Die europäischen Satelliten Sentinel 1 und 2 erheben rund um die Uhr Daten: Im Schnitt alle 5 Tage wird jede Fläche überflogen, die Auflösung beträgt 10 x 10 m. Ein Pixel zeigt also 100 qm der Realität.
Bei den Bildern geht es dabei nicht nur um das einzelne Bild, erklärte Dr. Stefan Erasmi vom Thünen Institut bei der Tagung zum „Fernerkundung via Satelliten - Chancen und Herausforderungen für den Öko-Landbau“ des FiBl am 27.6.2024. Das reicheallein schon deshalb nicht, weil bei Wolken keine aussagekräftigen Bilder gemacht werden könnten.
Vielmehr legt eine künstliche Intelligenz sämtliche verfügbaren Bilder übereinander oder stellt sie neu zusammen. Die Referenten stellten verschiedene Anwendungssysteme vor:
Gibt es Bilder über mehrere Jahre, kann man z.B. erkennen, welche Fruchtfolge dominiert.
Werden die Bilder, auf denen Ackerflächen jeweils in unbewachsenem Zustand dargestellt sind, als Bodenkomposit zusammengeschnitten, kann man Rückschlüsse auf den Humusgehalts des Bodens ziehen. „Die KI verschneidet dazu die Bodenfarbe (gemessen u.a. mit Infrarot und Spektralmessung) und die real gemessenen Daten, soweit z.B. in der Bodenzustandserhebung erhoben,“ so Erasmi. So könne man recht genau auf den Kohlenstoff im Boden schließen.
Ein weiteres Anwendungsfeld ist das Biodiversitätsmonitoring. Zeitreihen von Satellitenbildern können die Veränderung der Landschaft zeigen.
Den Bewuchs erfassen Satelliten durch die NDVI-Intensität (Normalized Difference Vegetation Index). Der NDVI ist ein Vegetations-Index. Grob gesagt gilt: Je vitaler (grüner) die Pflanze, desto größer ist der Anstieg des Reflexionsgrades in diesem Spektralbereich. Über den NDVI lässt sich die Kulturart und auch der Schnittzeitpunkt von Grünland aus dem All erkennen. „Nach dem Schnitt oder auch dem Mulchen einer Stilllegungsfläche fällt der NDVI drastisch ab,“ erklärte Mathias Marten von der Wirtschafts- und Infrastrukturbank Hessen. So würden bei der Agrarförderung z.B. das Bewirtschaftungsverbot von Stilllegungsflächen kontrolliert. Weniger zuverlässig sei der Index allerdings bei extensiven Weiden. Deshalb seien in der Agrarförderpraxis zusätzliche genauere Satellitenbilder verfügbar. Lasse sich der Sachverhalt aus der Ferne nicht klären, käme es zu einer schnellen Vor-Ort-Prüfung.
Neben den Möglichkeiten wurden aber auch noch zu lösende Schwierigkeiten thematisiert: So ist es nach wie vor schwierig per Satellit zu erkennen, ob eine Fläche ökologisch bewirtschaftet wird, so Jan Hemmerling, der beim Thünen-Institut dazu forscht, wie sich Öko- und konventionelle Flächen in der Satellitenansicht unterscheiden lassen. Dr.Judith Brüggemann vom FiBL forscht dazu, wie man per Satellit die Folgen einer Ausweitung des Ökolandbaus erforschen kann. Ein wesentliches Problem seien dabei die Ertragsdaten für Ökobetriebe. „Um die Berechnungen auf stabile Füße zu stellen, brauchen wir flächenspezifische Erträge des Ökolandbaus. Solche Daten gibt es kaum,“ so Dr. Brüggemann.
Die europäischen Satelliten Sentinel 1 und 2 erheben rund um die Uhr Daten: Im Schnitt alle 5 Tage wird jede Fläche überflogen, die Auflösung beträgt 10 x 10 m. Ein Pixel zeigt also 100 qm der Realität.
Bei den Bildern geht es dabei nicht nur um das einzelne Bild, erklärte Dr. Stefan Erasmi vom Thünen Institut bei der Tagung zum „Fernerkundung via Satelliten - Chancen und Herausforderungen für den Öko-Landbau“ des FiBl am 27.6.2024. Das reicheallein schon deshalb nicht, weil bei Wolken keine aussagekräftigen Bilder gemacht werden könnten.
Vielmehr legt eine künstliche Intelligenz sämtliche verfügbaren Bilder übereinander oder stellt sie neu zusammen. Die Referenten stellten verschiedene Anwendungssysteme vor:
Gibt es Bilder über mehrere Jahre, kann man z.B. erkennen, welche Fruchtfolge dominiert.
Werden die Bilder, auf denen Ackerflächen jeweils in unbewachsenem Zustand dargestellt sind, als Bodenkomposit zusammengeschnitten, kann man Rückschlüsse auf den Humusgehalts des Bodens ziehen. „Die KI verschneidet dazu die Bodenfarbe (gemessen u.a. mit Infrarot und Spektralmessung) und die real gemessenen Daten, soweit z.B. in der Bodenzustandserhebung erhoben,“ so Erasmi. So könne man recht genau auf den Kohlenstoff im Boden schließen.
Ein weiteres Anwendungsfeld ist das Biodiversitätsmonitoring. Zeitreihen von Satellitenbildern können die Veränderung der Landschaft zeigen.
Den Bewuchs erfassen Satelliten durch die NDVI-Intensität (Normalized Difference Vegetation Index). Der NDVI ist ein Vegetations-Index. Grob gesagt gilt: Je vitaler (grüner) die Pflanze, desto größer ist der Anstieg des Reflexionsgrades in diesem Spektralbereich. Über den NDVI lässt sich die Kulturart und auch der Schnittzeitpunkt von Grünland aus dem All erkennen. „Nach dem Schnitt oder auch dem Mulchen einer Stilllegungsfläche fällt der NDVI drastisch ab,“ erklärte Mathias Marten von der Wirtschafts- und Infrastrukturbank Hessen. So würden bei der Agrarförderung z.B. das Bewirtschaftungsverbot von Stilllegungsflächen kontrolliert. Weniger zuverlässig sei der Index allerdings bei extensiven Weiden. Deshalb seien in der Agrarförderpraxis zusätzliche genauere Satellitenbilder verfügbar. Lasse sich der Sachverhalt aus der Ferne nicht klären, käme es zu einer schnellen Vor-Ort-Prüfung.
Neben den Möglichkeiten wurden aber auch noch zu lösende Schwierigkeiten thematisiert: So ist es nach wie vor schwierig per Satellit zu erkennen, ob eine Fläche ökologisch bewirtschaftet wird, so Jan Hemmerling, der beim Thünen-Institut dazu forscht, wie sich Öko- und konventionelle Flächen in der Satellitenansicht unterscheiden lassen. Dr.Judith Brüggemann vom FiBL forscht dazu, wie man per Satellit die Folgen einer Ausweitung des Ökolandbaus erforschen kann. Ein wesentliches Problem seien dabei die Ertragsdaten für Ökobetriebe. „Um die Berechnungen auf stabile Füße zu stellen, brauchen wir flächenspezifische Erträge des Ökolandbaus. Solche Daten gibt es kaum,“ so Dr. Brüggemann.
