Grundlagen Fernerkundung

Der Begriff Fernerkundung bezeichnet die Gesamtheit der Verfahren zur Gewinnung von Informationen über die Erdoberfläche oder andere nicht direkt zugängliche Objekte durch Messung und Interpretation der von ihnen ausgehenden oder reflektierten elektromagnetischen oder Schallwellen.

Fernerkundung wird im Waldbereich zur Kartierung, Modellierung und für das Monitoring von Waldkomposition, -struktur und -dynamik eingesetzt und stellt wertvolle Grundlagen für die Waldplanung und das Waldmanagement bereit. Die Datengewinnung findet mittels Sensoren statt, die von Satelliten, Flugzeugen, Helikoptern oder Drohnen getragen werden. Dabei spielen die verschiedenen Fernerkundungsplattformen, Aufnahmesysteme und Sensoren sowie die eingesetzten Analysemethoden eine zentrale Rolle.

Fernerkundungsplattformen

Fernerkundungsplattformen und deren Aufnahmebereiche und Detaillierungsgrade (Quelle: www.rezatec.com)

Es handelt sich um die Einheit, welche den Sensor trägt, also um Satelliten, Flugzeuge, Helikopter oder Drohnen. Der primäre Unterschied neben den Kosten ist die Distanz zur Erdoberfläche. Grundsätzlich nimmt die Auflösung der erfassten Daten mit zunehmender Distanz zur Erdoberfläche bzw. zunehmender Grösse des Ausschnitts ab (Abb. 2). Die Aufnahme von grösseren Flächen in einer Befliegung kann dafür kostengünstiger sein, häufiger wiederholt werden und liefert für grosse Flächen homogene Daten (z.B. gleiche Beleuchtungsintensität).

Die verschiedenen Plattformen eignen sich dementsprechend für unterschiedliche Fragenstellungen. Mit Drohnen können z.B. sehr detaillierte Informationen für kleine Waldgebiete erhoben werden, sie sind jedoch für eine rasche Übersicht nach einem nationalen Sturmereignissen nicht geeignet.

• Satelliten
• Flugzeug / Helikopter
• Drohne

Aufnahmesysteme und Sensoren

Es wird zwischen aktiven und passiven Systemen unterschieden, wobei die passiven Systeme die reflektierte Sonnenstrahlung aufzeichnen, die aktiven Systeme dagegen selbst Mikrowellen- oder Laserstrahlen aussenden. Aktive Systeme wie LiDAR (Light Detection and Ranging) und Radar (Radio Detection and Ranging) sind grösstenteils unabhängig von Wetter und Sonnenstand, wobei passive Systeme (optische Sensoren) stark witterungsabhängig sind.

Mit den beiden Aufnahmesystemen können sehr unterschiedliche Informationen über den Wald erhoben werden. So liefern z.B. LiDAR-Daten detaillierte Informationen über die Vegetationshöhe, eignen sich aber nicht für Spektralanalysen (Blattfarbe, Vitalität etc.). Bei den passiven Systemen wird zwischen multispektralen (mehrere Bänder) und hyperspektralen Sensoren (mehrere hundert Bänder) unterschieden. Die verschiedenen spektralen Bereiche, z.B. Infrarot, liefern für Vegetationsanalysen wertvolle Informationen. Typischerweise werden multispektrale Sensoren mit 4 bis 13 Kanälen verwendet, wie dies bei diversen Luft- und Satellitenbildern (swissimage, Landsat, Sentinel-2) der Fall ist.

• Optische Sensoren
• LiDAR
• Radar

Fernerkundungsprodukte

Was produziert Fernerkundung?

Abb. 3: Die wichtigsten Kriterien und Eigenschaften zur Beschreibung von Fernerkundungsdaten und deren Qualität.

Die folgenden vier Auflösungen beschreiben die wichtigsten Eigenschaften von Fernerkundungsdaten (siehe Abb. rechts):

• räumliche Auflösung (Pixelgrösse, Punktdichte)
• zeitliche Auflösung (Zeitdauer zwischen zwei Aufnahmen)
• spektrale Auflösung (Anzahl spektraler Kanäle)
• radiometrische Auflösung (unterscheidbare Graustufen, z.B. 8 Bit)

Je höher eine Auflösung, desto höher der Detaillierungsgrad. Die verschiedenen Auflösungen stehen in einem Trade-Off, das heisst, es können nicht alle Auflösungen gleichzeitig optimiert werden ohne Zusatzkosten. Dabei zählt nicht nur die Pixelgrösse bzw. die Punktdichte - für gewisse Anwendungen sind die Erfassung der zeitlichen Dynamik, die grossflächige Verfügbarkeit oder spezifische spektrale Informationen entscheidend. Zudem stellen räumlich hochaufgelöste Daten, obwohl sie für das menschliche Auge sehr gut interpretierbar sind, hohe Ansprüche an die Rechenleistung und sind eine Herausforderung für die automatische Auswertung.

Es existiert eine enorme Vielzahl von Fernerkundungsdaten. Nachfolgend wird eine Übersicht über die wichtigsten Datensätze und abgeleiteten Produkte für die Schweiz gegeben.

