Project

Back to overview

Exploiting the full potential of Copernicus Sentinel data for countrywide tree species mapping

English title Exploiting the full potential of Copernicus Sentinel data for countrywide tree species mapping
Applicant Waser Lars
Number 184605
Funding scheme Project funding
Research institution Abt. Landschaftsdynamik und Raumentwicklung Eidg. Forschungsanstalt WSL
Institution of higher education Swiss Federal Institute for Forest, Snow and Landscape Research - WSL
Main discipline Other disciplines of Environmental Sciences
Start/End 01.01.2020 - 31.12.2023
Approved amount 238'964.00
Show all

Keywords (9)

biodiversity; deep learning; classification; time series; spatial explicit; climate change; tree species; Sentinel-1/-2; countrywide

Lay Summary (German)

Lead
Aktuelle, flächendeckende, und regelmäßig aktualisierte Informationen über die Verteilung der Baumarten sowie deren zeitlicher Veränderungen werden vom Forstsektor und weit darüber hinaus benötigt (Waldbewirtschaftung, Biodiversitätsforschung etc.) - insbesondere im Zusammenhang mit dem Klimawandel. In den letzten 15 Jahren sind im Bereich der forstlichen Fernerkundung grosse Fortschritte erzielt worden. Neueste Fernerkundungsdaten und Auswerteverfahren erlauben es nun mit vernünftigem Aufwand aktuelle, flächendeckende, konsistente und reproduzierbare Karten zur Verteilung der Baumarten zu generieren. Dennoch beschränkt sich die Klassifikation der Baumarten heutzutage immer noch auf Fallstudien und grossflächige Anwendungen bilden die Ausnahme. Das Projekt erlaubt es, mittels der heutigen technischen Möglichkeiten und Fernerkundungsdaten erstmals einen landesweiten detaillierten Datensatz zur Baumartenverteilung zu generieren.
Lay summary

Inhalt und Ziel des Forschungsprojekts

Im Detail werden wir die bestehende Lücke zwischen Fallstudien und einer landesweiten Anwendung schliessen und zwar mittels (i) innovativer Klassifikationsverfahren (Deep Learning) und (ii) frei verfügbaren, sowohl zeitlich als auch räumlich, hochaufgelösten Satellitendaten (Sentinel-1 / -2) des Copernicus Programms der ESA (Europäische Weltraumorganisation). Bisherige Probleme wie Schatten, Wolken, Hangneigung und eine heterogene Baumartenverteilung werden mit Hilfe von Satellitenbildzeitreihen und den Radaraufnahmen (Wetter und Tageszeit unabhängig) in diesem Projekt minimiert. Die neue Karte der gesamtschweizerischen Baumartenverteilung basiert ausschliesslich auf der Verarbeitung von räumlicher Informationen und nicht nur auf statistischen Schätzungen wie bestehende Produkte.

Wissenschaftlicher und gesellschaftlicher Kontext des Forschungsprojekts

Im Projekt wird ein grosses Augenmerk auf die Verwendung bereits bestehender Baumartendaten, die es zu Testzwecken braucht, frei verfügbaren Satellitendaten, sowie auf die Nutzung von open Source Programmier- und Speicherumgebungen gelegt. Damit glauben wir, dass wir mit unserem Projekt die Forschung in diesem Bereich einerseits weiter antreiben, andererseits aber auch eine wichtige Datengrundlage für die Praxis zur Verfügung stellen können.

Direct link to Lay Summary Last update: 12.09.2019

Responsible applicant and co-applicants

Employees

Name Institute

Project partner

Abstract

Precise and regularly updated information on the state and distribution of tree species, as well as changes over time, is frequently required over large spatial extents by the forestry sector and beyond, in particular for forest management, biodiversity assessments - especially in the context of a changing climate. This proposal is motivated by the increasing need for spatially explicit information on tree species composition by the realms listed above, yet existing research has focused on individual case studies rather than countrywide applications. Such nationwide assessments are particularly challenging but also interesting in alpine countries such as Switzerland, with its complex topography and heterogeneous, diverse and patchy forests. Up to now, no study has successfully addressed these challenging conditions overall, let alone attempted to optimize conditions to obtain better results. Forest inventories, e.g. the Swiss National Forest Inventory (NFI), provide a precise statistical estimation of tree species composition for large areas, e.g. for all of Switzerland, based on stratified samples, but spatially explicit information based on wall-to-wall assessments is missing. In this project, we will fill this gap and move from tree species classification on the case study level to analysis at the national level. Our goal is to develop a robust method to classify the nine most common tree species, that comprise 93% of all tree species, with an approx. spatial resolution of 10 m for the whole of Switzerland. This approach is based on innovative remote sensing techniques and freely available input data sets. It fully exploits the potential of multi-temporal remote sensing data using deep learning classification algorithms. It is specifically designed to cope with heterogeneous forests and is thus flexible regarding the choice of classification algorithm and economical regarding training data. The approach enables regular updates and future adaptions. We will benefit from a huge existing and continuously updated data set of training and reference data for tree species provided by national research, monitoring and inventory programs, such as the NFI, the experimental forest management project and the forest reserves network of Switzerland. Thus, cost-effective field work will be minimized and only required as independent reference data. To reach this goal, we will use time series data from the European Space Agency (ESA) Copernicus Sentinel missions (Sentinel-1 / -2), which are at the cutting edge of remote sensing technology and offer excellent opportunities to investigate tree species distribution at an unprecedented high spatial and temporal resolution. These data sets are complementary to the high spatial resolution aerial imagery and Airborne Laser Scanning (ALS) data available for the entire country, which are acquired within a six-year return interval.We expect the research results to be widely used in scientific as well as practical applications, e.g. in forestry and nature conservation, and we will put a lot efforts on output that matches the needs of potential users. We believe that methodologically, our project will motivate other researchers to build on our approach and apply it to their specific needs.
-