Wie wachsen Wälder in verschiedenen Regionen der Welt? Mit ECHOSAT lässt sich diese Frage weltweit und über mehrere Jahre hinweg systematisch beantworten.

Während frühere Baumhöhenkarten lediglich einzelne Jahre abbilden, erfasst ECHOSAT (Estimating Canopy Height Over Space And Time) Waldwachstum, Störungen und Wiederbewaldung über mehrere Jahre hinweg und liefert damit wichtige Daten für CO₂-Monitoring und Klimaschutzmaßnahmen.

Jan Pauls, Dr. Karsten Schrödter, Sven Ligensa und Prof. Fabian Gieseke vom Lehrstuhl für Maschinelles Lernen und Data Engineering des Instituts für Wirtschaftsinformatik entwickeln ECHOSAT gemeinsam mit internationalen Forschenden: Martin Schwartz und Philippe Ciais (Laboratoire des Sciences du Climat et de l’Environnement (LSCE), Frankreich), Berkant Turan und Max Zimmer (Zuse Institute Berlin (ZIB)), Sassan Saatchi (Jet Propulsion Laboratory (JPL), California Institute of Technology, USA) sowie Sebastian Pokutta (Technische Universität Berlin).

Das Forschungsteam kombiniert Multi-Sensor-Satellitendaten mit einem spezialisierten Vision-Transformer-Modell. Eine selbstüberwachte Wachstumsregularisierung stellt sicher, dass die berechneten Baumhöhen biologisch plausiblen Entwicklungskurven folgen, einschließlich gradueller Zuwächse sowie abrupten Rückgängen durch Feuer oder Abholzung.

Beispielsweise zeigt ECHOSAT in Les Landes (Frankreich) deutlich die Zyklen aus Abholzung und Wiederbewaldung, während große Teile des Amazonas-Regenwaldes über den betrachteten Zeitraum stabil bleiben. Beide Muster werden automatisch erkannt, ohne zusätzliche Nachbearbeitung.

ECHOSAT ist Teil des Projekts AI4Forest, einer deutsch-französischen Forschungskooperation. In Anerkennung der zentralen Bedeutung von Waldökosystemen für Klima und Biodiversität untersucht die Initiative, wie modernste Methoden der Künstlichen Intelligenz eingesetzt werden können, um klimabedingte Umweltveränderungen besser zu verstehen, zu überwachen und geeignete Reaktionsstrategien zu entwickeln.

Links zu dieser Meldung

Hier finden Sie das vollständige Paper.

Die Karten sind hier öffentlich zugänglich.

Weitere Informationen zum Projekt AI4Forest finden Sie hier.