BROADCASTS.com

In diesem Vortrag wird die automatisierte Detektion von Baumstandorten mit Hilfe von machinellem Lernen und Fernerkundungsdaten, die im Zuge eines Projektes mit dem Regionalverband Ruhr (RVR) entwickelt wurde, pr\xe4sentiert.\n\nKenntnisse \xfcber die Standorte von Einzelb\xe4umen sowie deren Ver\xe4nderung bilden eine wichtige Grundlage f\xfcr diverse Fragestellungen mit Bezug zu gr\xfcner Infrastruktur, Raumbeobachtung und Klima. Die Informationen dazu liegen in der Metropole Ruhr nur vereinzelt und unvollst\xe4ndig, z.B. in Form von kommunalen Baumkatastern vor. Daher wurde im Rahmen eines Projektes mit dem Regionalverband Ruhr (RVR) eine automatisierte Detektion von Baumstandorten entwickelt.\n\nInnerhalb des Projektes ist ein Open-Source-Ansatz entwickelt worden f\xfcr die Erfassung von Einzelb\xe4umen, sowie diverser Parameter (H\xf6he, gesch\xe4tzte Stammposition, Kronendurchmesser, Abstand zu Geb\xe4uden und anderen B\xe4umen,...). Dieser Ansatz beinhaltet die Anwendung von maschinellem Lernen (ML \u2013 Machine Learning). Als Datengrundlage werden u.a. LiDAR-Punktwolken, Orthophotos und daraus abgeleitete Indizes (z.B. NDVI), sowie Sentinel-2-Zeitreihen genutzt. Ein fl\xe4chendeckender Datensatz wurde am Beispiel von Herne f\xfcr das Jahr 2020 berechnet.\nabout this event: https://pretalx.com/fossgis2023/talk/LAPFZU/