Klassifikation von Baumartengruppen auf Bestandesebene, basierend auf Sentinel2 - Satellitenaufnahmen Die Klassifikation in die 9 in NRW am häufigsten bzw. bestandesbildend auftretenden Baumartengruppen berücksichtigt folgende Klassen: Eichen (Ei), Buchen (Bu), Buntlaubhölzer (hALH), Weichlaubhölzer (wALN), Pappeln, Kiefern, Lärchen, Fichten und Douglasien (siehe Legende). Die Klassifikation erfolgte durch ein Verfahren künstlicher Intelligenz (rekurrentes neuronales Netzwerk), das anhand von Forsteinrichtungsdaten aus den Waldflächen des landeseigenen Forstbetriebes in NRW trainiert wurde. Das Verfahren wurde im Auftrag des Ministeriums für Landwirtschaft und Verbraucherschutz des Landes NRW (MLV NRW) entwickelt. Zur Erkennung der Baumarten anhand ihrer Phänologie und zur Gewährleistung möglichst wolkenfreier Verhältnisse wurden Zeitreihen von Satellitenaufnahmen aus den Vegetationsperioden zweier Jahre zwischen dem 03.03.2022 und dem 11.07.2023 ausgewertet. Es wurden dafür insgesamt 516 einzelne Szenen ausgewählt und landesweit zu einem wolkenfreien multitemporalen Mosaik zusammengesetzt (https://www.d-copernicus.de/daten/satelliten/satelliten-details/news/sentinel-2/ ). Bedingt durch die räumliche Auflösung der Sentinel2 - Satellitenaufnahmen von ca. 10 m eignet sich diese Kartenebene für eine Betrachtung auf einer Maßstabsebene von bis zu ca. 1:10.000, nicht größer! Die Darstellung berücksichtigt ausschließlich Baumarten in der Hauptschicht und ist nicht vergleichbar mit einer Forsteinrichtungs- oder Forstbetriebskarte. Mischungen von Baumarten sind durch wechselnde Farben auch innerhalb eines Bestandes gekennzeichnet. Die Angaben zu den Blößen basieren insbesondere auf der Aggregierten Kalamitätskarte im Nadelwald (Stand: Sep 2023). Validierung Die Nutzergenauigkeit ist das entscheidende Merkmal für die Zuverlässigkeit der Karteninformation in der fernerkundungsbasierten Baumartenkarte. Die Nutzergenauigkeit beschreibt eine repräsentative Schätzung für die Wahrscheinlichkeit, dass die in der Baumartenkarte dargestellte Karteninformation (Baumartengruppe) an einem Ort mit der Hauptschicht eines dortigen Bestandes übereinstimmt. Die Nutzergenauigkeit ist für jede ausgewiesene thematische Klasse (Baumartengruppe) unterschiedlich und bestimmt sich aus dem Anteil der oben beschriebenen Referenzdaten aus der Forsteinrichtung mit der entsprechenden Baumartengruppe in der Hauptschicht, im Verhältnis zu allen Referenzpunkten in der Validierungsstichprobe, die durch das neuronale Netz in die entsprechende Baumartengruppe klassifiziert wurden. Die Genauigkeiten unterscheiden sich also zwischen den einzelnen Baumarten in Abhängigkeit von der Häufigkeit, mit der die Baumarten in der Forsteinrichtung vertreten sind. Häufig auftretende Baumarten sind für eine künstliche Intelligenz leichter, seltener auftretende Baumarten (z.B. Pappeln, Douglasien) vergleichsweise schwerer zu erkennen. Die Herstellergenauigkeit dient zur Beurteilung der Klassifikationsgüte ausgehend vom Anteil der Referenzdaten in der Validierungsstichprobe mit der entsprechenden Baumartengruppe, die durch das neuronale Netz korrekt dieser Baumartengruppe zugeordnet wurden. Das F-Maß als allgemeines klassenspezifisches Gütemaß wird durch das harmonische Mittel (Durchschnitt) aus Nutzer- und Herstellergenauigkeit gebildet. Die Gesamtgenauigkeit gibt unabhängig von der Klassenzugehörigkeit den Anteil der Referenzpunkte in der Validierungsstichprobe an, der durch das neuronale Netz korrekt klassifiziert wurde. Ein gängiges und weithin anerkanntes Gütemaß ist Cohen’s κ-Koeffizient, der die Übereinstimmung zwischen den Klassenangaben in den Referenzdaten und den Klassifikationen des neuronalen Netzes auf Basis der Validierungsstichprobe beschreibt. In der praktischen Anwendung liegt der Wertebereich des Koeffizienten zwischen 0 und 1, wobei ein Wert von 1 eine