Methodik
Als Datenquelle für die bereits vorprozessierten Satellitendaten fungierte der FORCE data cube (Framework for operational radiometric correction for environmental monitoring; Frantz, D., 2019, doi.org/10.3390/rs11091124; https://force-eo.readthedocs.io/en/latest/, last accessed: 22. July 2025).
Die Analyse der Satellitenbilder ermöglichte die Erstellung einer wolkenfreien, äquidistanten Zeitreihe des NDVI für den Zeitraum 2017–2024. Die Anwendung des Radial Basis Function (RBF) convolution filters führte zur Interpolation dieser Zeitreihe, wobei die open-source Software von FORCE zum Einsatz kam. Als Prozessierungsumgebung wurde die CODE-DE Plattform genutzt (Copernicus Data and Exploitation Platform, https://code-de.org/en/about/, last accessed: 22. July 2025).
Für die Detektion der Waldstörungen im Zeitraum 2018–2025 wurden NDVI-Differenzen mit der Referenzperiode 2017 betrachtet und anhand einer Grenzwertmethode klassifiziert. Gemäß des empirisch ermittelten NDVI-Differenzengrenzwertes wird ein Pixel als gestört klassifiziert, sofern er dreimal den definierten Wert unterschreitet. Um phänologische und ungünstige Belichtungseffekte zu vermeiden, wurden zwei verschiedene Beobachtungsperioden betrachtet. In der ersten Beobachtungsperiode wurden ausschließlich Aufnahmen aus dem Zeitraum Mai bis September in die Analyse einbezogen. In der zweiten Beobachtungsperiode wurden Aufnahmen aus dem gesamten Jahr berücksichtigt. Um die beiden Beobachtungsperioden zu vereinen, wurden nur die Detektionen aus der zweiten Beobachtungsperiode übernommen, die im darauffolgenden Mai mit der ersten Beobachtungsperiode verifiziert wurden.
Die Methodik wurde ausschließlich auf die bestockte Holzbodenfläche (Stand 2018) angewendet (Langner et al., 2022, doi.org/10.3220/DATA20221205151218). Zudem findet ein räumlicher Filter Anwendung, der auf einem Resultat eines alternativen Modellansatzes basiert. Der alternative Modellansatz ist das Resultat des frei verfügbaren "hungry-beetle"-Algorithmus von David Frantz (https://github.com/davidfrantz/hungry-beetle/tree/main, last accessed: 22. July 2025). Im finalen Ergebnis werden lediglich die Flächen angezeigt, die in beiden Ergebnisrastern als gestört detektiert wurden. Durch diese Vorgehensweise erfolgt eine Kombination der beiden Modellansätze. Abschließend wird ein räumlicher Filter implementiert, der dazu dient, alle Störungsflächen mit einer Größe von weniger als 0,1 Hektar aus der Karte zu entfernen.
Gemäß der Karte sind die dort dargestellten Störungsflächen jene Areale, an denen signifikante spektrale Veränderungen festgestellt wurden. Die Ursachen für Störungen können dabei vielfältig sein. Zu den potenziellen Ursachen zählen beispielsweise biotische und abiotische Waldschäden sowie Veränderungen, die durch Durchforstungen entstanden sind.
Datenaktualität/-qualität
Das Modell zur Erstellung der Störungskarten unterliegt ständiger Entwicklung. Daher kann eine Weiterentwicklung auch rückläufig zu Änderung der Ergebnisse führen.