Masterarbeitvon Hannah Scheicher

Waldökosysteme spielen eine zentrale Rolle für den Erhalt der biologischen Vielfalt, die Bereitstellung von Ökoystemdienstleistungen und die Speicherung von Kohlenstoff. Die Erfassung von Vegetationsparametern, wie der vertikalen Waldstruktur oder der Biomasse kann Auskunft geben über den Zustand der jeweiligen Waldfläche. LiDAR hat sich als leistungsstarkes Werkzeug zur Schätzung der Kronenhöhe und weiterer Vegetationsparameter etabliert.

Diese Arbeit untersucht die Stärken und Schwächen weltraumbasierter LiDAR-Daten des Global Ecosystem Dynamics Investigation (GEDI) im Vergleich zu flugzeugbasierten Laserscanning-Daten (ALS) bei der Modellierung flächendeckender Vegetationsparameter für ein Untersuchungsgebiet mit anspruchsvoller Topographie und komplexer Vegetationsstrukur innerhalb der österreichischen Alpen.

Ziele und Methoden

Für die Gegenüberstellung von LEDI und ALS werden die vier Parameter mittlere und maximale Vegetationshöhe, die Foliage Height Diversity (FHD) und die Abovegroung Biomass Density (AGBD) gewählt. Im Anschluss werden die Datensätze der vier Vegetationsparameter mit Sentinel-1 VV/VH Backscatter, Sentinel-1 basierten Texturmetriken, multispektralen Sentinel-2 Bändern und Sentinel-2 basierten Vegetationsindizes kombiniert. Der maschinelle Lernalgorithmus Random Forest (RF) wird verwendet, um flächendeckende Regressionen mit einer räumlichen Auflösung von 10x10 m zu modellieren. Als Sampling Formen werden sowohl die GEDI Plots, als auch die Zellen eines über dem Untersuchungsgebiet platzierten Netzgitters verwendet.

Der ALS Trainingsdatensatz wird in Form von Netzgitterzellen oder GEDI Plots bereitgestellt und die daraus berechneten Regressionen wiederum mit dem ALS Datensatz validiert. Mit GEDI Daten modellierte Regressionen, werden entweder durch die ALS Daten oder mithilfe einer Kreuzvalidierung durch die GEDI Daten validiert. Bedeutsame Sentinel Variablen für die Modellierung der mittleren Vegetationshöhe und der AGBD sind hierbei das rote multispektral Band und mit „red edge“ multispektral Bändern berechnete Vegetationsindizes. Das grüne multispektral Band und das „first red edge“ multispektral Band tragen am meisten zur Berechnung der maximalen Vegetationshöhe und der FHD bei. Auch ist das rote multispektral Band bedeutsam für die Berechnung der FHD.

Des Weiteren tragen die Sentinel-1 Texturmetriken merklich zur Modellierung der Parameter bei, trotzdem sie nur sehr schwach mit diesen korrelieren. Die Güte der Regressionen wird anhand des RMSE, MAE und R² verglichen. RMSE und MAE Werte von Regressionen, welche mit GEDI Daten trainiert und validiert werden, sind vergleichbar mit Regressionen, welche mit ALS Daten trainiert und validiert werden. Jedoch fallen die R²-Werte der mit GEDI Daten trainierten und validierten Regressionen im Vergleich zu allen anderen Regressionen niedriger aus.

Ergebnisse

Allgemein lässt sich beobachten, dass Regressionen welche auf GEDI Daten basieren über eine deutlich begrenztere Werteskala verfügen. Modellen, welche GEDI Daten verwenden, gelingt es IV jedoch, das Muster der horizontalen Werteverteilung aller vier Vegetationsparameter zu reproduzieren. GEDI kann somit als angemessene Option bei der Erfassung und Modellierung von Vegetationsparametern in unzugänglichen und anspruchsvollen Gebieten gewertet werden.

Download

Die Masterarbeit "Combination of LiDAR and Sentinel data for wall-to-wall vegetation parameter assessment in the National Park Kalkalpen " (2024) von Hannah Scheicher wurde an der Karl-Franzens-Universität Graz verfasst und kann hier heruntergeladen werden (PDF-Download: 22 MB).