Evaluierung satellitengestützter Stichprobenkonzepte für die Bundeswaldinventur

Geowissenschaften/Forstwirtschaft

André Iost, Katja Oehmichen, Thomas Riedel
ISBN: 978-3-941216-25-9
1. Auflage, Einband: Hardcover, Abbildung und Tabellen: zahlreiche Abbildungen und Tabellen, z.T. farbig , Seiten 214, Format 170 x 240, Gewicht 0 kg
Lieferzeit: 2 - 6 Werktage
Verfügbarkeit: Auf Lager
38,00 €

Evaluierung satellitengestützter Stichprobenkonzepte für die Bundeswaldinventur

Mehr Ansichten

  • Katja Oehmichen
  • Andre Jiost
  • Thomas Riedel

Details

Mit der Bundeswaldinventur (BWI) werden die großräumigen Waldverhältnisse und forstliche Parameter in ganz Deutschland nach einem einheitlichen Verfahren erfasst. Die Ermittlung der Inventurgrößen erfolgt über die Auswertung der terrestrisch erhobenen Stichproben. Das breite Aufgabenspektrum und der steigende Bedarf an aktuellen und zeitnah verfügbaren Informationen stellen einen hohen Anspruch an die BWI. Vor diesem Hintergrund werden in dem Buch Alternativen und Möglichkeiten einer Optimierung des jetzigen Inventurdesigns durch die Einbindung von Fernerkundungsdaten in das Verfahren der Bundeswaldinventur aufgezeigt. Die Datengrundlage bildeten Satellitenszenen der Sensoren Landsat 5, Landsat 7 und QuickBird und die Informationen der BWI sowie weitere digitale Daten. Zur Abbildung des Schlüsselmerkmals Waldfläche wurden ein adaptiertes Schwellenwertverfahren, ein logistischer Regressionsansatz und das kNN-Verfahren untersucht. Ein weiterer Schwerpunkt der Studie war die Genauigkeitsanalyse, aus der sowohl das Eignungspotential der verschiedenen Sensoren für den Einsatz bei Waldinventuren abgeschätzt werden kann als auch eine Validierung der verwendeten Klassifizierungsverfahren erfolgte.

Die aus den Satellitendaten klassifizierten Waldflächen fungierten als Grundlage für komplexere, weitergehende Stratifizierungen der Stichprobenelemente innerhalb der Klasse Wald. Auf deren Basis wurden die BWI-Daten anhand der präsentierten Schätzer unter einem nunmehr stratifizierten Stichprobenplan hochgerechnet und den bisher unstratifizierten Hochrechnungsergebnissen gegenübergestellt. Darüber hinaus wurden Aktualisierungsverfahren untersucht, die eine kostengünstige Fortschreibung der BWI-Ergebnisse bzw. Pflege der Daten zwischen den Inventurzeitpunkten ermöglichen. Als Ergebnis der Analyse von Regressionsschätzverfahren und stratifizierten Schätzverfahren zur Zustands- und Veränderungserfassung wurden Folgeinventurkonzepte für die Bundeswaldinventur adaptiert. Im Weiteren wurde in einem Optimierungsprozess ein Stichprobenplan entwickelt, welcher die Genauigkeit der Inventurergebnisse bei einem vorgegebenen Budget maximiert oder die Kosten der Inventur bei einer vorgegebenen Genauigkeit minimiert. 

 

Die Autoren

Katja Oehmichen studierte von 1996 bis 2001 Forstwissenschaften an der Technischen Universität Dresden. Seit 2002 ist sie am Johann Heinrich von Thünen-Institut, ehemals Bundesforschungsanstalt für Forst- und Holzwirtschaft, beschäftigt und im Bereich der Wald- und Landschaftsinventuren tätig. Ihre an der Universität Hamburg verteidigte Promotionsarbeit widmete sie der Erfassung von Waldflächen mit Satellitendaten.