völlige Übereinstimmung der Ergebnisse bedeutet, ein Wert von 0 hingegen eine rein zufällige Übereinstimmung ohne erkennbaren Mehrwert einer Entscheidung des neuronalen Netzes. Nutzergenauigkeit (%) Eiche Buche hALH wALN Pappel Kiefer Lärche Fichte Douglasie 93,8 94,7 91,2 89,2 88,8 97,7 95,9 97,1 88,4 Herstellergenauigkeit (%) 91,0 96,0 91,4 92,7 79,0 97,5 90,7 98,0 76,4 F-Maß (%) 92,3 95,4 91,3 90,9 83,6 97,6 93,2 97,6 82,0 Gesamtgenauigkeit: 95,0 % Cohen’s κ-Koeffizient: 0,938 Tabelle 1: Genauigkeitsangaben aus der statistisch unabhängigen Validierung. Die angegebenen Genauigkeiten wurden aus einer statistisch unabhängigen Validierung anhand der Forsteinrichtungsdaten aus den Staatswäldern bestimmt. Dazu wurde das Klassifikationsergebnis in über 15.000 landesweit zufällig ausgewählten Waldbeständen mit der dort ausgewiesenen einheitlichen Baumart in der Hauptschicht verglichen. Dieser Prozess wurde dreimal an jeweils unterschiedlichen Bildelementen wiederholt. Die angegebenen Prozentwerte geben die relative Häufigkeit (statistische Wahrscheinlichkeit) an, mit der das Klassifikationsergebnis und die in der Hauptschicht ausgewiesene Baumart übereinstimmen. Als Voraussetzung für eine unabhängige Validierung gibt es keine Überschneidung zwischen Trainings- und Validierungsdaten (statistische Unabhängigkeit).
Gegenstand des von Kessel + Partner, IVT e.V. und BAG gemeinsam bearbeiteten Projekts ist die Entwicklung eines statistischen Modells, in dessen Rahmen die vom Statistischen Bundesamt laufend bzw. periodisch ermittelten aggregierten Aufkommens- und Leistungsdaten vom Gefahrguttransport (differenziert nach Gefahrgutklassen und Verkehrsrelationen) mit Individualdaten zur Struktur von Transportketten sowie zum Entscheidungsverhalten bei der Transportmittelwahl im Gefahrgutverkehr verknüpft werden, um die von Gral benötigten verkehrsträger- und streckenbezogenen Expositionsgrößen differenziert nach Gefahrklassen zu erhalten.
a) Viele Stoffe bilden in Boden- und Sedimentabbautests nicht-extrahierbare Rückstände (NER). Da keine Aussage über die Zusammensetzung der NER hinsichtlich des Stoffes und seiner Abbauprodukte getroffen werden kann, werden NER bei der Berechnung der Abbauhalbwertszeit (DegT50) nicht berücksichtigt, die Grundlage für die Persistenzbewertung von Stoffen ist. Eine mögliche Unterschätzung der Persistenz von Stoffen mit hoher NER-Bildung ist die Folge. Auf Grundlage eines abgeschlossenen Gutachtens (FKZ 360010070) und diverser Literatur (Kästner et al. 2014; Poßberg et al. 2016) können NER in regulatorisch bedenklich oder unbedenklich klassifiziert werden. Diese Unterteilung findet bei der Bewertung der Persistenz von Stoffen jedoch noch keine Berücksichtigung, da standardisierte Methoden zur Klassifizierung der NER-Typen fehlen. Ein zurzeit laufendes Vorhaben (FKZ 371363413/1) soll diese Lücke füllen. Auf diese Weise kann bewertet werden, ob von den NER eines Stoffes eine Gefahr für die Umwelt ausgeht oder ob es sich um eine 'Sichere Senke' handelt. Auf Basis der standardisierten Klassifikationsmethode aus dem derzeit laufenden Vorhaben (FKZ 371363413/1), ergänzender NER-Analytik ausgewählter Stoffe sowie einer Literaturrecherche soll in diesem Vorhaben ein Vorschlag erarbeitet werden, wie NER bei der Ermittlung der Abbauhalbwertszeit und somit in der Persistenzbewertung berücksichtigt werden können. Auf Grundlage dieses Vorschlags soll anschließend ein Abstimmungsprozess mit den EU-Mitgliedsstaaten und der Industrie erfolgen. b) In diesem Anschlussvorhaben soll anhand von Literatur- und experimenteller Daten ein Konzept für die Anwendung in der regulatorischen Stoffbewertung entwickelt werden, das die NER-Bildung von Stoffen im Boden und Sediment bei der Bewertung der Persistenz hinreichend berücksichtigt. In einem internationalen Workshop soll das Konzept abgestimmt und verabschiedet werden.
