Die WSL leitet aus Sentinel-2-Bildern mit einem neuronalen Netz jährliche Vegetationshöhenmodelle für die Schweiz ab – mit Blick auf den ganzen Alpenbogen.
Bild: European Space Agency · Bildquelle
FERNERKUNDUNG · KI · SCHWEIZ
Steckbrief
Vegetationshöhenmodelle aus Luftbildern sind sehr genau, werden aber meist nur alle paar Jahre neu erstellt. Für Störungsanalysen oder das Monitoring von Extremstandorten ist das oft zu selten. Die Eidgenössische Forschungsanstalt WSL hat deshalb untersucht, wie sich jährliche Höhenmodelle aus Satellitendaten ableiten lassen.
Das Projekt nutzt optische Aufnahmen der Copernicus-Mission Sentinel-2 und ein Convolutional Neural Network (CNN). Das Ergebnis sind Vegetationshöhenmodelle mit 10 Metern Auflösung – gröber als Luftbilder mit rund 0,5 Metern, dafür jedes Jahr flächendeckend verfügbar.
Das Projekt lief von 2021 bis 2025; rückwirkend sollen Modelle bis 2017 entstehen. Mittelfristig ist eine Ausweitung auf den gesamten Alpenbogen angestrebt.
Einheitliche, jährlich aktualisierte Höhendaten über Landesgrenzen hinweg wären eine wertvolle Grundlage für grenzüberschreitende Auswertungen – etwa zur Entwicklung des Schutzwalds oder nach großen Störungsereignissen.
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.
Das Programm von SmartForest 2026 behandelte, wie Monitoringdaten in betriebliche Entscheidungen und Planungen einfließen können.
Das Forschungsprojekt DraAuf erprobt, wie Geländedaten, KI und ein Pflanzroboter Wiederbewaldung in schwer zugänglichen Lagen unterstützen können.