Vegetation

Von oben betrachtet: Multispektrales Monitoring und 3D-Monitoring von Vegetation

Vegetation beeinflusst das Leben auf der Erde in vielerlei Hinsicht: Pflanzen spielen eine Schlüsselrolle im natürlichen Ökosystem Erde. Aber auch die gezielte Nutzung von Pflanzen in der Land- und Holzwirtschaft ist unabdingbar für die Versorgung einer stetig wachsenden Weltbevölkerung mit Nahrung und Energie. Moderne Technologie kann auch hier helfen, Veränderungen der Vegetation zu erkennen und Ressourcen wirtschaftlich und nachhaltig zu nutzen. Land- und Waldwirtschaft setzen im Rahmen von Konzepten wie »precision farming« bzw. »precision harvesting« bereits heute auf moderne Sensorsysteme: Mithilfe von Satelliten- oder Luftfernerkundung wird der Zustand von Pflanzen über den sog. Vegetationsindex beobachtet, Land- und Waldnutzungspläne werden auf Basis der Messdaten erstellt. Diese Daten sind jedoch in ihrer zeitlichen und räumlichen Auflösung sehr beschränkt. Für genauere Daten ist eine manuelle und somit ineffiziente Erhebung relevanter Daten nötig.

Lightweight Airborne Profiler LAP

Der LAP von Fraunhofer IPM ist ein neuartiges Monitoring-System, mit dem sich Vegetationsareale schnell und effizient messen und überwachen lassen. Die weniger als 3 Kilogramm leichte Messeinheit lässt sich problemlos auf besonders leichte UAV montieren und ermöglicht so ein flexibles, kostengünstiges und zuverlässiges Monitoring von Vegetation.

Der LAP besteht aus einem Laserscanner, mehreren Kameras und optionalen Positionierungssensoren wie GNSS oder IMU. Das System erfasst ein Areal von mehreren hundert Quadratmetern in weniger als zehn Minuten. Quer zur Flugrichtung erzeugt der Laserscanner bis zu 60 Messprofile pro Sekunde mit jeweils 500 Messpunkten. Die Präzision einer Einzelpunktmessung liegt dabei bei rund 1 cm.

Für die Charakterisierung von Vegetation können aus der Kombination der multispektralen Kameradaten mit den Geometriedaten ganz unterschiedliche, relevante Parameter abgeleitet werden: die Höhe einzelner Bäume oder ganzer Waldbestände, die Segmentierung einzelner Bäume und Kronendurchmesser, die Anzahl der Bäume und die Bestandsdichte, die 3D-Koordinaten von Baumkronen, die Klassifizierung von Laubbäumen und Nadelbäumen, der Stammdurchmesser in Brusthöhe, das Holzvolumen und -wachstum, die Biomasseschätzung oder auch eine Abgrenzung von Waldgebieten. Ähnliches gilt für Feldpflanzen.

Automatisiert mit dem 3D-AI interpretieren

Heute erfolgt die Analyse von Messdaten großer Landschaftsareale in der Regel manuell oder teilautomatisiert. Das von Fraunhofer IPM entwickelte Deep Learning Framework 3D-AI bietet für die Datenauswertung ein Vielfaches an Effizienz, Auflösung und Zuverlässigkeit: Das Framework projiziert die aufgenommenen Scannerdaten zuverlässig und genau in die Bilder der Farbkameras. So wird jedem RGB-Bild oder multispektralen Bild der Szene ein entsprechender Tiefenkanal zugeordnet. Mit den so aufbereiteten RGB-D(epth)-Daten und einem trainierten künstlichen neuronalen Netz erweist sich die Datenauswertung als sehr robust gegenüber Objektvariationen, verschiedenen Aufnahmewinkeln oder unterschiedlichen Lichtverhältnissen.