Weiter zum Inhalt

Projekt

KlimaFern - Fernerkundung für eine Verbesserung der Klimaberichterstattung


Federführendes Institut BW Institut für Betriebswirtschaft

von oben links nach unten rechts: Emissionen im LULUCF-Sektor, ausgeräumte Agrarlandschaft, kleinräumige Agrarlandschaft mit Hecken, Bodenprofil
© UBA, Javier Muro, PlanetLabs, Philip Saggau

KlimaFern - Fernerkundung für eine Verbesserung der Klimaberichterstattung

Für die Erreichung der Klimaschutzziele sind die Landnutzung und landwirtschaftliche Maßnahmen ein wichtiger Bereich. Mit Satellitendaten soll die landwirtschaftliche Nutzung flächendeckend erfasst werden, um die Datengrundlage für die Berichterstattung zu verbessern.

Hintergrund und Zielsetzung

Mit der Änderung des Klimaschutzgesetzes im August 2021 hat die Bundesregierung die Klimaschutzvorgaben verschärft und das Ziel der Treibhausgasneutralität bis 2045 verankert. Bereits bis 2030 sollen die Emissionen um 65 Prozent gegenüber 1990 sinken. Die Änderungen wirken sich auch auf die Minderungsziele im Sektor Landnutzung, Landnutzungsänderung und Forstwirtschaft (LULUCF) aus. Das BMEL hat für das Klimaschutzprogramm der Bundesregierung Maßnahmen definiert, die zur Erreichung der Klimaziele beitragen können. Eine jährliche Berechnung der Emissionssituation, als Grundlage für die Treibhausgas-Berichterstattung und damit für ein Monitoring der Zielerreichung, erfolgt für den LULUCF-Sektor am Thünen-Institut bisher auf der Basis von Daten der Landnutzung und empirischen Emissionsfaktoren. Die Verfügbarkeit von Landnutzungsdaten und insbesondere „Aktivitätsdaten“, also solchen Maßnahmen der Flächennutzung, die potenziell zur Kohlenstoffbindung und damit zum Klimaschutz beitragen, ist aber begrenzt. 

Die Voraussetzung für die Anrechenbarkeit von Maßnahmen der Flächennutzung auf die Klimaschutzziele ist die Generierung einer Datengrundlage, welche die Entwicklungen und den Umfang der Maßnahmen sichtbar und damit berichtbar macht. Die Satelliten-Fernerkundung ist grundsätzlich geeignet solche Daten zu generieren. Daher ist im Bundes-Klimaschutzgesetz die Notwendigkeit der Verbesserung der Datengrundlage zur Klimaberichterstattung für den Sektor LULUCF durch Einbeziehung von Fernerkundungsdaten bereits klar adressiert (vgl. §3a (3) Satz 4 B-KSG). 

Bezugnehmend hierauf ist das übergreifende Ziel des Projekts KlimaFern die Verbesserung der Datengrundlage für den LULUCF-Teilsektor landwirtschaftliche Flächennutzung mit Hilfe von Satellitendaten. Dies wird erreicht durch die Entwicklung von Instrumenten zur flächendeckenden Erfassung und Evaluierung von Aktivitätsdaten auf Basis von zeitlich und räumlich hochauflösenden Satellitendaten unterschiedlicher Systeme (optisch und Radar). Darüber hinaus wird das Potenzial der Daten aus der Fernerkundung für die Verifizierung der Ergebnisse der Berichterstattung untersucht.

Vorgehensweise

Unsere Arbeiten im Projekt KlimaFern basieren auf satellitengestützte Datenerhebungen, die wiederholt und unabhängig flächendeckende Informationen zum Zustand, zur Nutzung und deren Veränderung über große Gebiete liefern. Aus den Satellitendaten werden Indikatoren berechnet, die den Zustand und die Flächennutzung (Aktivitätsdaten, siehe oben) beschreiben. Mit Bezug zum Klimaschutz und der Minderung von Emissionen aus der landwirtschaftlichen Flächennutzung bedeutet dies insbesondere die Erfassung von Indikatoren zum Humuserhalt und -aufbau sowie zum Grünland- und Moorbodenschutz.

