Zum Inhalt springen
AI Segmentation
QGIS
Tutorial

Baumkronen in QGIS kartieren: 6 Methoden im Vergleich

Veröffentlicht am Aktualisiert am

Drei Ansichten derselben Parklandschaft: einfache Luftbilder, ein NDVI-Raster mit roter Vegetation und jede Baumkrone als eigenes farbiges Polygon.

Um Baumkronen in QGIS aus multispektralen Aufnahmen zu kartieren, berechnen Sie zunächst NDVI über Raster > Rasterrechner…, setzen mit Nach Tabelle neuklassifizieren einen Schwellenwert und führen anschließend Raster > Konvertierung > Vektorisieren (Raster nach Vektor) aus (englische Oberfläche: Raster > Conversion > Polygonize (raster to vector)). Damit erhalten Sie Bedeckung, aber keine einzelnen Bäume. Fünf weitere Methoden decken LiDAR, offene Daten und den Fall ab, in dem Sie ein Polygon pro Baumkrone brauchen.

Was Sie habenMethodeKosten
Multispektralbilder mit einem NahinfrarotkanalMethode 1, NDVI und anschließend vektorisierenKostenlos, QGIS-Kernfunktion
RGB-Bilder, keine Grafikkarte, und Sie wollen BaumkronenMethode 2, Cloud-SegmentierungsmodellKostenloses Kontingent, danach Abo
LiDAR oder ein DOM und ein DGMMethode 3, BaumkronenhöhenmodellKostenlos, QGIS-Kernfunktion
Bilder und mehrere zu trennende KlassenMethode 4, überwachte KlassifikationKostenlos, ein Plugin
Ein großes Gebiet, und das Datum des letzten Jahres reicht ausMethode 5, ein offener BaumkronendatensatzKostenloser Download
RGB-Bilder und eine NVIDIA-GrafikkarteMethode 6, lokales SegmentierungsmodellKostenlos, plus ein zu findendes Modell

Entscheiden Sie, ob Sie Bedeckung oder Baumkronen brauchen. Bedeckung ist eine Oberfläche, aus der sich ein Prozentsatz ergibt. Baumkronen sind zählbare Objekte, genau das, was eine Straßenbaumerfassung oder ein Parkinventar benötigt.

Menüpfade, Algorithmus-IDs, Plugin-Versionen und Preise wurden am 3. September 2026 anhand des QGIS-3.44-Handbuchs und der jeweiligen Projektseite gelesen.

Methode 1: NDVI-Schwellenwert

Arbeiten Sie in einem projizierten KBS. Jede Methode hier endet mit einer Fläche, und eine Fläche in Grad ist nichts wert.

NDVI trennt grüne Vegetation von Dächern, Straßen und Wasser. Öffnen Sie Raster > Rasterrechner… und geben Sie ("nir@1" - "red@1") / ("nir@1" + "red@1") ein.

Ein NDVI-Raster über einem französischen Dorf in QGIS, Vegetation hell und Dächer dunkel, daneben das Histogramm des Layers mit zwei Gipfeln.
NDVI aus einer Sentinel-2-Szene. Das Histogramm hat zwei Gipfel, und das Tal dazwischen ist Ihr Schwellenwert. Eine allgemeingültige Zahl gibt es nicht, lesen Sie also Ihre eigene Szene.

Führen Sie anschließend Nach Tabelle neuklassifizieren aus (native:reclassifybytable, Werkzeugkiste, Rasteranalyse; englisch Reclassify by table). Verwenden Sie eine Zeile oberhalb und eine unterhalb des Schwellenwerts und setzen Sie den Ausgabedatentyp auf Byte. Vektorisieren Sie das Ergebnis.

Verwenden Sie die Methode, wenn: die Bilder einen Nahinfrarotkanal enthalten und Sie Bedeckung möchten.

Überspringen Sie die Methode, wenn: Bäume von Rasen oder Nutzpflanzen unterschieden werden müssen. NDVI kann das nicht, weil alle drei grün sind.

Methode 2: Ein Cloud-Segmentierungsmodell

Ein Segmentierungsmodell hat gelernt, wie eine Baumkrone aussieht. Deshalb teilt es einen Bestand in zählbare Objekte, während ein Schwellenwert nur eine zusammenhängende Fläche liefert. Wir entwickeln eines davon, AI Segmentation. Dieser Abschnitt behandelt unser eigenes Tool.

