Einsatz von Fernerkundung zur frühzeitigen Erkennung von Trockenstress auf gefährdeten Waldstandorten

Das Vorhaben befasst sich mit Fragen der Anpassung der Forstwirtschaft an den Klimawandel. Es entwickelt Methoden, um Veränderungen des physiologisch/morphologischen Zustandes von Waldbäumen unter Trockenstress flächendeckend und automatisiert zu detektieren. Ziel ist dabei, dieses möglichst prävisuell, bzw. in einem noch reversiblen Zustand zu erreichen. Das zu entwickelnde System soll eine Detektion von Waldstandorten mit nicht standortsgerechten Baumarten bereits im Vorfeld eines Komplettausfalls erlauben. Der Ansatz baut auf Methoden der Fernerkundung und führt spektrale Information, Höhen-Information und Anisotropie-Information in einem räumlich-zeitlichen Kontext (4D-Ansatz) zusammen. Die Anisotropie ist eine grundsätzliche Herausforderung bei der Auswertung von Fernerkundungsdaten. Deren Bereinigung wird bei qualitativen Auswertungen als notwendig angesehen. Neu ist, dass die Anisotropie der Rückstrahlung als Informationsquelle erschlossen wird. Sie wird somit nicht bloß als Störfaktor berücksichtigt sondern als eigenständige, unabhängige Informationsquelle analysiert. Stereoskopische Datenerfassung neuer Satellitensysteme erlaubt die Auswertung dieser Information auf der Fläche.

Das Vorhaben nutzt Messaufbauten und laufende Messungen zu Physiologie und Morphologie von Waldbäumen unter künstlich erzeugtem Trockenstress des Kranzberg Roof Experiments (KROOF). Diese werden durch goniometrisch-spektrale Messungen komplementär ergänzt. Das hierbei generierte Wissen über die Abbildung der Auswirkungen des künstlich induzierten Trockenstresses wird für die Übertragung der Erkenntnisse auf die Fläche über Methoden der Fernerkundung genutzt. Die zu entwickelnden Auswertungsketten stützen sich auf die Kombination von (Hyper)-spektral und multidirektionalen Daten von Forschungsflugzeugen (HySpex und 3K) sowie von Satelliten-Daten des Copernicus-Programm der Europäischen Raumfahrtagentur (ESA) (Sentinel-2, Sentinel-3) und nationaler Missionen (EnMap, TanDEM-X). Die Ergebnisse liefern empirische Unterstützung für die „Stress-Gradient-Hypothesis“ (SGH) und dienen der Erstellung von Forst-Risikokarten der zweiten Generation.