Künstliche Intelligenz im Wald – der neue «Waldmischungsgrad LFI» Künstliche Intelligenz, Deep learning, hochaufgelöste Satellitenbilder, automatisierte Auswertungen, landesweite Datensätze etc. sind alles Begriffe, mit denen viele im Bereich Wald- und Forstwissenschaften schon einmal konfrontiert worden sind. Was steckt aber nun genau dahinter bzw. wird bereits angewandt? Im folgenden Artikel wird anhand des neuen «Waldmischungsgrades LFI» aufgezeigt, was fernerkundungs-technisch alles möglich ist und wo eben auch die Grenzen liegen. Dabei wird auch deutlich, dass ein Austausch zwischen der Praxis und der Forschung wichtiger denn je ist. L. Waser, M. Rüetschi, N. Rehush
Um Aussagen über den heutigen Zustand sowie die künftige Entwicklung des Waldes machen zu können, sind Angaben über die lokalen Vorkom men von Waldstandorttypen sowie deren Vertei lung und Häufigkeit notwendig. Exakte und aktuelle Informationen zur Baumbede ckung auf nationaler Ebene bilden eine wichtige Grundlage zu Fragestellungen im Bereich Forst wirtschaft, Waldschutz, Biodiversität sowie Vernet zung von Lebensräumen (Ginzler & Waser 2017, Erbach & Weber 2020). Sie sind auch wichtig, um Aussagen über den heutigen Zustand sowie die zukünftige Entwicklung des Waldes zu machen. An der eidg. Forschungsanstalt für Wald, Schnee und Landschaft (WSL) werden im Rahmen des schwei zerischen Landesforstinventars (LFI) seit ein paar
Jahren repetitiv landesweite Datensätze basierend auf Fernerkundungsdaten ergänzend zur Stichpro beninventur produziert – nicht zuletzt dank einer hohen Nachfrage aus der Praxis. Dazu zählen bei spielsweise das Vegetationshöhenmodell (VHM) (Ginzler & Hobi 2016) oder der Waldmischungs grad (Waser et al. 2017). Dank frei verfügbaren Satellitenbildern, einem digi talen Geländemodell sowie Referenzdaten aus ver schiedenen Quellen und neuesten Auswerteverfah ren können heutzutage mit vernünftigem Aufwand aktuelle, flächendeckende, einheitliche und repro duzierbare Karten zur Laub- und Nadelgehölzunter scheidung generiert werden. Der neue «Wald mischungsgrad LFI» (Waser et al. 2021) ist das Nachfolgeprodukt des Datensatzes aus dem Jahr
Abb. 1: Der Klassifikationsansatz besteht aus drei Blöcken: Eingangsdaten, Klassifikation und Resultat.
54
