Verbesserung von Prognosemodellen im Pflanzenschutz durch Integration von Erdbeobachtungsdaten

Hintergrund und Zielsetzung

Der Deutsche Nationale Aktionsplan zur nachhaltigen Anwendung von Pflanzenschutzmitteln (NAP) und die EU-Strategie „Farm-to-Fork“ sehen eine deutliche Reduzierung der Anwendungsrisiken von Pflanzenschutzmitteln vor. Prognosemodelle und Entscheidungshilfesysteme, die wichtige Informationen zum Befallsrisiko durch Schadorganismen und entsprechende Handlungsempfehlungen liefern, stellen unverzichtbare Planungsinstrumente zur Erreichung dieser Ziele dar.

Prognosemodelle und Entscheidungshilfesysteme basieren bislang häufig auf räumlich grob aufgelösten meteorologischen Inputdaten oder Nutzerangaben, was eine schlag- oder teilflächenspezifische Befallsrisikoabschätzung und damit reduzierte Anwendung von Pflanzenschutzmitteln stark einschränkt. Die Integration von hoch aufgelösten und flächendeckend verfügbaren Erdbeobachtungsdaten kombiniert mit Methoden der künstlichen Intelligenz (z. B. für die Ableitung von Kulturarten und BBCH-Stadien mithilfe selbstlernender bzw. maschineller Verfahren) hat das Potential die Qualität von Prognosemodellen und Entscheidungshilfesystemen deutlich zu erhöhen, sowie die generelle Risikoabschätzung zu optimieren.

Die Herausforderung besteht darin, geeignete Satellitendaten und abgeleitete Produkte zu identifizieren (z. B. Fruchtartenklassifikation, Geländemodelle) und deren Verarbeitung so anzupassen, dass eine robuste, praxistaugliche Integration in Prognosemodelle und Entscheidungshilfesysteme nachhaltig möglich ist. Das Projektvorhaben GeoProg nimmt diese Herausforderung an und überprüft die Eignung verschiedener Daten und daraus abgeleiteter Produkte für den Einsatz in ausgewählten Prognosemodellen und Entscheidungshilfesystemen.

Vorgehensweise

Um den Transfer von EO-Datenprodukten und Geoinformationstechnologien in den Pflanzenschutz zu ermöglichen, werden folgende Schritte verfolgt:

• Recherche und Überprüfung von EO-Datenprodukten hinsichtlich ihrer Eignung für den dauerhaften Einsatz in Prognosemodellen und Entscheidungshilfemodellen,
• Aufbau einer Analyse- und Testumgebung zur Bereitstellung von EO-Datenprodukten und Ableitung von Folgeprodukten, die als Modellparameter in Prognosemodelle und Entscheidungshilfemodelle oder in Risikokarten und Biomassemodelle einfließen,
• Aufbau einer GIS-Referenzdatenbank zum Training und zur Validierung der EO-Datenprodukte, Folgeprodukte und der optimierten Prognosemodelle und Entscheidungshilfemodelle,
• Integration von EO-Datenprodukten und Folgeprodukten in die Prognosemodelle und Entscheidungshilfemodelle und Entwicklung einer IT-Infrastruktur bzw. Servicemodelle, die einen praxistauglichen und nachhaltigen Betrieb der PM und EHS gewährleisten.

Daten und Methoden

Um eine nachhaltige Datenintegration in Prognosemodelle und Entscheidungshilfesysteme zu gewährleisten, müssen die verwendeten Daten kontinuierlich und zeitnah, deutschlandweit und in gleichbleibend hoher Qualität verfügbar sein.        . Für schlagspezifische Prognosen müssen sie eine hohe, für großflächige Risikoabschätzungen eine mittlere räumliche Auflösung haben. Es müssen Schnittstellen zu bestehenden agrar-meteorologischen und landwirtschaftlichen Informationssystemen für eine nahtlose Integration verfügbar sein und darüber hinaus muss die Datenverarbeitung den Anforderungen an Datenschutz, Datennutzung und Lizensierung entsprechen.

Aktuelle Satellitendaten und daraus abgeleitete Produkte lassen sich in fünf Kategorien einteilen:

1. Landnutzung (z. B. Fruchtfolge und Anbaudichte)
2. Umweltdaten (z. B. Bodenfeuchte und Blattnässedauer)
3. Pflanzenwachstum (z. B. Biomasse und BBCH-Stadien)
4. Topographie (z. B. Neigung und Exposition)
5. Saumstrukturen (z. B. Abschattung und Überwinterungshabitate).

Diese EO-Produkte können weniger genaue Modellparameter in bestehenden PM und EHS direkt ersetzen oder in Risikokarten und Biomassemodelle einfließen.

Unsere Forschungsfragen

Welche Satellitendaten und abgeleitete Produkte eignen sich für die Integration in Prognosemodelle und Entscheidungshilfemodelle?

Können bestehende Produkte durch angepasste Klassenkataloge und den Einsatz von KI und optimiert werden?

Links und Downloads

Projektseite des Verbundkoordinators ZEPP:

zepp.info/verbundprojekt-geoprog/