| FNEWs |
Fernerkundungsbasiertes Nationales Erfassungssystem Waldschäden |
Thünen-Institut, Joanneum, WSL, Sachsenforst, LWF, FVA-BW, NW-FVA |
Entwicklung und Implementierung eines fernerkundungsbasierten Erfassungssystems für Waldschäden in Deutschland. |
Sentinel-1, Sentinel-2, Orthofotos, PlanetLabs |
Zeitreihenanalyse, ... |
2020-2023 |
| WSF-SAT |
Satellitenbasierte Erfassung von Waldschadensflächen in Niedersachsen |
NW-FVA |
Aufbau eines Monitoringsystems zur regelmäßigen Erfassung von Schadflächen in niedersächsischen Wäldern. |
Sentinel-2, PlanetLabs |
Random-Forest Klassifizierung |
2020-2023 |
| VTMForest |
Vitality and Dryness Monitoring of Forests |
LWF, DLR |
Es wird untersucht inwieweit Vegetationsindices aus S2-Daten zur großflächigen Erfassung von Waldvitalität genutzt werden können. |
Sentinel-2, Umweltmonitoring Bayern |
Indices |
2020-2021 |
| FirST 2.0 |
Forstschadensinventarisierung basierend auf rapiden Satellitentechnologien |
Luftbild Umwelt Planung GmbH, TU Berlin, Landesforst MV, Nationalpark BW, TI-WO, Wald und Holz NRW, Waldbesitzerverband NI, LiveEO GmbH, Orbital Oracle technologies GmbH |
Beschäftigt sich mit der Vitalitäts- und Waldschadensanalyse mit verschiedenen Arten von Fernerkundungsdaten. Ziel ist die Entwicklung eines nutzerbezogenen Services (SaaS) zur skalenübergreifenden kontinuierlichen Vitalitäts- und Waldschadensanalyse mittels multisensoraler Fernerkundungsdaten und künstlicher Intelligenz. |
optisch, radar, hyperspektral, Laser (Drohne und Satellit) PlanetLabs, IceEye, Sentinel, EnMap ... |
KI, Zeitreihentools (BFAST, Land-Trendr), Höhenmodelldifferenzen |
2020-2023 |
| InnoExpert |
Entwicklung einer automatisierten Herleitung von Bestandesinformationen aus Fernerkundungsdaten und deren Verwendung zur Detektion von Waldschäden |
OGF |
Es soll eine Lösung entwickelt werden, welche eine automatisierte Aufnahme von Waldbestandesparametern (Inventurdaten) ermöglicht und gleichzeitig eine Analyse der Forstbetriebe zu vorliegenden oder entstehenden Waldschadensereignissen mit Hilfe von Luftbild- und Satellitendaten zulässt. Dabei sollen aus Einzelbaumparametern auch die Vitalität und mögliche Schadfaktoren abgeleitet werden. |
Inventurdaten, hochaufgelöste Drohnen-, Luftbild- und Satellitendaten |
|
2020-2022 |
| BrandSat |
Kartierung der Waldbrandgefahr mit fernerkundlichen und meteorologischen Daten |
Uni Trier, HU Berlin |
Ziel des beantragten Vorhabens ist eine Kartierung vergangener Waldbrände sowie der Waldbrandgefahr mit Hilfe von Erdbeobachtungsdaten. Dabei stehen eine Kartierung des potentiell verfügbaren brennbaren Materials (fire fuel) und eine Kartierung des Risikos eines Waldbrandausbruchs im Vordergrund. |
Sentinel-2, Sentinel-1 |
|
2020-2022 |
| Thüringenweite Waldzustandsdiagnose |
|
Uni Jena, FFK Gotha |
Es soll mit einem neu entwickelten Algorithmus künftig die Diagnose zur Gesundheit heimischer Wälder aus dem All gestellt werden. |
Sentinel-2 |
NDVI Zustand und Veränderung (?) |
2019-2020 (?) |
| BeechSAT/IpsSAT |
|
LWF, BaySF, Uni Würzburg, IAGmbH |
Es soll die Verwendbarkeit unterschiedlich hochaufgelöster optischer Satellitendaten zur automatisierten Erfassung von potentiell klimawandelinduzierten Schäden und Absterbeerscheinungen an Buche und Fichte im Vergleich zu hochaufgelösten Luftbilddaten untersucht werden. |
hochaufgelöste optischer Satellitendaten (WorldView-3, SkySAT, Planet Dove, RapidEye, Sentinel-2) |
KI |
2019-2020 |
| ForDroughtDet |
|
TUM, DLR, Uni Trier |
Einsatz von Fernerkundung zur frühzeitigen Erkennung von Trockenstress auf gefährdeten Waldstandorten. |
Kombination von (Hyper)-spektral und multidirektionalen Daten von Forschungsflugzeugen (HySpex und 3K) sowie von Sentinel-2, Sentinel-3 und nationaler Missionen (EnMap, TanDEM-X) |
spektrale Information, Höhen-Information und Anisotropie-Information in einem räumlich-zeitlichen Kontext |
2016-2020 |
| TreeSatAI |
Künstliche Intelligenz mit Erdbeobachtungs- und Multi-Source Geodaten für das Infrastruktur-, Naturschutz- und Waldmonitoring |
TU Berlin, DFKI, LUP GmbH, LiveEO GmbH, Vision Impulse GmbH |
Entwicklung von KI-Methoden für das Monitoring von Wäldern und Baumbeständen auf lokaler, regionaler und globaler Skala. Auf Basis frei zugänglicher Geodaten verschiedener Quellen (u.a. Fernerkundung, Administration, Social Media, Mobile App, Monitoring-Bibliotheken, offene Bilddatenbanken) werden Prototypen für die Deep Learning basierte Extraktion und Klassifikation von Baum- und Bestandsmerkmalen entwickelt. |
