Abschlussarbeit
Satellitenbasierte Waldbranddetektion in Bayern - Eine Potentialanalyse mit aktuellen Sensoren
Waldbranddetektion aus dem All? Welche technischen Möglichkeiten gibt es heute schon und wie lassen sich diese auch in Bayern einsetzen? Was kann und sollte zukünftig noch verbessert werden?
Details
- Extern/e Autor:in
- Lisa Niggl
- Intern/e Betreuer:in
- Prof. Dr.-Ing. Andreas Schmitt
- Abschluss
- Bachelor
- Studiengang
- Angewandte Geodäsie und Geoinformatik
- Jahr
- 2023
- Fakultät
- Fakultät für Geoinformation
- Status
- abgeschlossen
- Themengruppe
- Photogrammetrie_Fernerkundung
Egal ob als Lebensraum für Mensch, Tier und Pflanzen oder als „Grüne Lunge“ der Erde – der Wald ist mit seinen zahlreichen existenziellen Funktionen unerlässlich für ein funktionierendes Klima und Ökosystem. Jedoch werden jedes Jahr weltweit circa 400 Millionen Hektar Waldfläche durch Waldbrände vernichtet, Hauptverursacher ist der Mensch und sein Handeln. Die Ursachen sowie als auch die Folgen sind vielseitig.
Der aktuelle Stand der Forschung beschäftigt sich unter anderem damit, wie Waldbrände frühzeitig erkannt werden können und welche Informationen aus den gewonnenen Daten hervorgehen. Dazu wurde im Rahmen dieser Arbeit ein Vergleich aktueller Satellitendaten der Missionen Landsat-8, Sentinel-2 und Planet angestellt, in dem die Bildgebungsdaten vor und nach einem Waldbrand genauer analysiert wurden. Hierfür wurden verschiedene Indizes berechnet, welche den NDVI, NBR und dNBR, sowie den BAI umfassen. Im Vergleich der verschiedenen Ergebnisse der Missionen konnte dabei festgestellt werden, dass vor allem die Datensätze der Sentinel-2 und Planet Missionen besonders für die Waldbranddetektion geeignet sind. Dies ist mitunter ihrer räumlichen und zeitlichen Auflösung zu verdanken. Lediglich bei den Planet Daten ist eine Einschränkung der Indizes auf den NDVI und BAI gegeben, da diese Datensätze keinen SWIR-Kanal mitliefern. Bezüglich der Landsat-8 Satellitendaten bedingt eine niedrigere räumliche und zeitliche Auflösung auch weniger gute Ergebnisse im Vergleich mit denen der Sentinel-2 oder Planet-Daten.