AIvergreens - KI-basierte Klassifizierung von sommer-/immergrünen Nadelbaumbeständen in borealen Wäldern

Abstract

Das Projekt AIvergreens startete mit KI-gestützter Klassifizierung von sommer-/immergrünen Nadelbaumbeständen in borealen Wäldern Sibiriens, um damit spezifisch entwickelte Beobachtungen des einzigartigen und gefährdeten Lärchenwald-Permafrost-Feuer-Systems in Sibirien bereitzustellen. Das Projekt-Konsortium bestand aus dem Alfred-Wegener-Institut für Polar- und Meeresforschung (AWI), Sektion Polare Terrestrische Umweltsysteme www.awi.de/forschung/geowissenschaften/polare-terrestrische-umweltsysteme.html (PIs Prof. Herzschuh, Dr. Birgit Heim, Dr. Stefan Kruse), dem Deutschen Zentrum für Luft- und Raumfahrt, Institut für Hochfrequenztechnik und Radarsysteme (DLR-HR) www.dlr.de/hr/ (PIs Dr. Hänsch und Dr. Papathanasssiou) als Partner im Unterauftrag und der Remote Sensing Image Analysis Group (PI Prof. Demir) an der Technischen Universität Berlin (TUB), Fakultät für Elektrische Ingenieur- und Computerwissenschaften www.rsim.tu-berlin.de). Aufgrund der besonderen bilateralen Forschungskooperation mit Russland bis 2022 konnte das AWI Expeditionen in den borealen Wäldern Sibiriens durchführen und dort Waldstrukturdaten mit Drohnen aufnehmen. Expeditions-Aufnahmen von Waldtypen und -Struktur der sommergrünen borealen Wälder Sibiriens wurden als Benchmark Datensätze für KI-gestütztes Training, Validierung und Klassifizierungen in der sensitiven sommergrün-immergrünen Wald-Übergangs Zone Sibiriens entwickelt und als FAIR Daten Publikation veröffentlicht einschliesslich des entwickelten Random Forest Classifier. Aufgrund des Angriffs-Krieges von Russland auf die Ukraine in 2022 stoppte das AWI die Russland-Kooperationen und Expeditionen und baute neue Kooperationen in Nordamerika (Kanada und US, Alaska) aus. Daher kam es in AIvergreens zu einer Um-Orientierung mit mehr Fokus auf Trainings-Datensätze für die Wald-Klassifizierung der nördlichen borealen Wälder Nord-Amerikas mit unterschiedlicher Wald-Zusammensetzung mit der Dominanz von immergrünen Nadelbäumen im Gegensatz zu den sommergrün-dominierten Lärchenwälder Ost-Sibiriens. Für die Generierung von Wald-Klassifikation und Trainingsdaten mit Satellitendaten wurden das Copernicus Data Space Ecosystem für Sentinel-1 SAR Daten und Sentinel-2 optische Daten, die NASA (USGS) Harmonized Landsat and Sentinel-2 Satelliten-Daten aggregiert für den Zeitraum der AWI Expeditionen in Sibirien 2018 bis 2022 und Kanada und Alaska 2022-2024 für die phänologischen Zeitfenster Frühsommer, Hochsommer und Spätsommer in der online Prozessierungsplattform Google Earth Engine (GEE) genutzt. DLR SAR TanDEM-X Daten für die Mackenzie Delta Region in Nord-West Kanada welche AWI Drohnen-Befliegungen von Expeditionen räumlich abdecken wurden auf dem Earth Observation on the WEB (EOWEB©) DLR Portal recherchiert. Die gesamte Bandbreider der AIvergreens Daten-Publikationen sind kuratiert auf dem AWI FAIR Data Daten-Repositorium PANGAEA veröffentlicht. Die FAIR Data Datenpublikationen zu AIvergreens Trainingsdatensätzen und Satellitendaten in NW-Amerika sind zusätzlich im AWI WebGIS Viewer System visualisiert und publiziert.