Hohe Biodiversität in Streuobstflächen – aber wo sind diese Flächen in Österreich?
(2) Ingenieurbüro für Kulturtechnik und Wasserwirtschaft, Tobaj 59, 7544 Tobaj, Austria
(3) Höhere Bundeslehranstalt und Bundesamt für Wein- und Obstbau, Wiener Straße 74, 3400 Klosterneuburg, Austria
(4) Biologin, Planötzenhofstraße 19/10, 6020 Innsbruck, Austria
(5) BOKU University, Department für Ökosystemmanagement, Klima und Biodiversität, Institut für Zoologie, Gregor-Mendel-Strasse 33, 1180 Wien, Austria
(6) BOKU University, Department für Ökosystemmanagement, Klima und Biodiversität , Institut für Wildbiologie und Jagdwirtschaft, Gregor-Mendel-Strasse 33, 1180 Wien, Austria
(7) Schweizerische Eidgenössische Forschungsanstalt für Wald, Schnee und Landschaft (WSL), Zürcherstrasse 111, 8903 Birmensdorf, Schweiz
Abstract
Streuobstflächen sind von großer Bedeutung für die Biodiversität, ihre räumliche Verteilung ist daher für viele Fragestellungen von großer Bedeutung. Im Projekt DivMoSt wurde eine Methode entwickelt, die eine aktuelle Bestandsaufnahme ermöglicht. Grundlage der Methodenentwicklung waren 23, über ganz Österreich verteilte Testgebiete, die einen Großteil der Vielfalt des Lebensraums Streuobstfläche abdecken. Zum Einsatz kamen multisaisonale Satellitenbilder und weitere, frei verfügbare Geodaten wie Höhenmodelle und die digitale Katastralmappe.
Innerhalb dieser Testgebiete wurde Streuobst in zwei jeweils 1 km² großen Quadranten vor Ort kartiert. Somit wurde erstmals eine einheitliche Streuobstkartierung in unterschiedlichen, für den Streuobstanbau typischen Regionen Österreichs mit einer Methode durchgeführt. Die Kartierung erlaubte so auch eine erste Einschätzung über den Zustand von Streuobstflächen. Sie diente auch als Referenzdatensatz für das Trainieren von Klassifikationsmodellen (Random Forest) um Obstbäume von anderen (Nicht-Obst-)Bäumen unterscheiden zu können. Als erklärende Variablen dienten neben den Spektralinformationen auch Lageattribute (wie z.B. die Seehöhe). Das Modelltraining erfolgte jeweils in einem der beiden Quadranten und die Validierung im Zeiten. Spektralinformationen wurden für potenzielle Obstbaumstandorte aus Satellitendaten von PlanetScope (Pixelgröße 3 m) und Sentinel-2 (Pixelgröße 10 m) extrahiert. Zusätzlich kamen Alpha-Earth-Embeddings (Pixelgröße 10 m) zum Einsatz, die ein österreichweites Training ermöglichten.
Die Auswertung der Klassifikation in den einzelnen Testgebieten zeigte mit den PlanetScope Daten eine Genauigkeit von durchschnittlich 65,7% (Overall Accuracy), mit Sentinel-2 Bildern eine sehr ähnliche Genauigkeit von 66,2%. Mit Alpha-Earth-Embeddings wurde eine Genauigkeit von 64,0% erreicht; durch das österreichweite Training mit den Alpha-Earth-Embeddings konnte die Genauigkeit auf 71,2% gesteigert werden.
Nach der Klassifikation der 23 Testgebiete mit einer Gesamtfläche von mehr als 2 900 km² wurden mithilfe räumlicher Streuobst-Regeln die Streuobstflächen abgegrenzt und anschließend visuell überprüft. Die entwickelte Methode und die daraus gewonnenen Ergebnisse werden im Vortrag präsentiert.
If this happens again, please get in touch with us.