Dreifach‑Fusion aus UAV‑Multispektralbildern verbessert die artgenaue Kohlenstoffabschätzung in Mangroven

Warum diese Küstenwälder wichtig sind

Mangrovenwälder liegen an der Schnittstelle von Land und Meer und speichern große Mengen Kohlenstoff in ihrem Holz und in schlammigen Böden. Da dieses „blaue Kohlenstoff“ dem Klimawandel entgegenwirkt, wollen Regierungen und Naturschutzorganisationen Mangroven zunehmend schützen und wiederherstellen. Dabei speichern nicht alle Mangrovenarten Kohlenstoff auf die gleiche Weise. Diese Studie zeigt, wie kleine Drohnen mit speziellen Kameras nicht nur verschiedene Mangrovenarten entlang einer chinesischen Küste kartieren können, sondern auch abschätzen, wie viel Kohlenstoff jede Art ober‑ und unterirdisch speichert.

Mangroven aus der Vogelperspektive betrachten

Die Untersuchung wurde im Gaoqiao Mangrove Nature Reserve in der Yingluo‑Bucht in Südchina durchgeführt, einem großen, artenreichen Schutzgebiet. Dort bilden vier häufige Mangrovenarten entlang der Gezeiten ein Mosaik, von hohen Baumständen nahe der offenen Bucht bis zu Sträuchern an Flussufern und Teichrändern. Traditionell erfordert die Abschätzung der Kohlenstoffvorräte das mühsame Durchqueren klebrigen Schlamms, Messungen von Baumgrößen und das Ausheben von Wurzeln und Böden — ein langsamer und kostenintensiver Prozess. Satelliten erfassen zwar große Flächen, liefern aber oft nicht die feinen Details, die nötig sind, um benachbarte Arten oder kleine Bestände zu unterscheiden. Das Team setzte stattdessen eine Drohne in niedriger Höhe ein, ausgestattet mit einer Multispektralkamera, die neben Normalfarben auch Red‑Edge‑ und Nahinfrarotlicht erfasst, welche besonders empfindlich für Blattchemie und Pflanzenzustand sind.

Drei Arten von Hinweisen aus Drohnenbildern

Aus den Drohnendaten extrahierten die Wissenschaftler drei Gruppen von Hinweisen über den Wald. „Spektrale“ Merkmale beschreiben, wie Blätter verschiedene Lichtfarben reflektieren und lassen sich zu Vegetationsindizes kombinieren, die mit Vitalität und Chlorophyll in Verbindung stehen. „Strukturelle“ Merkmale stammen aus 3D‑Höheninformationen und zeigen, wie hoch das Kronendach im Landschaftsbild ist. „Texturale“ Merkmale erfassen, wie rau oder glatt das Kronendach in den Bildern erscheint und spiegeln Unterschiede in Blattgröße, Zweigdichte und Kronenform wider. Durch die Fusion dieser drei Informationsarten trainierten die Forscher Computer‑Modelle, die zunächst die vier Mangrovenarten unterschieden und dann die Bildmerkmale mit präzisen Kohlenstoffmessungen aus 40 Bodenparzellen verknüpften.

Einen Mangrovenbaum vom anderen unterscheiden

Der geführte Ansatz erwies sich als besonders leistungsfähig für die Artenkartierung. Mit nur einfachen Rot‑Grün‑Blau‑Aufnahmen konnte die Drohne Arten mit ähnlicher Blattfarbe oder gemischten Beständen nicht zuverlässig trennen. Die Ergänzung um Red‑Edge‑ und Nahinfrarot‑Bänder verbesserte die Trennung deutlich, und die Einbeziehung der Kronenhöhe steigerte die Leistung weiter. Die beste Kombination — rohe Multispektralbänder, Vegetationsindizes und Höhe — identifizierte Mangrovenarten nahezu 90 % der Zeit korrekt. Das war entscheidend, denn Arten wie Avicennia marina und Aegiceras corniculatum können spektral ähnlich erscheinen, unterscheiden sich aber subtil in Höhe und Wuchsform, während andere, wie Rhizophora stylosa und Bruguiera gymnorrhiza, höher stehen und massivere Kronen ausbilden.

