Methodenentwicklung zur Klassifikation der Befahrbarkeit von Waldwegen für Einsatzfahrzeuge mittels offener Geodaten

Der fortschreitende Klimawandel mit stärker zunehmenden Hitze- und Dürreperioden führt zu einem Anstieg des allgemeinen Waldbrandrisikos. Während mehrerer Waldbrände im Nationalpark Sächsische Schweiz im Sommer 2022 offenbarten sich für die verschiedenen Einsatzkräfte vor Ort diverse Herausforderungen: Äußerst lange und zeitaufwändige Marsch- und Anfahrtswege aufgrund der anspruchsvollen Topographie des Nationalparks sowie vereinzelter, weit auseinander liegender Brandstellen in Verbindung mit den unzureichenden Kartengrundlagen des Gebietes erschwerten die Einsatzplanung. Vorhandenen Studien zur Erkennung und Kartierung von Wegen bzw. Straßen in bewaldeten Regionen fehlt der spezielle Fokus auf die Anforderungen von Einsatzkräften, die die Daten im Einsatz zur Koordinierung und Navigation benötigen und diese schnell interpretieren müssen. Ziel dieser Arbeit ist es deshalb, eine Methode zu entwickeln, mittels offener Geodaten und Open Source Software sowohl befestigte als auch unbefestigte Waldwege zu erkennen, zu extrahieren und entsprechend der Befahrbarkeit nach den Anforderungen von Einsatzkräften zu klassifizieren. Experteninterviews mit Einsatzkräften vom Technischen Hilfswerk (THW) und der Feuerwehr, welche am Einsatz 2022 beteiligt waren, dienten dazu, eine entsprechende zielführende Wege-Klassifizierung zu entwickeln. Es wird eine Methode vorgestellt, in der durch die Vorprozessierung von Airborne-Laserscan-Daten und Digitalen Orthophotos des Landesamts für Geobasisinformation (GeoSN), sowie aus den die Waldwege repräsentierenden OSM-Vektorlinien (OpenStreetMap) Multilayer-Raster erstellt werden. Diese Raster umfassen ein Untersuchungsgebiet von 4 Kacheln zu je 2 km x 2 km. Es wird ein pixelbasierter überwachter Klassifizierungsalgorithmus, ein Random Forest, angewendet, um das Untersuchungsgebiet in die Klassen Road und Non-Road zu teilen.
Im Ergebnis werden diese Klassenvorhersagen mit den OSM-Wegen verglichen. Es ergibt sich dabei eine allgemeine Genauigkeit von über 95 %. Zur detaillierten Betrachtung werden zudem die Genauigkeitsmerkmale Completeness, Correctness und Quality der Klasse Road herangezogen, wobei sich niedrige Werte von 14-35 %, 12-24 % und 7-14 % ergeben. In der Arbeit wird die Hauptfehlerquelle dafür erkannt und diskutiert, und dadurch die Wichtigkeit genauer Ground-Truth-Daten verdeutlicht. Entsprechend wird von der Nutzung von OSM-Wegen als Datengrundlage abgeraten.
Schlussendlich wird gezeigt, dass die entwickelte Methode einen guten reproduzierbaren Ansatz bietet. In der Arbeit werden Anpassungs- und Ausbaumöglichkeiten der Methode vorgestellt und diskutiert, die zukünftig zu einer Effizienzsteigerung während der beschriebenen Waldbrandeinsätze beitragen können.