• search hit 9 of 18
Back to Result List

Assessing forest growth models using forest structural parameters derived from ground-based remote sensing

Die Ableitung forstlicher Strukturparameter mittels bodengestützter Fernerkundung zur Bewertung von Waldwachstumsmodellen

  • A sustainable development of forests and their ecosystem services requires the monitoring of the forests" state and changes as well as the prediction of their future development. To achieve the latter, eco-physiological forest growth models are usually applied. These models require calibration and validation with forestry reference data. This data includes forest structural parameters such as tree height or stem diameter which are easy to measure and can be used to estimate the core model parameters, i.e. the tree- biomass pools. The methods traditionally applied to derive the structural parameters are mainly manual and time-consuming. Hence, the in situ data acquisition is inefficient and limited in its ability to capture the vertical and horizontal variability in stand structure. Ground-based remote sensing bears the potential to overcome the limitations of the traditional methods. As they can be automated, ground-based remote sensing methods allow a much more efficient data acquisition and a larger spatial coverage. They are also able to capture forest structure in its three dimensions. Nevertheless, at present further research is required, in particular with respect to the practical integration of ground-based remote sensing data into forest growth models as well as regarding factors influencing the structural parameter retrieval from this data. Therefore, the goal of this PhD thesis was to investigate the influencing factors of two ground-based remote sensing methods (terrestrial laser scanning and hemispherical photography), which have not or only scarcely been studied to date. In addition, the use of forest structural parameters derived from these methods for the calibration of a forest growth model was assessed. Both goals were achieved. The results of this thesis could contribute significantly to a comprehensive assessment of ground-based remote sensing and its potential to derive the forest structural parameters. However, the use of these methods to calibrate forest growth models proved to be limited. An optimized data sampling design is expected to eliminate the major limitations, though. Furthermore, the combination of ground-based, airborne, and satellite remote sensing sensors was suggested to provide an optimized framework for the general integration of remotely sensed data into forest growth models. This combination of remote sensing observations at different scales will contribute greatly to a modern forest management with the purpose of warranting a sustainable forest development even under growing economic and ecological pressures.
  • Für die nachhaltige Entwicklung von Wäldern und ihren Ökosystemdienstleistungen ist es erforderlich, den Zustand und Zustandsveränderungen von Wäldern zu beobachten sowie ihre zukünftige Entwicklung zu prognostizieren. Hierfür werden in der Regel ökophysiologische Waldwachstumsmodelle verwendet. Diese Modelle setzen eine Kalibrierung und Validierung anhand forstlicher Referenzdaten voraus. Zu diesen Referenzdaten zählen vor allem einfach zu erhebende Messgrößen der Baumstruktur (z.B. Baumhöhe, Stammdurchmesser), die in einem Zusammenhang mit den zentralen Modellparametern, nämlich den Biomasse-kompartimenten eines Baumes, stehen. Die traditionell zur Bestimmung dieser Messgrößen eingesetzten Methoden sind vorwiegend manuelle Verfahren, die zeit- und kostenaufwendig sind. Die Datenerhebung ist somit zwangsläufig ineffizient und kann nur eingeschränkt die horizontale und vertikale Variabilität der strukturellen Größen und damit die Bestandsstruktur erfassen. Methoden der bodengestützten Fernerkundung (FE) umgehen die Einschränkungen der traditionellen Messverfahren. Sie haben den Vorteil, dass sie automatisierbar sind, folglich eine höhere Datenerhebungseffizienz und räumliche Abdeckung erlauben und darüberhinaus eine dreidimensionale Erfassung der Bestandsstruktur ermöglichen. Jedoch besteht noch erheblicher Forschungsbedarf, wie die bodengestützte Fernerkundung praktisch in Waldwachstumsmodelle eingebunden werden kann und welche Faktoren die Ableitung der strukturellen Messgrößen mittels dieser FE-Methoden beeinflussen. Ziel der vorliegenden Arbeit war daher, für zwei bodengestützte fernerkundliche Methoden (Hemisphärische Photographie und Terrestrisches Laserscanning) Einflussfaktoren zu analysieren, die bis dato noch nicht oder nur wenig untersucht wurden. Zudem sollte ein ökophysiologisches Modell mit den erhobenen FE-Daten kalibriert werden, um exemplarisch die Integration von bodengestützer Fernerkundung in Waldwachstumsmodelle aufzuzeigen. Diese Ziele wurden erreicht. Somit konnte die Arbeit zu einer Standardisierung der bodengestützten FE-Methoden für die Ableitung der strukturellen Messgrößen beitragen. Die Kalibrierung des Wald-wachstumsmodelles wies gewisse Einschränkungen auf. Mit zunehmender Optimierung der Erhebungsmethodik ist jedoch künftig eine verbesserte Nutzbarkeit der bodengestützten FE-Methoden für die Kalibrierung zu erwarten. Abschließend wurden weitere Verbesserungs-möglichkeiten für die Integration von Fernerkundungsdaten in Waldwachstumsmodelle präsentiert, die auf einer Kombination von boden- und luftgestützter Fernerkundung basieren. Diese Verknüpfung unterschiedlicher Betrachtungsebenen wird zu einem zukunftsfähigen Waldmanagement beitragen, um eine nachhaltige Waldentwicklung " auch unter wachsenden ökonomischen Zwängen und ökologischen Veränderungen " zu gewährleisten.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Pyare Püschel
URN:urn:nbn:de:hbz:385-8897
Advisor:Joachim Hill
Document Type:Doctoral Thesis
Language:English
Date of completion:2014/10/10
Publishing institution:Universität Trier
Granting institution:Universität Trier, Fachbereich 6
Date of final exam:2014/07/14
Release Date:2014/10/10
Tag:Forst; Terrestrisches Laserscanning; Wuchsmodellierung
Remote sensing; forestry; growth modelling; terrestrial laser scanning
GND Keyword:Fernerkundung
Institutes:Fachbereich 6 / Geographie und Geowissenschaften
Dewey Decimal Classification:5 Naturwissenschaften und Mathematik / 55 Geowissenschaften, Geologie / 550 Geowissenschaften

$Rev: 13581 $