in Rot gekennzeichnet. Die gestrichelten Linien stellen jeweils die beiden Mediane dar, die miteinander verglichen werden, das heisst der Median über Juni/Juli aller Jahre der Referenzperiode (in Grün) mit dem Median über Juni/Juli des aktuellen Jahres (in Rot).]]<br /> <br /> \&lt;\br&gt;<br /> ==Datenbezug== &lt;!--T:17--&gt;<br /> Die Rasterdaten sind [https://forestmonitoring.lab.karten-werk.ch/services hier] als Web Map Service (WMS) oder Web Coverage Service (WCS) verfügbar. Während sich der WMS Dienst primär für die Visualisierung eignet und die Daten automatisch so dargestellt werden wie im Kartenviewer, erlaubt der WCS Dienst den Zugriff auf die Werte und somit auch die Weiterverarbeitung im GIS. Bei der Einbindung der Rasterdaten ist zu beachten, dass diese aus Speicherplatzgründen '''mit 100 multipliziert''' wurden. Ein Wert von z.B. 100 entspricht also einem Z-Wert von 1. <br /> <br /> &lt;!--T:18--&gt;<br /> Weitere '''Tipps und Informationen zu Einbindung und Verarbeitung''' der Daten gibt es [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|hier]].<br /> <br /> == Einzelnachweise== &lt;!--T:19--&gt;<br /> &lt;/translate&gt;</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_3_-_Hinweiskarten_zur_Vitalit%C3%A4t/fr&diff=88879 2021-09-06T07:03:12Z

<p>Alex: </p> <hr /> <div>[[Datei:Uc3_screenshot.png|thumb|right|500px|Fig. 1 : Épreuve écran issue de [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 l’application web]. La couleur rouge indique une baisse de vitalité, le bleu une augmentation. L’intensité de la couleur représente l’intensité de l’évolution.]]<br /> <br /> <br /> [[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; vers la vue d'ensemble des cas d'usage'']]<br /> <br /> [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; vers l'application web]<br /> <br /> Les images satellites de Sentinel-2 permettent également de relever grossièrement la vitalité des surfaces forestières. Des '''cartes indicatrices de l’évolution de la vitalité''' ont été générées '''en comparant l’état actuel de la végétation avec celui des années précédentes'''. Il s’agit toutefois ici d’un premier test. Une validation complète de la méthode doit encore être réalisée.<br /> <br /> L’indice de végétation NDVI a de nouveau été utilisé comme indicateur de la vitalité. Les '''anomalies NDVI''' sont représentées sur la carte. Pour ce faire, les valeurs médianes NDVI de la fenêtre de deux mois (par ex. juin-juillet) ont été comparées avec les valeurs médianes des toutes les années précédentes (jusqu’en 2015) de la même période (cf. Fig. 2). Des valeurs négatives indiquent une baisse de vitalité tandis que des valeurs positives indiquent une augmentation de la vitalité. Plus les valeurs s’éloignent de 0 (espérance mathématique), plus il est probable qu’il y a effectivement une évolution. Une '''valeur absolue d’au moins 3,5''' a pu être définie comme '''indicatrice d’un écart significatif''' &lt;ref&gt;Boris Iglewicz and David Hoaglin (1993), &quot;Volume 16: How to Detect and Handle Outliers&quot;, The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.&lt;/ref&gt;.<br /> <br /> ==Limitations==<br /> On ne peut pas différencier les causes du changement (attaque de scolytes, stress hydrique, coupe de bois, ...). Ainsi, une valeur négative peut aussi bien décrire une coupe de bois qu’une arrivée précoce des couleurs automnales. C’est la raison pour laquelle on parle de cartes indicatrices et les avis des experts, ainsi qu’éventuellement les visites de terrain, sont toujours nécessaires. <br /> <br /> Combiner différentes images satellite prises au cours de la fenêtre de deux mois permet de réduire les problèmes liés aux nuages et autres sources d’erreur, mais ne peut totalement les exclure. En relation avec la couverture par différentes orbites, des artefacts se produisent parfois et les limites des orbites sont visibles sur les cartes indicatrices. De plus, des indications erronées peuvent surgir à cause de nuages non masqués ou d’un nombre insuffisant d’images sans nuage. Dans la version finale de la carte, les pixels pour lesquels on dispose de moins de 6 images (pixel) sans nuage au cours de la période examinée pour calculer la médiane ont donc été masqués.<br /> <br /> Il faut aussi noter que les données Sentinel-2 ne sont disponibles que depuis 2015, ce qui représente une période relativement courte pour détecter les anomalies. La pertinence devrait augmenter chaque année.<br /> <br /> ==Tutoriel vidéo : Fondamentaux pour une bonne utilisation==<br /> Cette vidéo montre comment utiliser l’application web « Cartes indicatrices de la vitalité ». La méthodologie du calcul et de la représentation a quelque peu évolué (notamment la représentation de surfaces avec « pas assez de données »; état en juin 2021), mais les bases n’ont pas changé:<br /> <br /> [[File:UC3.mp4|1000px]]<br /> <br /> ==Informations contextuelles sur la méthode==<br /> Le calcul des anomalies NDVI est réalisé d’après la [https://de.wikipedia.org/wiki/Standardisierung_(Statistik) « valeur Z »] (cf. par ex. [https://www.sciencedirect.com/science/article/pii/S0034425718305509 Meroni et al., 2019]):<br /> <br /> Z&lt;sub&gt;i&lt;/sub&gt; = (NDVI&lt;sub&gt;median,i&lt;/sub&gt; - NDVI&lt;sub&gt;median,ref&lt;/sub&gt;) / NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt;<br /> <br /> Contrairement à Meroni et al., nous avons utilisé le [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score score Z modifié], plus robuste par rapport aux observations aberrantes. Pour ce faire, la moyenne arithmétique est remplacée par la médiane et l’écart-type par [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median l’écart absolu moyen de la médiane (MAD)]. Le NDVI&lt;sub&gt;median,i&lt;/sub&gt; désigne la médiane des valeurs NDVI pour chaque fenêtre de monitoring i de deux mois. Le NDVI&lt;sub&gt;median,ref&lt;/sub&gt; désigne la médiane des valeurs NDVI au sein d’une fenêtre de deux mois (par ex. juin-juillet) au cours de la période de référence. Le NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt; est l’écart absolu moyen des valeurs NDVI par rapport à la médiane de la période de référence au sein d’une fenêtre de deux mois (par ex. juin-juillet).<br /> <br /> L’écart absolu moyen par rapport à la médiane donne des indications sur la variabilité des valeurs NDVI au cours de la période de référence. Plus la variabilité est importante, plus la probabilité que les changements, notamment minimes, soient repérés est faible ; cela se voit à une valeur Z proche de zéro. Le calcul se fait à l’échelle du pixel, pour chaque pixel de 10 x 10 m ; les valeurs de pixel dans les cartes indicatrices correspondent à la valeur Z.<br /> <br /> Dans la version finale de la carte indicatrice, les pixels pour lesquels on dispose de moins de 6 images (pixel) sans nuage au cours de la période examinée pour calculer la médiane ont donc été masqués avec un buffer de 20 m.<br /> <br /> [[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Fig. 2 : Exemple de séries temporelles de NDVI illustrant la méthode de la valeur Z. Les points bleus correspondent aux valeurs NDVI réelles à un endroit donné (à l’échelle d’un pixel). Les lignes bleues représentent des interpolations sans autre signification. La période de référence se rapporte ici à 2016-2018 et est représentée en vert. Dans cet exemple, 2019 représente l’état actuel et est représenté en rouge. Les lignes en pointillés représentent les deux médianes comparées : la médiane pour juin-juillet de toutes les années de la période de référence (vert) et la médiane pour juin-juillet de l’année actuelle (rouge).]]<br /> <br /> ==Données==<br /> Les données raster sont disponibles [https://forestmonitoring.lab.karten-werk.ch/services ici] sous forme de Web Map Service (WMS) ou de Web Coverage Service (WCS). Un WMS sert avant tout à visualiser les données représentées de manière automatique, par exemple dans un visualiseur, tandis qu’un WCS permet d’accéder aux valeurs et de les retravailler dans un SIG. Lors de l’intégration de données raster, il faut garder à l’esprit qu’elles sont '''multipliées par 100''' afin de gagner de l’espace de stockage. Par ex. une valeur de 100 correspond donc à une valeur Z de 1. <br /> <br /> Vous trouverez [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|ici]] d’autres '''astuces et informations pour intégrer et exploiter''' des données.<br /> <br /> == Vérifications==</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Translations:Use_Case_3_-_Hinweiskarten_zur_Vitalit%C3%A4t/7/fr&diff=88878 2021-09-06T07:02:59Z

<p>Alex: </p> <hr /> <div>Combiner différentes images satellite prises au cours de la fenêtre de deux mois permet de réduire les problèmes liés aux nuages et autres sources d’erreur, mais ne peut totalement les exclure. En relation avec la couverture par différentes orbites, des artefacts se produisent parfois et les limites des orbites sont visibles sur les cartes indicatrices. De plus, des indications erronées peuvent surgir à cause de nuages non masqués ou d’un nombre insuffisant d’images sans nuage. Dans la version finale de la carte, les pixels pour lesquels on dispose de moins de 6 images (pixel) sans nuage au cours de la période examinée pour calculer la médiane ont donc été masqués.</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_3_-_Hinweiskarten_zur_Vitalit%C3%A4t&diff=88875 2021-09-06T06:59:09Z

<p>Alex: Diese Seite wurde zum Übersetzen freigegeben</p> <hr /> <div>&lt;translate&gt;<br /> &lt;!--T:1--&gt;<br /> &lt;languages/&gt;<br /> [[Datei:Uc3_screenshot.png|thumb|right|500px|Abb. 1: Screenshot aus der [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 Webanwendung]. Rot deutet auf eine Abnahme der Vitalität hin, blau auf eine Zunahme. Die Farbintensität spiegelt die Stärke der Veränderung wieder.]]<br /> <br /> <br /> &lt;!--T:2--&gt;<br /> [[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> &lt;!--T:3--&gt;<br /> [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; Zur Webanwendung]<br /> <br /> &lt;!--T:4--&gt;<br /> Auch die Vitalität von Waldflächen kann mit Sentinel-2-Satellitenbildern grob erfasst werden. Durch den '''Vergleich des aktuellen Vegetationszustandes mit den Vorjahren''' lassen sich daraus '''Hinweiskarten zur Veränderung der Vitalität''' erstellen. Hier handelt es sich allerdings um einen ersten Test. Eine ausführliche Validierung der Methode steht noch aus.<br /> <br /> &lt;!