Wälder übernehmen elementare Aufgaben in unseren Ökosystemen, denn sie erbringen und regulieren Leistungen für den Lebensunterhalt der Menschen. Dazu gehören die Bereitstellung von Rohholz und Frischwasser sowie die Regulierung des Klimas und der Luftqualität. Darüber hinaus spielen Wälder eine wichtige Rolle im globalen Kohlenstoffkreislauf und sind daher von entscheidender Bedeutung für die Abschwächung des globalen Wandels. Durch den globalen Wandel sind Wälder häufigeren und schwerwiegenderen Bedrohungen ausgesetzt, die zu großflächigem Waldsterben führen können. Umso wichtiger ist es, Waldökosysteme mithilfe moderner Fernerkundungsmethoden präzise zu kartieren und die Waldbestände somit in zeitlichen Abständen automatisiert überwachen zu können.

Für ein präzises Waldmonitoring sind hochaufgelöste Fernerkundungsdaten notwendig, um Einzelbäume genau zu erkennen und definieren zu können. Hierbei konnten moderne Clusterverfahren großflächig u.a. im Nationalpark Bayerischer Wald (Deutschland) und im Šumava National Park (Tschechien) angewendet werden. Um die Präzision der Einzelbaumsegmentierung zu erhöhen, besteht die Möglichkeit, Baumstrukturen wie z.B. Baumstämme, in 3D-Punktwolken zu erkennen und diese Informationen in der Einzelbaumsegmentierung zu nutzen. Deep-Learning (DL)-basierte Methoden bieten das Potenzial, die Delinierung von Einzelbäumen wesentlich genauer zu bewerkstelligen. Hierbei helfen neuronale Netzwerke bei der Analyse der 2D- und 3D-Fernerkundungsdaten.

Eine aktuelle Forschungsfrage in der Forstwissenschaft ist zudem die Frage nach einer widerstandsfähigeren Waldzusammensetzung für die Zukunft. Hierbei liefert das fernerkundungsbasierte Monitoring wertvolle Informationen auf Einzelbaumebene. Hinsichtlich der DL-basierten Klassifizierung von Baumarten und stehendem Totholz konnten an der FK08 bereits mehrere Erfolge erzielt werden: So ist es zum einen gelungen, einen Ansatz zu entwickeln, der 2D-Bilddaten und 3D-Punktwolken zusammenführt und dadurch Einzelbäume mit hoher Genauigkeit klassifiziert. Weiterhin konnte gezeigt werden, dass stehendes Totholz zuverlässig und mit großer Flächenleistung aus Farbinfrarotbildern detektiert werden kann. Nicht zuletzt konnten in der Sperrzone von Tschernobyl Informationen über die Baumart sowie weitere Baumparameter (u.a. Baumhöhe, Kronenvolumen, Brusthöhendurchmesser) gewinnbringend genutzt werden, um indirekt Hinweise auf kontaminierten Boden zu erlangen.