Estimating carbon stock in unmanaged forests using field data and remote sensing
Bestimmung des Kohlenstoffvorrats in unbewirtschafteten Wäldern mittels Felddaten und Fernerkundung
Thomas Leditznig
Unmanaged forest ecosystems play a critical role in addressing the ongoing climate and biodiversity crises. A combination of RGB imagery from an Unmanned Aerial Vehicle (UAV), Sentinel-2 data and field surveys were used to determine the carbon stock of an unmanaged forest in the UNESCO World Heritage Site wilderness area Dürrenstein-Lassingtal. The approach demonstrated that the combination of low-cost remote sensing data and field work can predict above-ground biomass and carbon stock of unmanaged forests with high accuracy. The results and the estimation error distribution highlight the importance of accurate field data.
Unbewirtschaftete Waldökosysteme spielen eine entscheidende Rolle bei der Bewältigung der aktuellen Klima- und Biodiversitätskrise. In diesem Beitrag werden RGB-Aufnahmen einer Kamera-Drohne mit Sentinel-2-Daten und Feldstudien kombiniert. Das Ziel ist die Bestimmung des Kohlenstoffvorrats eines unbewirtschafteten Walds im UNESCO-Weltnaturerbe Wildnisgebiet Dürrenstein-Lassingtal. Durch die Kombination von kostengünstigen Fernerkundungsdaten und Felddaten konnte die oberirdische Biomasse und deren Kohlenstoffvorrat mit hoher Genauigkeit vorhergesagt werden. Die Ergebnisse und die Fehlerverteilung des Modells zeigen, dass die Qualität der Felddaten ausschlaggebend für die Genauigkeit der Modellierung ist.
Keywords: Unmanned Aerial Vehicle, Sentinel-2, RGB imagery, machine learning, carbon storage capacity, unmanaged forests
Schlüsselwörter: Unmanned Aerial Vehicle, Sentinel-2, Orthophotos, Machine Learning, Kohlenstoffvorrat, unbewirtschaftete Wälder
Der Volltext der aktuellen Artikel (< 3 Monate) aus dem Artikelarchiv steht für
gis-Abonnenten
nach dem Login
zur Verfügung.