Diese Indikatoren unterstützen nicht nur die Monitoring-Ziele im Bereich des Klimaschutzes, sondern sind ebenso geeignet sind, um andere Ökosystemleistungen der Landwirtschaft zu charakterisieren (z. B. biologische Vielfalt, Bodenfruchtbarkeit, Erosionsschutz).

Konkret befasst sich das Projekt KlimaFern in drei Teilprojekten (TP) mit dem Monitoring von im Klimaschutzprogramm für den LULUCF-Teilsektor landwirtschaftliche Flächennutzung festgelegten Maßnahmen und Auswirkungen der Landnutzung in der Agrarlandschaft mit Hilfe von Satellitendaten:

  • TP1: Monitoring von Maßnahmen zum Humuserhalt in Ackerland (inkl. Hecken und Feldgehölzen)
  • TP2: Monitoring von Maßnahmen zum Erhalt von Dauergrünland
  • TP3: Monitoring des Bodenkohlenstoff-Gehalts im Ackerland 

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. Mit den Daten der Landsat-Missionen kann der Untersuchungszeitraum erweitert werden, um ex-post Analysen für den Bezugszeitraum der Berichterstattung (1990 / 2005) durchzuführen. Ergänzt wird das Projekt mit kommerziellen und hochauflösenden Daten von Satelliten der neusten Generation (Planet, EnMap).

Referenz-Informationen zur Landnutzung und zum Bodenzustand stehen über die Zusammenarbeit mit weiteren Projekten am Thünen-Institut zur Verfügung (BZE-LW, MuD HumusKlimaNetz, kliMAGS, CatchHedge). 

Unsere Forschungsfragen

In Bezug auf das übergreifende Projektziel werden die folgenden Forschungsfragen untersucht:

  • Unter welchen technisch-infrastrukturellen Rahmenbedingungen (Datenverfügbarkeit, Sensoren, Auflösung der Daten) und mit welcher Qualität / Genauigkeit  können mit Satellitendaten flächenhafte Zustands- und Aktivitätsdaten generiert werden, die zu einer Verbesserung der Datenlage (bzgl. Genauigkeit, Belastbarkeit, zeitliche Intervalle) für die Klimaberichterstattung beitragen?
  • Inwieweit kann mit Hilfe von Satellitendaten der Zustand und die Veränderung des Bodenkohlenstoffgehalts im Ackerland als Kenngröße zur Validierung und zur Bewertung der Wirksamkeit von Klimaschutz-Maßnahmen flächendeckend erfasst werden.
  • Kann die Integration neuer hochauflösender (kommerzieller) Satellitensysteme und neuer methodischer Ansätze (z. B. KI) zu einer Verbesserung der Genauigkeit in der raum-zeitlichen Betrachtung der Maßnahmen und Parameter beitragen? 

Publikationen zum Projekt

  1. 0

    Pham V-D, Tetteh GO, Thiel F, Erasmi S, Schwieder M, Frantz D, van der Linden S (2024) Temporally transferable crop mapping with temporal encoding and deep learning augmentations. Int J Appl Earth Observ Geoinf 129:103867, DOI:10.1016/j.jag.2024.103867

    https://literatur.thuenen.de/digbib_extern/dn068235.pdf

  2. 1

    Brög T, Don A, Gocht A, Scholten T, Taghizadeh-Mehrjardi R, Erasmi S (2024) Using local ensemble models and Landsat bare soil composites for large-scale soil organic carbon maps in cropland. Geoderma 444:116850, DOI:10.1016/j.geoderma.2024.116850

    https://literatur.thuenen.de/digbib_extern/dn067810.pdf

  3. 2

    Brög T, Blaschek M, Seitz S, Taghizadeh-Mehrjardi R, Zepp S, Scholten T (2023) Transferability of covariates to predict soil organic carbon in cropland soils. Remote Sensing 15(4):876, DOI:10.3390/rs15040876

    https://literatur.thuenen.de/digbib_extern/dn066098.pdf

Nach oben