Ein U-Net-Modell der LWF klassifiziert Buche, Eiche, Fichte und Kiefer auf Einzelbaumebene aus Orthophotos mit 20 Zentimetern Auflösung.
Foto: Geran de Klerk · Wikimedia Commons · CC0 1.0
KI · FERNERKUNDUNG · BAYERN
Steckbrief
Welche Baumart steht wo? Diese Grundinformation brauchen Waldbau, Waldschutz und Inventur gleichermaßen. Im Projekt KIHBA („Künstliche Intelligenz für hochaufgelöste Baumartenerkennung“) arbeiten die LWF Bayern und die IABG mbH seit Ende 2022 an einer automatisierten Klassifizierung auf Einzelbaumebene.
Grundlage sind digitale True-Orthophotos der bayerischen Vermessungsverwaltung mit 0,2 Metern Auflösung und vier Kanälen – Rot, Grün, Blau und nahes Infrarot. Sie werden alle zwei Jahre aktualisiert. Ein normalisiertes Oberflächenmodell ergänzt die Höheninformation.
Als Modell dient ein U-Net, ein Verfahren der semantischen Segmentierung. Trainiert wurde es mit rund 97.000 gesicherten Baumpunkten aus 809 Traktecken der Waldinventur.
Für zusammengefasste Klassen erreichte das Modell F1-Werte von 0,83 für Laubholz, 0,77 für Kiefer und 0,76 für Fichte und übriges Nadelholz. Einzelne Laubbaumarten sind schwieriger: Für die Eiche lag der Wert nur bei 0,21. Die Ergebnisse zeigen, wie leistungsfähig KI bei häufigen Klassen bereits ist – und wo Fachwissen und Stichproben vor Ort unverzichtbar bleiben.
Quelle: LWF: KIHBA – Mit künstlicher Intelligenz Baumarten erkennen
Die WSL leitet aus Sentinel-2-Bildern mit einem neuronalen Netz jährliche Vegetationshöhenmodelle für die Schweiz ab – mit Blick auf den ganzen Alpenbogen.
Das LWF-Projekt SANDRO untersucht, wie Luftbilder und LiDAR-Daten das Schutzwaldmonitoring im alpinen Gelände ergänzen können.
BOKU und BFW modellieren die Entwicklung des Buchdruckers täglich und verbinden sie mit Wasserversorgung, Gefährdung und Schadholz.