Forschung

Wälder binden 25 % der jährlichen Kohlenstoffemissionen und eine Zunahme der Waldfläche und eine Steigerung des Waldwachstums tragen zur EU-Forststrategie 2030 und nationalen Strategien (Klimaneutralität bis 2040, Carbon Management Strategie) bei. Eine der größten Unsicherheiten in solchen Plänen, ist die Reaktion des Waldes auf Klimaerwärmung, deren Mechanismen bisher nur teilweise verstanden werden. Reaktionen von Bäumen auf Klima lassen sich am besten mit zeitlich hochaufgelösten Dendrometer- und Saftstrommessungen bestimmen. Solche detaillierten Messungen sind jedoch nur auf wenigen Standorten und an wenigen Bäumen möglich. Im Gegensatz dazu weisen Satellitenbilddaten eine gute räumliche Repräsentativität auf und Vegetationsdynamiken können durch Zeitreihen aus Satellitenbilddaten gut abgebildet werden. Aus diesen Zeitreihen lassen sich aber bisher keine kausalen Beziehungen zum Waldwachstum herstellen. Ziel des Projektes ist ein räumlich und zeitlich hochaufgelöstes Monitoring des Zuwachses und der Baumartenvulnerabilität der Baumarten Fichte, Tanne, Lärche, Kiefer, Buche und Eiche im Rein- und Mischbestand durch die Kombination von Dendrometerdaten Saftflussensoren und Satellitenbildern zu entwickeln und an unabhängigen Daten zu testen.

Die Bewertung der Wuchsleistung ist eine zentrale Grundlage für nachhaltige Waldbewirtschaftung. Insbesondere im klimafitten Wald mit zunehmend komplexen Strukturen – bedingt durch Mischbaumarten, sich ändernde Standortverhältnisse, unterschiedliche Schichtungen und kleinräumige waldbauliche Behandlungen – stoßen klassische Methoden der Waldinventur und Standortbeurteilung an ihre Grenzen oder sind nur mit erheblichem Aufwand und Kosten durchführbar. Ziel des Projekts ist es daher, innovative Verfahren zu entwickeln, mit denen die Wuchsleistung effizienter, flexibler und großflächiger digital erfasst und abgeleitet werden kann. Im Fokus stehen dabei zwei methodische Ansätze: (1) die Fernerkundung, insbesondere terrestrisches und luftgestütztes Laserscanning, zur Ableitung von Wachstumsparametern wie Quirlabständen und Höhenzuwächsen, die in Verbindung mit Waldwachstumsmodellen (z. B. Ertragstafeln nach Marschall) eine flächige Wuchsleistungskartenerstellung ermöglicht; und (2) die Nutzung von Umwelt-DNA (eDNA) aus Bodenproben. Letztere erlaubt es, anhand des Vorkommens und der Häufigkeit bestimmter Organismen, insbesondere Pilze, Rückschlüsse auf die Wuchsleistung zu ziehen und diese mit klassischen Standortdaten (z. B. aus den FORSITE-Projekten) zu validieren. Dadurch soll geprüft werden, inwieweit eDNA eine kostengünstige, einfach einsetzbare Ergänzung oder sogar Alternative zu traditionellen Standortkartierungen darstellen kann. Das Projekt liefert so die Basis, um Forstbetrieben, Behörden und anderen forstlichen Entscheidungsträgern digitale Werkzeuge für die Erstellung flächiger Wuchsleistungskarten bereitzustellen. 3 Teilziele: • Lasergestützte Erfassung von Wachstumsparametern Im Projekt werden Methoden entwickelt, um Quirlabstände und Baumhöhenzuwächse sowohl mittels terrestrischem Laserscanning als auch durch den Vergleich zeitlich versetzter Laser-Luftbefliegungen präzise zu erfassen. Auf dieser Grundlage und ergänzend mit klassischen digital erfassten waldmesskundlichen Einzelbaum- und Bestandesparametern wird die Bonität über Waldwachstumsmodelle abgeleitet und durch moderne statistische Methoden in räumlich hochauflösender Form dargestellt. • eDNA als Standortindikator Es wird untersucht, inwieweit eDNA aus Bodenproben als integratives Maß für klassische standortkundliche Größen eingesetzt werden kann. Die Aussagekraft dieses Ansatzes wird durch den Vergleich mit etablierten Standortdaten und -karten überprüft und validiert. • Integration von Standort- und Ertragsdaten Ziel ist es, eDNA, klassische Standortparameter und lasergestützt erhobene Wachstumsdaten systematisch zusammenzuführen. Darauf aufbauend erfolgt die Modellierung der Wuchsleistung auf großer Fläche durch die Verknüpfung terrestrischer Erhebungen mit flächendeckenden Luftbefliegungsdaten, unterstützt von modernen statistischen Verfahren.

Die Waldinventur ist eine zentrale Grundlage für nachhaltige forstliche Entscheidungen. Konventionelle Inventurmethoden sind jedoch zeitaufwendig, arbeitsintensiv und liefern nur begrenzte räumliche Informationen. Moderne Laserscanning-Technologien wie terrestrisches Laserscanning (TLS), personengetragenes Laserscanning (PLS) und Drohnen-LiDAR ermöglichen eine hochpräzise, dreidimensionale Erfassung von Waldbeständen. Während TLS detaillierte Informationen auf Einzelbaumebene liefert, erlauben PLS und Drohnen-LiDAR eine effiziente Erfassung größerer Flächen. Die Kombination dieser Verfahren bietet großes Potenzial für eine moderne digitale Waldinventur, wird jedoch bislang nur selten systematisch genutzt. Ziel des Projekts ist der Aufbau einer konsistenten digitalen Waldinventur für den Lehrforst Rosalia durch die Integration bestehender und neu erhobener Laserscanning-Daten. Auf ausgewählten Stichprobenflächen werden Einzelbaumparameter wie Baumposition, Brusthöhendurchmesser, Baumhöhe, Stammvolumen und Kronenmerkmale mittels TLS, PLS und Drohnen-LiDAR erfasst. Bereits vorhandene Datensätze werden harmonisiert und zu einer langfristig nutzbaren Datenbasis zusammengeführt. Die Verarbeitung der Punktwolken erfolgt mit am Institut für Waldwachstum der BOKU entwickelten Verfahren zur automatischen Baumdetektion sowie zur Ableitung von Baumdimensionen, Stammformen und Kronenparametern. Durch die Verknüpfung hochauflösender Stichprobendaten mit flächendeckenden Drohnen-LiDAR-Daten werden räumlich explizite Modelle für Bestandesparameter wie Vorrat, Grundfläche und mittlere Baumdimensionen entwickelt. Das Projekt schafft eine nachhaltige digitale Datengrundlage für Forschung, Lehre und forstliche Praxis. Zu den Ergebnissen zählen ein harmonisiertes Laserscanning-Datenarchiv, hochauflösende Einzelbaumdaten sowie digitale Karten und Modelle der Bestandesstruktur. Diese unterstützen forstliche Bewirtschaftungs- und Planungsentscheidungen und bilden gleichzeitig eine wertvolle Infrastruktur für wissenschaftliche Arbeiten und die Ausbildung. Der Lehrforst Rosalia wird dadurch als Demonstrations- und Forschungsstandort für moderne digitale Waldinventur gestärkt und Studierenden der Zugang zu innovativen Erfassungs- und Auswertungsmethoden ermöglicht.