Die Erfassung des Vitalitätszustands von Streuobstbeständen mit innovativen Methoden

Abstract

Streuobstwiesen sind eine traditionsreiche Anbauform und prägendes Landschaftselement in weiten Teilen Baden-Württembergs. Sie stellen durch ihre hohe Biodiversität ein einzigartiges Ökosystem dar, das Rückzugsorte für viele Arten bietet. In den letzten Jahrzehnten kam es auf der einen Seite durch gesellschaftliche Entwicklungen und auf der anderen Seite durch klimatische Veränderungen zu dramatischen Rückgängen der Streuobstbestände. Die durch den Klimawandel bedingten Veränderungen, wie zum Beispiel die Erhöhung der Temperaturen und die Verschiebung der Niederschlagsverteilung und damit Wasserverfügbarkeit führen zur erhöhten Mortalität vieler Streuobstbäume. Auch für Krankheiten und Parasiten, wie zum Beispiel die Obstbaummistel (Viscum album) sind diese Bestände mit fortschreitendem Klimawandel anfälliger.

Zum Fortbestehen der Kulturlandschaft Streuobstwiese ist es notwendig diese heute schon an die prognostizierten zukünftigen Bedingungen anzupassen. Grundlage hierfür bildet das „STIK – Streuobstwiesen im Klimawandel“ Projekt. Ziel ist es unter anderem eine Strategieentwicklung zur Bewirtschaftung von Streuobstbeständen zu etablieren. Wesentlichen Bestandteil des Projekts nimmt die Wissensvermittlung zum Themenkomplex Streuobstwiese mit innovativen Methoden ein.

Aufgrund der extrem hohen räumlichen Auflösung im Zentimeterbereich weisen Unmanned Aerial Systems (UAS) ein besonders großes Potential für das Monitoring, die Zustands- und Vitalitätsanalyse von Streuobstbeständen auf. Daher werden die Projekt-Untersuchungsgebiete in unterschiedlichen zeitlichen Abständen mit einer 10 bandigen Multispektralkamera beflogen. Die Weiterverarbeitung der Daten erfolgt mit Structure from Motion Techniken. Hier können neben verschiedenen Höhenmodellen und dem Orthomosaik auch Punktwolken und 3D-Modelle als Analysegrundlage berechnet werden.

Mithilfe der aufgenommenen multitemporalen Datengrundlage zu allen Stadien der phänologischen Entwicklung sollen unter anderem die unterschiedlichen Baumarten voneinander abgegrenzt werden. Die multispektrale Auflösung erlaubt dabei die Einbeziehung von Vegetationindizes, die wertvolle Informationen über den Vitalitätszustand auf Einzelbaum- und Flächenebene liefern könnten. Darüber hinaus ist es im laubfreien Winterzustand mit Hilfe von UAS-Daten möglich Misteln auf den Streuobstbäumen zu identifizieren. Hierfür bietet die Verwendung der dichten Punktwolke große Vorteile. Neben Informationen zu spektraler Eigenschaft und relativer Höhe werden auch Parameter zu geometrischer Form und Punktdichte bestimmt. Diese helfen, in Machine Learning Verfahren, die Güte der Misteldetektion zu erhöhen. Eine automatisierte Erkennung von Misteln könnte in Zukunft dabei helfen Pflegemaßnahmen gezielt durchzuführen und somit die Resilienz von Streuobstbeständen im Klimawandel zu stärken. Das großflächige Monitoring des Vitalitätszustands von Streuobstbeständen bildet die Grundlage für deren Erhaltung und Förderung.