Google4Habitat: Semiautomatische Klassifizierung mit Google Earth Engine

Ausgangslage

Für den Schutz von Lebensräumen braucht es aktuelle Karten, etwa für die Rote Liste Kärnten und das Natura-2000-Netzwerk. Kartierungen im Gelände sind aufwendig, gerade im schwer zugänglichen Hochgebirge. Im Projekt Google4Habitat wurde deshalb eine Methode entwickelt, die Lebensräume aus frei verfügbaren Satellitendaten klassifiziert und auch Veränderungen über lange Zeiträume sichtbar macht. Getestet wurde sie im Seebachtal im Nationalpark Hohe Tauern, auf rund 52 km² zwischen 1.200 und 3.361 m Seehöhe.

Meine Leistungen

Im Team von Gregory Egger (Naturraumplanung Egger) habe ich das Klassifikationsmodell technisch umgesetzt:

  • Programmierung des Modells in Google Earth Engine
  • Einbindung der Satellitendaten: 49 Sentinel-2- und 22 Landsat-8-Aufnahmen aus 2022, Landsat 5 aus 1992 für den Zeitvergleich
  • Zusätzliche Datenschichten aus Laserscanning: Hangneigung, Oberflächenrauigkeit und Vegetationshöhe, dazu die Indizes NDVI, NDWI und NDSI
  • Klassifikation von 14 Lebensraumtypen mit Random Forest und Prüfung der Genauigkeit an Referenzpunkten

Methodik & Ergebnis

Als Referenz dienten Punkte, die je Lebensraumtyp anhand von Orthofotos festgelegt wurden. Zwei Drittel davon trainierten das Modell, ein Drittel diente zur Kontrolle. Wälder, Fels und Gletscher werden zuverlässig erkannt. Kleine Lebensräume wie Moore und Stillgewässer lassen sich mit Landsat nur eingeschränkt erfassen.

Der Vergleich von 1992 und 2022 zeigt: Auf rund 80 % der Fläche hat sich wenig verändert. Auf den übrigen 20 % gab es Verschiebungen zwischen Wald und Offenland, unter anderem durch Lawinen und Muren.

Egger, G., Preinstorfer, S., Kollmann, M., Becker, I., Izquierdo-Verdiguier, E. & Paul, M. (2024): Google4Habitat – a novel method for remote sensing-based habitat classification using Google Earth Engine. Carinthia Nature Tech 1(1): 8–28.

Mehr zu dieser Leistung: Fernerkundung und Satellitenbildauswertung