Die Wiedervernässung von entwässerten Moorflächen zur Wiederansiedlung seltener biodiverser torfbildender Vegetation ist ein langwieriger Prozess. Um diesen Prozess zu begleiten und zu bewerten, bedarf es eines Monitoringkonzepts, welches operationell, kostengünstig und für das sensible Ökosystem nicht invasiv ist. Multisensorale Daten, aufgenommen von einem unbemannten Flugsystem (UAS), haben ein großes Potenzial für solch ein Monitoring. Das Untersuchungsgebiet ist ein wiedervernässtes Durchströmungsmoor in Mecklenburg-Vorpommern (Norddeutschland). In einer Grundlagenstudie konnte gezeigt werden, dass UAS-Daten − bestehend aus drei verschiedenen Sensortypen (RGB, Multispektral, Thermal) − sowie ein Digitales Höhenmodell und verschiedene Vegetationsindizes geeignet sind, um zahlreiche, spektral sehr ähnliche, Moorpflanzen zu differenzieren. Das Ziel der vorliegenden Untersuchungen ist es, verschiedene Befliegungszeitpunkte über die Vegetationsperiode zu testen und den besten Zeitpunkt für eine Klassifikation zu identifizieren. Außerdem wurden verschiedene Aufnahmen zu multitemporal-multisensoralen Datensätzen kombiniert, um zu untersuchen, inwiefern unterschiedliche phänologische Verläufe der Vegetationsarten zur Klassifikation beitragen. Alle Einzelklassifikationen zeigten sehr hohe Gesamtgenauigkeiten zwischen 84 % und 93 %. Die beste Klassifikation mit 92,6 % konnte im Juni, der Hochphase vegetativer Vitalität, erzielt werden. Durch die multitemporale Kombination aus vier Zeitschnit- ten (Anfang, 2-mal Mitte und Ende der Vegetationsperiode) wurde die Gesamtgenauigkeit nochmals drastisch verbessert, auf 98,6 %. Besonders schwache Klassen konnten durch die phänologische Information konsolidiert werden.
Schlüsselwörter: Moorvegetation, multispektral, thermal, Digitales Oberflächenmodell, Random Forest, Variablenrelevanz