Wälder mit Visual Computing schützen

Der Klimawandel, häufiger auftretende klimatische Extremereignisse sowie Stürme, Waldbrände und Schädlingsbefall gefährden das Ökosystem Wald. Es bedarf dringend gegensteuernder Maßnahmen, um die vielfältigen Funktionen des Waldes aufrechtzuerhalten, sei es als Wasser-, Boden- und Immissionsschutz, und um seine wichtige Eigenschaft als Speicher von Kohlenstoffdioxid zu bewahren.

Wie kann man Entscheidungsträgerinnen und Entscheidungsträger aus Politik und Waldbewirtschaftung bei Fragen rund um eine nachhaltige und klimaangepasste Waldwirtschaft und bei der Pflege der Wälder unterstützen? Damit beschäftigen sich auch die Wissenschaftlerinnen und Wissenschaftler des Fraunhofer IGD und liefern Antworten mithilfe KI-gestützter Visual-Computing-Lösungen. Solche ermöglichen beispielsweise Waldbrandvorhersagen oder machen die Auswertung flächendeckender Geoinformationen deutlich schneller und präziser.

Waldbrände weltweit vorhersagen

Die Möglichkeit ist neu, Waldbrände nicht nur regional begrenzt, sondern global vorherzusagen, und noch dazu mit hoher Genauigkeit. Gemeinsam mit dem Start-up Karuna Technology UG entwickelten Forschende am Fraunhofer IGD dazu eine Lösung, die auf multispektralen Daten des Erdbeobachtungssatelliten Sentinel-2 aus dem europäischen Copernicus-Programm basiert. Die Lösung kombiniert die multispektralen Daten des Sentinel- 2-Satelliten in einem künstlichen Neuronalen Netz mit Bestands- und Lagedaten sowie meteorologischen Daten – wie Temperatur, Windgeschwindigkeit, Windrichtung – und wertet sie aus. Der selbstlernende Algorithmus bestimmt die Wahrscheinlichkeit für Waldbrände rund um die Welt bis zu zwei Monate im Voraus. Damit unterstützt Fraunhofer auch Länder, die selbst keine ausreichende Datengrundlage und keine Infrastruktur haben, um diese Risikobewertungen durchzuführen.

KI für den klimaangepassten Waldumbau

Eine weitere Lösung will klimaangepasstes Handeln in der Waldwirtschaft unterstützen und entsteht in einer Kooperation zwischen dem Fraunhofer IGD und dem Fraunhofer Austria Center für Data Driven Design. Ausgangspunkt auch hier: Notwendige detaillierte Daten stehen häufig nur für begrenzte Regionen zur Verfügung. Eine flächendeckende Datenlage ist jedoch Voraussetzung dafür, Handlungsempfehlungen geben zu können, wenn man einen Waldumbau hin zum resilienten Wald anstrebt. Durch den Einsatz Künstlicher Intelligenz lassen sich verschiedene Entscheidungsmuster für bekannte Teilgebiete einlernen und anschließend auf alle nichterfassten Bereiche übertragen. So entsteht ein flächendeckendes Umweltmonitoring auf Grundlage hochaufgelöster Erdbeobachtungsdaten, das anhand unterschiedlicher Tools vielfältige Fragestellungen beantwortet: Welches sind die relevantesten Baumarten? In welchem Zustand befinden sich die Bäume? Gibt es einen Schädlingsbefall? Welche Baumarten sind für einen Standort besonders geeignet, und wie hoch ist das CO2-Senkungspotenzial des Waldes? Zukünftig soll eine cloudbasierte, skalierbare Plattform die verschiedenen Werkzeuge bündeln und einen gemeinsamen Datenspeicher zur Verfügung stellen, auf dessen Grundlage sich interdisziplinär zusammenarbeiten lässt.