Kurzfassung
Sentinel-1 ist eine Konstellation von Erdbeobachtungssatelliten, die mittels Radarsensoren die Erdoberfläche unabhängig von Wetter und Sichtverhältnissen kontinuierlich beobachtet. Damit können dynamische Veränderungen der Erdoberfläche mit einer räumlichen Auflösung von 20 m erfasst werden. Globale Auswertungen der Sentinel-1 Daten illustrieren, wie sehr die Menschheit die Landoberfläche bereits nach ihren Bedürfnissen umgestaltet hat. Ebenso dokumentieren sie das Ausmaß klimatischer Extremereignisse wie Dürren und Fluten. In diesem Beitrag gebe ich einen Überblick über die an der TU Wien durchgeführten Forschungsarbeiten zur Nutzung von Sentinel-1 für die Beobachtung der Landoberfläche und klimatischer Extremereignisse wie beispielsweise die im Sommer 2022 aufgetretene Dürre in Europa und die verheerenden Überflutungen in Pakistan.

Abstract
Sentinel-1 is a satellite constellation that uses radar sensors to observe the Earth’s surface day and night under all weather conditions. This allows monitoring dynamic changes of the Earth’s land surface at a spatial resolution of 20 m. A worldwide Sentinel-1 image mosaic illustrates how strongly humanity has already transformed the continental land surface areas according to its needs. Sentinel-1 also helps documenting the severity of climate extremes such as droughts and flooding. In this article, I review research which has been carried out at TU Wien to use Sentinel-1 data for the monitoring of soil, vegetation and inland water, showing some results for summer 2002 when European was plagued by drought conditions and Pakistan hit by devastating flooding.

Kurzfassung
Die Bewertung von Biodiversität zur Dokumentation des Gesundheitszustandes von Ökosystemen wird von der Europäischen Union durch die Fauna-Flora-Habitat (FFH) Direktive vorgeschrieben. Moderne Fernerkundungsmethoden, welche von traditionellen terrestrischen Feldaufnahmen unterstützt werden, bieten Möglichkeiten für effiziente regelmäßige Datenerfassungszyklen. Das flugzeuggetragene Laserscanning (airborne laser scanning, ALS), welches oft auch als LiDAR (light detection and ranging) bezeichnet wird, bietet einen wesentlichen Vorteil gegenüber bildgebenden Systemen. Die Laserstrahlen können durch kleine Öffnungen in der Belaubung dringen und ermöglichen so eine Einsicht unter die Baumkronen und in die vertikale Struktur der Waldvegetation. Die Topographie im Wald sowie die räumliche Verteilung des Bewuchses werden von Biologen und Landschaftsökologen als wertvolle stellvertretende Kenngrößen für die Abschätzung der Biodiversität angesehen. Da ALS typischerweise hohe Punktdichten und gute Durchdringungsraten aufweist, können verschiedene Biodiversitätsindikatoren direkt und zuverlässig aus der Luft erfasst werden. Im folgenden Text wird diskutiert, wie biodiversitäts-relevante Indikatoren aus den FWF-ALS Daten abgeleitet werden können. Solche Indikatoren können Eigenschaften des Geländes sein, wie zum Beispiel Krümmung oder Rauigkeit, oder aber auch Vegetationseigenschaften wie Höhe und Schichtigkeit des Waldes, vorherrschende Baumart oder die Position von umgefallenen Bäumen.

Abstract
Assessment of biodiversity is prescribed by the European Union Fauna-Flora-Habitat directive in order to document the health of ecosystems. Remote sensing supported by terrestrial field sampling potentially provides efficient means for a regular monitoring cycle. Airborne laser scanning (ALS), also referred to as airborne LiDAR, is especially promising because of its ability to penetrate through gaps in the foliage and provide insight in the forest vegetation layer structure. Knowledge of the topography and the spatial distribution of the plant cover are considered an invaluable proxy for the estimation of biodiversity indicators. As ALS typically provides high point densities and good penetration rates, various biodiversity indicators can be estimated directly and reliably from these measurements. In this paper it is demonstrated how data collected with ALS, especially with FWF-ALS, can be used to derive quantities relevant for biodiversity assessment. These can be terrain surface features like roughness, as well as vegetation parameters like height, predomit tree type, location of fallen trees or forest layer structure.