Projekte im Digital Forest Lab

Das Digital Forest Lab Haselberg ist ein offener Lern- und Forschungsraum. Darin sind verschiedene Abschluss- und Forschungsarbeiten angesiedelt, die sich mit dem lokalen Waldökosystem um Haselberg auseinandersetzen.

Hauptprojekt:

Neben der Ausarbeitung der digitalen Waldtour und Website, waren wir eingeladen zur Tagung des BfN „Naturschutz Digital 2023: Innovative Digitalformate in der Naturschutzbildung“ im April 2023, dem jährlichen Symposium der IFSA (Internationalen Forst Studierenden Vereinigung) im August 2023 und durften auf der der FoWiTa in Dresden im September 2023 unser Projekt präsentieren. Im Austausch mit den Teilnehmenden ist uns die Vernetzung mit anderen digitalen und kostenlosen Bildungsanwendungen besonders wichtig geworden. Auch die fortgehende Weiterentwicklung von Wissenstransferformaten ist uns wichtig, weshalb wir dieses Projekt nicht als abgeschlossen begreifen, sondern als dynamische Plattform, die sich mit den Projekten und Studierenden entwickelt. Fragen zu den Projekten oder Projektvorschläge können über das Kontaktformular gestellt werden.

Projekte von Studierenden:

"Errichten eines Marteloskops" (in Arbeit)

von Zoe Ropella, B.A.Sc. Forstwirtschaft

"Etablierung einer Dauerversuchsfläche mit Dendrometern"

von Jan Smigielski, B.A.Sc International Forest Ecosystem Management

Ziel dieser Studie ist es, einen Forschungsaufbau zu etablieren, der Daten über die Auswirkungen von Umweltparametern auf baumphysiologische Parameter liefern kann. Es wird untersucht, ob der konstruierte Forschungsaufbau genügend Daten liefern kann, um Ursache-Wirkungs-Beziehungen zwischen den Parametern aufzuzeigen. Die ermittelten Korrelationen könnten zur Erstellung eines datenbasierten Modells verwendet werden, das die Forschungsergebnisse für die Nutzer zugänglich und sichtbar macht.

Zu diesem Zweck wurden die Stammradiusschwankungen mehrerer Individuen von Fagus sylvatica in einer Forschungsfläche des Digital Forest Lab Haselberg mit Punkt-Dendrometern in Mikrometer-Auflösung gemessen. Stammradiusänderungen können entweder auf Wachstumsprozesse oder auf Baum-Wasser-Bewegungen zurückgeführt werden. Die Daten wurden in Anlehnung an das Zero-Growth-Konzept von Roman Zweifel et al. mit dem R-Paket treenetproc aufbereitet und auf Korrelationen getestet.

"Semantische Segmentierung von abgestorbenen Bäumen (Picea abies) mittels Deep Learning"

von Muhammed Sinan, M.Sc. Forest Information Technology

Es ist möglich, den durch biotische oder abiotische Reize verursachten physiologischen Stress in Wäldern zu verfolgen. Eines der größten Probleme ist derzeit die große Zahl abgestorbener Bäume, die benachbarte Bäume direkt schädigen. Abgestorbene Bäume können mit Hilfe der Fernerkundung (RS) und der Künstlichen Intelligenz (KI) in geeigneter Weise identifiziert werden. Die KI hat eine Reihe von Bildsegmentierungsalgorithmen entwickelt, die abgestorbene Bäume anhand von RS-Daten, z. B. Bildern von unbemannten Luftfahrzeugen (UAVs), klassifizieren können. Aus dieser Perspektive zielt diese Forschung darauf ab, eines der DL-Modelle, U-Netz, zu verwenden, um die toten Fichten (Picea abies) in den UAV-Orthofotos zu segmentieren.

"Konzeption einer langfristigen Versuchsfläche im Kleinprivatwald unter Berücksichtigung waldbaulicher, klimatischer und ökonomischer Aspekte"

von Paula Mosch, B.Sc. Forstwirtschaft

Andere Projekte:

Inventuren per Laserscan von IT4 Forest

Erntemaßnahmen und Auswirkungen auf die Bestandesstruktur vom Fachbereich Wald und Umwelt der HNEE

Offene Themen zur Bearbeitung:

Bachelorarbeit: Verjüngungskonzept eines Buchendominierten Bestandes
Masterarbeit: Algorithmische Erkennung von Wildkameradaten
3. Kapitel Perspektiven des Waldökosystems

Bei Interesse nehmen sie bitte Kontakt über das Formular auf.