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

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:

• Bewirtschaftungsintensität im Grünland (über Mahdfrequenz und -termine als Proxies)
• Phänologische Metriken im Ackerland (am Beispiel Winterweizen)
• Bodenbedeckung / Anbau von Zwischenfrüchten (als Proxy für den Humusaufbau 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. 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

• Wie kombiniert man optische und Radarsatellitendaten (Sentinel-1 / -2) am besten um die Nutzungsintensität in Grünland zu erfassen?
• Wie gut eignen sich Zeitreihen verschiedener Satellitendaten und Umweltvariablen um phänologische Phasenübergänge für Winterweizen zu bestimmen
• Können räumlich-zeitliche Muster der Bodenbedeckung über das Anbaujahr mit Zeitreihen von Sentinel-Daten erfasst werden?

Ergebnisse

• Für die Erfassung der Nutzungsintensität in Grünland hat sich die Kombination von optischen und Radarsatellitendaten (Sentinel-1 / -2) als sehr vorteilhalft dargestellt. Durch Nutzung von aktuellen KI-Methoden (Convolutional Neural Networks) und die Kombination von optischen Satellitendaten mit Radarkohärenz-Zeitreihen, die Informationen über abrupte Änderungen der Oberflächenstruktur geben, konnte die Genauigkeit der Mahderkennung gegenüber herkömmlichen Methoden um mehr als 10 % verbessert werden.
• Bei der Bestimmung phänologischer Stadien bei Winterweizen stellten sich Radardaten als besonders hilfreich bei der Erkennung früher Stadien heraus, wie z. B. der Blattentwicklung oder des Längenwachstums. Optische Daten zeigten hingegen Vorteile bei späten Stadien wie der Gelbreife. Bei der Kombination beider Daten konnten die besten Ergebnisse erzielt werden. Gröber aufgelöste Daten zur Meteorologie hatten mit der verwendeten Methode hingegen nur wenig Erklärungspotenzial für die phänologische Entwicklung einzelner Weizenschläge.
• Mithilfe spektraler Entmischung können die vom Satelliten gemessenen spektralen Signaturen eines Pixels in die Bestandteile photosynthetisch aktive Vegetation, tote Vegetation und offener Boden zerlegt werden. Durch Anwendung dieser Methode auf lange Zeitreihen von Satellitenaufnahmen des Ackerlands in Deutschland konnte ein Datensatz generiert werden, der nun Grundlage für Analysen zu Trends und regionalen Unterschieden, z. B. in der Bedeckung Bedeckung des Bodens im Winter durch Zwischenfrüchte und Ausfallgetreide oder auch Schwarzbrachen dient.