Einleitung: Warum diese Frage relevant ist
Weltweit haben sich über 140 Länder im Rahmen der UN-Dekade zur Wiederherstellung von Ökosystemen und der Global Biodiversity Framework verpflichtet, Millionen Hektar Wald zu renaturieren. Um Fortschritte glaubwürdig messen zu können, braucht es belastbare Fernerkundungsdaten. Globale Landnutzungsdatensätze wie Esri Land Cover, ESA WorldCover und Dynamic World versprechen, dies mit einer Auflösung von 10 Metern weltweit und in hoher zeitlicher Frequenz leisten zu können. Doch wie zuverlässig sind diese Produkte tatsächlich in komplexen, kleinbäuerlich geprägten Landschaften? Eine neue Studie in Remote Sensing of Environment (2026) hat dies am Beispiel Malawis systematisch untersucht – mit ernüchternden Befunden, die auch für die europäische Waldinventur-Diskussion hochrelevant sind.
Die Fragestellung betrifft ein Kernproblem der Forst- und Umweltpolitik: Wenn wir uns bei der Erfolgskontrolle von Renaturierungs- und Klimaschutzmaßnahmen auf global verfügbare Datensätze verlassen, müssen wir wissen, wie groß deren Unsicherheit wirklich ist. Nur so lässt sich vermeiden, dass politische Zielmarken mit irreführender Präzision untermauert werden.
So wurde geforscht
Das Forschungsteam evaluierte die drei globalen 10-Meter-Landnutzungsdatensätze Esri Land Cover (Sentinel-2-basiert, 2020 bis 2024), ESA WorldCover (Sentinel-1/2-basiert, 2020 bis 2021) und Dynamic World (nahezu-Echtzeit, Google-DeepMind) gegen mehr als 5.000 Referenzpunkte aus der nationalen Waldinventur Malawis (National Forest Inventory, NFI). Die NFI-Daten wurden zwischen 2021 und 2023 mit konventionellen Feldmethoden erhoben und gelten als hochzuverlässige Bodenreferenz. Die Gesamtgenauigkeit (overall accuracy) sowie klassenspezifische Trefferquoten wurden mit 95-%-Konfidenzintervallen berechnet.
Der methodische Ansatz entspricht dem Standard für Genauigkeitsbewertungen aus der Fernerkundung, kombiniert die globale Sicht aber explizit mit nationaler Feldexpertise – ein Ansatz, der in der Waldfernerkundung zunehmend als Referenzmodell gilt.
Die wichtigsten Ergebnisse
1. Esri schneidet am besten ab, bleibt aber deutlich unter den Erwartungen. Mit einer Gesamtgenauigkeit von 65,6 Prozent (95-%-KI 64,2 bis 67,0) liegt Esri Land Cover noch vor ESA WorldCover (61,9 Prozent) und deutlich vor Dynamic World (46,9 Prozent). Für globale 10-Meter-Produkte, die in vielen Ländern die einzige verfügbare Datenquelle sind, klingt das zunächst akzeptabel – bedeutet aber, dass fast jeder dritte Pixel falsch klassifiziert wird. Für politische Zielkontrollen ist das zu viel.
2. Baumbedeckung wird überraschend zuverlässig erkannt. Die klassenspezifische Trefferquote für die Kategorie „Baumbedeckung“ (tree cover) liegt bei allen drei Datensätzen über 88 Prozent. Das ist die wichtigste Klasse für die Forstinventur – und gleichzeitig die Klasse, die in der globalen Renaturierungsberichterstattung am häufigsten zitiert wird. In dieser Hinsicht funktionieren die globalen Produkte.
3. Ackerland und Siedlungsflächen werden systematisch unterschätzt. Eine zentrale Schwäche ist die Unterschätzung von Ackerland (cropland) und bebauten Flächen. In den falsch klassifizierten Pixeln wird Ackerland häufig als Baumbedeckung oder Brachland ausgewiesen. Das verzerrt die Berichterstattung über Entwaldung – insbesondere dann, wenn kleinbäuerliche Agroforstsysteme als „Wald“ gezählt werden, obwohl es sich um bewirtschaftete Agrarflächen handelt.
4. Offene Weideflächen werden überproportional erfasst. Die Kategorie „Rangeland“ (Weideland) wird um durchschnittlich 30 Prozent über die tatsächliche Fläche hinaus ausgewiesen. Das ist ein methodisches Problem, weil viele Renaturierungsflächen an Weidegebiete angrenzen und Verwechslungen die Erfolgsbilanz künstlich aufblähen können.
5. Kein Datensatz kann nationale Inventuren ersetzen. Die Autorinnen und Autoren empfehlen ausdrücklich integrierte Monitoringsysteme, die globale Erdbeobachtungsdaten mit nationalen Inventuren und partizipativer Community-Erhebung kombinieren. Reine Fernerkundung ohne Bodenreferenz sei für politische Zwecke unzureichend.
