Hier beginnt der Hauptinhalt dieser Seite

SOCmonit Monitoring und Klimaanpassung in der Pflanzenproduktion

SOCmonit

Socmonit Logo

Monitoring des organischen Bodenkohlenstoffs mittels Methoden der Fernerkundung und der Proximal-Bodenerfassung

Projektkoordinator

Dr. Mareike Ließ
Helmholtz-Zentrum für Umweltforschung- UFZ, Halle (Saale)
mareike.liess(ät)ufz(punkt)de

Verbundpartner

RSS – Remote Sensing Solutions GmbH

Projekthomepage

https://www.unter-2-grad.de/socmonit.html

Projektbeschreibung in FISA

Zum Forschungsinformationssystem Agrar und Ernährung (FISA)

Ziel

Langzeitfeldversuche (LFVs) untersuchen u.a. den Einfluss der Bodenbearbeitung und Düngung auf den Gehalt des organischen Bodenkohlenstoffs (Corg). Das Projekt SOCmonit (Abk. Soil Organic Carbon monitoring) verfolgt das Ziel der Standardisierung des räumlich-zeitlichen Monitorings des Corg auf LFV mittels spektraler Messmethoden aus der Fernerkundung und  der Proximal-Bodenerfassung. Mathematisch-statistische Modellierungsansätze kommen dabei zum Einsatz, um die Relation zwischen der Zielgröße und den gemessenen Spektren herzustellen. Im Projekt erfolgt ein direkter Vergleich von mehreren Sensorplattformen. Die Verfahren erzeugen unterschiedliche Datenformate und Informationsgehalte: Bildformate in unterschiedlicher räumlicher Auflösung versus Punktspektralmessung, sowie Multispektral- versus Hyperspektralmessung und Feld- versus Labormessung. Sie erfordern dementsprechend unterschiedliche Datenprozessierungsschritte. Simultan zu einem Vergleich der verschiedenen Verfahren und ihrem Informationsgehalt in Bezug auf die Zielgröße Corg wird eine Toolbox in Quellcode offener Software entwickelt. 

Letztlich erfolgt eine Automatisierung der involvierten Verfahrensschritte der Datenprozessierung und mathematisch-statistischen Modellierung zur Corg-Vorhersage.

Ergebnisse

Die Auswahl geeigneter Dauerfeldversuche erfolgte in enger Absprache mit den Versuchsverantwortlichen gemäß Relevanz für das Projektvorhaben, sowie logistischer und technischer Aspekte, so dass die Feldkampagne im Herbst 2018 und 2019 auf den LFVs V120 (Bad Lauchstädt) sowie M4 und P60 (Groß Kreuz) erfolgreich durchgeführt werden konnte (siehe Abbildung 1). Zum Einsatz kamen dabei drei Sensorplattformen aus der Proximalbodenerfassung und der Fernerkundung. Weitere multi- sowie hyperspektrale Messungen erfolgten anschließend an den während der Feldkampagne entnommenen and dann aufbereiteten Bodenproben im Labor. Die Datenerhebung nebst Hyper- und Multispektralmessungen sowie physisch-chemischer Laboranalyse ist abgeschlossen.

Bisher wurden die Prozessierungsschritte der multispektralen Bildverarbeitung sowie der Analyse und Prozessierung der Punkt-und Transektmessungen der hyperspektralen Messdaten in Form einzelner Bausteine der R-Software-Toolbox implementiert. Dies beinhaltete u.a. die Korrektur der Bildvignette und des Sensorrauschens, sowie Algorithmen für die Informationsextraktion bezüglich der Zielgöße Corg inklusive Streukorrektur, Filter- und Glättungsmethoden. Bei der Modellanpassung lag der besondere Fokus auf dem Vergleich zwischen Feld- und Labordaten. Um perspektivisch auch das großflächige Monitoring zu ermöglichen, erfolgte zudem die Implementierung einer automatisierten Zugriffs- und Verarbeitungsmöglichkeit für Sentinel-2-Daten. Die einzelnen Module gehören der übergreifenden Software-Toolbox an und sind dort entsprechend eingeordnet und verknüpft. Erste Modellanpassungen haben gezeigt, dass weiterer Optimierungsbedarf in der Datenprozessierung besteht.

Abbildung 1: Eindrücke aus der Feldkmapagne zur Datenerhebung. GNSS-Gerät zur zentimetergenauen Einmessung der Probe-nahmepunkte (links), UAV mit Multispektralkamera (Mitte) und Schlepper gezogenes Feldspektrometer (rechts).

Verwertung

Die jeweiligen Datenprozessierungs- und Modellierungsschritte werden in der Programmiersprache und Software-Umgebung "R" entwickelt und aufbereitet, um diese langfristig als ein frei-verfügbares R-Paket zur Verfügung zu stellen. Dieses vermeidet die Nutzung verschiedener Softwareprodukte im Rahmen der Datenprozessierungs- und Modellierungskette und ermöglicht stattdessen eine umfangreiche Funktionalität in einer Umgebung (R).