Waldschadenvorhersagen auf Basis von Sentinel-2-Daten
Dieses Produkt bietet Vorhersagen zu Waldschäden für ganz Deutschland auf Basis von Sentinel-2-Satellitenbildern (räumliche Auflösung: 10 m) unter Verwendung des von Schiller et al. (2024) vorgeschlagenen Transformer-Modells. Die Vorhersagen werden etwa alle fünf Tage ab Juni 2024 erstellt und kontinuierlich aktualisiert.
Konkret gibt das Produkt die Modellkonfidenz an (von 0 – hohe Sicherheit, dass ein Pixel ungestört ist, bis 1 – hohe Sicherheit, dass ein Pixel gestört ist), dass ein bestimmter Pixel innerhalb der vier Jahre vor dem jeweiligen Dateidatum (einschließlich) von einer Waldstörung betroffen war – unabhängig vom verursachenden Störfaktor. Auch Störungen unterhalb der Pixelgröße können erkannt werden, allerdings mit geringerer Genauigkeit (siehe Veröffentlichung für Details). Ein Schwellenwert von 0,5 oder höher kann verwendet werden, um das Ergebnis in eine binäre Klassifikation zu überführen – je nachdem, ob die Vermeidung von Fehlalarmen im Vordergrund steht.
Obwohl das Produkt eine vollständige nationale Abdeckung bietet, ist zu beachten, dass das Modell nicht in allen Regionen Deutschlands validiert wurde (z. B. existiert keine Validierung für die deutschen Alpen).
Die Freie Universität Berlin (FUB) arbeitet mit EO-Lab zusammen, um dieses Produkt Forschenden bereitzustellen, die sich mit der Bewertung von Waldschäden beschäftigen. Mögliche Anwendungsbereiche umfassen die landesweite Überwachung von Störungen, die rückblickende Identifikation von Störungsschwerpunkten sowie die nahezu in Echtzeit erfolgende Erkennung von Waldveränderungen.
Detaillierte Informationen zur Modellarchitektur und deren Bewertung finden sich in der Originalveröffentlichung: Schiller et al. (2024). Eine Demonstration zur praktischen Anwendung steht als Jupyter Notebook mit R zur Verfügung.
Nutzungsanforderung
- Registrierung auf EO-Lab: ja
- Cloud Ressourcen auf EO-Lab: ja
- Individuelle Anfrage: ja (um den Zugriff herzustellen)
Datenzugriff
Diese Daten sind auf individuelle Anfrage verfügbar. Bitte erstellen Sie ein Support-Ticket, um die Zugangsinformationen anzufordern.
Weitere Informationen
Mehr Informationen gibt es unter anderem hier auf diesen externen Quellen:
- https://github.com/ChrSchiller/dl_forest_disturbance
- https://github.com/ChrSchiller/forest_dist_inference
- https://future-forest.eu/
Referenzen
Nutzungsbedingungen
Die Nutzung dieses Produktes unterliegt der Creative Commons Attribution 4.0 (CC BY 4.0) Lizenz.
