Kartierung von Rückegassen aus flugzeugbasierten Laserscan-Daten durch ein CNN

Tanja Kempen

Vorlesen

NiPF 2024 (1): 11-16 | 2024

Fachbeitrag / Original Article

Kartierung von Rückegassen aus flugzeugbasierten Laserscan-Daten durch ein CNN

Mapping of Skid Trails from Airborne Laser Scanning Data Using a CNN

Tanja Kempen

Zum Herunterladen bitte hier klicken / Please click here to download

DOI: 10.23766/NiPF.202401.02

Online veröffentlicht / Published online: 10/07/2024

Zusammenfassung

Böden spielen eine entscheidende Rolle im Natur- und Klimaschutz. Bei der Waldbewirtschaftung müssen der Erhalt und die Wiederherstellung der Bodenfunktionen höchste Priorität erhalten. Ziel dieser Untersuchung war es, bestehende Fahrspuren von Forstmaschinen, sogenannte Rückegassen, aus Daten der Fernerkundung zu erfassen und digital zu kartieren. Hierzu wurden Messdaten flugzeuggetragener Laserscanner (ALS) mit Hilfe eines gefalteten neuronalen Netzwerkes (engl.: ‚Convolutional Neural Network, CNN‘) ausgewertet. Das entwickelte Verfahren kann dazu beitragen, Waldböden vor Verdichtung zu schützen und deren Funktion zur Speicherung von Wasser und Kohlendioxid zu erhalten.

Schlagworte

Rückegassen, Airborne Laser Scanning, Künstliche Intelligenz, Bodenschutz, Fernerkundung

Abstract

Soils play a crucial role in nature and climate protection. In forest management, preserving and restoring soil functions must be of utmost priority. The aim of this study was to detect existing forest machine tracks, known as skid trails, from remote sensing data and digitally map them. Airborne laser scanning (ALS) data were analysed using a convolutional neural network (CNN). The developed method may help protect forest soils from compaction and preserve their function in storing water and carbon dioxide.

Keywords

Skid Trails, Airborne Laser Scanning, Artificial Intelligence, Soil Protection, Remote Sensing

Drucken