Assessment of deadwood biomass for the biosphere reserve Rohrach

Abstract

Totholz spielt eine entscheidende Rolle in Waldökosystemen, da es die Biodiversität fördert, den Nährstoffkreislauf unterstützt und Kohlenstoff speichert. Trotz seiner Bedeutung bleibt die automatisierte Erkennung und Messung von Totholz eine Herausforderung, insbesondere in naturbelassenen Wäldern mit dichter Vegetation und überlappenden Stämmen. In dieser Arbeit werden vier Methoden zur Erfassung von Totholz im Naturwaldreservat Rohrach verglichen: manuelle Feldmessungen, "Line Interset" Methode, eine bereits entwickelte UAV-basierte Laserscanning-Methode (ULS) und ein neu entwickelter Algorithmus für terrestrisches Laserscanning (TLS). Der TLS-Ansatz nutzt hochauflösende Punktwolken, um liegendes Totholz zu detektieren. Dabei werden potenzielle Stämme anhand geometrischer Merkmale wie Linearität, Oberflächenorientierung und räumlicher Kontinuität identifiziert. Anschließend werden Polynomfunktionen genutzt, um Durchmesser, Länge und Volumen der Segmente zu berechnen. Drei Probeflächen mit einem Radius von 12 Metern wurden untersucht, um die Methoden unter unterschiedlichen Waldbedingungen zu evaluieren. Die ULS-Methode erwies sich als effizient für großflächige Kartierungen, war jedoch weniger effektiv bei der Erkennung kleinerer oder verdeckter Stämme. Der TLS-Ansatz lieferte detailliertere Messungen, hatte jedoch Schwierigkeiten in Gebieten mit sehr dichtem Unterwuchs und überlappenden Strukturen. Manuelle Messungen, obwohl präzise, waren zeitaufwändig und für größere Flächen weniger praktikabel. Die Ergebnisse zeigen, dass jede Methode ihre eigenen Stärken und Schwächen hat. Eine Kombination von ULS- und TLS-Daten könnte eine umfassendere Lösung bieten, indem ULS für großflächige Erfassungen und TLS für detaillierte Analysen genutzt wird. Diese Arbeit leistet einen Beitrag zur Weiterentwicklung von Methoden zur Totholzerkennung und liefert wertvolle Einblicke für das Monitoring von Biodiversität und das Waldmanagement.

Deadwood plays an essential role in forest ecosystems by supporting biodiversity, helping to cycle nutrients and storing carbon. Despite its importance, accurately detecting and measuring deadwood remains a challenge, especially in unmanaged forests with dense vegetation and overlapping logs. This study compares four methods for assessing deadwood in the Rohrach biosphere reserve: manual field measurements, the line intersect method, an already developed UAV-based laser scanning (ULS) method, and a newly developed Terrestrial Laser Scanning (TLS) algorithm. The TLS approach uses high-density point clouds to detect lying deadwood. It identifies potential logs by analyzing geometric features such as linearity, surface orientation, and spatial continuity. Polynomial fitting is then applied to estimate the diameter, length, and volume of each segment. The algorithm was designed to handle complex forest structures. Three 12-meter-radius plots were analyzed to evaluate the methods under varying forest conditions. The ULS method was efficient in covering large areas, but was less effective in identifying smaller or obstructed logs. In contrast, the TLS approach provided more detailed measurements, but struggled with heavily vegetated areas and overlapping logs. Manual field measurements, while accurate, were time consuming and less practical for larger areas. The results show that each method has its strengths and limitations. Combining ULS and TLS data may offer a more comprehensive solution, leveraging ULS for wide coverage and TLS for detailed analysis. This study contributes to the development of improved methods for deadwood detection, providing valuable information for biodiversity monitoring and forest management.