Forschungsprojekt

Fernerkundungsdatenpool Böhmerwald-Ökosystem

Genereller Kontext:

Weltweit sind Wälder die Hot Spots der Biologischen Vielfalt, gleichzeitig sind sie aber in dramatischer Weise durch Abholzung, Übernutzung und den Klimawandel gefährdet. Um die Wälder besser schützen zu können, ist es zunächst wichtig, die Veränderungen der Waldflächen sowie deren Entwicklungstrends zu erfassen, um auf dieser Basis ein besseres Verständnis von Waldökosystemen zu erlangen und gezielte Schutzmaßnahmen ergreifen zu können. Ein solches Monitoring der Wälder wird konventionell mit terrestrischen Inventuren erreicht, die jedoch sehr zeitaufwändig und damit kostenintensiv sind. Moderne Fernerkundungsmethoden bieten heute wertvolle Unterstützung für die Waldökologie sowohl in der Forschung als auch im kontinuierlichen Monitoring. Drohnen bzw. Unmanned Aerial Vehicles (UAV) liefern hochauflösende Referenzdaten, flugzeuggestützte Kamera- und Laserscanner-Systeme ermöglichen die Erfassung wichtiger Waldinventurparameter sowie eine Dokumentation von Schadereignissen. Satelliten ergänzen diese Informationen durch optische und radarbasierte Aufnahmen, die in regelmäßigen Intervallen verfügbar sind. Auf diese Weise entsteht eine nahezu kontinuierliche Zeitreihe, mit der sich Veränderungen im Wald zuverlässig beobachten, Trends frühzeitig erkennen und dynamische Prozesse langfristig nachvollziehen lassen.

Bilderslider

Drei Bilder des Hyperspektralsensors Hyspex

Die Bilder zeigen Daten des Hyperspektralsensors Hyspex. Dieser zeichnet nicht nur drei Kanäle aus wie bei einem Farbbild (Bild 1), sondern 360. Damit kann zum Beispiel der Gesundheitszustand des Waldes bestimmt werden. Falschfarbenbilder in rot (Bild 2) oder gelb (Bild 3) lassen Schädigungen der Vegetation erkennen und geben Rückschlüsse. (Fotos: Deutsches Zentrum für Luft- und Raumfahrt

 

Durch die hohe zeitliche Wiederholungsrate und die große räumliche Abdeckung eignen sich Fernerkundungsdaten besonders als Input für Modellierungen, die es ermöglichen, punktuelle Stichprobenmessungen aus verschiedensten Fragestellungen flächendeckend zu extrapolieren. Datenprodukte, die aus Fernerkundungsdaten generiert werden, sind hier zunehmend auch in der Lage, Parameter, die bisher aufwändig am Boden aufgenommen werden mussten, zu ersetzen. Voraussetzung dabei ist eine gute Kalibrierung der Modelle. Dies ist vor allem in Regionen relevant, in denen regelmäßige und konsistente Aufnahmen von Bodendaten nicht möglich sind. Entsprechend wichtig ist es, Fernerkundungsaktivitäten zu bündeln und zu koordinieren, um einen Wissenstransfer zwischen unterschiedlichen Forschern mit unterschiedlichen Schwerpunkten zu gewährleisten.

Der Datenpool:

Der Böhmerwald ist ein einzigartiges Ökosystem, das mit seinen Nationalparks Bayerischer Wald und Šumava langfristige und konsistente Umweltbeobachtungen ermöglicht, insbesondere auf Flächen ohne menschlichen Eingriff. Aus diesem Grund eignet er sich hervorragend als Untersuchungsobjekt für fernerkundliche Forschungen, die einerseits zum besseren Verständnis von (langfristigen) Ökosystemdynamiken beitragen, zum Beispiel im Falle der Ausbreitung von Borkenkäferbefall und der folgenden Sukzession. Umgekehrt bietet sich das Böhmerwaldökosystem mit seiner hervorragenden Datenlage an, um in diesem Zusammenhang das Potential unterschiedlicher Fernerkundungsanalysen für die Untersuchung verschiedener Fragestellungen zu testen.

Aus diesem Grund wurde 2015 der Fernerkundungsdatenpool Böhmerwald-Ökosystem (engl. Data Pool Initiative for the Bohemian Forest Ecosystem) gegründet, der inzwischen 18 Partner umfasst (Latifi et al, 2021, https://doi.org/10.1111/2041-210X.13695). Ziel dieser internationalen und interdisziplinären Initiative ist es, die vielfältigen Forschungsaktivitäten im Bereich der Fernerkundung innerhalb dieses einzigartigen Ökosystems zu bündeln und besser aufeinander abzustimmen. Die Koordination liegt dabei bei der Nationalparkverwaltung. Ihre Aufgaben reichen von der organisatorischen Betreuung der Mitgliedseinrichtungen über die Unterstützung externer Forschender, die vor Ort Daten erheben, bis hin zur Archivierung der gewonnenen Ergebnisse und Publikationen. Darüber hinaus stellt der Datenpool hochwertige Referenzdaten bereit, die für die Kalibrierung und Validierung fernerkundungsbasierter Modelle unerlässlich sind. Damit schafft die Initiative eine gemeinsame, verlässlich gepflegte Datenbasis, die sowohl die Zusammenarbeit erleichtert als auch die wissenschaftliche Qualität langfristig stärkt. Des Weiteren wird ein jährlicher Workshop organisiert, auf dem die beteiligten Wissenschaftler ihre Arbeit vorstellen und sich über zukünftige gemeinsame Forschung austauschen können. Dieser Workshop bietet Doktoranten und Masterstudenten außerdem eine Möglichkeit, ihre Abschlussarbeiten vorzustellen und sich mit den Forschenden auszutauschen.

