Der seismische Fingerabdruck des Baumschwankens

Projekttitel: Der seismische Fingerabdruck des Baumschwankens

Projektdauer: seit Juni 2024

Forschungsbereich: Umweltseismologie, Waldökosysteme, Machine Learning, Zeitreihenanalyse

Wälder reagieren kontinuierlich auf Wind, Wasserverfügbarkeit und sich ändernde Umweltbedingungen. Dieses Projekt untersucht, ob diese Reaktionen mit im Boden installierten seismischen Sensoren überwacht werden können. Seismometer erfassen Vibrationen, die durch windinduziertes Baumschwanken erzeugt und über das Wurzel-Boden-System übertragen werden. Durch die Kombination seismischer Beobachtungen mit baummontierten Sensoren und meteorologischen Messungen konnten wir nachweisen, dass charakteristische Baumschwankungsdynamiken vom Boden aus erfasst werden können. Aufbauend auf diesen Ergebnissen untersuchen wir derzeit, ob seismische Beobachtungen auch Informationen über den Wasserstatus der Bäume enthalten und konventionelle meteorologische Messungen ergänzen können. Machine-Learning-Methoden werden eingesetzt, um relevante seismische Merkmale zu identifizieren und sie mit Umwelt- und physiologischen Prozessen zu verknüpfen.

Vom Baumschwanken zu seismischen Signalen. An verschiedenen Höhen montierte Beschleunigungsmesser erfassen die windinduzierte Baumbewegung, während ein bodengestütztes Seismometer die über das Wurzel-Boden-System übertragenen Vibrationen aufzeichnet. Die entsprechenden Spektren und Spektrogramme zeigen charakteristische Baumschwankungsfrequenzen um 0,25 Hz und belegen, dass die Baumbewegung vom Boden aus beobachtet werden kann.

Das Projekt zielt darauf ab, bodengestützte seismische Erfassung als nicht-invasiven Ansatz zur Überwachung von Baum- und Walddynamik zu etablieren. Wir untersuchen, wie seismische Signale windinduziertes Baumschwanken widerspiegeln, und erforschen, ob Machine Learning Informationen über den Baumwasserstatus extrahieren kann, die etablierte meteorologische und physiologische Beobachtungen ergänzen.

Problemstellungen

Die kontinuierliche Überwachung des Baumwasserstatus und biomechanischer Reaktionen ist wichtig, um die Resilienz von Wäldern gegenüber Dürre und Klimaextremen zu verstehen, doch etablierte Messungen sind oft invasiv, baumspezifisch oder schwer zu skalieren. Wir fragen, ob im Boden aufgezeichnete Vibrationen einen ergänzenden, räumlich skalierbaren Indikator dafür liefern können, wie Bäume auf Wind und sich ändernde Wasserverfügbarkeit reagieren.

Im Projekt entstandenes Praxisbeispiel (falls zutreffend)

Am ECOSENSE-Waldstandort erfasst ein Netzwerk bodengestützter Seismometer kontinuierlich baumerzeugte Vibrationen. Wir haben nachgewiesen, dass diese Messungen windinduziertes Baumschwanken erfassen, und nutzen dasselbe Netzwerk nun, um Baumwasserdefizite zu untersuchen. Dies bietet einen Realwelt-Test der seismischen Erfassung als passives Überwachungswerkzeug für Waldökosysteme.

Predicting wind speed from seismic observations. A machine-learning model trained on features extracted from ground-recorded seismic signals reconstructs the temporal variability of wind speed. The close agreement between measured and predicted values (test-set correlation: 0.79) demonstrates that seismic recordings contain quantitative information about wind-driven forest dynamics.

Technologie

Das Projekt kombiniert dichte seismische Sensornetzwerke mit Beschleunigungsmessern an Baumstämmen, meteorologischen Beobachtungen und Messungen des Baumwasserdefizits. Seismische Zeitreihen werden mittels Signalverarbeitung, spektraler und zeitlich-frequenzbezogener Merkmale, Dimensionsreduktion und Machine-Learning-Regression analysiert. Explainable-AI-Methoden werden eingesetzt, um zu identifizieren, welche seismischen Merkmale zu Vorhersagen beitragen und um die Modellleistung mit physikalischen Baumreaktionen zu verknüpfen.

Ausblick

Das Projekt demonstriert das Potenzial seismischer Beobachtungen zur Überwachung windinduzierter Baum- und Walddynamik. Die aktuelle Forschung erweitert diesen Ansatz hin zum hydrologischen Baumstatus und untersucht, ob seismische Beobachtungen zur kontinuierlichen Überwachung von Baumwasserdefiziten beitragen können. Zukünftige Arbeiten werden die Übertragbarkeit dieser Ansätze über Jahreszeiten, Baumarten, Waldstrukturen und Umweltbedingungen hinweg testen.

Publikationen

• Umlauft, J., Mora, K., Limberger, F., Gerberding, K., Wirth, C., Werner, C., & Kattenborn, T. (2025). The seismic fingerprint of wind-induced tree sway. Methods in Ecology and Evolution, 16, 2886–2900. https://doi.org/10.1111/2041-210X.70173

Team

Leitung

• Dr. Josefine Umlauft

Teammitglieder

• Dr. Josefine Umlauft – ScaDS.AI Dresden/Leipzig, Universität Leipzig
• Dr. Karin Mora – Institut für Erdsystemwissenschaften und Fernerkundung, Universität Leipzig
• Dr. Fabian Limberger – Goethe-Universität Frankfurt am Main
• Kilian Gerberding – Sensorbasierte Geoinformatik, Universität Freiburg
• Prof. Christian Wirth – Institut für Systematische Botanik und Funktionelle Biodiversität, Universität Leipzig / iDiv
• Prof. Christiane Werner – Ökosystemphysiologie, Universität Freiburg
• Prof. Teja Kattenborn – Sensorbasierte Geoinformatik, Universität Freiburg

Partner

• ECOSENSE, Universität Freiburg
• Universität Leipzig
• Deutsches Zentrum für integrative Biodiversitätsforschung (iDiv)
• GIPP – Geophysikalischer Instrumentenpool Potsdam