Das Projekt KI4Forst der Leitstelle Copernicus SH hat zum Ziel, durch die Entwicklung einer automatisierten Prozesskette Waldflächen und deren Veränderungen mittels Deep-Learning-Techniken in Schleswig-Holstein zu detektieren und in Karten darzustellen. Dabei liegt ein besonderer Fokus auf Waldschäden (Waldkalamitäten), wobei die häufigsten Ursachen Windwurf durch starke Stürme und Trockenstress durch Wassermangel sind. Die mit dem Klimawandel in Verbindung gebrachte Zunahme der Häufigkeit und Dauer von Dürren und Hitzewellen erhöht die Waldbrandgefahr und die Ausbreitung von Schädlingen, wodurch in Zukunft ein Monitoring derartiger Waldveränderungen noch wichtiger werden wird.
Als Grundlage dienen Fernerkundungsdaten der Satelliten Sentinel-1 und Sentinel-2 des europäischen Erdbeobachtungsprogrammes Copernicus. Die Daten werden mittels eines Convolutional Neural Networks (CNN) analysiert und in verschiedene Klassen wie Laub- oder Nadelwald eingeteilt. CNNs werden dem Bereich der künstlichen Intelligenz zugeordnet und liefern gute Ergebnisse hinsichtlich der automatisierten Objekterkennung in Bilddaten.
Die Ergebnisse von KI4Forst werden im DANord über das Projektportal Wald (https://danord.gdi-sh.de/viewer/resources/apps/wald) bereitgestellt. Die Veröffentlichung erfolgt über einen webbasierten Kartendienst (WMS). Die Inhalte des Projektportals sind in verschiedene Layer unterteilt. Diese Layer lassen sich im Karteninhaltsbaum individuell ein- und ausblenden, sodass Nutzende gezielt die für sie relevanten Inhalte anzeigen können.
Als Kartenhintergrund dienen wolkenfreie Sentinel-2-Satellitenbilder, die entweder als aktuelle Kachelansicht oder als historische Mosaike aus dem Zeitraum von Anfang 2018 bis 2025 verfügbar sind. Wahlweise stehen auch verschiedene Grundkarten zur Auswahl, darunter Basemap.de, Digitale Orthophotos (DOP) und Digitale Topographische Karten (DTK). Zur besseren räumlichen Orientierung sind zudem die Verwaltungsgrenzen des Landes Schleswig-Holstein vorhanden. Die zentralen Ergebnisse des Projekts sind in den Layern Waldflächen, Veränderungsdetektion und Vitalitätsanalyse dargestellt.
Der Layer Waldflächen zeigt die genaue Verteilung der Waldgebiete, nicht als Wald klassifizierte Flächen erscheinen transparent. Eine weitere Differenzierung mit unterschiedlichen Grüntönen erfolgt hinsichtlich des Waldtyps: Laubwald, Nadelwald und unbestimmt. Der Layer Veränderungsdetektion hebt Waldflächen hervor, die zwischen den betrachteten Jahren eine potenzielle positive oder negative Veränderung aufweisen, was auf eine Waldzu- oder -abnahme hindeuten kann. Dabei werden sechs zeitliche Ebenen berücksichtigt, die den Zeitraum von 2018 bis 2024 abdecken. Eine farbliche Kodierung ermöglicht den Vergleich der Veränderungen über die Zeit. Die Vitalitätsanalyse besteht aus drei Sublayern: Die Vitalitätsentwicklung bis 2024 bietet eine Übersicht über die bisherige Entwicklung der Waldvitalität, während die Vitalitätsprognose ab 2024 eine Einschätzung zur zukünftigen Vitalitätsentwicklung liefert. Beide Layer werden als kontinuierlicher Farbverlauf dargestellt. Der dritte Layer Qualitätsindikator Vitalitätsanalyse zeigt die Datenverfügbarkeit für die Vitalitätsentwicklung und -prognose basierend auf der Länge der Zeitreihe, da es in Teilen Schleswig-Holsteins aufgrund seltenerer Sentinel-2-Überflüge weniger Daten gibt.
Ergänzend sind Daten des UFZ-Dürremonitors (https://www.ufz.de/duerremonitor) integriert. Diese liefern monatlich und jährlich aktualisierte Informationen zur räumlichen Verteilung der Dürreintensität in Schleswig- Holstein. Die Daten ermöglichen eine Analyse möglicher Zusammenhänge zwischen Trockenperioden und Veränderungen in der Waldstruktur und Waldfläche. Die Darstellung erfolgt über eine interaktive Zeitleiste, die sowohl manuelles Vor- und Zurückspulen als auch ein automatisches Abspielen des zeitlichen Verlaufs erlaubt.
Für das aktuelle Jahr wird die Erfassung von Laub- und Nadelwald sowie die Veränderungsdetektion zur Ermittlung von Waldveränderungen fortgeführt. Die Vitalitätsanalyse von Waldflächen wurde auch auf 2024 ausgedehnt, um die Ergebnisse auf noch längerfristige Zeitreihen stützen zu können. Zukünftig wird zudem eine Erkennung von Baumarten angestrebt, um detailliertere Aussagen über die genaue Baumartenverteilung und deren Vitalitätszustand treffen zu können.