Thomas Riedel studierte von 1996 bis 2002 Forstwissenschaften an der technischen Universität Dresden und der Eidgenössischen Technischen Hochschule Zürich. Danach promovierte er an der Universität Hamburg zum Thema „Evaluierung alternativer Stichprobenkonzepte für die Bundeswaldinventur“. Seit 2007 ist er am Johann Heinrich von Thünen-Institut mit der Quantifizierung von Veränderungen im Kohlenstoffspeicher Wald in das Treibhausgas-Monitoring eingebunden.

André Iost absolvierte von 1995 bis 1997 eine Ausbildung zum Forstwirt im Forstamt Tharandt/Sachsen und studierte von 1998 bis 2002 Forstwissenschaften an der TU Dresden. Seine Promotion, die sich mit der Auswertung von Fernerkundungsdaten durch logistische Regressionsmodelle beschäftigte, fertigte er an der Universität Hamburg an. Seit 2009 ist er Wissenschaftler im Johann Heinrich von Thünen-Institut und entwickelt Auswertungsalgorithmen für terrestrische Laserscanner-Punktdaten.

Das vorliegende Buch der drei Autoren stellt eine Synthese der jeweiligen Dissertationen an der Universität Hamburg dar. Diese entstanden auf Grundlage eines durch das BMBF mit dem Förderkennzeichen 50 EE 0201 finanzierten Projektes mit dem Titel: „Bundeswaldinventur: Weiterentwicklung des Inventurverfahrens durch Integration von Erdbeobachtungsdaten“. Projektträger war das Deutsche Zentrum für Luft- und Raumfahrt e. V. (DLR).

 

 

Inhaltsverzeichnis

Tabellenverzeichnis vii
Abbildungsverzeichnis ix
Verwendete Abkürzungen xi

1 Einleitung 1
1.1 Die Rolle der Waldinventuren in Deutschland und Europa . . . . . . . . . . . . . . . 1
1.2 Motivation alternativer Inventurverfahren . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Verfahrens- und Datenauswahl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 Bundeswaldinventur und Fernerkundung 5
2.1 Inventurverfahren der Bundeswaldinventur . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Satellitengestützte Fernerkundungssysteme . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.1 Überblick zur Fernerkundung . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.2 Das Sensorensystem Landsat . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.3 Das Sensorensystem QuickBird . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.4 Datenverfügbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Testgebiete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3.1 Westliches Mittelgebirge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3.2 Nordostdeutsches Tiefland . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.3 Östliches Mittelgebirge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.4 Alpen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.5 Pfälzerwald . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4 Datengrundlage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.1 BWI-Daten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.2 Landsat-Daten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.3 QuickBird-Daten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5 Aufbereitung der Satellitendaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5.1 Georeferenzierung der Landsat-Daten . . . . . . . . . . . . . . . . . . . . . . 20
2.5.2 Georeferenzierung der QuickBird-Daten . . . . . . . . . . . . . . . . . . . . . 21
2.5.3 Vegetationsindizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

3 Inventurverfahren 25
3.1 Techniken der Stichprobenauswahl . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.1 Punktauswahlverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.2 Baumauswahlverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2 Die lokale Dichte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3 Mehrphasige Inventurkonzepte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.1 Model der antizipierten Varianz . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.2 Einphasige stratifizierte Stichprobe . . . . . . . . . . . . . . . . . . . . . . . . 30
3.3.3 Zweiphasige Stichprobe zur Stratifizierung . . . . . . . . . . . . . . . . . . . . 32
3.3.4 Mehrphasige stratifizierte Stichproben . . . . . . . . . . . . . . . . . . . . . . 33
3.3.5 Auswirkungen von Stratifizierungsfehlern . . . . . . . . . . . . . . . . . . . . 33
3.3.6 Zweiphasige Stichprobe mit Regressionsschätzern . . . . . . . . . . . . . . . . 34
3.3.7 Mehrphasige Stichprobe zur Stratifizierung mit Regressionsschätzern . . . . . 35
3.3.8 Anteils- und Flächenschätzungen . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.3.9 Schätzer für Totalwerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.3.10 Ratioschätzer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.3.11 Schätzungen für Nominal- und Ordinaldaten . . . . . . . . . . . . . . . . . . 38
3.4 Kleingebietsschätzungen bei Großrauminventuren . . . . . . . . . . . . . . . . . . . . 38
3.5 Stichprobenverfahren für Folgeinventuren . . . . . . . . . . . . . . . . . . . . . . . . 40
3.5.1 Continuous Forest Inventory (CFI) . . . . . . . . . . . . . . . . . . . . . . . . 40
3.5.2 Sampling with Partial Replacement (SPR) . . . . . . . . . . . . . . . . . . . . 41
3.5.3 Vereinfachtes SPR-Verfahren (sSPR) . . . . . . . . . . . . . . . . . . . . . . . 45