Die Übersichtskarte Bundeswasserstraßenkarte DBWK1000 enthaelt Bundeswasserstraßen, den Sitz der Ober-, Mittel- und Unterbehörden, Wasserstraßen-Klassifizierung, Angaben über Kilometrierung, freie oder staugeregelte Flußstrecken, Schleusen, Schiffshebewerke, Sperrwerke, Orte, sonstige Gewässer und Grenzen. Abgabe WSVintern als PDF-Datei. Dieser Datensatz ist im Internet frei zugänglich. Download unter: https://gdws.wsv.bund.de/DE/service/karten/01_karten/karten-node.html
Die Übersichtskarte Bundeswasserstraßenkarte BWK1000 enthaelt Bundeswasserstraßen, den Sitz der Ober-, Mittel- und Unterbehörden, Wasserstraßen-Klassifizierung, Angaben über Kilometrierung, freie oder staugeregelte Flußstrecken, Schleusen, Schiffshebewerke, Sperrwerke, Orte, sonstige Gewässer und Grenzen. Abgabe als Farbplot A0. Herausgeber: Bundesministerium fuer Verkehr, Bau und Stadtentwicklung (BMVBS)
Die Informationsplattform Undine stellt insbesondere für Hoch- und Niedrigwasser den aktuellen Zustand (Wasserführung & Wasserbeschaffenheit) im Einzugsgebiet überregional dar. Die Bewertung aktueller Ereignisse wird durch den Vergleich mit historischen Daten erleichtert. Zu vergangenen Hoch- und Niedrigwasserereignissen gibt es kompakte Beschreibungen (Steckbriefe) unter besonderer Berücksichtigung der Auswirkungen auf die Wasserbeschaffenheit. Die Informationen stehen für den deutschen Anteil der Einzugsgebiete von Rhein, Weser, Elbe, Oder und Donau online zur Verfügung.
Einstufung der Gewässertypen im Landkreis Diepholz gemäß Wasserrahmenrichtlinie
Entwicklung eines praxisgeeigneten Verfahrens zur Klassifizierung hochwassersensitiver Waldflächen außerhalb der Alpen. Es sollen damit jene Waldflächen abgegrenzt werden können, wo Wald und Forstwirtschaft besonders effektiv zum vorbeugenden dezentralen Hochwasserschutz beitragen können.