Struktur des Waldes mit gespeichertem Kohlenstoff verknüpfen

Sobald die Arten kartiert waren, nutzten die Forscher denselben Dreifach‑Satz von Bildmerkmalen, um Kohlenstoffmodelle zu erstellen. Für jede Art oder Artengruppierung testeten sie, wie gut verschiedene Bildvariablen den oberirdisch in Stämmen und Ästen sowie unterirdisch in Wurzeln gespeicherten Kohlenstoff vorhersagten. Sie fanden, dass die informativsten Merkmale je nach Art unterschiedlich waren. Für den strauchartigen A. corniculatum funktionierten subtile Muster in der Red‑Edge‑Textur am besten, während bei B. gymnorrhiza Variationen in der Textur des Blaubands entscheidend waren. Bei gemischten Beständen aus R. stylosa und A. marina war die einfache Kronenhöhe ein starker Prädiktor, da größere Bäume mehr Biomasse halten. Die resultierenden Modelle erklärten je nach Art und Betrachtung von ober‑ oder unterirdischen Vorräten nahezu die Hälfte bis über 90 % der Variation der beobachteten Kohlenstoffwerte.

Wo der Kohlenstoff wirklich sitzt

Die Anwendung dieser Modelle auf das gesamte Untersuchungsgebiet ergab detaillierte Karten des oberirdischen, unterirdischen und gesamten Mangrovenkohlenstoffs. Die Nordwest‑Ecke des Schutzgebiets, dominiert von hohen R. stylosa‑Beständen, zeichnete sich als Kohlenstoff‑Hotspot aus und wies die höchsten Werte sowohl ober‑ als auch unterirdisch auf. Im Mittel speicherte R. stylosa etwa doppelt so viel oberirdischen Kohlenstoff wie die kleinwüchsigste Art, A. corniculatum, und führte auch bei der Wurzelkohlenstoffmenge. A. marina, wenngleich weit verbreitet, hielt moderatere Kohlenstoffmengen pro Hektar, während B. gymnorrhiza kleinere, aber dennoch wichtige Vorkommen beitrug. Insgesamt speicherten Arten mit höheren, dickeren Stämmen und breiteren Kronen deutlich mehr Kohlenstoff als dichte Gebüsche niedrigerer Sträucher, obwohl diese mehr Stämme pro Fläche aufwiesen.

Was das für Klima und Naturschutz bedeutet

Für Nicht‑Spezialisten lautet die Kernbotschaft, dass Mangroven nicht als einheitlicher grüner Streifen auf der Karte behandelt werden dürfen. Verschiedene Arten lagern sehr unterschiedliche Kohlenstoffmengen ein und reagieren unterschiedlich auf das, was Drohnen in Farbe, Struktur und Textur „sehen“. Durch die Kombination dieser drei Perspektiven zeigt die Studie, dass relativ erschwingliche Drohnen sowohl Arten als auch deren Kohlenstoffvorräte hochdetailliert kartieren können und so Managern helfen, besonders klimaschutzrelevante Bestände zu identifizieren. Mit dem Ausbau von Schutz- und Wiederherstellungsmaßnahmen für blaue Kohlenstoffökosysteme kann diese artgenaue Einsicht gezieltes Pflanzen, den Schutz kohlenstoffreicher Bestände und genauere nationale Kohlenstoffbilanzen unterstützen.

Zitation: Chen, Y., Shen, X., Yan, C. et al. Triple-feature fusion from UAV multispectral imagery enhances species-level mangrove carbon assessment. Sci Rep 16, 11494 (2026). https://doi.org/10.1038/s41598-026-40303-1

Schlüsselwörter: Mangrovenkohlenstoff, blaue Kohlenstoffe, UAV Multispektral, Artenkartierung, waldfernerkundung