Drohnengestützte Seilkranprojektierung Drohnen können Planung und Absteckung von Seillinien vereinfachen. Das Orthophotomosaik ermöglicht die Festlegung positiver Kardi nalpunkte aufgrund des aktuellen Bestandes. Werden die D aten mit einem Einzelbaumerkennungsprogramm und einem Programm zur Seillinienplanung weiterverarbeitet, kann die Seillinienplanung digital erfolgen. In einer Praxisüberprüfung konnten sieben von neun Seillinien wie geplant ausgeführt werden. Die nicht realisierbaren Seillinien mussten wegen schlechter Verankerung resp. Rotfäule eines Stützenbaumes seitlich verschoben werden. Patrick Dietsch
Einleitung Rund ²∕ ³ der bewirtschafteten Fläche im Kanton Graubünden liegen im Seilkrangelände (Frutig et al. 2020). Bedingt durch die steilen Hanglagen ist die Holzqualität oft gering und die Holzerlöse sind niedrig. Die ökonomischen Ausgangsbedingungen in der Seilbringung sind somit ungünstig und Potenziale zur Effizienzsteigerung, wie bspw. durch den Einsatz neuer Technologien, sollten in Betracht gezogen werden. Im WHFF-Projekt 2015.15 wurde der Nutzen von mit Drohnen gewonnenen Luftbilddaten zur Erkennung von Infrastrukturbäumen (Stützen-, Endmast- und Ankerbäume) untersucht. Dazu müssen die Stammfusskoordinaten dieser Bäume und deren Brusthöhendurchmesser (BHD) möglichst genau ermittelt werden können. Die Genauigkeitsanalyse auf Basis von zwei Marteloskopen ergab Koordinatenabweichungen von im Durchschnitt weniger als 1,4 m zwischen den terrestrisch bzw. mit Drohnendaten ermittelten Stammfusskoordinaten (Dietsch et al. 2020). Herrschende und vorherrschende Bäume konnten noch genauer lokalisiert werden. Bäume mit ausreichendem Durchmesser in einer Distanz von 0,8 m bis 2 m Entfernung seitlich zur Seillinie eignen sich gemäss Nemestóthy et al. (2014) für den Bau von Stützen, wobei in der Praxis diese Werte bis auf 3 m bei Vorziehstützen und 4 m bei vorgeneigten Stützen ausgedehnt werden.
38
Der BHD liess sich im Durchschnitt auf 5 cm genau bestimmen (Dietsch et al. 2020). Aufgrund dieser Resultate wurde die Methode als ausreichend genau beurteilt und an 9 Seillinien getestet. Ziel dieser Praxistests war zu überprüfen, ob die Bäume mit geringem Aufwand im Gelände lokalisiert werden können. Diese Resultate sollen nachfolgend vorgestellt werden. Material und Methodik In Abbildung 1 ist der Workflow für die Nutzung der Drohnendaten zur Erkennung von Infrastrukturbäumen stark vereinfacht dargestellt. Nach der Befliegung werden die einzelnen Drohnenbilder zu einem Orthophotomosaik zusammengesetzt. Anschliessend wird daraus das digitale Oberflächenmodell (DOM) erstellt. Durch Abzug des digitalen Geländemodells (DGM) wird das normalisierte Oberflächenmodell (nDOM) generiert. Mit einer Einzelbaumerkennungssoftware können nun die Baumspitzen, die im Wald den lokalen Maxima entsprechen, bestimmt werden. Die Ableitung des BHD erfolgt mit einer Funktion, die den Zusammenhang zwischen BHD und Baumhöhe beschreibt. Mit einem Seillinienprojektierungsprogramm wird mit den geeigneten Bäumen anschliessend die Projektierung vorgenommen. Für die Versuche wurde eine Drohne von senseFly (eBee Classic) verwendet, die mit einer Akkuladung und einer Flughöhe von 180 m eine Befliegung von etwa 30 ha erlaubt. Die verwendete Kamera mit ei-
