Kartierung von Rückegassen aus flugzeugbasierten Laserscan-Daten durch ein CNN

Zur Bewirtschaftung von Wäldern in Deutschland kommen häufig schwere Maschinen zum
Einsatz. Die Befahrung kann Waldböden verdichten und sie so in ihren Funktionen
langfristig beeinträchtigen: Der Gasaustausch mit der Atmosphäre wird vermindert, die
Wasseraufnahmefähigkeit sinkt und der Durchwurzelungswiderstand steigt.
Forstverwaltungen und Zertifizierungsprogramme machen daher Vorgaben zur
ausschließlichen Befahrung von Waldbeständen auf permanent angelegten Rückegassen.
Diese werden bislang in Deutschland selten systematisch erfasst oder kartiert.
Aufkommende Vegetation und verblassende Markierungen können im Lauf der Zeit dazu
führen, dass bestehende Rückegassen unauffindbar werden. Müssen Waldbestände nach
Kalamitäten großflächig beräumt und aufgeforstet werden, ist die vorhandene
Feinerschließung im Gelände häufig kaum noch erkennbar.
Ziel dieser Untersuchung war es, bestehende Rückegassen aus Daten der Fernerkundung zu
erfassen und digital zu kartieren. Hierzu wurden flugzeugbasierte Laserscan-Daten mit Hilfe
eines gefalteten neuronalen Netzwerkes (engl.: ‚Convolutional Neural Network, CNN‘)
ausgewertet. Als Referenz wurden manuell am Boden erfasste Rückegassen und Trackingdaten
von modernen Vollerntemaschinen (sog. ‚Harvester‘) verwendet. Frei verfügbare
Laserscan-Daten des Freistaats Thüringen wurden sowohl als hochauflösendes digitales
Geländemodell, lokales Reliefmodell, Bestandeshöhenmodell sowie als Vegetationsdichteindex
verarbeitet. Ein CNN wurde mit verschiedenen Kombinationen dieser Modelle
trainiert. Im Ergebnis konnten Rückegassen in Laubmischwald- und Nadelwaldbeständen
automatisiert erkannt und digital kartiert werden.
Die Untersuchungsergebnisse können zukünftig dazu beitragen, bestehende Rückegassen
aufzufinden, weiter zu nutzen und hierdurch unversehrten Waldboden vor Schäden durch
Befahrung zu schützen. Vorhandene Bodenverdichtungen können großflächig erfasst und
die damit verbundenen Auswirkungen, beispielsweise auf die Biodiversität und den
Wasserhaushalt, quantifiziert werden. Digital kartierte Rückegassen können darüber hinaus
zur effizienteren, ressourcenschonenderen Bewirtschaftung von Wäldern beitragen.