Die geometrische Auflösung von Fernerkundungsdaten ist von der Wahl des jeweiligen Sensors abhängig. Während die Kantenlänge einer Auflösungszelle bei hochaufgelösten Daten (z.B. Quickbird) etwa einen Meter beträgt, umfasst ein Bildelement eines Sensors mit geringer geometrischer Auflösung (z.B. MODIS, MERIS) mehrere Hektar Landoberfläche. Entsprechend verschieden detailliert sind die in den Bilddaten enthaltenen Informationen. Hochaufgelöste Daten können Einzelobjekte wie Bäume, Häuser oder infrastrukturelle Einrichtungen auflösen. Je nach Art und Anordnung der Einzelobjekte ergibt sich eine dem Land Cover entsprechende Textur. Bei Sensoren mit geringer geometrischer Auflösung liegt die spektrale Information der genannten einzelnen Objekte als Mischinformation innerhalb eines Bildelements vor ( ). Durch die Mischung der Spektralinformation mehrerer Objekte entstehen neue Mischsignaturen. Die Texturinformation, wie sie bei hochaufgelösten Fernerkundungsdaten vorhanden ist, steht in dieser Skala nicht zur Verfügung. Die Zahl und Art der differenzierbaren Land Cover Klassen variiert mit der geometrischen Auflösung der Fernerkundungsdaten. Die Land Cover Klasse Mischwald beispielsweise ist bei hochaufgelösten Daten unter Verwendung eines pixelbasierten Klassifikationsansatzes nicht existent. Da jeder einzelne Baum aufgelöst wird, kommt die klassentypische Mischsignatur aus Nadel- und Laubbäumen nicht zustande. Die Wahl der geometrischen Auflösung bestimmt (neben anderen Systemspezifikationen) in einem entscheidenden Maße die Art- und Tiefe der Informationen eines Fernerkundungsdatensatzes. Diese Bildinformation wirkt sich auf Qualität und Quantität der Ableitung des Land Covers aus. Deshalb haben sich für das Teilvorhaben der Skalenintegration die folgenden Ziele herauskristallisiert: Einfluss der Auflösung der Fernerkundungsdaten auf die Segmentausweisung; Analyse der Skalenabhängigkeit der radiometrischen Bildinformation von Objekten bzw. Objektklassen (optisch und SAR); Skalenspezifische Untersuchung der texturgebenden Bildobjekte; Beurteilung der einzelnen Algorithmen zur Ableitung von Bodenbedeckungs- und Landnutzungsinformationen hinsichtlich ihrer Skalenabhängigkeit unter besonderer Berücksichtigung der Methoden zur Kombination von optischen und SAR Daten; Erarbeitung des Einflusses der geometrischen Auflösung der Fernerkundungsdaten auf die Genauigkeit der abgeleiteten Bodenbedeckungsprodukte; Abschätzung des erreichbaren Detaillierungsgrades der Klassifikation auf unterschiedlichen Maßstabsebenen; Definition der kleinsten kartierbaren Einheit in Anhängigkeit von der geometrischen Auflösung und Land Cover Klasse; Analyse des Einflusses der geometrischen Auflösung auf die Detektion von Landnutzungsänderungen; Entwicklung und Test eines (nach Möglichkeit) skalen- und sensorunabhängigen Prozessierungsablaufs zur Erfassung von Bodenbedeckungs- und Landnutzungsinformationen.
Im beantragten Projekt soll im Zuge eines Freilandversuchs der Zusammenhang zwischen Sirococcus-Triebsterben und Baumernährung untersucht werden. Darüber hinaus soll durch Zuwachsuntersuchungen der Einfluss der Düngung auf Sirococcus-geschädigte und ungeschädigte Fichten erhoben werden. In Erweiterung zu den bisherigen Projekten, in denen der Einfluss verschiedener Düngemittel nur auf bereits bestehenden diagnostischen Dünge-Versuchsflächen ohne die für statistische Auswertung notwendigen Wiederholungen ermittelt werden konnte, soll im vorliegenden Projekt die Versuchsanlage nun nach einem randomisierten Design erfolgen. Zur genauen Beschreibung des Ausgangszustands und zur Festlegung der Behandlungsvarianten werden Bodenanalysen, Nadelanalysen und eine genaue Erhebung der Schadintensität des Sirococcus-Triebsterbens erfolgen. Chemische Nadelanalysen auf anorganische Inhaltsstoffe werden vor der Düngung und 3 Jahre nach der Düngung an diesjährigen und dreijährigen Nadeln von 72 - zufällig über die gesamte Untersuchungsfläche verteilten - Altfichten (36 Sirococcus geschädigte und 36 ungeschädigte Fichten) durchgeführt. Die Intensität des Sirococcus-Triebsterbens soll anhand von Hemiview- Fotografien sowie anhand terrestrischer Schadansprachen mittels Fernglas an 144 Einzelbäumen ermittelt und danach in 4 Schadklassen eingeteilt werden. Die Zuwachsreaktionen in Abhängigkeit von Baumzustand und Behandlung werden mittels monatlicher Dendrometerablesungen erhoben. Die im vorliegenden Projekt begonnenen Erhebungen sollen im Rahmen eines noch einzureichenden FWF Projektes fortgesetzt und ausgeweitet werden.