--T:5--&gt;<br /> Als Indikator für die Vitalität wurde wiederum der NDVI-Vegetationsindex verwendet. Auf der Karte dargestellt werden sogenannte '''NDVI-Anomalien'''. Dabei werden jeweils die NDVI-Medianwerte des zweimonatigen Zeitfensters (z.B. Juni - Juli) mit den Medianwerten aller Vorjahre (bis 2015) innerhalb derselben Zeitperiode verglichen (siehe Abb. 2). Negative Werte deuten auf eine Abnahme der Vitalität hin, positive Werte deuten auf eine Zunahme der Vitalität hin. Je weiter die Werte von null abweichen (Erwartungswert), desto wahrscheinlicher ist es, dass eine effektive Veränderung stattfand. Dabei kann ein '''absoluter Wert von mindestens 3,5''' als '''Indikator für eine signifikante Abweichung''' betrachtet werden &lt;ref&gt;Boris Iglewicz and David Hoaglin (1993), &quot;Volume 16: How to Detect and Handle Outliers&quot;, The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.&lt;/ref&gt;.<br /> <br /> ==Einschränkungen== &lt;!--T:6--&gt;<br /> Ob es sich bei einer Veränderung um Borkenkäferbefall, Trockenstress oder einen Holzschlag handelt, wird nicht unterschieden. So können z.B. negative Werte sowohl einen Holzschlag wie auch eine vorzeitige Herbstverfärbung beschreiben. Wir sprechen daher von Hinweiskarten und für die Interpretation ist immer auch Expertenwissen über die Wälder und gegebenenfalls eine Feldbegehung notwendig. <br /> <br /> &lt;!--T:7--&gt;<br /> Durch die Kombination von Satellitenaufnahmen innerhalb des zweimonatigen Fensters können viele Probleme mit Wolken und andere Fehlerquellen reduziert, jedoch nicht vollständig ausgeschlossen werden. Im Zusammenhang mit der Abdeckung durch unterschiedliche Orbits treten teilweise Artefakte auf, und die Grenzen der Orbits sind auf den Hinweiskarten erkennbar. Auch können fehlerhafte Indikationen durch nicht ausmaskierte Wolken oder eine ungenügende Zahl wolkenfreier Aufnahmen auftreten. Deshalb wurden in der finalen Hinweiskarte diejenigen Pixel ausmaskiert, für die innerhalb der Monitoring-Periode für die Berechnung des Medians weniger als 6 wolkenfreie Aufnahmen (Pixel) vorhanden sind.<br /> <br /> &lt;!--T:8--&gt;<br /> Weiter ist zu berücksichtigen, dass die Sentinel-2-Daten erst seit 2015 verfügbar sind, was für die Detektion von Anomalien bis jetzt ein relativ kurzer Zeitraum ist. Mit jedem zusätzlichen Jahr wird eine höhere Aussagekraft erwartet.<br /> <br /> ==Video-Tutorial : Basics für den korrekten Gebrauch== &lt;!--T:9--&gt;<br /> Das folgende Video erläutert die Benutzung der Webanwendung «Hinweiskarten zur Vitalität». Methodik der Berechnung und Darstellung haben sich seither leicht geändert (insbes. zusätzliche Darstellung von Flächen mit &quot;nicht genug Daten&quot;; Stand Juni 2021), die Grundlagen bleiben aber gleich:<br /> <br /> &lt;!--T:10--&gt;<br /> [[File:UC3.mp4|1000px]]<br /> <br /> ==Hintergrundinformationen zur Methode== &lt;!--T:11--&gt;<br /> Die Berechnung der NDVI-Anomalien basiert auf dem sogenannten [https://de.wikipedia.org/wiki/Standardisierung_(Statistik) Z-Wert] (siehe z.B. [https://www.sciencedirect.com/science/article/pii/S0034425718305509 Meroni et al., 2019]):<br /> <br /> &lt;!--T:12--&gt;<br /> Z&lt;sub&gt;i&lt;/sub&gt; = (NDVI&lt;sub&gt;median,i&lt;/sub&gt; - NDVI&lt;sub&gt;median,ref&lt;/sub&gt;) / NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt;<br /> <br /> &lt;!--T:13--&gt;<br /> Im Gegensatz zu Meroni et al. haben wir den sogenannten [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score modifizierten Z-Score] verwendet, da dieser robuster gegenüber Ausreissern ist. Dabei wird das arithmetische Mittel durch den Median und die Standardabweichung durch die [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median mittlere absolute Abweichung vom Median (MAD)] ersetzt. NDVI&lt;sub&gt;median,i&lt;/sub&gt; bezeichnet somit den Median der NDVI-Werte pro zweimonatigem Monitoring-Zeitfenster i. NDVI&lt;sub&gt;median,ref&lt;/sub&gt; bezeichnet den Median der NDVI-Werte innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni - Juli) der Referenzperiode. NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt; ist die mittlere absolute Abweichung der NDVI-Werte vom Median innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni- Juli) der Referenzperiode.<br /> <br /> &lt;!--T:14--&gt;<br /> Die mittlere absolute Abweichung vom Median gibt Auskunft über die Variabilität der NDVI-Werte innerhalb der Referenzperiode. Je grösser die Variabilität ist, desto kleiner wird die Wahrscheinlichkeit, dass Veränderungen, insbesondere schwache, ausgeschieden werden, was sich in Z-Werten nahe null widerspiegelt. Die Berechnung erfolgt pixelbasiert für jeden 10 x 10 m Pixel, und die Pixelwerte in den Hinweiskarten entsprechen dem jeweiligen Z-Wert.<br /> <br /> &lt;!--T:16--&gt;<br /> Pixel, bei denen für die Berechnung des Medians über das Monitoring-Zeitfenster weniger als 6 wolkenfreie Aufnahmen (Pixel) zur Verfügung stehen, werden in der finalen Hinweiskarte mit einem Buffer von 20m ausmaskiert.<br /> <br /> &lt;!--T:15--&gt;<br /> [[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Abb. 2: NDVI-Zeitreihen-Beispiel zur Veranschaulichung der Z-Wert-Methode. Die blauen Punkte entsprechen den tatsächlichen NDVI-Werten an einem bestimmten Ort (pixelbasiert). Die blauen Linien stellen Interpolationen dar und haben keine weitere Bedeutung. Die Referenzperiode bezieht sich in diesem Fall auf 2016 bis 2018, dargestellt in Grün. 2019 stellt in diesem Beispiel den aktuellen Zustand dar und ist in Rot gekennzeichnet. Die gestrichelten Linien stellen jeweils die beiden Mediane dar, die miteinander verglichen werden, das heisst der Median über Juni/Juli aller Jahre der Referenzperiode (in Grün) mit dem Median über Juni/Juli des aktuellen Jahres (in Rot).]]