Zeichnen Sie eine Zone über den bereits in QGIS geöffneten Bildern und geben Sie ein Wort ein. Die Polygone landen in Ihrem Projekt-KBS. Jedes enthält eine Fläche und einen Konfidenzwert. Geben Sie tree für ein Polygon pro Baumkrone ein und tree canopy für die Bedeckung als Oberfläche.

Ein niederländisches Dorf aus der Luft, in dem jede Baumkrone in Gärten und entlang der Straßen als eigenes Polygon in einer eigenen Farbe gefüllt ist.
893 Kronen aus einer Ausführung über einem niederländischen Dorf, jede ein eigenes Polygon. Vom Layer abgezählt, nicht geschätzt.

Am besten für: ein Polygon pro Baumkrone aus RGB-Bildern auf einem Rechner ohne GPU.

Preis: kostenlos für 1,5 km² Bodenfläche pro Monat plus 20 Cloud-Semi-Auto-Objekte, ohne Kreditkarte. Pro kostet 39 € pro Monat zzgl. MwSt. und umfasst 100 km² sowie 500 Objekte. Testen Sie Pro 7 Tage kostenlos: Hinterlegen Sie eine Kreditkarte, kündigen Sie vor Ende der Testzeit, und es wird nichts berechnet.

Läuft unter: QGIS 3.22 und neuer, Windows, macOS oder Linux. Das Modell läuft auf unseren Servern in der Europäischen Union.

Installation: Erweiterungsverwaltung von QGIS, dann eine E-Mail zur Anmeldung. Keine Pakete, keine Gewichte.

Hier liegt die Stärke: Das einfache Wort liefert gute Ergebnisse. Über 90 Tage realer Ausführungen blieb tree bei 10,5 % der Kacheln leer, gegenüber 47,3 % bei orchard über 716 Kacheln. Deshalb lenkt das Plugin das zweite Wort auf das erste um, bevor Sie etwas ausgeben.

Hier liegen die Grenzen: In einem geschlossenen Bestand gibt es keine Kronengrenzen, die gefunden werden können. Eine Ausführung mit tree liefert deshalb eine zusammenhängende Fläche statt eines Polygons pro Stamm. Verwenden Sie dort tree canopy und akzeptieren Sie Bedeckung. Beide Cloud-Modi senden Bilder an unsere Server. Nur Semi-Auto auf Ihrem eigenen Rechner tut das nicht.

Methode 3: Baumkronenhöhenmodell aus LiDAR

Die Höhe ist das einzige Signal, das einen Baum von einer Rasenfläche trennt. QGIS erstellt beide Oberflächen direkt aus einer LAS- oder LAZ-Datei mit Raster exportieren (pdal:exportraster, Punktwolkenkonvertierung; englisch Export to raster). Setzen Sie Attribut auf Z. Für das Gelände fügen Sie den Filterausdruck Classification == 2 hinzu. Das ist Boden in den ASPRS-Klassen, die QGIS verwendet. Für die Oberfläche filtern Sie mit ReturnNumber == 1.

Ein Kronenhöhenmodell in QGIS, eingefärbt von Grün am Boden bis Dunkelrot bei 25 Metern, Baumkronen heben sich deutlich vom flachen grauen Boden ab.
DOM minus DGM über dem Vondelpark in Amsterdam, aus dem niederländischen AHN mit 0,5 m. Kronen fallen auf, weil sie hoch sind, nicht weil sie grün sind, deshalb entfallen Rasen und Gärten von selbst.

Ziehen Sie eine Oberfläche von der anderen ab, und zwar in Raster > Rasterrechner… mit "dsm@1" - "dtm@1", oder bei größeren Kacheln in grass:r.mapcalc.simple. Klassifizieren Sie ab der Höhe neu, die Ihre Spezifikation als Baumkronen festlegt, und vektorisieren Sie anschließend. Die Ausgabe enthält eine Höhe pro Pixel. Das liefert Ihnen keine andere Methode auf dieser Seite.

Verwenden Sie die Methode, wenn: Sie LiDAR oder ein nationales DOM-DGM-Paar haben.

Überspringen Sie die Methode, wenn: Ihre Punkte nicht klassifiziert sind. QGIS 3.44 hat keinen Algorithmus zur Bodenklassifizierung. Nicht klassifizierte Punkte müssen deshalb zuerst außerhalb von QGIS durch PDAL verarbeitet werden.

