Hintergrund und Projektidee
Waldökosysteme erbringen eine Vielzahl zentraler Ökosystemleistungen, darunter Klimaschutz, Biodiversitätserhalt, Schutz vor Naturgefahren, Erholungsfunktion und die Bereitstellung des Rohstoffs Holz. Angesichts des Klimawandels und steigender gesellschaftlicher Anforderungen gewinnt die nachhaltige Bewirtschaftung und Bewertung dieser Ökosystemleistungen zunehmend an Bedeutung.
In der Praxis fehlen jedoch häufig geeignete Datengrundlagen, um die ökologischen und wirtschaftlichen Leistungen von Wäldern objektiv, räumlich differenziert und nachvollziehbar zu erfassen. Genau hier setzt das Projekt LeafOffAI (AI-based Tree Species Recognition from Leaf-Off UAV LiDAR USing Structural 3D Analysis) an.
Durch den Einsatz von UAV-Laserscanning (LiDAR) und künstlicher Intelligenz (KI) entwickeln wir innovative Methoden zur automatisierten Erfassung und Analyse von Waldstrukturen. Auf Basis hochauflösender 3D-Punktwolken sollen Baumarten, Einzelbaumparameter und weitere relevante Bestandesmerkmale erkannt und ausgewertet werden. Die gewonnenen Informationen bilden die Grundlage für verbesserte Waldwachstumsprognosen und die Weiterentwicklung eines Bewertungssystems für Ökosystemleistungen (Payments for Ecosystem Services, PES).
Projektziele
Ziel von LeafOffAI ist die Entwicklung eines methodischen und technischen Ansatzes zur automatisierten Ableitung von Baumarten sowie relevanter Strukturparameter aus UAV-LiDAR-Punktwolken als Grundlage für die Weiterentwicklung eines praxistauglichen PES-Systems (Payments for Ecosystem Services) für nachhaltige Waldbewirtschaftung und Klimaschutzmaßnahmen.
Dabei konzentrieren wir uns auf folgende Schwerpunkte:
- Optimierung der Prozessierung von UAV-LiDAR-Daten: Optimierung der UAV-LiDAR-Datenerfassung und -verarbeitung durch die Analyse relevanter Befliegungsparameter, die Standardisierung operativer Workflows sowie die Entwicklung und Validierung eines Verfahrens zur Co-Referenzierung von ULS- und TLS-Daten.
- Ableitung strukturrelevanter Einzelbaum- und Bestandesparameter: Extraktion von Parametern wie Baumhöhe, Kronenstruktur und Bestandesdichte und Integration in bestehende Analyse- und Bewertungsmodelle
- Entwicklung eines KI-basierten Modells zur Baumartenerkennung: Entwicklung eines Modells zur Klassifikation zentraler Baumarten auf Einzelbaumebene.
- Weiterentwicklung der SmartForestTools von 2D- auf 3D-Datengrundlagen: Integration dreidimensionaler Strukturinformationen in bestehende Modelle zur Prognose des Baum- und Bestandeswachstums.
- Verbesserung der Zuwachsmodellierung auf Einzelbaumebene: Integration strukturbezogener 3D-Parameter und Entwicklung verbesserter Prognosegrundlagen für Bewirtschaftungsentscheidungen
- Entwicklung eines Sortimentsmodells zur Bewertung und Nutzung des Holzpotenzials Aufbereitung abgeleiteter Strukturinformationen für die sortimentsbezogene Bewertung und Ableitung von Holzpotenzialen auf Einzelbaum- und Bestandesebene
- Weiterentwicklung eines Bewertungsansatzes für Ökosystemleistungen im Rahmen eines PES-Systems
Was soll erreicht werden?
Im Projekt entsteht ein innovativer methodischer und technischer Ansatz, der die automatisierte Erfassung und Bewertung von Waldökosystemen ermöglicht.
Zu den angestrebten Ergebnissen zählen:
- Ein validiertes KI-Modell zur automatisierten Baumartenerkennung
- Erweiterte 3D-basierte Strukturparameter für die Waldanalyse,
- Verbesserte Prognosemodelle für den Zuwachs auf Einzelbaumebene
- Ein verbesserter Bewertungsansatz für Ökosystemleistungen als Grundlage eines praxisorientierten PES-Systems.
- Die Weiterentwicklung bestehender SmartForest-Anwendungen für die Nutzung dreidimensionaler Fernerkundungsdaten.
Gemeinsam für innovative Waldlösungen
Das Projekt wird von einem interdisziplinären Konsortium umgesetzt, in dem unterschiedliche Kompetenzen aus den Bereichen Ökologie, Fernerkundung, Forstwirtschaft und Datenanalyse zusammengeführt werden. Die Konsortialführung übernimmt die E.C.O. Institut für Ökologie Jungmeier GmbH. Gemeinsam mit den Projektpartnern ViewCopter e.U., Forstverwaltung Kogl, Friedrich Mayr-Melnhof, OGF GmbH und Umweltdata GmbH werden innovative Methoden und Technologien entwickelt, erprobt und weiterentwickelt. Durch die enge Zusammenarbeit der Partner werden wissenschaftliche, technologische und praktische Perspektiven vereint, um anwendungsorientierte Lösungen für die digitale Waldanalyse, die Bewertung von Ökosystemleistungen und eine nachhaltige Waldbewirtschaftung zu schaffen.
Förderung
Das Projekt LeafOffAI wird im Rahmen des Programms COIN Cooperation & Innovation – KMU-Innovationsnetzwerke 2025 durch das Bundesministerium für Wirtschaft, Energie und Tourismus (BMWET) gefördert und von der Österreichischen Forschungsförderungsgesellschaft (FFG) abgewickelt.