<br /> <br /> ==Datenbezug== &lt;!--T:17--&gt;<br /> Die Rasterdaten sind [https://forestmonitoring.lab.karten-werk.ch/services hier] als Web Map Service (WMS) oder Web Coverage Service (WCS) verfügbar. Während sich der WMS Dienst primär für die Visualisierung eignet und die Daten automatisch so dargestellt werden wie im Kartenviewer, erlaubt der WCS Dienst den Zugriff auf die Werte und somit auch die Weiterverarbeitung im GIS. Bei der Einbindung der Rasterdaten ist zu beachten, dass diese aus Speicherplatzgründen '''mit 100 multipliziert''' wurden. Ein Wert von z.B. 100 entspricht also einem Z-Wert von 1. <br /> <br /> &lt;!--T:18--&gt;<br /> Weitere '''Tipps und Informationen zu Einbindung und Verarbeitung''' der Daten gibt es [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|hier]].<br /> <br /> == Einzelnachweise== &lt;!--T:19--&gt;<br /> &lt;/translate&gt;</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_3_-_Hinweiskarten_zur_Vitalit%C3%A4t&diff=88874 2021-09-06T06:58:01Z

<p>Alex: </p> <hr /> <div>&lt;translate&gt;<br /> &lt;languages/&gt;<br /> &lt;!--T:1--&gt;<br /> [[Datei:Uc3_screenshot.png|thumb|right|500px|Abb. 1: Screenshot aus der [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 Webanwendung]. Rot deutet auf eine Abnahme der Vitalität hin, blau auf eine Zunahme. Die Farbintensität spiegelt die Stärke der Veränderung wieder.]]<br /> <br /> <br /> &lt;!--T:2--&gt;<br /> [[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> &lt;!--T:3--&gt;<br /> [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; Zur Webanwendung]<br /> <br /> &lt;!--T:4--&gt;<br /> Auch die Vitalität von Waldflächen kann mit Sentinel-2-Satellitenbildern grob erfasst werden. Durch den '''Vergleich des aktuellen Vegetationszustandes mit den Vorjahren''' lassen sich daraus '''Hinweiskarten zur Veränderung der Vitalität''' erstellen. Hier handelt es sich allerdings um einen ersten Test. Eine ausführliche Validierung der Methode steht noch aus.<br /> <br /> &lt;!--T:5--&gt;<br /> Als Indikator für die Vitalität wurde wiederum der NDVI-Vegetationsindex verwendet. Auf der Karte dargestellt werden sogenannte '''NDVI-Anomalien'''. Dabei werden jeweils die NDVI-Medianwerte des zweimonatigen Zeitfensters (z.B. Juni - Juli) mit den Medianwerten aller Vorjahre (bis 2015) innerhalb derselben Zeitperiode verglichen (siehe Abb. 2). Negative Werte deuten auf eine Abnahme der Vitalität hin, positive Werte deuten auf eine Zunahme der Vitalität hin. Je weiter die Werte von null abweichen (Erwartungswert), desto wahrscheinlicher ist es, dass eine effektive Veränderung stattfand. Dabei kann ein '''absoluter Wert von mindestens 3,5''' als '''Indikator für eine signifikante Abweichung''' betrachtet werden &lt;ref&gt;Boris Iglewicz and David Hoaglin (1993), &quot;Volume 16: How to Detect and Handle Outliers&quot;, The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.&lt;/ref&gt;.<br /> <br /> ==Einschränkungen== &lt;!--T:6--&gt;<br /> Ob es sich bei einer Veränderung um Borkenkäferbefall, Trockenstress oder einen Holzschlag handelt, wird nicht unterschieden. So können z.B. negative Werte sowohl einen Holzschlag wie auch eine vorzeitige Herbstverfärbung beschreiben. Wir sprechen daher von Hinweiskarten und für die Interpretation ist immer auch Expertenwissen über die Wälder und gegebenenfalls eine Feldbegehung notwendig. <br /> <br /> &lt;!--T:7--&gt;<br /> Durch die Kombination von Satellitenaufnahmen innerhalb des zweimonatigen Fensters können viele Probleme mit Wolken und andere Fehlerquellen reduziert, jedoch nicht vollständig ausgeschlossen werden. Im Zusammenhang mit der Abdeckung durch unterschiedliche Orbits treten teilweise Artefakte auf, und die Grenzen der Orbits sind auf den Hinweiskarten erkennbar. Auch können fehlerhafte Indikationen durch nicht ausmaskierte Wolken oder eine ungenügende Zahl wolkenfreier Aufnahmen auftreten. Deshalb wurden in der finalen Hinweiskarte diejenigen Pixel ausmaskiert, für die innerhalb der Monitoring-Periode für die Berechnung des Medians weniger als 6 wolkenfreie Aufnahmen (Pixel) vorhanden sind.<br /> <br /> &lt;!--T:8--&gt;<br /> Weiter ist zu berücksichtigen, dass die Sentinel-2-Daten erst seit 2015 verfügbar sind, was für die Detektion von Anomalien bis jetzt ein relativ kurzer Zeitraum ist. Mit jedem zusätzlichen Jahr wird eine höhere Aussagekraft erwartet.<br /> <br /> ==Video-Tutorial : Basics für den korrekten Gebrauch== &lt;!--T:9--&gt;<br /> Das folgende Video erläutert die Benutzung der Webanwendung «Hinweiskarten zur Vitalität». Methodik der Berechnung und Darstellung haben sich seither leicht geändert (insbes. zusätzliche Darstellung von Flächen mit &quot;nicht genug Daten&quot;; Stand Juni 2021), die Grundlagen bleiben aber gleich:<br /> <br /> &lt;!--T:10--&gt;<br /> [[File:UC3.mp4|1000px]]<br /> <br /> ==Hintergrundinformationen zur Methode== &lt;!--T:11--&gt;<br /> Die Berechnung der NDVI-Anomalien basiert auf dem sogenannten [https://de.wikipedia.org/wiki/Standardisierung_(Statistik) Z-Wert] (siehe z.B. [https://www.sciencedirect.com/science/article/pii/S0034425718305509 Meroni et al., 2019]):<br /> <br /> &lt;!