Inhaltlich liegen die Schwerpunkte der Nutzung der Fernerkundungsdaten des Datenpools insbesondere in der Kartierung von Biodiversität (sogenannte Essential Biodiversity Variables), in der Weiterentwicklung von Habitatmodellen, zum Beispiel für Luchs oder Rotwild, im Monitoring von natürlichen Störungsereignissen (Windwurf, Kalamitäten), der Waldstrukturen, der Vitalität und dem automatisierten Erkennen von Einzelbäumen.

Leistungen:

Gemeinsam erreichen die verschiedenen internationalen Mitglieder des Datenpools einen hohen wissenschaftlichen Output. Seit 2015 sind mehr als 90 Studien in internationalen wissenschaftlichen Zeitschriften erschienen. Eine Studie des Deutschen Zentrums für Luft- und Raumfahrt (Holzwarth et al, 2020: https://doi.org/10.3390/rs12213570) stellte fest, dass sich 34 Prozent aller veröffentlichten Studien im Bereich Fernerkundung von Wäldern in Deutschland zwischen 2000 und 2020 mit dem Nationalpark Bayerischer Wald beschäftigen, was mit großem Abstand den Spitzenplatz in Deutschland bedeutet. Die Autoren führen diesen Erfolg maßgeblich auf die internationale Vernetzung der Nationalparkverwaltung zurück, die sich im Bereich der Fernerkundung auf den Datenpool stützt. Seit der Gründung im Jahr 2015 wurden bereits 10 Dissertationen, eine Habilitation sowie zahlreiche Abschlussarbeiten im Rahmen des Datenpools abgeschlossen, außerdem befinden sich derzeit weitere wissenschaftliche Arbeiten in Bearbeitung. Aufgrund des Erfolgs wurde die Datapool-Vereinbarung Anfang 2025 um vier weitere Jahre bis Ende 2028 verlängert.

Neueste Publikationen:

