FREACS

Federführendes Institut AK Institut für Agrarklimaschutz

Schluff- und Tonfraktion nach Größenfraktionierung zur Bestimmung von Mineral-assoziiertem Kohlenstoff in Böden der Bodenzustandserhebung Landwirtschaft

FREACS - Fractionating soil organic carbon to quantify, map and understand its persistence and Storage

In FREACS geht es um die Quantifizierung und Regionalisierung, sowie das Verständnis der Zusammensetzung von organischer Bodensubstanz (labile und stabile Anteile) auf europäischer Skala. Die Ergebnisse werden zum besseren Verständnis des C-Sequestrierungspotenzials auf regionaler bis kontinentaler Skala beitragen und werden auch von einer privatwirtschaftlichen Firma genutzt, um ein innovatives System zu entwickeln, Humusvorräte und Bodengesundheit zu bewerten.

Hintergrund und Zielsetzung

Bodenkohlenstoff besteht aus verschiedenen funktionellen Komponenten, die konzeptionell oft zu zwei verschiedenen kinetischen Pools (Fraktionen) zusammengefasst werden: eine labile, schnell umsetzbare Fraktion und eine stabile Fraktion mit langer Verweilzeit. Das Verständnis über die jeweiligen Anteile dieser Fraktionen am gesamten Kohlenstoffvorrat eines Bodens ist wichtig, um dessen Dynamik, sowie das Potenzial zur weiteren Speicherung von C vorhersagen zu können. In diesem Projekt sollen i) vorhandene Daten aus verschiedenen nationalen und internationalen Bodeninventuren zusammengebracht und harmonisiert werden, ii) neue Daten erzeugt werden, iii) die wichtigsten Treiber mittels maschinellem Lernen identifiziert werden, iv) die Verteilung der zwei Fraktionen über ganz Europa abgebildet werden, v) das Verständnis der Fraktionsverteilung durch zusätzliche Messungen geschärft werden. Schließlich sollen auch C-Umsatzmodelle mit den gewonnenen Daten getestet werden, sowie ein Schema zur Bewertung von Humus und Bodengesundheit entwickelt werden.

Vorgehensweise

Datensammlung (Frankreich, Deutschland, Finnland, Neu Seeland, Europa)
Fraktionierung mittels Größenauftrennung und RockEval
VisNIR und MID-infrarot Spektroskopie und maschinelles Lernen, um für große Datensätze Fraktionen vorherzusagen
Digital Soil Mapping (maschinelle Lernen) zur Erstellung von Karten für Europa
Weitere Messung zur chemischen Zusammensetzung von C im Boden um Fraktionenanteile zu verstehen
Modellierung
Aufbau eines Bewertungsschemas und Öffentlichkeitsarbeit