--T:12--&gt;<br /> Z&lt;sub&gt;i&lt;/sub&gt; = (NDVI&lt;sub&gt;median,i&lt;/sub&gt; - NDVI&lt;sub&gt;median,ref&lt;/sub&gt;) / NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt;<br /> <br /> &lt;!--T:13--&gt;<br /> Im Gegensatz zu Meroni et al. haben wir den sogenannten [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score modifizierten Z-Score] verwendet, da dieser robuster gegenüber Ausreissern ist. Dabei wird das arithmetische Mittel durch den Median und die Standardabweichung durch die [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median mittlere absolute Abweichung vom Median (MAD)] ersetzt. NDVI&lt;sub&gt;median,i&lt;/sub&gt; bezeichnet somit den Median der NDVI-Werte pro zweimonatigem Monitoring-Zeitfenster i. NDVI&lt;sub&gt;median,ref&lt;/sub&gt; bezeichnet den Median der NDVI-Werte innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni - Juli) der Referenzperiode. NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt; ist die mittlere absolute Abweichung der NDVI-Werte vom Median innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni- Juli) der Referenzperiode.<br /> <br /> &lt;!--T:14--&gt;<br /> Die mittlere absolute Abweichung vom Median gibt Auskunft über die Variabilität der NDVI-Werte innerhalb der Referenzperiode. Je grösser die Variabilität ist, desto kleiner wird die Wahrscheinlichkeit, dass Veränderungen, insbesondere schwache, ausgeschieden werden, was sich in Z-Werten nahe null widerspiegelt. Die Berechnung erfolgt pixelbasiert für jeden 10 x 10 m Pixel, und die Pixelwerte in den Hinweiskarten entsprechen dem jeweiligen Z-Wert.<br /> <br /> &lt;!--T:16--&gt;<br /> Pixel, bei denen für die Berechnung des Medians über das Monitoring-Zeitfenster weniger als 6 wolkenfreie Aufnahmen (Pixel) zur Verfügung stehen, werden in der finalen Hinweiskarte mit einem Buffer von 20m ausmaskiert.<br /> <br /> &lt;!--T:15--&gt;<br /> [[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Abb. 2: NDVI-Zeitreihen-Beispiel zur Veranschaulichung der Z-Wert-Methode. Die blauen Punkte entsprechen den tatsächlichen NDVI-Werten an einem bestimmten Ort (pixelbasiert). Die blauen Linien stellen Interpolationen dar und haben keine weitere Bedeutung. Die Referenzperiode bezieht sich in diesem Fall auf 2016 bis 2018, dargestellt in Grün. 2019 stellt in diesem Beispiel den aktuellen Zustand dar und ist in Rot gekennzeichnet. Die gestrichelten Linien stellen jeweils die beiden Mediane dar, die miteinander verglichen werden, das heisst der Median über Juni/Juli aller Jahre der Referenzperiode (in Grün) mit dem Median über Juni/Juli des aktuellen Jahres (in Rot).]]<br /> <br /> ==Datenbezug== &lt;!--T:17--&gt;<br /> Die Rasterdaten sind [https://forestmonitoring.lab.karten-werk.ch/services hier] als Web Map Service (WMS) oder Web Coverage Service (WCS) verfügbar. Während sich der WMS Dienst primär für die Visualisierung eignet und die Daten automatisch so dargestellt werden wie im Kartenviewer, erlaubt der WCS Dienst den Zugriff auf die Werte und somit auch die Weiterverarbeitung im GIS. Bei der Einbindung der Rasterdaten ist zu beachten, dass diese aus Speicherplatzgründen '''mit 100 multipliziert''' wurden. Ein Wert von z.B. 100 entspricht also einem Z-Wert von 1. <br /> <br /> &lt;!--T:18--&gt;<br /> Weitere '''Tipps und Informationen zu Einbindung und Verarbeitung''' der Daten gibt es [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|hier]].<br /> <br /> == Einzelnachweise== &lt;!--T:19--&gt;<br /> &lt;/translate&gt;</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Translations:Use_Case_1_-_J%C3%A4hrliche_Waldver%C3%A4nderungen/1/fr&diff=88856 2021-08-05T11:36:11Z

<p>Alex: </p> <hr /> <div>&lt;languages/&gt;<br /> [[Datei:uc1_screenshot.png|thumb|500px|right|Fig. 1 : Épreuve écran issue de [https://waldmonitoring.ch/veraenderung?layers=karten-werk%3Andvi_decrease_2020_2019&amp;opacity=1&amp;visibility=true&amp;x=829300&amp;y=5933555&amp;zoom=13.0000 l’application web]. Les modifications sont représentées par différentes couleurs selon les années (2016-2017 : violet ; 2017-2018 : vert ; 2018-2019 : bleu ; 2019-2020 : orange). L’intensité de la couleur représente l’intensité du changement.]][[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; vers la vue d'ensemble des cas d'usage'']]</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Translations:Use_Case_1_-_J%C3%A4hrliche_Waldver%C3%A4nderungen/1/fr&diff=88855 2021-08-05T11:35:13Z

<p>Alex: </p> <hr /> <div>&lt;languages/&gt;<br /> [[Datei:uc1_screenshot.png|thumb|500px|right|Fig. 1 : Épreuve écran issue de [https://waldmonitoring.ch/veraenderung?layers=karten-werk%3Andvi_decrease_2020_2019&amp;opacity=1&amp;visibility=true&amp;x=829300&amp;y=5933555&amp;zoom=13.0000 l’application web]. Les modifications sont représentées par différentes couleurs selon les années (2016-2017 : violet ; 2017-2018 : vert ; 2018-2019 : bleu ; 2019-2020 : orange). L’intensité de la couleur représente l’intensité du changement.]][[Special:MyLanguage/Use-Cases Waldmonitoring/fr | ''-&gt; vers la vue d'ensemble des cas d'usage'']]</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Use_Case_3_-_Hinweiskarten_zur_Vitalit%C3%A4t&diff=88600 2021-07-08T12:25:01Z

