Dauergrünland als einer der weit verbreiteten Vegetationstypen in Deutschland trägt über die Tierproduktion erheblich zur Ernährungssicherheit bei. Eine zeitnahe Überwachung ihres Systems bietet eine Reihe von Möglichkeiten, um die Grünlandproduktivität nachhaltig und gleichzeitig leistungsfähig zu gestalten. SattGrün arbeitet an der Bereitstellung technisch innovativer Produkte in Form von Entscheidungshilfen für das Grünlandmanagement, mit dessen Hilfe (1) die Wirtschaftlichkeit von Grünlandbetrieben, (2) die Resilienz der Grünlandstandorte im Klimawandel und (3) der Schutz des Bodens und des Grundwassers als Ressource in ganz Deutschland befördert werden soll.
Fernerkundungsdaten und Agrarökosystemmodelle sind zwei sich komplementär ergänzende Quellen, die verwendet werden können, um bessere Informationen zum Verständnis des Grünlandökosystems bereitzustellen. Beide Quellen leiden jedoch unter großen Unsicherheiten. Unsere Ziele sind: (i) der Entwurf und die Implementierung eines robusten Beobachtungsschemas zur Assimilation von Satelliten-Daten in Grünland-Agrarökosystemmodelle für die Analyse und Bewertung von Produktivität und ausgewählten Ökosystemleistungen von intensiv bewirtschafteten Grünlandstandorten, (ii) die Verminderung von vorhandenen Unsicherheiten in Modellparametern durch Nutzung von Fernerkundungsdaten und -methoden, und (iii) die Erhöhung der Genauigkeit der Biomasseschätzung.
Das MONICA-Modell (Nendel et al. 2011) wurde zur Simulation von biophysikalischen Prozessen im Grünland-Ökosystem für Deutschland verwendet. Das Modell wurde unter Verwendung eines Anpassungsalgorithmus für sequentielle Unsicherheit mit mehreren Zielen kalibriert. Die Daten wurden in zwei Schritten in MONICA assimiliert. Zuerst wurden die Anzahl und Zeit der Schnittzeitpunkte, der Beginn der Vegetationsperiode, und die LAI-Werte (Blattfläche) aus intraanuellen Zeitreihen von Satellitenbild-Kompositen ermittelt (Griffiths et al. 2013). Die Grünlandphänologie (Beginn der Vegetationsperiode, Schnittzeitpunkte) jedes Grünland-Standortes wurde dann mit Forcing-Methoden in MONICA assimiliert (siehe Abbildung. 1). Als nächstes assimilieren wir die aus Sentinel 1 & 2-Satellitenbildern abgeleiteten LAI-Werte mithilfe eines Partikelfilters in MONICA (siehe Abbildung. 1).