Detektion und Quantifizierung von Unterwassertotholz aus Airborne Laserbathymetrie Punktwolken

Abstract

Die zunehmende Verfügbarkeit hochauflösender Airborne-Laserbathymetrie-Daten ermöglicht eine detaillierte dreidimensionale Erfassung von Fließgewässern, einschließlich der unter Wasser liegenden Strukturen. Eine dieser Strukturen ist Totholz, das sowohl eine wichtige Rolle für die Gewässerökologie spielt, als auch potenzielle Risiken für die Infrastruktur darstellen kann. Für ein systematisches Monitoring ist daher eine reproduzierbare Methode erforderlich, die es erlaubt, Totholz aus Punktwolken zuverlässig zu detektieren und geometrisch zu beschreiben. Herkömmliche Verfahren sind oftmals nur eingeschränkt auf Unterwasserbereiche anwendbar.Ziel dieser Masterarbeit ist die Entwicklung eines reproduzierbaren Workflows zur Detektion und Quantifizierung von Unterwassertotholz aus ULS-Punktwolken. Das Untersuchungsgebiet befindet sich im Natura-2000-Schutzgebiet Neubacher Au entlang der Pielach in Niederösterreich. Die Verarbeitung erfolgt mithilfe der Software OPALS sowie Python-basierter Skripte und umfasst mehrere Verarbeitungsschritte. Darunter die Ausreißerfilterung, die Ableitung eines Wasseroberflächenmodells, die Refraktionskorrektur nach dem Snelliusschen Brechungsgesetz, die Bodenklassifikation sowie die Berechnung eigenwertbasierter geometrischer Metriken zur Klassifikation der Punktwolke. Auf Grundlage dieser Merkmale wird eine baumbasierte Klassifikation durchgeführt, um Holzpunkte von Boden-, Wasseroberflächen- und Streupunkten zu trennen. Anschließend werden die Holzpunkte segmentiert und geometrisch modelliert. Dabei werden mittels Hauptkomponentenanalyse und robuster Kurvenanpassung geometrische Parameter wie Länge, Durchmesser und Volumen der einzelnen Totholzelemente bestimmt.Die Ergebnisse zeigen, dass Unterwassertotholz mithilfe von ULS-Daten detektiert und geometrisch beschrieben werden kann. Der entwickelte Workflow erlaubt die Detektion und quantitative Beschreibung von Totholzstrukturen und stellt damit eine Grundlage für das Monitoring von Fließgewässern dar. Damit leistet die Arbeit einen Beitrag zur verbesserten Umweltüberwachung und unterstützt Anwendungen im Bereich der Gewässerökologie, Gefahrenabschätzung und Gewässerbewirtschaftung.

The increasing availability of high-resolution airborne laser bathymetry data enables detailed three-dimensional mapping of river systems, including structures located beneath the water surface. One such structure is deadwood, which plays an important role in river ecology but can also pose potential risks to infrastructure. Reliable monitoring therefore requires a reproducible method capable of detecting and geometrically describing deadwood directly from point clouds. Conventional approaches are often limited in their applicability to submerged environments.The aim of this master thesis is the development of an reproducible workflow for the detection and quantification of submerged deadwood from airborne laser bathymetry point clouds. The study area is located in the Natura 2000 protected area Neubacher Au along the river Pielach in Lower Austria. Data processing is performed using the OPALS software framework as well as Python-based scripts and includes several processing steps such as outlier filtering, derivation of a water surface model, refraction correction based on Snell’s law, terrain classification, and the computation of eigenvalue-based geometric metrics for point cloud classification. Based on these features, a tree-based classification is applied to separate deadwood points from terrain, water surface, and noise points. Subsequently, the detected deadwood points are segmented and geometrically modelled. Using principal component analysis and robust curve fitting, geometric parameters such as length, diameter, and volume of individual deadwood elements are derived.The results demonstrate that submerged deadwood can be detected and geometrically characterized using airborne laser bathymetry data. The developed workflow enables detection and quantitative description of deadwood structures and provides a basis for river monitoring. This work contributes to improved environmental monitoring and supports applications in river ecology, hazard assessment, and river management.