4 Waldmasken 47
4.1 Begriffsdefinition der Waldfläche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2 Extraktion der spektralen Werte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2.1 Ergebnisse der Spektralwertextraktionen der Landsat-Daten . . . . . . . . . . 49
4.2.2 Ergebnisse der Spektralwertextraktionen der QuickBird-Daten . . . . . . . . 52
4.3 Schwellenwertverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.3.1 Bestimmung der Schwellenwerte . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.3.2 Anpassung der Holzbodenmaske an die BWI-Walddefinition . . . . . . . . . . 56
4.4 Verfahren der logistischen Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.4.1 Einführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.4.2 Theoretische Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.4.3 Datenvorbereitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.4.4 Logistische Regression zur Kartierung von Waldvorkommen . . . . . . . . . . 66
4.4.5 Logistische Regression zur Kartierung von Waldmischungen . . . . . . . . . . 70
4.5 kNN-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.6 Validierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.6.1 Verfahren zur Genauigkeitsanalyse . . . . . . . . . . . . . . . . . . . . . . . . 74
4.6.2 Bewertung der Genauigkeitsanalyse . . . . . . . . . . . . . . . . . . . . . . . 77
4.6.3 Validierung der logistischen Regressionsmodelle . . . . . . . . . . . . . . . . . 77
4.6.4 Validierung der Waldkarten (Logistische Regression) . . . . . . . . . . . . . . 78
4.7 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.7.1 Validierung der Waldmasken (Schwellenwertverfahren) . . . . . . . . . . . . . 80
4.7.2 Bewertung der Waldmasken des Testgebietes Westliches Mittelgebirge . . . . 86
4.7.3 Bewertung der Waldmasken des Testgebietes Nordostdeutsches Tiefland . . . 87
4.7.4 Bewertung der Waldmasken des Testgebietes Alpen . . . . . . . . . . . . . . 87
4.7.5 Bewertung der Waldmasken des Testgebietes Pfälzerwald . . . . . . . . . . . 88
4.7.6 Bewertung der QuickBird-Waldmasken des Testgebietes Pfälzerwald . . . . . 88
4.7.7 Vergleich der Landsat 7- und QB-Waldmaske im Pfälzerwald . . . . . . . . . 90
4.7.8 Zusammenfassende Bewertung der Holzboden- und Waldmasken . . . . . . . 91
4.7.9 Veränderungsrechnung (Schwellenwertverfahren) . . . . . . . . . . . . . . . . 93
4.7.10 Ergebnisse des logistischen Regressionsansatzes . . . . . . . . . . . . . . . . . 95
4.7.11 Ergebnisse des kNN-Verfahrens . . . . . . . . . . . . . . . . . . . . . . . . . . 112

5 Erfassung waldspezifischer Parameter                                            117
5.1 Grauwertanalyse der Fernerkundungsdaten . . . . . . . . . . . . . . . . . . . . . . . 117
5.1.1 Grauwertanalyse der Landsat-Daten . . . . . . . . . . . . . . . . . . . . . . . 117
5.1.2 Grauwertanalyse der QuickBird-Daten . . . . . . . . . . . . . . . . . . . . . . 122
5.2 Eignung von Fernerkundungsdaten für Regressionsschätzverfahren . . . . . . 122
5.2.1 Eignung von Regressionsschätzverfahren mit Landsat-Daten . . . . . . . . . . 124
5.2.2 Eignung von Regressionsschätzverfahren mit QuickBird-Daten . . . . . . . . 126
5.2.3 Zusammenfassung der regressionsanalytischen Betrachtungen . . . . . . . . . 127
5.3 Eignung klassifizierter Fernerkundungsdaten für stratifizierte Schätzverfahren . . . . 127
5.3.1 Klassifizierung von Bestockungstypen über 3D-Schwellenwerte . . . . . . . . . 127
5.3.2 Klassifizierung von Bestockungstypen mittels Diskriminanzanalyse . . . . . . 129
5.3.3 Klassifizierung nach dem kNN-Ansatz . . . . . . . . . . . . . . . . . . . . . . 129
5.3.4 Verwendete Stratifizierungen . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
5.4 Senkung des Stichprobenfehlers von Zustandswerten durch Stratifizierung . . . . . . 130
5.4.1 Schätzung von Gesamtwerten durch Stratifizierung (Punktgewichtung) . . . . 130
5.4.2 Zustandswerte bezogen auf die Waldfläche . . . . . . . . . . . . . . . . . . . . 132
5.5 Senkung des Stichprobenfehlers von Veränderungswerten durch Stratifizierung . . . . 134

