Projekt
Automatische Bestimmung von Grünlandnutzungsintensitäten mit Satellitenbildern
Erschließung von Fernerkundungsdaten in den Themenfeldern Landnutzung, Agrarökonomie und Biodiversität in der Agrarlandschaft
Wie intensiv Grünland in Deutschland genutzt wird, dazu liegen bislang keine flächendeckende Informationen vor. Fernerkundungsdaten können helfen, diese Wissenslücke zu schließen.
Hintergrund und Zielsetzung
Die hohe räumliche und zeitliche Auflösung der Sentinel-Satelliten (eine Aufnahme alle 2 bis 3 Tage) des europäischen Erdbeobachtungsprogramms Copernicus schafft die Möglichkeit, Informationen zur Landnutzung mit hoher räumlicher und zeitlicher Auflösung zu erfassen. Auf Grundlage der Fernerkundungsdaten soll deutschlandweit flächendeckend bestimmt werden, wie intensiv Dauergrünland genutzt wird. Auf welchen Flächen werden Futtermittel angebaut? Welche Flächen dienen dem Natur- und Ressourcenschutz?
Auf Basis des angestrebten Datensatzes können zum Beispiel Extensivierungspotenziale einzelner Flächen und Regionen abgeschätzt werden und insbesondere die Politikfolgenabschätzung für die Gemeinsame Europäische Agrarpolitik (GAP) verbessert werden.
Die folgenden Ziele sollen erreicht werden:
- Entwicklung von Methoden, um die Nutzung von Dauer-grünland aus Sentinel-Fernerkundungsdaten automatisch zu bestimmen
- Deutschlandweite Abbildung und Bereitstellung aktueller räumlicher Informationen zur Nutzung von Dauergrünland
Vorgehensweise
Folgende Schritte werden in diesem Projekt durchgeführt:
- Aufbau einer Datenbank für Validierungsdaten, Zusammenfügen verschiedener Datentypen und Entwicklung von Indikatoren zur Beschreibung der Gründlandnutzungsintensität
- Aufbau einer Testumgebung für Sentinel-1 (S1) und Sentinel-2 (S2) Daten
- Entwicklung einer Methode zur schlaggenauen Bestimmung der Nutzungsintensität von Dauergrünland
- Deutschlandweite Übertragung der Methode
- Validierung der Methoden anhand der aufgebauten Datenbank
Links und Downloads
Thünen-Ansprechperson
Thünen-Beteiligte
Beteiligte externe Thünen-Partner
- Technische Universität Berlin
(Berlin, Deutschland)
Zeitraum
7.2017 - 6.2023
Weitere Projektdaten
Projektstatus:
abgeschlossen
Publikationen zum Projekt
- 0
Holtgrave A-K, Lobert F, Erasmi S, Röder N, Kleinschmit B (2023) Grassland mowing event detection using combined optical, SAR, and weather time series. Remote Sens Environ 295:113680, DOI:10.1016/j.rse.2023.113680
- 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
- 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
- 3
Holtgrave A-K, Röder N, Ackermann A, Erasmi S, Kleinschmit B (2020) Comparing Sentinel-1 and -2 data and indices for agricultural land use monitoring. Remote Sensing 12:2919, DOI:10.3390/rs12182919
- 4
Holtgrave A-K, Ackermann A, Röder N, Kleinschmit B (2020) Towards a dual-polarisation radar vegetation index for Sentinel-1 for grassland monitoring. Grassl Sci Europe 25:596-598
- 5
Holtgrave A-K, Röder N, Kleinschmit B (2019) Detecting grassland management strategies with sentinel-1 and fuzzy data in different regions of Germany. In: Living Planet Symposium, Milan (Italy), May 13-17 2019.