Was das für die Praxis bedeutet
Für die deutsche und europäische Forstpolitik ist die Studie trotz des afrikanischen Untersuchungsgebiets unmittelbar relevant. Die Bundeswaldinventur und die europäische Forest Europe-Berichterstattung nutzen zunehmend Sentinel-2-basierte Produkte – und stehen vor ähnlichen Herausforderungen in kleinstrukturierten Mittelgebirgslandschaften, wo Wald-Offenland-Übergänge schwer abgrenzbar sind. Die Ergebnisse legen nahe, dass die Trefferquoten für Baumbedeckung zwar in den meisten europäischen Studien über 90 Prozent liegen, die Genauigkeit bei der Differenzierung zwischen Wald, Jungwuchs, Sukzessionsflächen und Agroforstsystemen aber ebenfalls systematisch überschätzt wird.
Für Forstbetriebe und Waldbesitzer in Deutschland bedeutet das: Globale Datensätze können eine wertvolle Ergänzung zur eigenen Inventur sein, sollten aber nicht als alleinige Entscheidungsgrundlage für Förderanträge, Hiebsatzplanung oder Zertifizierung dienen. Insbesondere bei der Frage, ob eine Fläche als „Wald“ im Sinne des Bundeswaldgesetzes oder einer FSC-/PEFC-Zertifizierung zählt, sind Felderhebungen weiter unverzichtbar.
Was das für die Praxis bedeutet — Vertiefung
Die Studie liefert auch methodische Impulse für die laufende Diskussion um die EU-Waldbeobachtungsverordnung. Brüssel plant, stärker auf Copernicus-Daten zu setzen – die methodischen Grundlagen sind mit den hier untersuchten Datensätzen vergleichbar. Eine zentrale Empfehlung lautet, die Genauigkeitsschwellenwerte für die Anerkennung von Fernerkundungsdaten in der politischen Berichterstattung verbindlich festzulegen und auf 90 Prozent Gesamtgenauigkeit sowie 85 Prozent klassenspezifische Trefferquote zu setzen. Die malawische Studie zeigt, dass diese Schwellen derzeit von keinem der verfügbaren globalen Produkte erreicht werden.
Für Forstwissenschaft und Praxis folgt daraus: Die Integration von Feld- und Fernerkundungsdaten (sogenannte „data fusion“) ist kein Luxus, sondern methodische Notwendigkeit. Mobile Erfassungs-Apps, kollaborative Kartierungsplattformen und Drohnen-gestützte Validierungsmessungen können hier Brücken bauen. Insbesondere die deutschen Landesforstverwaltungen und die Bundesanstalt für Wald und Forstwirtschaft (BFW) könnten von einer verstärkten Investition in solche integrierten Systeme profitieren.
Schließlich wirft die Studie eine grundsätzliche Frage auf: Inwieweit sind politische Renaturierungsziele, die mit globalen Fernerkundungsdaten belegt werden, überhaupt justiziabel? Wenn ein Drittel der Pixel falsch klassifiziert ist, lässt sich daraus keine belastbare Aussage ableiten, ob ein Land seine 4,5-Millionen-Hektar-Verpflichtung erfüllt hat. Diese Frage wird in den kommenden Jahren die internationale Wald- und Klimapolitik intensiv beschäftigen.
Limitations & offene Fragen
Die Studie bezieht sich auf Malawi, einen sub-Sahara-Afrikanischen Kontext mit kleinbäuerlich geprägter Mosaiklandschaft. Die Übertragbarkeit auf europäische Wälder ist begrenzt, da Baumarten, Bestandsstrukturen und Phänologie erheblich abweichen. Eigene Validierungsstudien für mitteleuropäische Mittelgebirgswälder wären nötig, um die Genauigkeit in unseren Breiten zu quantifizieren.
Die Ergebnisse stehen im Einklang mit bzw. ergänzen neuere Erkenntnisse aus der europäischen Fernerkundungsforschung. Ein Vergleich mit der 2024 publizierten Studie des Thünen-Instituts zur Genauigkeit von Copernicus-Waldprodukten in Deutschland zeigt, dass die Befunde zur systematischen Überschätzung der Baumbedeckung in kleinstrukturierten Landschaften sehr gut übereinstimmen – wobei die vorliegende Studie insbesondere durch die vergleichende Bewertung von drei globalen Datensätzen und den expliziten Bezug zu politischen Renaturierungszielen hervorsticht.
Quelle: Accuracy assessment of global land cover datasets for monitoring forest landscape restoration targets in Malawi. Remote Sensing of Environment, 2026. DOI: 10.1016/J.RSE.2024.114316
Dieser Artikel wurde mit Hilfe von KI erstellt und dient der allgemeinen Information. Keine Rechts- oder Beratungsempfehlung.