Identifying Tree Species from Space: A New Approach for Germany Using Sentinel-1 and -2 Time Series

Abstract

Die deutschen Wälder sind zunehmend durch den Klimawandel bedroht. Eine genaue Kenntnis der Baumartenverteilung ist entscheidend, um Biodiversität, Ökosystemresilienz und Klimaregulation zu erhalten. Die bisher verfügbaren Produkte zur Bestimmung dominanter Baumarten basieren auf den Daten der Bundeswaldinventur (BWI), die jedoch aus Datenschutzgründen nicht öffentlich zugänglich sind. Alternativ wurden über 80.000 Stichproben zu dominanten Baumarten aus verschiedenen Quellen, wie Stadtbaumregistern, Google Earth Pro, Google Street View und eigenen Vor-Ort-Beobachtungen, gesammelt. Diese Multisource Daten dienten als Referenz für die Klassifikation mit den Machine Learning Algorithmen Random Forest und XGBoost. Spatio-temporale Komposite der Satelliten Sentinel-2 (S2) und Sentinel-1 (S1) sowie ein digitales Höhenmodell (DEM) ermöglichten die Erstellung von Verbreitungskarten für zehn Baumartengruppen in Deutschland (2022) mit einer Auflösung von 10 Metern. Der beste Ansatz, der S2, S1 und DEM kombiniert, erreichte eine Gesamtgenauigkeit (F1-Score) von 88 %. Mit S2 allein wurde ein F1-Score von 85 % erzielt. Die Hauptbaumarten (Kiefer, Fichte, Buche, Eiche) erreichten Genauigkeiten zwischen 75 % und 98 %, weitere Arten wie Birke, Erle, Lärche, Douglasie und Tanne lagen zwischen 74 % und 97 %. Diese kosteneffiziente und wiederholbare Methode bietet eine robuste Grundlage für das Monitoring der Baumartenverteilung und deren Veränderung in deutschen Wäldern. Sie kann jederzeit auf andere Jahre übertragen werden.