<p>Alex: </p> <hr /> <div>&lt;translate&gt;<br /> &lt;!--T:1--&gt;<br /> [[Datei:Uc3_screenshot.png|thumb|right|500px|Abb. 1: Screenshot aus der [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 Webanwendung]. Rot deutet auf eine Abnahme der Vitalität hin, blau auf eine Zunahme. Die Farbintensität spiegelt die Stärke der Veränderung wieder.]]<br /> <br /> <br /> &lt;!--T:2--&gt;<br /> [[Special:MyLanguage/Use-Cases Waldmonitoring | ''-&gt; Zurück zur Übersicht über die Use Cases'']]<br /> <br /> &lt;!--T:3--&gt;<br /> [https://waldmonitoring.ch/vitalitaet?x=829300&amp;y=5933555&amp;zoom=13.0000 -&gt; Zur Webanwendung]<br /> <br /> &lt;!--T:4--&gt;<br /> Auch die Vitalität von Waldflächen kann mit Sentinel-2-Satellitenbildern grob erfasst werden. Durch den '''Vergleich des aktuellen Vegetationszustandes mit den Vorjahren''' lassen sich daraus '''Hinweiskarten zur Veränderung der Vitalität''' erstellen. Hier handelt es sich allerdings um einen ersten Test. Eine ausführliche Validierung der Methode steht noch aus.<br /> <br /> &lt;!--T:5--&gt;<br /> Als Indikator für die Vitalität wurde wiederum der NDVI-Vegetationsindex verwendet. Auf der Karte dargestellt werden sogenannte '''NDVI-Anomalien'''. Dabei werden jeweils die NDVI-Medianwerte des zweimonatigen Zeitfensters (z.B. Juni - Juli) mit den Medianwerten aller Vorjahre (bis 2015) innerhalb derselben Zeitperiode verglichen (siehe Abb. 2). Negative Werte deuten auf eine Abnahme der Vitalität hin, positive Werte deuten auf eine Zunahme der Vitalität hin. Je weiter die Werte von null abweichen (Erwartungswert), desto wahrscheinlicher ist es, dass eine effektive Veränderung stattfand. Dabei kann ein '''absoluter Wert von mindestens 3,5''' als '''Indikator für eine signifikante Abweichung''' betrachtet werden &lt;ref&gt;Boris Iglewicz and David Hoaglin (1993), &quot;Volume 16: How to Detect and Handle Outliers&quot;, The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.&lt;/ref&gt;.<br /> <br /> ==Einschränkungen== &lt;!--T:6--&gt;<br /> Ob es sich bei einer Veränderung um Borkenkäferbefall, Trockenstress oder einen Holzschlag handelt, wird nicht unterschieden. So können z.B. negative Werte sowohl einen Holzschlag wie auch eine vorzeitige Herbstverfärbung beschreiben. Wir sprechen daher von Hinweiskarten und für die Interpretation ist immer auch Expertenwissen über die Wälder und gegebenenfalls eine Feldbegehung notwendig. <br /> <br /> &lt;!--T:7--&gt;<br /> Durch die Kombination von Satellitenaufnahmen innerhalb des zweimonatigen Fensters können viele Probleme mit Wolken und andere Fehlerquellen reduziert, jedoch nicht vollständig ausgeschlossen werden. Es können fehlerhafte Indikationen im Zusammenhang mit der Abdeckung durch unterschiedliche Orbits, sowie durch nicht ausmaskierte Wolken oder eine ungenügende Zahl wolkenfreier Aufnahmen auftreten. Deshalb wurden in der finalen Hinweiskarte diejenigen Pixel ausmaskiert, für die innerhalb der Monitoring-Periode für die Berechnung des Medians weniger als 6 wolkenfreie Aufnahmen (Pixel) vorhanden sind.<br /> <br /> &lt;!--T:8--&gt;<br /> Weiter ist zu berücksichtigen, dass die Sentinel-2-Daten erst seit 2015 verfügbar sind, was für die Detektion von Anomalien bis jetzt ein relativ kurzer Zeitraum ist. Mit jedem zusätzlichen Jahr wird eine höhere Aussagekraft erwartet.<br /> <br /> ==Video-Tutorial : Basics für den korrekten Gebrauch== &lt;!--T:9--&gt;<br /> Das folgende Video erläutert die Benutzung der Webanwendung «Hinweiskarten zur Vitalität». Methodik der Berechnung und Darstellung haben sich seither leicht geändert (insbes. zusätzliche Darstellung von Flächen mit &quot;nicht genug Daten&quot;; Stand Juni 2021), die Grundlagen bleiben aber gleich:<br /> <br /> &lt;!--T:10--&gt;<br /> [[File:UC3.mp4|1000px]]<br /> <br /> ==Hintergrundinformationen zur Methode== &lt;!--T:11--&gt;<br /> Die Berechnung der NDVI-Anomalien basiert auf dem sogenannten [https://de.wikipedia.org/wiki/Standardisierung_(Statistik) Z-Wert] (siehe z.B. [https://www.sciencedirect.com/science/article/pii/S0034425718305509 Meroni et al., 2019]):<br /> <br /> &lt;!--T:12--&gt;<br /> Z&lt;sub&gt;i&lt;/sub&gt; = (NDVI&lt;sub&gt;median,i&lt;/sub&gt; - NDVI&lt;sub&gt;median,ref&lt;/sub&gt;) / NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt;<br /> <br /> &lt;!--T:13--&gt;<br /> Im Gegensatz zu Meroni et al. haben wir den sogenannten [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score modifizierten Z-Score] verwendet, da dieser robuster gegenüber Ausreissern ist. Dabei wird das arithmetische Mittel durch den Median und die Standardabweichung durch die [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median mittlere absolute Abweichung vom Median (MAD)] ersetzt. NDVI&lt;sub&gt;median,i&lt;/sub&gt; bezeichnet somit den Median der NDVI-Werte pro zweimonatigem Monitoring-Zeitfenster i. NDVI&lt;sub&gt;median,ref&lt;/sub&gt; bezeichnet den Median der NDVI-Werte innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni - Juli) der Referenzperiode. NDVI&lt;sub&gt;MAD,ref&lt;/sub&gt; ist die mittlere absolute Abweichung der NDVI-Werte vom Median innerhalb der gleichen zweimonatigen Zeitfenster (z.B. Juni- Juli) der Referenzperiode.<br /> <br /> &lt;!