Entstanden ist die Arbeit im Rahmen des BonaRes-Projekts SOIL3 gemeinsam mit der Universität Bonn, Institut für Nutzenpflanzenwissenschaften und Ressourcenschutz, betreut durch PD Dr. Axel Don und Prof. Dr. Wulf Amelung. Der Preis ist mit 2500 € dotiert und wird seit 1987 regelmäßig verliehen. Erstmalig ging der Preis an einen Wissenschaftler aus einer Ressortforschungseinrichtung wie dem Thünen Institut. Der Preis wurde im Rahmen der Jahrestagung der Deutschen Bodenkundlichen Gesellschaft am 6. September in Trier verliehen.
Dicht gelagertes Bodenmaterial und fehlende Bodenporen können das Pflanzenwachstum signifikant einschränken. Doch die Auswirkungen solcher Effekte auf den Ertrag waren bislang wenig erforscht. Herr Schneider hat sich zum Ziel gesetzt, diesen Zusammenhang für deutsche Ackerböden aufzuklären. Auf Basis der Daten der Bodenzustandserhebung Landwirtschaft (BZE-LW) ging er den Fragen nach, welche Standortbedingungen tiefes Wurzelwachstum einschränken und welche Bedeutung insbesondere dichte Unterbodenhorizonte für Ertrag und Kohlenstoffspeicherung haben. Hierzu kombinierte er Daten der BZE-LW mit eigenen Analysen und anspruchsvollen Auswerteverfahren aus dem Bereich des Maschinellen Lernens. Dadurch gelang es lokale Standortfaktoren „herauszurechnen“ um regionale und überregionale Einflussfaktoren auf die Durchwurzelbarkeit unserer Böden zu quantifizieren. Diese neue Methode ist richtungsweisend, weil sie vielfältig für ökologische und bodenwissenschaftliche Fragen auf große Monitoring- und Inventurdatensätze anwendbar ist. Er untersuchte auch wie Meliorationsmaßnahmen und eine angepasste landwirtschaftliche Bewirtschaftung Bodenschadverdichtungen verhindern und reduzieren können.
Florian Schneider ist es mit seiner Arbeit gelungen, eine Brücke zwischen Bodenwissenschaften und Data Sciences zu schlagen. Mit Methoden des Maschinellen Lernens konnte er aufklären, welche Faktoren, an welchen Standorten und warum die Durchwurzelbarkeit von Böden beeinträchtigen. Die Kombination von Fragen des Boden- und Klimaschutzes mit Methoden des Maschinellen Lernens ist hochaktuell und könnte wegweisend für künftige Arbeiten in den Bodenwissenschaften sein.