FORESEE

Projekttitel: FOrrest RESiliEncE (FORESEE) im Leistungszentrum Nachhaltigkeit

Die nachhaltige Bereitstellung des nachwachsenden Rohstoffs Holz stellt sowohl einen wichtigen Beitrag für Umwelt und Gesellschaft als auch für die nachhaltige wirtschaftliche Entwicklung dar. Dies gilt vor allem für den ländlichen Raum. Nicht nur Waldbrände und tote Bäume gefährden diesen Rohstoff, in Nordeuropa stellen auch Winterstürme eine ernste Bedrohung dar. Ein maßgebliches Problem im Waldschutz ist das Fehlen einer kontinuierlichen Aufzeichnung von Informationen über den Wald und deren Analyse in fundierten Risikomodellen.

Im Projekt wurden Messsysteme und Auswerteprozesse zur Überwachung und Inventarisierung von Forstgebieten entwickelt, um eine nachhaltige Bereitstellung des nachwachsenden Rohstoffes Holz sicherzustellen. Kern des Gesamtsystems ist ein leichtgewichtiger Drohnenscanner, der durch seine multispektrale Aufnahme speziell zur Vermessung und Segmentierung von Vegetation ausgerüstet ist. Darauf aufbauend wurde eine Datenverarbeitungspipeline entwickelt.

Folgende Schwerpunkte gab es im Projekt:

Erstens stand die Entwicklung eines neuen multispektralen LiDAR-Systems im Fokus, damit es sowohl auf einer zivilen Drohne als auch als Rucksacklösung eingesetzt werden kann. Erstmals können somit geometrische Datensätze mit zusätzlichen spektralen Informationen generiert werden. Darüber hinaus kombiniert das neue System Datensätze, die innerhalb des Waldes (bodengebunden) und von Drohnen erfasst wurden. Dieser einzigartige Ansatz ermöglicht eine völlig neue Analyse des Waldes und trägt damit aktiv dazu bei, den Gesundheitszustand einzelner Bäume mit einer bisher unerreichten räumlichen und zeitlichen Auflösung zu bewerten.

Ein zweiter Schwerpunkt war die hochaufgelöste und GIS-basierte Risiko- und Resilienzanalyse für das Bewirtschaftungssystem Wald. Mit Hilfe der hochaufgelösten und datenbasierten Zustandsdaten des Waldes kann das Risiko für einen ungewollten Baumschlag durch Sturm prognostiziert werden. Außerdem lässt sich der effizienteste Zeitpunkt zur geplanten Baumfällung und Bewirtschaftung unter Berücksichtigung aller Natur- und Wirtschaftsaspekte ermitteln.

Der dritte Schwerpunkt lag auf der Entwicklung eines KI-basierten Selektionsverfahrens für die Schichtholzfertigung. Zur Selektion von Schichtholz wurde eine Datenbasis mit hinreichenden Merkmalen und korrelierten mechanischen Kennwerten zunächst für eine Holzart erstellt. Dazu wurden automatisierte Bildanalysen eingesetzt, die durch KI-Methoden (z.B. neuronale Netze) unterstützt und durch entsprechende mechanische Untersuchungen für Probekörper mit selektierten Merkmalen korreliert wurden.