--T:14--&gt;<br /> Die mittlere absolute Abweichung vom Median gibt Auskunft über die Variabilität der NDVI-Werte innerhalb der Referenzperiode. Je grösser die Variabilität ist, desto kleiner wird die Wahrscheinlichkeit, dass Veränderungen, insbesondere schwache, ausgeschieden werden, was sich in Z-Werten nahe null widerspiegelt. Die Berechnung erfolgt pixelbasiert für jeden 10 x 10 m Pixel, und die Pixelwerte in den Hinweiskarten entsprechen dem jeweiligen Z-Wert.<br /> <br /> &lt;!--T:16--&gt;<br /> Pixel, bei denen für die Berechnung des Medians über das Monitoring-Zeitfenster weniger als 6 wolkenfreie Aufnahmen (Pixel) zur Verfügung stehen, werden in der finalen Hinweiskarte mit einem Buffer von 20m ausmaskiert.<br /> <br /> &lt;!--T:15--&gt;<br /> [[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Abb. 2: NDVI-Zeitreihen-Beispiel zur Veranschaulichung der Z-Wert-Methode. Die blauen Punkte entsprechen den tatsächlichen NDVI-Werten an einem bestimmten Ort (pixelbasiert). Die blauen Linien stellen Interpolationen dar und haben keine weitere Bedeutung. Die Referenzperiode bezieht sich in diesem Fall auf 2016 bis 2018, dargestellt in Grün. 2019 stellt in diesem Beispiel den aktuellen Zustand dar und ist in Rot gekennzeichnet. Die gestrichelten Linien stellen jeweils die beiden Mediane dar, die miteinander verglichen werden, das heisst der Median über Juni/Juli aller Jahre der Referenzperiode (in Grün) mit dem Median über Juni/Juli des aktuellen Jahres (in Rot).]]<br /> <br /> ==Datenbezug== &lt;!--T:17--&gt;<br /> Die Rasterdaten sind [https://forestmonitoring.lab.karten-werk.ch/services hier] als Web Map Service (WMS) oder Web Coverage Service (WCS) verfügbar. Während sich der WMS Dienst primär für die Visualisierung eignet und die Daten automatisch so dargestellt werden wie im Kartenviewer, erlaubt der WCS Dienst den Zugriff auf die Werte und somit auch die Weiterverarbeitung im GIS. Bei der Einbindung der Rasterdaten ist zu beachten, dass diese aus Speicherplatzgründen '''mit 100 multipliziert''' wurden. Ein Wert von z.B. 100 entspricht also einem Z-Wert von 1. <br /> <br /> &lt;!--T:18--&gt;<br /> Weitere '''Tipps und Informationen zu Einbindung und Verarbeitung''' der Daten gibt es [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|hier]].<br /> <br /> == Einzelnachweise== &lt;!--T:19--&gt;<br /> &lt;/translate&gt;</div>

Alex https://wiki.waldmonitoring.ch/index.php?title=Hauptseite&diff=88586 2021-07-08T12:24:08Z

<p>Alex: </p> <hr /> <div>__NOTOC__<br /> &lt;languages/&gt;<br /> &lt;translate&gt;<br /> <br /> &lt;!--T:1--&gt;<br /> '''Herzlich Willkommen!'''<br /> <br /> &lt;!--T:2--&gt;<br /> Das Angebot an Fernerkundungsdaten sowie leistungsstarken Analysetools nimmt ständig zu. Wälder lassen sich folglich immer häufiger und detailreicher erfassen. Damit dieses Potenzial in der Praxis stärker genutzt wird und einen faktischen Mehrwert erzielt, braucht es praxistaugliche Tools und die Bereitstellung von bedarfsgerechten Informationen. Dies erfordert einen intensiven Austausch zwischen Forschung und Praxis. Dazu laden wir herzlich ein!<br /> <br /> &lt;!--T:16--&gt;<br /> ----<br /> &lt;div id=&quot;use-cases&quot; class=&quot;mainpage_row&quot;&gt;<br /> &lt;div class=&quot;mainpage_box&quot;&gt;<br /> &lt;h3&gt;&lt;span class=&quot;header_icon&quot; aria-hidden=&quot;true&quot; role=&quot;presentation&quot;&gt;[[File:map-location.svg|20px|middle|link=]]&lt;/span&gt;&lt;span&gt;Use-Cases Waldmonitoring&lt;/span&gt;&lt;/h3&gt;<br /> &lt;div id=&quot;mainpage-admins&quot; title=&quot;div_title&quot;&gt;<br /> *[[Special:MyLanguage/Use-Cases_Waldmonitoring|Einführung]]<br /> *[[Special:MyLanguage/Use-Cases_Waldmonitoring#Daten|Rohdaten]]<br /> *[[Special:MyLanguage/Use_Case_1_-_Jährliche_Waldveränderungen|Use Case 1 - Jährliche Waldveränderungen]]<br /> *[[Special:MyLanguage/Use_Case_2_-_Test_Sommersturmschäden_2017|Use Case 2 - Test Sommersturmschäden 2017]]<br /> *[[Special:MyLanguage/Use_Case_3_-_Hinweiskarten_zur_Vitalität|Use Case 3 - Hinweiskarten zur Vitalität]] <br /> *[[Special:MyLanguage/Use-Cases_Waldmonitoring#Kartenviewer_und_Geodienste|Kartenviewer und Geodienste]]<br /> <br /> &lt;!--T:3--&gt;<br /> *[https://waldmonitoring.ch Zur Web-Anwendung]<br /> *[https://github.com/HAFL-FWI/Digital-Forest-Monitoring Zur Github-Page der Anwendung (Programm-Code)]<br /> &lt;/div&gt;<br /> &lt;/div&gt;<br /> &lt;div class=&quot;mainpage_box&quot;&gt;<br /> &lt;h3&gt;&lt;span class=&quot;header_icon&quot; aria-hidden=&quot;true&quot; role=&quot;presentation&quot;&gt;[[File:placeholders.svg|20px|middle|link=]]&lt;/span&gt;&lt;span&gt;Einsatzbeispiele&lt;/span&gt;&lt;/h3&gt;<br /> &lt;div id=&quot;mainpage-admins&quot; title=&quot;div_title&quot;&gt;<br /> Wie können die Waldmonitoring Use Cases und weitere Fernerkundungsdaten effektiv in der Praxis eingesetzt werden?<br /> <br /> &lt;!--T:4--&gt;<br /> *[[Special:MyLanguage/Einsatzbeispiele|Einsatzbeispiele Use Cases]]<br /> *Weitere Einsatzbeispiele Fernerkundung<br /> &lt;/div&gt;<br /> &lt;/div&gt;<br /> &lt;/div&gt;<br /> <br /> &lt;!--T:5--&gt;<br /> &lt;div id=&quot;use-cases&quot; class=&quot;mainpage_row&quot;&gt;<br /> &lt;div class=&quot;mainpage_box&quot;&gt;<br /> &lt;h3&gt;&lt;span class=&quot;header_icon&quot; aria-hidden=&quot;true&quot; role=&quot;presentation&quot;&gt;[[File:agenda.svg|20px|middle|link=]]&lt;/span&gt;&lt;span&gt;Grundlagen&lt;/span&gt;&lt;/h3&gt;<br /> &lt;div id=&quot;mainpage-admins&quot; title=&quot;div_title&quot;&gt;<br /> *[[Special:MyLanguage/Grundlagen_Fernerkundung|Wie funktioniert Fernerkundung?]]