  1. Abdullah, H., Neinavaz, E., Darvishzadeh, R., Huesca, M., Skidmore, A.K., Lindeskog, M., Smith, B., Heurich, M., Steinbrecher, R., Paganini, M., 2025. Integrating process-based vegetation modelling with high-resolution imagery to assess bark beetle infestation and land surface temperature effects on forest net primary productivity. Remote Sens. Appl. Soc. Environ. 37, 101499. https://doi.org/10.1016/j.rsase.2025.101499
  2. Adiningrat, D.P., Schlund, M., Skidmore, A.K., Abdullah, H., Wang, T., Heurich, M., 2024. Mapping temperate old-growth forests in Central Europe using ALS and Sentinel-2A multispectral data. Environ. Monit. Assess. 196, 841. https://doi.org/10.1007/s10661-024-12993-5
  3. Adiningrat, D.P., Siegenthaler, A., Schlund, M., Wang, T., Skidmore, A.K., Rousseau, M., Heurich, M., 2025a. Effect of forest structural attributes on soil microbial diversity in mixed temperate forests. Plant Soil. https://doi.org/10.1007/s11104-025-07907-4
  4. Adiningrat, D.P., Skidmore, A., Schlund, M., Wang, T., Abdullah, H., Heurich, M., Adiningrat, D.P., Skidmore, A., Schlund, M., Wang, T., Abdullah, H., Heurich, M., 2025b. Investigating LiDAR Metrics for Old-Growth Beech- and Spruce-Dominated Forest Identification in Central Europe. Remote Sens. 17. https://doi.org/10.3390/rs17020251
  5. Dersch, S., Schöttl, A., Krzystek, P., Heurich, M., 2024. Semi-supervised multi-class tree crown delineation using aerial multispectral imagery and lidar data. ISPRS J. Photogramm. Remote Sens. 216, 154–167. https://doi.org/10.1016/j.isprsjprs.2024.07.032
  6. Ding, W., Huang, R., Yao, W., Zhang, W., Heurich, M., Tong, X., 2025. A simple oriented search and clustering method for extracting individual forest trees from ALS point clouds. Ecol. Inform. 86, 102978. https://doi.org/10.1016/j.ecoinf.2024.102978
  7. Duan, Y., Siegenthaler, A., Skidmore, A.K., Heurich, M., Abdullah, H., Chariton, A.A., Laros, I., Rousseau, M., de Groot, G.A., 2025. Landscape-scale variation in the canopy mycobiome in temperate beech and spruce forest stands explained by leaf water content and elevation. Eur. J. For. Res. 144, 443–455. https://doi.org/10.1007/s10342-025-01768-3
  8. Hechtl, C., Hauser, S., Schmitt, A., Heurich, M., Wendleder, A., Hechtl, C., Hauser, S., Schmitt, A., Heurich, M., Wendleder, A., 2025. Kennaugh Elements Allow Early Detection of Bark Beetle Infestation in Temperate Forests Using Sentinel-1 Data. Forests 16. https://doi.org/10.3390/f16081272
  9. Lange, M., Preidl, S., Reichmuth, A., Heurich, M., Doktor, D., 2024. A continuous tree species-specific reflectance anomaly index reveals declining forest condition between 2016 and 2022 in Germany. Remote Sens. Environ. 312, 114323. https://doi.org/10.1016/j.rse.2024.114323
  10. Mosig, C., et al, 2026. deadtrees.earth — An open-access and interactive database for centimeter-scale aerial imagery to uncover global tree mortality dynamics. Remote Sens. Environ. 332, 115027. https://doi.org/10.1016/j.rse.2025.115027
  11. Petruželová, J., König, S., Heurich, M., Kopáček, J., Donnová, S. de, Polášková, V., Seifert, L., Šorfová, V., Sroka, P., Straka, M., Bojková, J., 2025. Assessing macroinvertebrate species composition in forest streams using LiDAR-based vegetation structure variables. Ecol. Indic. 178, 114088. https://doi.org/10.1016/j.ecolind.2025.114088
  12. Podgórski, Tomasz; Fattorini, Niccolò; Augustsson, Evelina et al., 2025. Data from: Impact of hunting modality on social contacts in wild boar populations across Europe. https://doi.org/10.5061/dryad.v41ns1s6p
  13. Rousseau, M., De Groot, G.A., Skidmore, A.K., Siegenthaler, A., Laros, I., Heurich, M., Adiningrat, D.P., Neinavaz, E., 2025. Ground-lying deadwood volume promotes soil beta diversity but not alpha diversity in European temperate forests. Plant Soil. https://doi.org/10.1007/s11104-025-07600-6
  14. Sani-Mohammed, A., Yao, W., Wong, T.C., Fekry, R., Heurich, M., Sani-Mohammed, A., Yao, W., Wong, T.C., Fekry, R., Heurich, M., 2024. Characterizing Forest Plot Decay Levels Based on Leaf Area Index, Gap Fraction, and L-Moments from Airborne LiDAR. Remote Sens. 16. https://doi.org/10.3390/rs16152824
  15. Siegenthaler, A., Skidmore, A.K., Rousseau, M., Laros, I., Heurich, M., de Groot, G.A., 2025. Prokaryotic communities as proxies for eukaryotic soil beta diversity in forest ecosystems. Ecol. Indic. 178, 113930. https://doi.org/10.1016/j.ecolind.2025.113930
  16. Skidmore, A.K., Abdullah, H., Siegenthaler, A., Wang, T., Adiningrat, D.P., Rousseau, M., Duan, Y., Torres-Rodriguez, A., Heurich, M., Chariton, A.A., Darvishzadeh, R., Neinavaz, E., de Groot, G.A., n.d. eDNA biodiversity from space: predicting soil bacteria and fungi alpha diversity in forests using DESIS satellite remote sensing. Int. J. Remote Sens. 0, 1–31. https://doi.org/10.1080/01431161.2025.2464958
  17. Xie, R., Darvishzadeh, R., Skidmore, A.K., van der Meer, F., Torres-Rodriguez, A., Heurich, M., 2025a. Mapping canopy phenolics in European mixed temperate forests using air- and space-borne imaging spectroscopy. Remote Sens. Environ. 331, 115020. https://doi.org/10.1016/j.rse.2025.115020
  18. Xie, R., Darvishzadeh, R., Skidmore, A.K., van der Meer, F., Torres-Rodriguez, A., Heurich, M., 2025b. Mapping canopy phenolics in European mixed temperate forests using air- and space-borne imaging spectroscopy. Remote Sens. Environ. 331, 115020. https://doi.org/10.1016/j.rse.2025.115020

 

Mitglied werden:

Forscher und Forschungsorganisationen, die sich mit der Fernerkundung des Böhmerwaldes beschäftigen möchten und Interesse haben, sich am Datenpool zu beteiligen, können sich an die untenstehenden Ansprechpartner wenden.

Ansprechpartner:

Prof. Dr. Marco Heurich
Sachgebietsleiter
marco.heurich@npv-bw.bayern.de

Dr. Frank Thonfeld
Deutsches Zentrum für Luft und Raumfahrt
frank.thonfeld@dlr.de

Beteiligte:


Bilderslider

Logo - Nationalpark Šumava
Logo - Deutsches Zentrum für Luft- und Raumfahrt
Logo - Geoinformation in der Umweltplanung
Logo - Hochschule für angewandte Wissenschaften
Logo - Institut für Natürliche Ressourcen, Uni Twente
Logo - Ludwig-Maximilians-Universität München
Logo - Helmholtz-Zentrum für Umweltforschung
Logo - K.N. Toosi University of Technology
Nach oben zum Seitenanfang nach oben