LEAFLET 2.0

Das LEAFLET 2.0 (LightdronE Aerial support For pubLic grEen managemenT)-Projekt zielt darauf ab, eine Methodik und einen Service zu entwickeln, um professionelle Betreiber bei der Bewertung des Gesundheitszustands und der strukturellen Stabilität öffentlicher Grünflächen zu unterstützen, durch die Integration von Daten, die mithilfe kostengünstiger UAS (Unmanned Aerial System)-Plattformen, WebGIS-Tools und unter Verwendung von KI (Künstliche Intelligenz)-basierten Techniken erhoben werden.

Der kontinuierliche Anstieg der Anzahl negativer klimatischer Ereignisse, von denen viele extrem sind, gekoppelt mit der stetigen Alterung von Baumbeständen in Städten, stellt die Zukunft des städtischen Grünflächenmanagements für die Fachkräfte des Sektors vor zahlreiche Herausforderungen und damit verbundene Risiken. Diese Risiken ergeben sich aus den möglichen Gefahren, die mit der Instabilität von Bäumen in urbanen Gebieten verbunden sind, bedingt durch ungeeignete klimatische Bedingungen und unsachgemäße Pflege, was zu Schäden an Eigentum und vor allem an Personen führen kann, mit entsprechenden zivil- und strafrechtlichen Haftungen für die Verantwortlichen der Baumpflege. Vor diesem Hintergrund ist es notwendig, die Sicherheit städtischer Grünflächen zu maximieren, indem sichergestellt wird, dass sie überwacht und angemessen behandelt werden, um jegliches Risiko zu vermeiden.

Um dies zu erreichen, ist es sinnvoll, standardisierte Prozesse für das Management städtischer Grünflächen klar zu definieren, insbesondere unter Berücksichtigung der Unterstützung durch neue Technologien wie Drohnen. Dies muss die Beschreibung von Verfahren zur Planung der Erhebungen, zur Verarbeitung der gewonnenen Daten, zur Analyse der verarbeiteten Daten und zur Bereitstellung zusammengefasster Informationen über vereinfachte Werkzeuge zur Unterstützung von Fachkräften umfassen. Um die Analyse und Präsentation relevanter Informationen für Techniker zu vereinfachen, sieht das LEAFLET 2.0-Projekt den Einsatz von Künstlicher Intelligenz (KI) und Machine Learning (ML)-Methoden vor. Diese Methoden unterstützen die Analyse heterogener Daten (RGB, multispektral, LiDAR) und erleichtern die schnelle und automatisierte Erstellung verwertbarer Ergebnisse für Fachkräfte.

Darüber hinaus soll zur Gewährleistung der Erstellung eines vollständigen und effektiven Protokolls beabsichtigt werden, lokale Verwaltungen direkt in die Studien- und Definitionsprozesse einzubeziehen, insbesondere die Stellen, die für die Überwachung, Pflege und Aufsicht städtischer Grünflächen zuständig sind. Dazu gehört zum Beispiel das Büro für Grün- und Umweltmanagement der Gemeinde Meran, das sein Interesse und seine Bereitschaft zur Mitarbeit am Projekt gezeigt hat und sicherlich einbezogen wird. Außerdem wird die Einbindung weiterer Ämter, die für das Management öffentlicher Grünflächen der Südtiroler und nationalen Verwaltungen zuständig sind, geprüft.

Technische Ziele

  • Identifizierung der Datentypen, die benötigt werden, um das Phänomen und/oder den Gesundheitszustand der einzelnen Pflanze und/oder den allgemeinen vegetativen Zustand einer gesamten städtischen Grünfläche korrekt darzustellen;
  • Feinabstimmung der Erhebungsmethodik entsprechend der spezifischen durchzuführenden Vertiefungsstudie;
  • Straffung der bisher angewandten Datenverarbeitungsverfahren; Verarbeitung von Big Data, Definition einer Anwendungsmethodik; Schnittstelle zwischen der LEAFLET 2.0-Anwendung und WebGI GreenSpaces
  • Erstellung thematischer Karten in Bezug auf die Analysesituation und Definition der bedeutenden Ergebnisse für die einzelnen Anwendungsfälle und spezifischen Einblicke.

Innovationsziele

  • Integration heterogener Daten: Insbesondere liegt der innovative Charakter in der Identifizierung eines Anwendungsintegrationsprotokolls zwischen der Analyse von Daten aus unterschiedlichen Sensorquellen, wie Bildern von RGB-Kameras, multispektralen Sensoren und LiDAR, wobei es auch gelingt, diese zu integrieren und die Visual Tree Assessment (VTA)-Methodik anzuwenden.
  • Integration von Daten traditioneller Erhebungen mit hochauflösenden Erhebungen, die mithilfe von UAS durchgeführt werden: Der innovative Charakter liegt im hohen Potenzial zur Erweiterung der möglichen Studien, die durchgeführt werden können, zusätzlich zur Repräsentativität, die durch die Integration traditioneller Studien mit den innovativen beibehalten werden kann. Dieser Aspekt ermöglicht es, einen roten Faden zwischen den über die Jahre gesammelten und aufgezeichneten Überwachungsdaten zu erhalten, um die Korrektheit, Konsistenz und Kontinuität der Daten und der erzielten innovativen Ergebnisse zu überprüfen.
  • Einsatz innovativer Methoden der Künstlichen Intelligenz zur Analyse von Daten, insbesondere heterogener Daten, und Computer Vision für die korrekte Ausrichtung der nadiralen Aufnahmen, mit dem Ziel, diese präzise über den Kronen der Pflanzen aufzunehmen.
  • Vereinfachung und Automatisierung des Prozesses zur Erstellung von Genehmigungsunterlagen für Flüge in städtischen Gebieten.

Schließlich wird ein Teil der experimentellen Projektziele die Validierung der durchgeführten Erhebungen auch außerhalb der Provinz Bozen/Bolzano berücksichtigen. Die Aktivität wird punktuell durchgeführt, um meteorologische und forstliche Bedingungen zu untersuchen, die sich vom Südtiroler Kontext unterscheiden.

Projektdetails

Titel: LightdronE Aerial support For pubLic grEen managemenT
Akronym: LEAFLET2.0
Projektcode: 244-22
CUP: B57H23000060001
Förderprogramm: Autonome Provinz Bozen (Landesgesetz 13.12.2006, Nr. 14)
Gesamtbudget: 220.300,00 € (gefördert: 220.300,00 €)
MAVTech-Budget: 90.135,00 € (gefördert: 90.135,00 €)
Berater: Studio Verde, R3GIS, Flyingbasket.
Projektdauer: 03.2023 – 12.2025