Agrardaten für Ernteprognosen bündeln

Agrardaten für Ernteprognosen bündeln

Der Trend zu einer Industrie 4.0 ist auch in der Landwirtschaft angekommen. Potsdamer Forscher wollen nun Datenquellen aus unterschiedlichen Kanälen so zusammenführen, dass Landwirte ihre Erträge besser vorhersagen können.

AgriFusions-Referenzacker in in Norddeutschland
Dieses Weizenfeld in Norddeutschland dient "AgriFusion" als Referenzacker.

Industrie 4.0 ist auch in der Landwirtschaft angekommen. Hochmoderne Landmaschinen, Handy-Apps oder Satellitenaufnahmen bieten dem Landwirt bereits heute eine Fülle an Informationen zu Bodenbeschaffenheit, Pflanzenwachstum oder Umweltbedingungen. Insbesondere Satellitendaten werden von Agrarforschern seit langem genutzt, um Fragestellungen nach Vegetations- und Bodeneigenschaften zu beantworten. Denn bei der Planung auf einem Pflanzen produzierenden Betrieb müssen die Landwirte möglichst genau wissen, welcher Ertrag an welchem Standort zu erwarten ist. Daran orientieren sich beispielsweise die Fruchtfolge, die Arten- und Sortenwahl, die Intensität der Bodenbearbeitung und die Zufuhr von Nährstoffen.

Vorreiter in der Nutzung digitaler Daten sind die Großkonzerne. Auch hier kommen immer mehr Beobachtungsdaten aus dem All zum Einsatz.  So hat die Agrarsparte des Chemiekonzerns BASF erst kürzlich mit der Europäischen Raumfahrtorganisation (ESA) eine Allianz geschlossen, um mithilfe ihrer Daten neue digitale Anwendungen zu entwickeln, mit denen Landwirte die tägliche Arbeit genauer planen können.

Datenfülle bündeln für bessere Ertragsvorhersage

Das enorme Potenzial, dass in dieser Datenfülle steckt, zukünftig noch besser zu nutzen, ist Anliegen eines im Februar gestarteten Verbundvorhabens. Unter dem Titel „AgriFusion“ haben sich Forscher vom Deutschen GeoForschungsZentrum (GFZ) mit der Hochschule für angewandte Wissenschaften Weihenstephan-Triesdorf sowie der Fritzmeier Umwelttechnik GmbH & Co. KG in Aying und der GID GeoInformationsDienst GmbH in Rosdorf zusammengetan, um Daten aus verschiedenen Quellen möglichst effizient zu einer qualitativ hochwertigen Ernteprognose zusammenzuführen. „Die einzelnen Daten sind in der Regel verfügbar, aber sie wurden noch nicht in der erforderlichen Breite zusammengebracht, um zuverlässige Ertragspotenziale zu liefern“, sagt Daniel Spengler vom Deutsches GeoForschungsZentrum GFZ.

Das Verbundvorhaben wird vom Bundesministerium für Ernährung und Landwirtschaft (BMEL) mit insgesamt 943.500 Euro geförderten Projekt. Bei den Daten, die zusammengeführt werden sollen, handelt es sich sowohl um standortbezogene bodenkundliche und klimatische Messgrößen, als auch um aus Bodenproben und Karten gewonnene Ertragszahlen der Vergangenheit sowie Bilder und Daten, die von Satelliten, wie dem ESA Erdbeobachtungssatelliten „Sentinel-2“ bereitgestellt werden. „Erst diese Verknüpfung bringt einen wirklichen Mehrwert für die Landwirtschaft“, betont Spengler.

Realitäts-Check für Prognosen

Das entstehende Webmodul „AgriFusion“ soll die Geobasisdaten nicht nur verarbeiten und speichern, es soll auch notwendige Parameter des Betriebs über eine Schnittstelle zu den Managementdaten importieren. Daraus wird dann die gewünschte Ertragserwartungskarte erzeugt. Die Ergebnisse der Dateninterpretation und –fusion können von den Landwirten direkt genutzt und in betriebliche Datenstrukturen integriert werden. Über eine Eingabemaske können zudem Expertenwissen und Erfahrungswerte einfließen und bei der Berechnung der Ertragserwartungskarte berücksichtigt werden. 

Die Verknüpfung soll mithilfe des sogenannten Algorithmus "Transferable Belief Model" (TBM) gelingen. Dieser liefert für jedes Pixel, dessen Größe zwischen 10 und 30 Metern liegt, eine konkrete Ertragserwartung. Die Prognose ist zugleich mit einer Information verknüpft, die angibt, wie vertrauensvoll die Werte sind. „Je größer die Qualität der Eingangsdaten ist, desto größer ist auch die Aussagekraft der Resultate“, erläutert Spengler. Jede Prognose soll zudem in einem Realtitäts-Check unterzogen werden. Dafür haben die Verbundpartner sogenannte Referenzregionen in den Bundesländern Brandenburg, Mecklenburg-Vorpommern und Bayern ausgewählt.

bb