Meta und das World Resources Institute stellen eine KI-basierte Karte der Baumhöhen mit 1 Meter Auflösung bereit, die auch Wälder erfasst, die bisherige 10-Meter-Daten übersehen, etwa alpine Wälder.
Symbolbild (zeigt nicht die Karte) · Foto: Sarah Frey / Oregon State University · Wikimedia Commons · CC BY-SA 2.0
INVENTUR · FERNERKUNDUNG · GLOBAL
Steckbrief
Eine Karte, die jeden Baum der Erde in seiner Höhe zeigt: Das war lange nur mit Laserscannern aus Flugzeugen möglich, also nur dort, wo befliegbar und bezahlbar. Das Land & Carbon Lab hat gemeinsam mit Meta eine globale Karte mit 1 Meter Auflösung veröffentlicht.
Bisherige globale Satellitendaten arbeiten mit 10 Metern Auflösung oder gröber. Nach Angaben der Entwickler fallen dabei Waldstrukturen durch das Raster, etwa Agroforstsysteme, Trockenwälder und alpine Wälder. Sie machen mehr als ein Drittel der weltweiten Wälder aus.
Das KI-Modell lernt aus Laserscan-Daten, aus Satellitenbildern auf die Höhe der Baumkronen zu schließen. Es beruht auf einem selbstüberwachten Vision Transformer mit einem Faltungsdecoder. Das Ergebnis ist eine einheitliche Karte, mit der sich einzelne Bäume und kleine Waldflecken unterscheiden lassen.
Für den Bergwald ist vor allem die Detailschärfe interessant: Kleine Bestände, Waldränder und lückige Hochlagenwälder werden sichtbar, die in groben Karten untergehen. Die Karte kann als Ausgangsbasis für Vergleiche und für die Planung dienen, wo genauere Befliegungen lohnen. Zugang und Lizenz sind offen.
Die Projektseite nennt weder Genauigkeitswerte noch Aufnahmejahr noch einen Aktualisierungsrhythmus. Für Entscheidungen in Steillagen ersetzt eine modellierte Karte keine regionalen Laserscan-Daten, wie sie in Tirol vorliegen. Vor einer Nutzung sollte der Fehler im eigenen Gebiet gegen vorhandene Geländedaten geprüft werden.
Land & Carbon Lab, World Resources Institute.
Die WSL entwickelt ein Monitoring, das Waldstörungen mit Radardaten wetterunabhängig und in kurzen Abständen erfassen soll.
Das EU-Projekt FORSAID unter Leitung der Universität Padua kombiniert Insektenfallen mit Bildübertragung, Deep Learning, DNA-Barcoding und Drohnensensoren, um Forstschädlinge früh zu erkennen.
Die LWF verglich fünf Satellitensysteme und mehrere Lernverfahren, um sichtbare Borkenkäferschäden an Fichte automatisiert zu erfassen.