Das Projekt "4DForM-at: 4D Forest Moisture Mapping of Austria based on multi-temporal Earth Observation Signatures" wird vom Umweltbundesamt gefördert und von Österreichische Akademie der Wissenschaften durchgeführt. Der globale Wandel führt zu veränderten ökologischen, politischen und ökonomischen Rahmenbedingungen, die ein angepasstes Management von Waldbeständen als natürliche Schlüsselressource erfordern. Sowohl steigender Marktdruck, als auch sich erhöhende Umweltrisiken führen dabei zu einer erhöhten Nachfrage nach detaillierten Waldinformationen für ein zielorientiertes Forstmanagement zur Kosten- und Risikominimierung. Derartige Information können durch die traditionelle Forstinventur nur punktuell und damit nur im begrenzten Maße bereitgestellt werden. Obwohl beispielsweise Bodenfeuchte unter Wald ein wichtiger Schlüsselparameter für das Verständnis der Robustheit von Beständen ist, sind entsprechende Informationen nur für 10-15 Standorte in ganz Österreich verfügbar, was den flächendeckenden Ansprüchen einer optimierten Bewirtschaftung nicht gerecht wird. Einen weiteren Schlüsselparameter stellt die Artenzusammensetzung eines Bestandes dar, welche Toleranzspektren gegenüber Umweltrisiken wie beispielsweise Schädlingsbefällen definiert.
Das Ziel des Projektes 4DForM-at ist die Entwicklung von flächendeckend anwendbaren Kartierungsprodukten für Bodenfeuchtebedingungen unter Wald unter Berücksichtigung von Baumartenzusammensetzungen. Für die Kartierungsprodukte wird Mikrowellen Fernerkundung (Sentinel-1) mit multispektraler Fernerkundung (Sentinel-2) kombiniert und dabei zusätzlich hochauflösende Digitale Oberflächenmodelle (flugzeuggestütztes Laserscanning und Photogrammetrie) für die Ableitung von homogenen Wald-topographischen Einheiten integriert. Letztere werden eine innovative, objektorientierte Analyse von homogenen Waldeinheiten zulassen und erlauben, die Waldstruktur und Topographie in Beziehung zu Feuchtebedingungen und Artenzusammensetzungen zu setzen. Die räumlichen Einheiten werden mit einem Segmentierungsansatz generiert, der sich auf Waldstruktur- und morphometrische Maße des Geländes stütz.
In der Bodenfeuchtekartierung wird die Aggregierung von Sentinel-1 RADAR Daten auf Basis der Wald-topographischen Einheiten eine Innovation darstellen und die Untersuchung von Zusammenhängen zwischen Überschirmungsgraden und der Stärke des abgeleiteten Feuchtesignals zulassen. In der Artenkartierung wird die Ableitung von multitemporalen Signaturen auf Basis von Wald-topographischen Einheiten ebenso eine Neuerung darstellen, wie die Verwendung von Radiative-Transfer-Modellierung (RTM) für Signalentmischungsexperimente. Hierfür wird ein innovatives Rekonstruktionsverfahren für selektierte Standorte zum Einsatz kommen und mit einem Monitoring von Kronendichten und Oberflächenreflektanzen im Jahresgang kombiniert. Neben der Verwaltung der Sentinel-1 und 2 Daten, wird das Projekt auf ein Netzwerk von in-situ Referenzstandorten der Österreichische Waldinventur (ÖWI) aufbauen, wo detaillierte waldstrukturelle und Feuchteinformationen vorhanden sind.
Das Projekt "Hyperforest" wird vom Umweltbundesamt gefördert und von Universität Zürich, Geographisches Institut durchgeführt. In the framework of sustainable forest management, there is a need for reliable data on forests parameters such as tree species composition, stand diversity and forest vitality. These parameters need to be reported at regular intervals at national and international level. Currently, data acquisition is done by time-consuming and labour-intensive field campaigns and specific aspects such as canopy structure are even difficult to directly measure. Hyperspectral (HS) and LiDAR remote sensing (RS) techniques offer the potential to facilitate and improve information acquisition. However, this potential still has to be demonstrated in highly structured closed forests. The main objective of the HyperForest project is an improved data acquisition and processing for better estimation of forest parameters by fusion of HS and LiDAR data with focus on tree species composition, stand diversity and forest vitality. This requires: - a fundamental study on the impact of 3D canopy structure variability on the HS canopy signal; - data fusion between ground-based/airborne LiDAR and HS datasets; - improvement of the established HS pre-processing chain by incorporation of 3D structure information; - incorporation of acquired RS data and pre-processing techniques in the development of optimized HS feature extraction.