Fernerkundung für den Rübenanbau
Ein Forscherteam will die Daten der Copernicus-Satelliten nutzen, um den Anbau der Zuckerpflanze zu optimieren.
![Der Satellit Sentinel-1 liefert Radardaten für das Copernicus-Programm.](/sites/default/files/images/2019-04/sentinel-1_radar_vision_teaser.jpg)
Deutschland ist neben Frankreich, Polen, den USA und Russland eines der wichtigsten Anbaugebiete für Zuckerrüben weltweit. 2017 betrug die Anbaufläche in Deutschland rund 400.000 Hektar, Tendenz steigend. Ein Forschungskonsortium aus Nordzucker AG (Koordinator), der Firma m2Xpert, der Arbeitsgemeinschaft zur Förderung des Zuckerrübenanbaus in Norddeutschland e.V. sowie dem Julius Kühn-Institut (JKI) möchte nun Methoden der Fernaufklärung nutzen, um den Anbau weiter zu optimieren. Am 15. April 2019 fand das Kick-off-Meeting statt.
330.000 Euro Fördermittel über zwei Jahre
Das mit 330.000 Euro vom Bundesministerium für Wirtschaft und Energie (BMWI) über zwei Jahre geförderte Projekt „BeetScan“ soll auf Daten der Copernicus-Satelliten zurückgreifen. Die Europäische Union stellt mit dem Erdbeobachtungsprogramm Copernicus hoch aufgelöste und permanent aktualisierte Aufnahmen bereit: Alle ein bis drei Tage wird jeder Ort in Deutschland mit Radarsystemen vermessen, alle drei bis fünf Tage von optischen Sensoren der Satelliten. „Damit ist ein sehr gutes Monitoring landwirtschaftlicher Flächen möglich, da Veränderungen in den Pflanzenbeständen schnell erkannt werden können“, erklärt Holger Lilienthal vom JKI.
Bessere Ernteprognosen dank künstlicher Intelligenz
Anhand der Satellitendaten kann das Team kontinuierlich den Zustand der Zuckerrübenfelder bewerten. Landwirte könnten so zum optimalen Zeitpunkt notwendige Maßnahmen wie Pflanzenschutz, Bewässerung oder Düngung umsetzen. Außerdem will das Konsortium die Daten nutzen, um die Entwicklung der Pflanzen von der Aussaat bis zur Ernte exakt zu erfassen, um beispielsweise Erntemengen prognostizieren zu können. „Diese Informationen sollen durch die Kopplung von Fernerkundungsdaten mit Witterungsdaten und einem Wachstumsmodell bereitgestellt werden“, erläutert Lilienthal. Um mit diesen großen Datenmengen umzugehen, wollen die Projektpartner außerdem neue Auswertungsverfahren aus dem Bereich des maschinellen Lernens einsetzen.
bl