The Tree Species Germany product provides a map of dominant tree species across Germany for the year 2022 at a spatial resolution of 10 meters. The map depicts the distribution of ten tree species groups derived from multi-temporal optical Sentinel-2 data, radar data from Sentinel-1, and a digital elevation model. The input features explicitly incorporate phenological information to capture seasonal vegetation dynamics relevant for species discrimination. A total of over 80,000 training and test samples were compiled from publicly accessible sources, including urban tree inventories, Google Earth Pro, Google Street View, and field observations. The final classification was generated using an XGBoost machine learning algorithm. The Tree Species Germany product achieves an overall F1-score of 0.89. For the dominant species pine, spruce, beech, and oak, class-wise F1-scores range from 0.76 to 0.98, while F1-scores for other widespread species such as birch, alder, larch, Douglas fir, and fir range from 0.88 to 0.96. The product provides a consistent, high-resolution, and up-to-date representation of tree species distribution across Germany. Its transferable, cost-efficient, and repeatable methodology enables reliable large-scale forest monitoring and offers a valuable basis for assessing spatial patterns and temporal changes in forest composition in the context of ongoing climatic and environmental dynamics.
Zielsetzung:
Klimatische Veränderungen beeinflussen die verfügbare Wassermenge und -qualität in Talsperren, was deutliche Auswirkungen auf die Sicherheit der Trinkwasserversorgung und auf die Ökosysteme der Stauseen und den Landschaftswasserhaushalt hat. Klimaprognosen deuten für Gebiete wie den Harz auf einen Anstieg von Niederschlägen im Winter und häufigere Trockenperioden im Sommer hin, was stärker schwankende Wasserstände bedeutet. Zur Anpassung im Management der Talsperren und deren Ökosystemen mangelt es jedoch oft an präzisen Vorhersagen und den nötigen Instrumenten, um risikobasierte Entscheidungen über notwendige dynamische Betriebsstrategien zu treffen. Vor diesem Hintergrund soll im Rahmen des Projekts ein vorhersagebasiertes, mengen- und gütegewichtetes Entscheidungsunterstützungssystem für Talsperren entwickelt werden, welches auf datengetriebenen Modellen basiert und am Beispiel des Systems der Harzwasserwerke implementiert wird.
Das Projekt konzentriert sich darauf, durch die Nutzung moderner Technologien und Methoden der Künstlichen Intelligenz (KI), wie LSTM-Netzwerke (Long Short-Term Memory) und Ensemble-Methoden, zuverlässige Vorhersagen des Wasserbedarfs und -dargebots zu erstellen. Diese Vorhersagen werden in ein hydrodynamisches Optimierungsmodell integriert, um eine flexible und belastbare Entscheidungsunterstützung im Ereignisfall zu ermöglichen. Hierdurch sollen die verschiedenen Bewirtschaftungsziele wie Hochwasserschutz, Versorgungssicherheit, Ökosystemleistungen, Landschaftswasserhaushalt und Energieerzeugung bestmöglich erfüllt werden. Die Kombination von Echtzeit-Sensoren, Open-Source-Datensätzen und fortschrittlichen Datenanalyse-Tools ermöglicht es, komplexe und dynamische Prozesse zu simulieren und in Echtzeit Informationen bereitzustellen. Im Sinne der nachhaltigen Klimawandelanpassung werden so proaktive Maßnahmen zur Unterstützung der Versorgungssicherheit, des Hochwasserschutzes sowie des Landschaftswasserhaushaltes ermöglicht.
Die Implementierung des Demonstrators im System der Harzwasserwerke soll die Vorteile einer proaktiven Steuerung demonstrieren und eine multikriterielle Bewertung im Vergleich zu herkömmlichen Methoden ermöglichen. Der Fokus liegt nicht nur auf einem hohen Technology Readiness Level, sondern auch auf der Handhabung von Unsicherheiten und der Berücksichtigung verschiedener Vorhersagehorizonte. Diese sind für die verschiedensten wasserwirtschaftlichen Zielsetzungen von entscheidender Bedeutung.
Verschiedene atmosphärische Prozesse werden durch die Wasseraufnahmefähigkeit (Hygroskopizität) von Aerosolpartikel angetrieben, wie z.B. die Lichtstreuung der Partikel, die Bildung von Wolkentröpfchen, die Aktivierung von Wolkenkondensationskeimen (CCN), die Veränderung des hydrologischen Zyklus sowie der Strahlungsantrieb der Wolken. Trotz seiner entscheidenden Rolle für die Atmosphäre und das Klima gibt es immer noch eine große Diskrepanz im Wissen über den Beitrag des organischen Aerosols, das einen größeren Teil der Submikrometer-Partikelmassenkonzentration darstellt, zur gesamten Hygroskopizität. Der folgende Projektantrag schlägt einen ganz neuen Ansatz zur Parametrisierung der hygroskopischen Eigenschaften von organischen Aerosolpartikeln vor, der ein chemisches Online-Funktionskonzept verwendet, das auf der Analyse der organischen Massenspektren aus den Messungen des High Resolution-Time of Flight-Aerosol Mass Spectrometer (HR-ToF-AMS) basiert. Die Entwicklung dieser Parametrisierung wird auf einer Kombination von Humidified Hygroscopic Tandem Differential Analyzer (HTDMA) und HR-ToF-AMS Messungen in einem dualen, aber komplementären Ansatz basieren. Dazu wird ein intensives Laborscreening von chemischen Verbindungen mit gezielten funktionellen Gruppen und einer Mischung aus verschiedenen organischen Standards durchgeführt werden. Gleichzeitig wird ein maschineller Lernansatz auf der Grundlage früherer TROPOS-Feldkampagnen durchgeführt werden, der Messungen beider Instrumente integriert. Ein Vergleich zwischen den beiden Ansätzen wird für die endgültige Validierung in der Studie durchgeführt werden. Diese Parametrisierung wird dann in zwei Feldkampagnen validiert, die jeweils einer bestimmten Art von organischem Aerosol gewidmet sind: eine von biogenem Aerosol dominierte Umgebung in Melpitz (Deutschland) und eine von städtischem Aerosol dominierte Umgebung in SIRTA (Frankreich), wo beide Instrumente im Rahmen dieses Projekts eingesetzt werden sollen. Die Online-Hygroskopizität des Umgebungsaerosols wird durch die Kombination von HR-ToF-AMS (organisches und anorganisches Aerosol) und optischen Messungen des Aethalometers (äquivalenter schwarzer Kohlenstoff) abgeschätzt und dann mit der vom HTDMA gemessenen verglichen. Unter Ausnutzung der Vorteile der hochauflösenden und einheitlichen Massenspektrenauflösung des HR-ToF-AMS und des Vorhandenseins des Aerosol Chemical Speciation Monitor (ACSM) an beiden ausgewählten Feldstandorten wird die Methode auch für das ACSM optimiert. Infolgedessen wird eine automatische Routine für beide Instrumente (HR-ToF-AMS und ACSM) entwickelt, die in das ACSM-Netzwerk des Aerosols, Clouds, and Trace gases Research Infrastructure Network (ACTRIS) implementiert wird, um eine einzigartige Möglichkeit für eine zeitnahe und langfristige Messung der Aerosol-Hygroskopizität über Europa zu bieten.