Methode 4: Überwachte Klassifikation

Zeichnen Sie Trainingspolygone für Baum, Gras, Dach und Straße. Lassen Sie dann einen Klassifikator jedem Pixel eine Klasse zuweisen und vektorisieren Sie die Baumklasse. dzetsaka würde ich heute installieren. Es steht unter GPL, hat die Version 5.0.11, läuft unter QGIS 3.0 bis 4.99 und bringt elf Klassifikatoren einschließlich Random Forest und SVM mit.

Das Semi-Automatic Classification Plugin ist bekannter und verarbeitet auch Kanalgruppen und Vorverarbeitung. Prüfen Sie aber zuerst die Version. Release 9.0.4 benötigt QGIS 3.99, also die QGIS-4-Reihe. Unter QGIS 3.44 erhalten Sie 8.5.0 vom November 2024.

Verwenden Sie die Methode, wenn: Baumkronen eine von mehreren Klassen sind, die Sie aus derselben Szene benötigen.

Überspringen Sie die Methode, wenn: Sie nur Bäume möchten. Trainingsdaten kosten mehr Zeit als Methode 1.

Methode 5: Ein offener Baumkronendatensatz

Vielleicht hat jemand Ihr Gebiet bereits kartiert.

Copernicus Tree Cover Density in QGIS über Paris geladen, nach Anteil der Baumbedeckung von Hell- bis Dunkelgrün abgestuft, wobei die beiden Wälder zu beiden Seiten der Stadt satt dunkelgrün sind.
Der Layer Copernicus Tree Cover Density von 2018, als WMS in QGIS gestreamt, über Paris. Kostenlos, fertig, und das falsche Werkzeug, sobald man Bilddaten aus diesem Jahr braucht.

Vier Datensätze sollten Sie kennen. Die Meta and WRI canopy height map ist global, seit März 2026 in Version 2 verfügbar, hat 1,2-m-Pixel und einen mittleren absoluten Fehler von 3,0 m gegenüber luftgestütztem LiDAR. Die Karte der ETH Zürich hat für 2020 eine Auflösung von 10 m, basiert auf Sentinel-2 und GEDI und steht unter CC BY 4.0.

Die beiden anderen sind regional oder historisch. Der Copernicus Tree Cover Density-Layer deckt Europa mit 10 m ab, jährlich von 2018 bis 2024. Für den Download benötigen Sie ein EU Login. Hansen Global Forest Change hat 30 m und beginnt im Jahr 2000. Das ist der richtige Datensatz für Veränderungen über die Zeit.

Städte veröffentlichen eigene Daten. Paris stellt 219.432 Bäume als Punkte bereit, Melbourne 57.980 Baumkronenpolygone für 2021. Beide sind über eine GeoJSON-URL verfügbar, die Sie in QGIS einfügen.

Alle vier globalen Raster unterstützen Range Requests. Streamen Sie deshalb eine Kachel mit /vsicurl/, statt sie herunterzuladen. Copernicus stellt WMTS unter https://land.copernicus.eu/en/products/high-resolution-layer-forests-and-tree-cover/tree-cover-density-2018-present-raster-10-m-europe-yearly bereit. Dort setzen Sie das Jahr von Hand. Der Dienst weist jedes Datum bis 1984 aus, aber fast keines dieser Daten enthält tatsächlich Werte.

Verwenden Sie die Methode, wenn: das Gebiet groß ist und das Aufnahmedatum nicht Ihr eigenes sein muss.

Überspringen Sie die Methode, wenn: Sie das Gebiet letzten Monat überflogen haben oder Baumkronen benötigen. Die meisten dieser Datensätze sind prozentuale Raster und keine zählbaren Objekte.

Methode 6: Ein lokales Segmentierungsmodell

Deepness, Geo-SAM und samgeo führen Segmentierungsmodelle auf Ihrem eigenen Rechner aus. Nichts verlässt ihn, und nichts wird abgerechnet.

Verwenden Sie die Methode, wenn: die Bilder Ihren Rechner nicht verlassen dürfen.

Überspringen Sie die Methode, wenn: Sie keine NVIDIA-Grafikkarte haben oder keine Lust, ein Modell zu finden, Gewichte anzufordern und eine Python-Umgebung aufzusetzen.

