EFTAS hat die auf Fernerkundung und Photogrammetrie basierenden Workflows auch für städtische Grünflächen und Baumbestände stark erweitert. Die Erkennung von Einzelbäumen ist bereits Standard.
Die Einzelbaumerkennung auf Basis von Luftbildern gehört für EFTAS zu den Standards bei der KI-gestützten Bilddatenauswertung.
Foto: EFTAS
Grünflächen in Städten haben wichtige Funktionen. Sie kühlen die Umgebung, speichern Regenwasser, fördern die Artenvielfalt und tragen erheblich zur Lebensqualität bei. Gleichzeitig verursachen sie Pflegekosten, denn Rasenflächen, Böschungen oder Parkanlagen müssen regelmäßig gemäht oder kontrolliert werden. Wer diese Flächen effizient bewirtschaften will, braucht eine verlässliche Datengrundlage. Genau hier setzt die EFTAS GmbH aus Münster an. Mit Fernerkundung, künstlicher Intelligenz und photogrammetrischen Methoden werden kommunale Grünflächen digital erfasst und klassifiziert.
Vom Orthophoto zum 3D-Stadtgrün
Der typische Workflow eines Grünflächenkatasterprojekts beginnt bei EFTAS mit der Eingangskontrolle der Bildflugdaten und der Aero-
triangulation, die die geometrische Genauigkeit der Luftbilder sicherstellt. Darauf folgt die Erstellung eines Orthophotomosaiks, das als visuelle Grundlage dient. Die eigentliche Erfassung erfolgt in der 3D-Stereoumgebung. Dabei werden Punkt-, Linien- und Flächenobjekte von Einzelbäumen über Rasenflächen bis zu versiegelten Wegen lagerichtig aufgenommen.
Wo Luftbilder an ihre Grenzen stoßen, unterstützt künstliche Intelligenz die Auswertung. KI-Modelle erkennen Baumkronen, klassifizieren Vegetationshöhenmodelle und liefern zusätzliche Strukturen. „Wir setzen auf eine Kombination aus maschineller Auswertung und fachlicher Prüfung“, erklärt Joachim Peyker, von EFTAS. „Alle Ergebnisse werden im Vier-Augen-Prinzip geprüft, ergänzt um automatisierte Plausibilitäts- und Geometriechecks und, falls nötig, Feldvergleiche“, so der Projektleiter.
Bei der photogrammetrischen Erfassung kommunaler Grünflächen sind Luftbilder nicht immer ausreichend, so dass Wege, Spielgeräte oder Sitzbänke unter dichten Baumkronen oft unsichtbar bleiben. Um solche verborgenen Strukturen zuverlässig zu kartieren, sind Feldvergleiche nötig, die bisher meist mit klassischer oder modernster Vermessungstechnik wie Real-Time Kinematik Basisstationen (RTK) oder tragbaren Laserscannern durchgeführt werden.
EFTAS setzt inzwischen auch die Nahbereichsphotogrammetrie ein. Dabei filmen Mitarbeitende mit einer smartphonebasierten 3D-Scanner-App und einem Gimbal gezielt Bereiche, in denen Luftbilder keine eindeutige Sicht bieten, etwa unter Baumkronen. Aus diesen Videosequenzen berechnet eine Cloud-Software ein texturiertes 3D-Modell, das anschließend georeferenziert und im GIS ausgewertet wird. „Wir können die Lage von Objekten in sichttoten Räumen bestimmen und das ganz ohne teures Messequipment“, zeigt Joachim Peyker die Vorteile des Verfahrens auf, das in Münster erprobt wurde und bereits in verschiedenen Projekten zum Einsatz kommt. „Damit sparen Kommunen Zeit und Geld.“
Die Nahbereichsphotogrammetrie ergänzt die klassische Luftbildauswertung und liefert überall dort, wo Vegetation Strukturen verdeckt, den nötigen „Röntgenblick“. Die Genauigkeit hängt von der Verfügbarkeit natürlicher Passpunkte abseits der störenden Baumkronen ab und erreicht eine Größenordnung von ein bis drei Bildpixeln.
Quelle: EFTAS
Durch Nutzung der terrestrischen Nahbereichsphotogrammetrie werden Details wie Wege, Spielgeräte oder Sitzbänke auch unter den Bäumen sichtbar.
Quelle: EFTAS
Von Cop4ALL zum Digitalen Zwilling
Neben der detaillierten Erfassung einzelner Grünflächen arbeitet EFTAS auch auf übergeordneter Ebene an der Analyse von Landbedeckungen. Mit Cop4ALL steht eine bundesweite Lösung bereit, die Landbedeckungen in 15 Klassen – von Versiegelung bis Vegetation – automatisiert klassifiziert und so eine konsistente Datenbasis für kommunale Berichterstattung und Klimaanalysen liefert. Auf dieser Grundlage wurde der Ansatz im Projekt „DigiTal Zwilling 4D“ der Stadt Wuppertal gezielt weiterentwickelt und in KI-gestützten Prozessen Einzelbäume erfasst und klassifiziert. „Wir haben Cop4ALL um Deep-Learning-Verfahren ergänzt, um einerseits die räumliche Auflösung bis zum einzelnen Baum zu erhöhen, andererseits diesen spezifischer beschreiben zu können“, erklärt Dr. Sönke Müller, Projektleiter bei EFTAS.
Die in Cop4ALL enthaltene Unterscheidung in Laub- und Nadelbäume wird weiter bis zur Baumart bzw. Baumartengruppe spezifiziert. „Künftig wollen wir auch Vitalitätsindikatoren aus Sentinel-Daten einbinden, etwa zur Einschätzung von Trockenstress.“ So entsteht ein Baumkataster mit deutlich mehr als 1 Mio. Einzelbäumen, das nicht nur Bestände abbildet, sondern auch ökologische und planerische Analysen ermöglicht.
Digitale Basis für das Stadtgrün von morgen
Mit der Kombination aus Fernerkundung, KI und Nahbereichsphotogrammetrie hat EFTAS einen integrierten Ansatz geschaffen, der Grünflächenmanagement präziser und effizienter macht. Die Verfahren lassen sich flexibel skalieren von kleineren Katasterprojekten bis zu digitalen Zwillingen ganzer Städte. „Wir liefern Kommunen Daten, die wirklich nutzbar sind“, fasst Sönke Müller zusammen. „Sie können damit beispielsweise baumartenspezifische Pflegeeinsätze deutlich einfacher planen, Vitalität nahezu in Echtzeit monitoren oder kleinräumige Klimaanalysen durchführen.“ So liefert EFTAS die entscheidenden Geodaten für das Stadtgrün der Zukunft als Grundlage für nachhaltige Planung, effiziente Pflege und klimaresiliente Städte.
www.eftas.de