Future Forest

Deep Learning zur Detektion von Forstschäden mittels Sentinel-2-Zeitserien

Der Rückgang des Vitalitätszustands von Wäldern ist ein wichtiges Thema in Zeiten des Klimawandels, der gestresste Bäume anfällig für Störungen wie Borkenkäferbefall und Trockenschäden macht.

Deep Learning-Methoden werden pixelweise auf Sentinel-2-Zeitserien angewandt, um den Vitalitätsverlust von Wäldern zu detektieren und zu antizipieren.

Transformer-Modelle, eine brandaktuelle Deep Learning-Architektur, werden auf publizierten Datensätzen von Forstschäden vor- und mit manuell delinierten Schäden aus Luftbildern weiter-trainiert. Das Ziel des Arbeitspakets ist ein Waldschadensprodukt für ForstpraktikerInnen und WissenschaftlerInnen, welches ganz Deutschland abdeckt und fast in Echtzeit Ergebnisse liefert.

Weitere Informationen

Detektion von Forstschäden ist nur ein Ziel im FF.ai-Projekt! Finden Sie mehr heraus unter https://future-forest.eu/