Die sechs Methoden im Vergleich

Was Sie benötigenMethode
Bedeckung aus Ihren eigenen multispektralen BildernMethode 1
Baumkronen aus RGB-Bildern ohne GPUMethode 2
Baumkronenhöhe oder eine Trennung von Bäumen und GrasMethode 3
Baumkronen als eine Klasse unter mehrerenMethode 4
Ein großes Gebiet, schnell und kostenlosMethode 5
Baumkronen, ohne dass etwas den Rechner verlässtMethode 6

Was Sie sich merken sollten

Entscheiden Sie sich für Bedeckung oder Baumkronen, bevor Sie eine Methode auswählen. Das ist eine Frage Ihres Ergebnisses und nicht Ihrer Bilder.

Höhe schlägt Farbe, wann immer Sie sie bekommen können. Ein LiDAR-Baumkronenhöhenmodell gewinnt deshalb überall dort, wo LiDAR vorhanden ist.

NDVI liest eine Rasenfläche, eine Nutzpflanze und eine Eiche als dasselbe. Ein Schwellenwert allein liefert Ihnen deshalb niemals einzelne Bäume.

In einem geschlossenen Bestand gibt es keine Kronengrenzen, die gefunden werden können. Jede Methode auf dieser Seite liefert dort Bedeckung, und keine liefert eine Stammzahl.

Für einen europaweiten Bedeckungsprozentsatz ist der Copernicus-Layer kostenlos und bereits fertig. Ein Modell über dieses Gebiet laufen zu lassen, würde dieselbe Antwort doppelt bezahlen.

Kostenlos in QGIS testen, ohne Kreditkarte

Häufige Fragen

Kann QGIS Baumkronen ohne ein Plugin kartieren?

Ja, mit den Methoden 1, 3 und 5, also mit QGIS-Kernfunktionen und einem Download. Sie erhalten Bedeckung als Polygone, niemals einzelne Baumkronen.

Ein Polygon pro Baum oder eines für die gesamte Baumkronenbedeckung?

Die Schwellenwertbildung mit NDVI oder einem Höhenmodell liefert Ihnen Bedeckung. Nur ein Segmentierungsmodell teilt einen Bestand in zählbare Baumkronen. Bei Methode 2 entscheidet das eingegebene Wort, welche der beiden Varianten Sie erhalten.

Wie erhalte ich einen Prozentsatz der Baumkronenbedeckung?

Jedes Polygon enthält seine eigene Fläche. Summieren Sie deshalb die Flächenspalte und teilen Sie sie durch die gemessene Fläche. Das ist eine einzige Feldberechnung auf Geometrien, die Sie öffnen und prüfen können.

Was ist genauer, NDVI oder ein LiDAR-Höhenmodell?

Das Höhenmodell, und zwar mit deutlichem Abstand. NDVI liest eine Rasenfläche und eine Eiche als dasselbe, während ein Baumkronenhöhenmodell sie um mehrere Meter trennt.

Ist irgendetwas davon kostenlos?

Die Methoden 1 und 3 bis 6 kosten außer Ihren eigenen Daten nichts. Für Methode 6 benötigen Sie zusätzlich eine Grafikkarte. Methode 2 bietet monatlich 1,5 km² kostenlos, danach kostet es 39 € pro Monat zzgl. MwSt.

Kann ich ein Baumkronenhöhenmodell direkt aus der LAS-Datei erstellen?

Die Geländeoberfläche kommt aus den Punkten, die als Boden klassifiziert sind, und QGIS 3.44 hat keinen Algorithmus, der diese Klassifizierung vornimmt. In einer nicht klassifizierten Punktwolke liefert der Filter nichts, und das Gelände wird flach.

Welche Version des Semi-Automatic Classification Plugin bekomme ich?

Release 9.0.4 benötigt QGIS 3.99, also die QGIS-4-Reihe. Unter QGIS 3.44 bietet Ihnen die Erweiterungsverwaltung 8.5.0 vom November 2024 an. Prüfen Sie deshalb zuerst, welche Version Sie tatsächlich bekommen haben, bevor Sie Ihre Trainingsdaten verantwortlich machen.

Die Anleitung zu Raster in Vektor führt durch die Vektorisierungs- und Bereinigungsschritte, mit denen jede Methode hier endet. Der Beitrag zu SAM in QGIS vergleicht die Plugins, die Segmentierungsmodelle ausführen. Um die Höhenmodell-Schritte in einer einzigen Anweisung zu bündeln, statt sie Kachel für Kachel zu wiederholen, führt AI Agent sie in Ihrem geöffneten Projekt aus. Der QGIS-AI-Hub verbindet beide.