<br /> *[[Special:MyLanguage/Grundlagen_Fernerkundung#Fernerkundungsprodukte|Was produziert Fernerkundung?]]<br /> *[[Special:MyLanguage/Grundlagen_Fernerkundung#Fernerkundung_in_der_Waldwirtschaft|Was bringt mir Fernerkundung?]]<br /> *[[Special:MyLanguage/Grundlagen_Fernerkundung#Datenverarbeitung|Wie werden Fernerkundungsdaten analysiert und verarbeitet?]]<br /> &lt;/div&gt;<br /> &lt;/div&gt;<br /> &lt;div class=&quot;mainpage_box&quot;&gt;<br /> &lt;h3&gt;&lt;span class=&quot;header_icon&quot; aria-hidden=&quot;true&quot; role=&quot;presentation&quot;&gt;[[File:database-1.svg|20px|middle|link=]]&lt;/span&gt;&lt;span&gt;Daten&lt;/span&gt;&lt;/h3&gt;<br /> &lt;div id=&quot;mainpage-admins&quot; title=&quot;div_title&quot;&gt;<br /> <br /> &lt;!--T:6--&gt;<br /> Wir zeigen euch, welche frei verfügbaren Fernerkundungsdaten es wo gibt.<br /> Ihr findet [[Special:MyLanguage/Daten|hier]] eine Zusammenstellung an Ressourcen und eine erste Übersicht mit konkreten Datensätzen.<br /> <br /> &lt;!--T:7--&gt;<br /> &lt;/div&gt;<br /> &lt;/div&gt;<br /> &lt;div class=&quot;mainpage_box&quot;&gt;<br /> &lt;h3&gt;&lt;span class=&quot;header_icon&quot; aria-hidden=&quot;true&quot; role=&quot;presentation&quot;&gt;[[File:sign-1.svg|20px|middle|link=]]&lt;/span&gt;&lt;span&gt;Tutorials&lt;/span&gt;&lt;/h3&gt;<br /> &lt;div id=&quot;mainpage-admins&quot; title=&quot;div_title&quot;&gt;<br /> [[Special:MyLanguage/Tutorials|Tutorials]] für die eigenständige Weiterverarbeitung und Analyse der Daten: Einbindung von Geodiensten, QGIS, Sentinel-2 und mehr.<br /> &lt;/div&gt;<br /> &lt;/div&gt;<br /> &lt;/div&gt;<br /> <br /> <br /> &lt;!--T:8--&gt;<br /> &lt;div id=&quot;use-cases&quot; class=&quot;mainpage_row&quot;&gt;<br /> &lt;div class=&quot;mainpage_box&quot;&gt;<br /> &lt;h3&gt;&lt;span class=&quot;header_icon&quot; aria-hidden=&quot;true&quot; role=&quot;presentation&quot;&gt;[[File:users.svg|20px|middle|link=]]&lt;/span&gt;&lt;span&gt;Mitmachen&lt;/span&gt;&lt;/h3&gt;<br /> &lt;div id=&quot;mainpage-admins&quot; title=&quot;div_title&quot;&gt;<br /> [[Mitmachen|Wir laden euch herzlich ein, mitzumachen!]]<br /> * Meldet euch für den [https://www.subscribepage.com/waldmonitoring_ch Newsletter] an, um auf dem Laufenden zu bleiben.<br /> * Aktualisiert Inhalte, wenn ihr Fehler findet<br /> * Teilt euer Wissen, andere werden es danken!<br /> &lt;/div&gt;<br /> &lt;/div&gt;<br /> <br /> &lt;!--T:9--&gt;<br /> &lt;div class=&quot;mainpage_box&quot;&gt;<br /> &lt;h3&gt;&lt;span class=&quot;header_icon&quot; aria-hidden=&quot;true&quot; role=&quot;presentation&quot;&gt;[[File:paper-plane-1.svg|20px|middle|link=]]&lt;/span&gt;&lt;span&gt;News&lt;/span&gt;&lt;/h3&gt;<br /> &lt;div id=&quot;mainpage-admins&quot; title=&quot;div_title&quot;&gt;<br /> * 2021-07-08 Es gibt verbesserte Daten zu Use Case 3 auf waldmonitoring.ch!<br /> * 2021-05-05 Unser Wiki wurde Opfer einer Spam-Attacke und ist vorerst nur noch mit Registrierung nutzbar (kann [mailto:hannes.horneber@bfh.ch hier] angefordert werden)<br /> * 2021-04-28 Die Datentabelle ist online<br /> * 2021-03-22 Die neuen Rubriken &quot;Daten&quot; und &quot;Tutorials&quot; wurden erstellt<br /> &lt;/div&gt;<br /> &lt;/div&gt;<br /> &lt;/div&gt;<br /> ----<br /> <br /> &lt;!--T:10--&gt;<br /> Auf dieser Seite werden die Ergebnisse des Forschungsprojektes '''«Einsatz von Fernerkundungsdaten in Forstbetrieben und Forstdiensten anhand von konkreten Use-Cases»''' vorgestellt, welches von der Fachhochschule für Agrar-, Forst- und Lebensmittelwissenschaften BFH-HAFL im Auftrag und mit Unterstützung des Bundesamtes für Umwelt (BAFU) und KARTEN-WERK GmbH durchgeführt wurde. Das Hauptziel des Projektes war die Implementierung von Kartenviewern sowie Geodiensten (Erklärung dazu siehe z.B. [https://www.geo.admin.ch/de/geo-dienstleistungen/geodienste.html hier]) für konkrete Use-Cases mit existierenden, möglichst frei verfügbaren Fernerkundungsdaten. Es wurden 3 [[Special:MyLanguage/Use-Cases_Waldmonitoring|Use Cases]] in enger Zusammenarbeit mit Vertreter*innen aus der Praxis ausgearbeitet, und die Informationen, Daten und Resultate bedarfsgerecht bereitgestellt.<br /> <br /> &lt;!--T:11--&gt;<br /> Im Rahmen des bis August 2021 laufenden Nachfolgeprojektes '''&quot;Wissenstransfer Fernerkundung für die forstliche Praxis&quot;''' wird nun die aktuelle Lösung in Umfang und Qualität ausgebaut. Zudem soll die Verwendung in der Praxis durch eine verbesserte Dokumentation, intensivierten Austausch sowie den Aufbau einer Community signifikant gesteigert werden. So besteht hier unter anderem die Möglichkeit, konkrete [[Special:MyLanguage/Einsatzbeispiele|Einsatzbeispiele]] zur effektiven Verwendung der Daten und Tools zu dokumentieren. Zudem finden Interessierte ansprechend aufbereitetes [[Special:MyLanguage/Grundlagen Fernerkundung|Grundlagenwissen zur Fernerkundung]], wir stellen verschiedene [[Special:MyLanguage/Tutorials|Tutorials]] zur Verfügung und es gibt eine Übersicht über frei verfügbare [[Special:MyLanguage/Daten|Fernerkundungsdaten]].<br /> ----<br /> <br /> &lt;!--T:14--&gt;<br /> Eine Kooperation von BFH-HAFL und BAFU<br /> &lt;/translate&gt;</div>

Alex