Fernerkundung, Administration, Social Media, Mobile App, Monitoring-Bibliotheken, offene Bilddatenbanken |
KI |
2020-2022 |
| GreenRisk4ALPs |
Development of ecosystem-based approaches for the support of risk management activities in connect on with natural hazards and climate change |
WSL, BFW (relevantes Arbeitspaket) |
Case studies on: 1) Rapid assessment of Storm Damages with Sentinel-1AB; 2) Analysis of drought effects after the dry/hot summer 2018; 3) Fungal infestation of Pinus nigra in Lower Austria with UAS; 4) Monitoring a forest fire area in Tyrol (UAS) |
Sentinel-1, Sentinel-2, UAS |
|
2018-2021 |
| Digital Forest |
A real-time forest monitoring system for climate change impacts |
Göttingen University, Leipzig University |
develop a prototype of a multi-dimensional ecophysiological and multi-scale early warning monitoring system for drought stress of forests |
Sentinel-1, Sentinel-2, RapidEye (relevantes Arbeitspaket) |
KI |
2021- 2024 (?) |
| AlpMon |
Service for Continuous Monitoring of Alpine Forests by Means of Sentinel-2 / Landsat 8 –Data |
EODC, Cloudflight Austria, Joanneum |
Ziel ist die Entwicklung eines Alpinen Waldmonitoringsystems mit nahezu Echtzeit-Alarmsystem für abrupte Waldveränderungen auf Basis von Zeitreihenanalysen (Sturmschäden, Insektenkatastrophen, Kahlschläge und Schneebruch) und eine Erfassung von statischen Waldparametern |
Sentinel-2, Landsat-8 Daten |
Zeitreihenanalyse |
2017-2019 |
| Waldzustandsmonitor |
Waldzustandsmonitor |
UFZ, UBA, Wald und Holz NRW, NP Hainich |
Es sollen auf Basis von Zeitserien von Fernerkundungsdaten (BigData) und KI-basierten Methoden standardisierte, flächendeckende und zeitnahe Produkte für einen operationellen Waldzustandsmonitor entwickelt werden. Es soll den Transfer von Forschungsergebnissen in die Öffentlichkeit zu fördern. |
räumlich und zeitlich hoch auflösende Satellitenbeobachtungen |
Zeitreihenanalyse (?) |
2021-2023 |
| KI4Forst |
KI4Forst - Mit Satellitendaten und KI den Wald monitoren |
SHLF, MELUND, LLUR, (NW-FVA) |
Das Projekt KI4Forst der Leitstelle Copernicus SH soll durch die Entwicklung einer automatisierten Prozesskette Waldflächen und deren Veränderungen mittels Deep-Learning-Techniken detektieren und in Karten darstellen. |
Sentinel-2, Orthofotos |
BFAST-Zeitreihenanalyse, KNN |
2021-2022(?) |
| ForExD |
Forest vulnerability to compound extremes and disturbances in a changing climate |
Max-Planck-Institut für Biogeochemie |
This project will use deep learning methods for spatio-temporal data classification, e.g. computer vision techniques, to classify forest disturbance signals in remote-sensing data to specific agents (fires, insects, storms). This will contribute to develop a remote-sensing based reconstruction of forest disturbance in the past decades and improve understanding of forest disturbance regimes. |
Landsat, Sentinel |
KI |
2022-2026(?) |
| Tree Canopy Cover Loss |
Tree Canopy Cover Loss |
DLR |
The product shows tree canopy cover loss in Germany between January 2018 and April 2021 at monthly temporal and 10 m spatial resolution. |
Sentinel-2 and Landsat-8 |
thresholds of monthly composites |
2018-2021 |
| BEECHDECLINE |
BEECHDECLINE |
TUM |
Drought-induced tree mortality of European beech affected by legacy effects and small-scale heterogeneity in soil properties and tree neighbourhood composition. |
- |
- |
- |
| ForstEO |
Einsatz der Erdbeobachtung zur Erfassung von klimabedingten Schädigungen des Waldes in Deutschland |
DLR, LWF, FFK Gotha |
Gemeinsam wird mit robusten Methoden der Fernerkundung, wie anerkannten Technologien des maschinellen Lernens, an der Generierung und Weiterentwicklung praxis-relevanter Informationsprodukte für die raumzeitliche Erfassung von klimabedingten Schädigungen am Wald in Deutschland gearbeitet. |
- |
- |
2023-2026 |
| ROOT |
Real-time earth Observation of fOrest dynamics and biodiversiTy |
Uni Würzburg |
develop a geoinformation portal fed by satellite data. It aims to visually process current information on the state of the forest for the whole of Bavaria and make it accessible to the forestry via an app. |
Satellite data |
? |
2023-2026 |
