From leaf traits to canopy signatures : a multiscale and multisensory assessment of ash dieback in Fraxinus excelsior L.

Kurzfassung/Abstract

Das Eschentriebsterben, hervorgerufen durch den invasiven Pilz Hymenoscyphus fraxineus, bedroht derzeit die Existenz der Gemeinen Europäischen Esche (Fraxinus excelsior L.). Der Krankheitserreger führt zu fortschreitenden Symptomen wie Blattverlust, dem Absterben von Trieben und Ästen sowie Stammfußnekrosen, die häufig zu einer hohen Mortalität in betroffenen Populationen führen. Während diese visuell sichtbaren Symptome gut dokumentiert sind, bleiben feinmaßstäbliche physiologische und morphologische Reaktionen der Blätter weitgehend unerforscht. Die Schwere der Krankheitssymptome wird üblicherweise durch zeitaufwendige Feldbeobachtungen eingestuft; Fernerkundungstechnologien wie Drohnen (UAVs) bieten jedoch neue Möglichkeiten für eine flächendeckende, fernerkundliche Erfassung des Krankheitsausmaßes. Diese Dissertation verfolgt daher einen multisensorischen und multiskaligen Ansatz zur Untersuchung der Auswirkungen des Eschentriebsterbens.

Die zentralen Forschungsfragen lauteten:

(1) Verursacht das Eschentriebsterben neben sichtbaren Symptomen wie Blattverlust und Triebsterben auch feinmaßstäbliche morphologische und physiologische Veränderungen in den Blättern infizierter Eschen?

(2) Können multisensorische UAV-Daten und daraus berechnete Vegetationsindizes unterschiedliche Schweregrade der Schädigung durch das Eschentriebsterben detektieren?

(3) Welche Segmentierungsgenauigkeit ist erforderlich, um eine verlässliche Einschätzung mittlerer Vegetationsindexwerte einzelner Eschenkronen zu gewährleisten?

Felduntersuchungen wurden im Jahr 2022 und 2023 an vier Untersuchungsstandorten durchgeführt und kombinierten visuelle Vitalitätsbewertungen mit detaillierten Analysen der Blattphysiologie und -morphologie bei von Eschentriebsterben betroffenen Bäumen. Die untersuchten Blattmerkmale umfassten Chlorophyllfluoreszenz, Chlorophyllgehalt, spezifische Blattfläche (SLA), Blattdicke und Fluktuierende Asymmetrie (FA), welche in Bezug zur visuell erfassten Bonitur gesetzt wurden. Zusätzlich wurden an zwei Untersuchungsgebieten im Zeitraum von Mai bis Oktober über zwei Vegetationsperioden hinweg wiederholte UAV-basierte Befliegungen mit RGB-, multispektralen und thermalen Sensoren durchgeführt. Ergänzend dazu wurden im Jahr 2023 Nahaufnahmen einzelner Eschenkronen mit dem multispektralen UAV-Sensor erstellt, um hochaufgelöste Daten zur detaillierten Kronenanalyse zu erhalten.

Publikation 1 dieser Dissertation untersucht physiologische und morphologische Blattmerkmale in Bezug auf visuell bewertete Krankheitsintensität. Unter den gemessenen Merkmalen zeigte die spezifische Blattfläche die deutlichste und konsistenteste Korrelation mit zunehmender Schwere der Krankheitssymptome, was auf einen möglichen Zusammenhang zwischen Blattmorphologie und dem Eschentriebsterben hinweist.
Publikation 2 stellt ein neuartiges, UAV-basiertes Monitoringverfahren vor, das RGB- und multispektrale Bilddaten nutzt, um den Schweregrad des Eschentriebsterbens mittels Schwellenwerten von Vegetationsindizes zu klassifizieren. Die Ergebnisse zeigen, dass sowohl RGB- als auch multispektrale Indizes, insbesondere der Green-Red Vegetation Index (GRVI) und der Difference Vegetation Index (DVI), effektiv zwischen schwach und stark geschädigten Bäumen unterscheiden können. Die Kombination von RGB und multispektralen Indizes erzielte eine Klassifikationsgenauigkeit von 77,2 %.
Publikation 3 untersucht den Einfluss der Segmentierungsgenauigkeit von Baumkronen auf die Aussagekraft von Vegetationsindizes. Eine neu entwickelte, auf maschinellen Lernen basierende, Feinsegmentierungsmethode konnte erfolgreich Elemente wie Bodenpixel und Kronenlücken ausschließen und verbesserte dadurch die Interpretation der spektralen Daten. Obwohl sich die durchschnittlichen Vegetationsindexwerte pro Krone zwischen grober und feiner Segmentierung nicht signifikant unterschieden, nahm die Vegetationsindex-Heterogenität mit zunehmender Schädigung durch das Eschentriebsterben zu, ein Hinweis auf den Mehrwert detaillierter Kronenabgrenzung zur Erkennung subtiler Stressmuster.

Insgesamt liefern diese Studien ein skalierbares und interdisziplinäres Framework, das physiologische Messungen auf Blattebene mit spektralen Daten auf Kronenebene sowie maschinellem Lernen zur Kronensegmentierung verknüpft. Die Studien zeigen zudem, wie UAV-gestützte Fernerkundung effektiv in langfristige Erhaltungsstrategien für Fraxinus excelsior L. integriert werden kann. Diese Arbeit unterstreicht die Relevanz der Kombination von Pflanzenphysiologie und Fernerkundung für die Überwachung der Waldgesundheit und liefert praxisnahe Erkenntnisse für den Schutz von Fraxinus excelsior L. unter dem anhaltenden Infektionsdruck.zeige weniger