• Luftbilder > Charakteristisch für Luftbilder ist die hohe räumliche Auflösung (<50cm), welche sich besonders für die visuelle Interpretation etabliert hat. Neu wird oft neben dem RGB- auch ein Nahinfrarotbereich (NIR) abgedeckt. Die Nachführung findet üblicherweise im Abstand von wenigen Jahren statt. Drohnenbilder sind vom Detaillierungsgrad mit Luftbildern vergleichbar, tendenziell mit einer noch höheren räumlichen Auflösung. Der Einsatz ist sehr flexibel (Zeit und Ort), jedoch auf kleinere Gebiete beschränkt und die Qualität variiert nach System und Anwendung. Die technologische Entwicklung läuft zurzeit rasend schnell.
  • Orthofotos
• Satellitendaten > Frei verfügbare Satellitenbilder zeichnen sich durch eine mittlere räumliche (ca. 10m) und eine hohe zeitliche Auflösung (alle paar Tage) sowie durch eine oft langfristig geplante Datenkontinuität aus. Meist werden multispektrale Sensoren verwendet, die Informationen in 4-13 Spektralbereichen, welche sich für Vegetationsanalysen etabliert haben, erfassen. Private Anbieter liefern teilweise sehr hochaufgelöste (WorlView4, 30cm), jedoch kostenpflichtige und raum-zeitlich limitierte Bilder.
  • Vegetationsindices aus Spektralbändern
• Punktwolken / 3D Modelle > Mit LiDAR, einem aktiven Fernerkundungssystem, kann mit grossem Vorteil gegenüber den passiven Systemen die dreidimensionale Struktur von Wäldern direkt und hochpräzise erfasst werden. Zentrale Informationen wie die Vegetationshöhe oder der Deckungsgrad können in hoher räumlicher Auflösung (ca. 50cm) ermittelt werden. Die Verfügbarkeit, Aktualität und Nachführung ist zurzeit beschränkt und je nach Kanton sehr unterschiedlich.
  • Ditigale Höhenmodelle (DSM, DTM, VHM)
• Radar > Mit Radarsensoren, welche meist von Satelliten getragen werden, können ebenfalls regelmässig und grossflächig Informationen über die Wälder (Biomasse, Waldtypen) gesammelt werden. Der grosse Vorteil gegenüber passiven Sensoren ist, dass die Daten auch bei schlechtem Wetter brauchbar sind. Die Qualität und Interpretierbarkeit ist zurzeit für die meisten Anwendungen im Waldbereich jedoch noch unbefriedigend.

Fernerkundung in der Waldwirtschaft

Einsatzgebiete, Was bringt mir Fernerkundung?

• Monitoring und Modellierung
  • Wissenschaft: z.B. Entwicklung im Kontext von Klimawandel
  • Wirtschaft: Bestandsentwicklung, Zunahme von Nutzholz, ...
• Inventur und Statistiken
  • Bestandsaufnahme
• Katastrophenschutz (Waldbrände, Erosion/Lawinen, ...)
• Totholzerkennung
• Waldstruktur

Datenverarbeitung

Fernerkundungsdaten können visuell oder digital interpretiert werden. Die visuelle Bildinterpretation, z.B. durch am Computer dargestellte Stereoluftbilder, hat eine lange Tradition (Ginzler 2005). Für verschiedene Anwendungen ist diese Methode sehr effektiv. Beispiele sind die Ausscheidung von Bestandesgrenzen, Sturmflächen, Lücken oder Baumkronen. Grossflächige Analysen und die regelmässige Nachführung sind jedoch zeitaufwändig und teuer. Weitere Einschränkungen ergeben sich durch die Subjektivität der interpretierenden Person und die Schwierigkeit komplexe Daten, wie z.B. Zeitreihen, visuell auszuwerten.

Der Einsatz von automatisierten Verfahren ist daher sehr verbreitet. Oft werden statistische Schätzverfahren eingesetzt, um die „Pixel“ innerhalb einer Stichprobe (z.B. Stichprobeninventur) zu analysieren. Werden aussagekräftige Korrelationen zwischen der Zielgrösse (Vorrat, Stammzahl etc.) und den Fernerkundungsdaten gefunden, kann eine flächendeckende Vorhersage getroffen werden. Neben den klassischen parametrischen Ansätzen wie z.B. Regressionsmodellen werden vermehrt auch nicht-parametrische Verfahren und moderne Algorithmen aus dem Bereich des maschinellen Lernens, wie z.B. «Random Forest» (Breiman 2001), eingesetzt. Es existiert eine Vielzahl von statistischen und nicht-statistischen automatisierten Verfahren. Die Methoden erstrecken sich von der Anwendung von räumlichen Filtern (z.B. die Einzelbaumerkennung; Menk et al 2017), der Berechnung von Vegetationsindizes, der Bildsegmentierung durch regelbasierte Algorithmen (Beispiel TBk - Toolkit Bestandeskarte) bis hin zu komplexen Zeitreihenanalysen (White et al 2017b). Photogrammetrie wird vermehrt für das Generieren von 3D Oberflächenmodellen verwendet, speziell dort, wo keine aktuellen LiDAR-Daten verfügbar sind (Ginzler & Hobi 2015).

• TOOLS
• visuelle Überprüfung
• Machine Learning / Modellierung
• spektrale Indizes