Optimierung eines Strahlungstransfermodells für Wald: INFORM+

• Antragstellerin: Dr. Katja Berger
• Fachliche Zuordnung: Geodäsie, Photogrammetrie, Fernerkundung, Geoinformatik, Kartographie
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 563771942

Die Nachfrage nach räumlich explizitem Wissen über Waldeigenschaften wächst kontinuierlich, um den steigenden Anforderungen an eine nachhaltige Waldbewirtschaftung unter dem Einfluss des Klimawandels gerecht zu werden. Aktuelles Wissen über strukturelle und biochemische Waldvariablen in mitteleuropäischen Landschaften ist entscheidend für die Überwachung von Waldwachstum, Vitalität, Resilienz, Biodiversität und Schadanfälligkeit, auch im Kontext der jüngsten europäischen Umweltpolitik. Derzeit sind jedoch frei verfügbare Waldinformationsdaten auf Waldtypen oder Überschirmung beschränkt. Das Hauptziel von INFORM+ ist die Bereitstellung einer hybriden (d.h. physikalisch basierten plus datengetriebenen) und damit generischen Kartierung von Waldparametern aus derzeit verfügbaren Erdbeobachtungszeitreihen, einschließlich Multi- und Hyperspektralscannern sowie Light Detection And Ranging (LiDAR). Unsere wichtigsten Forschungshypothesen lauten: (i) INFORM+, basierend auf dem bestehenden INFORM, kann realistische LiDAR-fullwaveform und Multi-/Hyperspektralsignaturen simulieren, die mit Messungen vergleichbar sind, was zu einer verbesserten Erfassung von Waldmerkmalen (im inversen Modus) im Vergleich zum ursprünglichen Modell führt; (ii) räumlich-zeitliche Regularisierung wird die Genauigkeit der Waldparameter im Vergleich zu einem nicht-regularisierten Ansatz signifikant verbessern; (iii) hybride Retrieval-Strategien, die künstliche neuronale Netze und RTMs sowie Vorinformationen kombinieren, werden genauere Schätzungen von Waldparametern liefern als datengetriebene Methoden; und (iv) Deep-Learning-Methoden innerhalb des hybriden Workflows werden einfachere Algorithmen übertreffen. Um unsere Hypothesen zu testen, werden wir uns auf die Verbesserung eines Wald-RTM und die Extraktion von Waldeigenschaften mithilfe fortschrittlicher Retrieval-Techniken konzentrieren, einschließlich räumlich-zeitlicher Regularisierung und hybrider Methoden mit shallow and deep learning. Für flächendeckende Kartierungs- und Validierungsaktivitäten wird INFORM+ EO-Satellitendaten (Sentinel-2, EnMAP und GEDI) und Daten von luftgestützten Plattformen mit Feldkampagnendaten kombinieren. Der innovative Charakter von INFORM+ bezieht sich auf die Entwicklung eines verbesserten Wald-RTM im optischen Bereich zur Erzeugung von LiDAR-fullwaveform-Signaturen sowie Multi- und Hyperspektralsignaturen. Wir werden räumlich-zeitliche Regularisierungen implementieren und geeignete deep learning Retrieval-Techniken identifizieren, um die Waldparameter zusammen mit ihrer Unsicherheit zu schätzen. Insgesamt wird INFORM+ einen aktualisierten Überblick über die Waldeigenschaften in mitteleuropäischen Landschaften liefern und es uns ermöglichen, das Potenzial von EO-Daten mit einem geeigneten RTM zu bewerten, um unser Verständnis von Waldökosystemen zu verbessern und so die Notwendigkeit einer umfangreichen terrestrischen Erfassung zu umgehen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Finnland, Großbritannien, Luxemburg, Österreich
• Partnerorganisation: Fonds National de la Recherche
• Kooperationspartnerinnen / Kooperationspartner: Professor Dr. David Coomes; Dr. Markus Immitzer; Professorin Miina Rautiainen; Dr. Martin Schlerf
• Mitverantwortlich: Dr. Benjamin Brede