6 Kosten 139
6.1 Kostenfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
6.2 Kosten- und Zeitdaten der Fernerkundungsphase . . . . . . . . . . . . . . . . . . . . 140
6.3 Kosten- und Zeitdaten der terrestrischen Aufnahmen . . . . . . . . . . . . . . . . . . 142
6.3.1 Planungskosten (tp) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
6.3.2 Aufnahmekosten einer Traktecke im Wald (tte) . . . . . . . . . . . . . . . . . 143
6.3.3 Transportkosten auf den Traktlinien zum Einmessen der
Traktecken (tin) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
6.3.4 Transportkosten zwischen zwei Trakten (tzw) . . . . . . . . . . . . . . . . . . 144
6.3.5 Zeit bezogen auf eine Traktecke . . . . . . . . . . . . . . . . . . . . . . . . . . 144

7 Optimierung                                                            145
7.1 Inventurdesign-Optimierung unter dem Modell der antizipierter Varianz . . . . . . . 147
7.1.1 Populations- und Samplingstratenvarianzkomponente . . . . . . . . 147
7.1.2 Effizienzverlustfaktor der nicht exakten PPS-Auswahl  . . . . . . . . . . 149
7.1.3 Bestimmung der optimalen Anzahl Probeflächen . . . . . . . . . . . . . . . . 151
7.1.4 Ergebnisse der Designoptimierung mittels antizipierter Varianz . . . . . . . . 152
7.2 Verifizierung der Optimierungsergebnisse für QTD nach der Quotientenmethode . . 156
7.3 Antizipierte Varianz versus Quotientenmethode . . . . . . . . . . . . . . . . . . . . . 157
7.4 Verifizierung der Optimierungsergebnisse durch Bootstrapping . . . . . . . . . . . . . 160
7.5 Minimal erwartete Kosten unter dem Modell der antizipierter Varianz . . . . . . . . 161
7.5.1 Bestimmung der minimal erwarteten Kosten . . . . . . . . . . . . . . . . . . . 161
7.5.2 Ergebnisse der Kostenoptimierung . . . . . . . . . . . . . . . . . . . . . . . . 161
7.6 Kostenanalytische Sensitivitätsstudie . . . . . . . . . . . . . . . . . . . . . . . . . . . 162

8 Diskussion 165
8.1 Walddefinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
8.2 Verifizierungsverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
8.3 Schwellenwertverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
8.4 Logistischer Regressionsansatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
8.4.1 Merkmal Waldstatus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
8.4.2 Merkmal Mischung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
8.5 kNN-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
8.5.1 Merkmal Waldstatus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
8.5.2 Merkmal Alter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
8.6 Fazit zur Waldflächenermittlung mit Satellitendaten . . . . . . . . . . . . . . . . . . 169
8.7 Inventurverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
8.7.1 Empfehlung alternativer Stichprobenverfahren . . . . . . . . . . . . . . . . . 170
8.7.2 Fazit aus dem Optimierungsprozess . . . . . . . . . . . . . . . . . . . . . . . . 173

Literaturverzeichnis 175
A Weitere Ergebnisse der Optimierung 189?

Zusatzinformation

Gewicht 0,750
Lieferzeit 2 - 6 Werktage