Bewirtschaften nachhaltiger Wälder mithilfe von Satellitenbildanalysen
Wichtigste Erkenntnisse
Fernerkundungsbilddaten werden mit vielfältigen Daten ergänzt, die von Personen am Boden erfasst wurden. Daher hat das FIA-Team (Forest Inventory and Analysis, Waldbestandsaufnahme und -analyse) des USDA eine Plattform für Big-Data-Kartenerstellung und -Analyse (Big Data Mapping and Analytics Platform, BIGMAP) erstellt. Dabei handelt es sich um eine cloudbasierte Umgebung im nationalen Maßstab für Modellierung, Kartenerstellung und Analyse im Zusammenhang mit Wäldern in den USA. BIGMAP wurde optimiert und abgestimmt, sodass die Parallelisierung und die Massenspeicherung genutzt werden können, die für eine umfangreiche Raster-Verarbeitung erforderlich sind. Das FIA-Team hat Tausende von Landsat-Szenen mit Abertausenden von Plots verknüpft und dabei in wenigen Tagen letztlich eine riesige Menge an Pixel verarbeitet.
Seit mehr als 100 Jahren arbeitet der Forest Service des US-Landwirtschaftsministeriums (USDA) daran, den Zustand, die Diversität und die Produktivität nationaler Wälder und Grasflächen für aktuelle und zukünftige Generationen zu erhalten. Das FIA-Programm (Forest Inventory and Analysis, Waldbestandsaufnahme und -analyse) des USDA wurde entwickelt, um den Einsatz und die Integration fortschrittlicher Fernerkundungstechnologien zu verbessern, um diese Aufgabe zu unterstützen.
In diesem Video erläutern Mitarbeitende des USDA Forest Service das FIA-Programm und veranschaulichen die Wissenschaft hinter ihrem Kartenerstellungsprojekt. Um komplexe, multidimensionale Raster-Analyseprobleme zu bewältigen, nutzt der USDA Forest Service die Vielseitigkeit von ArcGIS und Python, um benutzerdefinierte Algorithmen für maschinelles Lernen zu erstellen. Damit werden die Beziehungen zwischen Satellitenbildern und den gemessenen Waldeigenschaften modelliert. Indem sie für jedes Pixel die Veränderungen in einem Satellitenbild im Lauf der Zeit verfolgen, können sie saisonale Schwankungen und die Vegetation überwachen, Dürren und Umweltauswirkungen vorhersagen und die Waldarten besser verstehen. Die entwickelten Daten werden dann als Grundlage von politischen und Managemententscheidungen über die nationalen Wälder verwendet. Sie stehen aber auch der Öffentlichkeit zur Verfügung, um die Zusammenarbeit auf dem Weg zu einer nachhaltigen Zukunft zu verbessern.
Spielen Sie das Video ab, um sich die Werkzeuge anzusehen, die für das FIA-Programm eingesetzt werden, oder lesen Sie sich die wichtigsten Erkenntnisse durch.
Dieser Inhalt ist öffentlich verfügbar. Er wurde in der ArcGIS Online-Organisation des US Forest Service, im ArcGIS Living Atlas of the World und in Open-Data-Portalen veröffentlicht. Mit Karten wie diesen können spezielle räumliche Werkzeuge ausgefüllt werden, die dann in die Naturschutzplanung integriert werden können. Auf diese Weise können der Umgang mit Kohlenstoff, der Schutz der Tier- und Pflanzenwelt, die Renaturierung von Abflussgebieten und andere Umweltservices unterstützt werden.
Unten sind zwei Beispiele für die Verwendung dieser Services in Ihren eigenen Analysen mit Geoverarbeitungswerkzeugen, Raster-Funktionen und mehr aufgeführt.
- Dürren: Dürren haben einen großen Einfluss auf Wälder und Waldgebiete. Wissenschaftler*innen von Behörden verwenden BIGMAP-Ergebnisse bereits, um Projektionen von Dürremodellen allgemeiner verfügbar zu machen. Umfangreiche Dürren wurden anhand einer Risikountersuchung aus den letzten Jahren im Central Valley in Kalifornien aufgezeigt. Nach Projektionen in die Zukunft bis ins Jahr 2040 verlagert sich das Dürrerisiko von der Mitte von Kalifornien zu den südlichen Rocky Mountains.
- Kohlenstoffspeicherung: Durch das Hinzufügen von Daten zu einem Eignungsmodell können Gebiete im pazifischen Nordwesten gefunden werden, in denen ohne signifikante Gefahren Möglichkeiten für Anpflanzungen bestehen. Dies könnten wichtige Gebiete für gemeinsamen Umweltschutz sein, um Pläne für Klimaschutz und Renaturierung zu verwirklichen.
Weitere Bespielanwendungen für die Kartenerstellung:
- Kartenerstellung wichtiger Kohlenstoffspeicher in Wäldern
- Überwachung saisonaler Schwankungen der Vegetation und der allgemeinen Waldstruktur
- Darstellung von Kohlenstoffverlusten in Wäldern aufgrund von Schäden wie Waldbränden und Tornados
- Modellierung der Eignung für Anpflanzungen ohne signifikante Gefahren
Die folgenden fünf Modellierungstechniken werden verwendet:
Vegetationsphänologie
Indem wir Veränderungen im Zeitverlauf verfolgen, können wir saisonale Schwankungen, Vegetationszyklen und Alterung über große geographische Gebiete überwachen. Dies ermöglicht es, unterschiedliche Waldarten, die Zusammensetzung von Baumarten und die allgemeine Waldstruktur zu ermitteln.
Harmonische Regression
Diese Technik wird zur Analyse von Zeitserien verwendet, die in der Vegetationsphänologie erfasst wurden. Mit ihr können wir nicht nur den durchschnittlichen Zustand der Vegetation bestimmen, sondern auch, wie sich der Zustand im Lauf eines Jahres ändert.
Ökologische Ordination
Diese Koeffizienten beschreiben saisonale Veränderungen in der Vegetation. Zusammen mit anderen unterstützenden Daten wie Klima und Topografie können sie mit Antwortdaten kombiniert werden, die in Plots von Waldbeständen erfasst wurden, um Baumarten nach Umweltgradienten zu sortieren.
Anrechnung des nächsten Nachbarn K
Die Position von Parzellen im Feature-Raum der Umweltgradienten kann mit dem kNN-Algorithmuns (k-Nearest Neighbors, nächster Nachbar (K)) verwendet werden. Dabei wird jedem Pixel basierend auf seiner im Feature-Raum gemessenen Nachbarschaft ein "Bucket von Plots" zugewiesen.
Vorhersage und Kartenerstellung
Jeder Bucket steht für eine Gruppe von Datensätzen, die in der FIA-Datenbank gespeichert sind. Damit sind Vorhersagen auf Pixelebene, die Quantifizierung der Unsicherheit und eine Karte vielfältiger Waldattribute möglich.
Sie benötigen zur Auswahl der richtigen Lösung Hilfe?
Dann vereinbaren Sie einen Gesprächstermin mit einem unserer erfahrenen Verkaufsberater. Erläutern Sie kurz, wie Sie Bild- und Fernerkundungsdaten aktuell nutzen, damit wir Ihnen zeigen können, wie Ihre Arbeit von einem umfassenden Geodatensystem profitieren kann.