Weiter zum Inhalt
Ökologischer Betrieb
Ökologischer Betrieb
Institut für

BW Betriebswirtschaft

Projekt

Monitoring von klimawirksamen Maßnahmen in der Acker- und Grünlandbewirtschaftung mit Satellitendaten


Federführendes Institut BW Institut für Betriebswirtschaft

Radaraufnahme (Sentinel-1) einer Region in Brandenburg in Falschfarben. Die Abbildung zeigt einen radarbasierten (blau) und optischen (grün; Sentinel-2) Index für eine Wiese mit zwei Schnitten.
© Thünen-Institut/Contains modified Copernicus Sentinel data 2018

Monitoring von klimawirksamen Maßnahmen in der Acker- und Grünlandbewirtschaftung mit Satellitendaten (kliMAGS)

Mit 66,4 Mio. Tonnen CO2-Äquivalenten war die Landwirtschaft 2020 für 9 % der Treibhausgas-Emissionen in Deutschland verantwortlich. Anpassungen der Bewirtschaftung können diese Emissionen reduzieren. Flächendeckende Daten über solche Anpassungsmaßnahmen sollen aus hochauflösenden Satellitendaten abgeleitet werden.

Hintergrund und Zielsetzung

Mit dem Klimaschutzplan 2050 hat sich Deutschland verpflichtet, bis zur zweiten Hälfte des Jahrhunderts weitgehend klimaneutral zu werden. Eine Erreichung dieses Ziels ist nicht möglich ohne auch in der Landwirtschaft den Ausstoß von Treibhausgasen zu reduzieren und durch geeignete Maßnahmen zur Speicherung von Kohlenstoff und somit zu „negativen Emissionen“ beizutragen.

Umwelt- und Klimaschutz stehen zunehmend im Fokus der gemeinsamen Agrarpolitik (GAP) nach 2020. So sollen nach derzeitigem Stand mindestens 25 Prozent der Direktzahlungen (1. Säule der GAP) für Umwelt- und Klimaschutzmaßnahmen, so genannte ECO-Schemes, und mindestens 30 Prozent der Mittel der 2. Säule für  Agrarumwelt- und Klimamaßnahmen (AUKM) zur Erhaltung von Ressourcen und zur Förderung einer emissionsarmen und klimaresistenten Landwirtschaft eingesetzt werden.

Die flächendeckende Erfassung der landwirtschaftlichen Nutzung mit Satellitendaten ermöglicht die Evaluierung der Effektivität solcher Umwelt- und Klimamaßnahmen in der Agrarlandschaft. Darüber hinaus kann die Fernerkundung eine wesentliche Datengrundlage für die Verbesserung der Berichterstattung im Rahmen der Zielerreichung des Klimaschutzplans für den Sektor Landwirtschaft liefern. Dies umfasst sowohl langfristige Entwicklungen als auch kurzfristige Schwankungen von emissionsrelevanten Aktivitäten.

Der Mehrwert von Satellitendaten in diesem Kontext ist belegt, es mangelt aber an technischen Konzepten für eine großflächige, konsistente, zeitnahe und verlässliche Umsetzung. Ziel des Projektes ist die Durchführung von Machbarkeitsstudien für die operationelle Erfassung von klimawirksamen Maßnahmen aus Copernicus-Satellitendaten als Beitrag zum Monitoring im Rahmen der GAP und der Klimaberichterstattung.

Vorgehensweise

Im Rahmen des Projektes werden Methoden entwickelt, um die folgenden Indikatoren für klimawirksame Maßnahmen bzw. Aktivitäten in der Landwirtschaft aus Copernicus-Satellitendaten flächendeckend abzuleiten:

  • landwirtschaftlicher Ertrag (als Indikator für die Bewirtschaftungsintensität)
  • Anbau von Zwischenfrüchten in der Fruchtfolge (als Maßnahme zum Humusaufbau)

Daten und Methoden

Die Daten der Sentinel-Satelliten des europäischen Erdbeobachtungsprogramms Copernicus (Sentinel-1 / -2) bilden mit ihrer hohen räumlichen und zeitlichen Auflösung die Datengrundlage für dieses Projekt. Die hohe Wiederholrate der einzelnen Sentinel-Satelliten und deren Kombination zu einer dichten Zeitreihe ermöglichen die flächendeckende Beobachtung der Agrarlandschaft im Abstand von wenigen Tagen. Zeitliche und räumliche Muster des Vegetationszustands sowie von Bewirtschaftungsmaßnahmen werden mit Hilfe von Methoden des maschinellen Lernens abgebildet und analysiert.

Unsere Forschungsfragen

Lassen sich Ertragsunterschiede für ausgewählte Fruchtarten in Abhängigkeit von Bewirtschaftungs- und Förder­maß­nah­men durch Sentinel-Zeitreihen abbilden?

Wie kombiniert man optische und Radarsatellitendaten (Sentinel-1 / -2) am besten um die Nutzungsintensität in Grünland zu erfassen?

Können räumliche Muster des Zwischenfruchtanbaus mit Zeitreihen von Sentinel-Daten erfasst werden?

Publikationen zum Projekt

  1. 0

    Lobert F, Röder N, Gocht A, Schwieder M, Erasmi S (2022) Mowing detection from combined Sentinel-1, Sentinel-2, and Landsat 8 time series on fallow cropland with transfer learning. Publ Dt Gesellsch Photogrammetrie Fernerkundung Geoinf 30:117-126

  2. 1

    Lobert F, Holtgrave A-K, Schwieder M, Pause M, Gocht A, Vogt J, Erasmi S (2021) Detection of mowing events from combined Sentinel-1, Sentinel-2, and Landsat 8 time series with machine learning. Grassl Sci Europe 26:123-125

  3. 2

    Lobert F, Holtgrave A-K, Schwieder M, Pause M, Vogt J, Gocht A, Erasmi S (2021) Mowing event detection in permanent grasslands: Systematic evaluation of input features from Sentinel-1, Sentinel-2, and Landsat 8 time series. Remote Sens Environ 267:112751, DOI:10.1016/j.rse.2021.112751

    https://literatur.thuenen.de/digbib_extern/dn064075.pdf

  4. 3

    Schlund M, Lobert F, Erasmi S (2021) Potential of Sentinel-1 time series data for the estimation of season length in winter wheat phenology. In: Institute of Electrical and Electronics Engineers (ed) IGARSS 2021 - 2021 IEEE International Geoscience and Remote Sensing Symposium : proceedings ; 12-16 July 2021, Virtual Symposium, Brussels, Belgium. IEEE, pp 5917-5920, DOI: 10.1109/IGARSS47720.2021.9554454

    Nach oben