Nachhaltigkeit: Mit Sensoren und KI Grünland bewirtschaften

Mit einer Kombination aus unbemannten Flugsystemen und Maschinellem Lernen sammeln Forschende des KIT Informationen über Grünlandmerkmale, um sie zu kartieren, zu überwachen und zu bewerten

Messinstrument auf einer Wiese — Die bei Geländearbeiten etwa mithilfe von Instrumenten zur Bestimmung der Bestandshöhe erhobenen Felddaten, sind für das Erstellen des ML-Modells unerlässlich. (Foto: Bumsuk Seo, KIT)

Grünlandflächen sind ökologisch wertvoll. Sie fördern den Erhalt der Artenvielfalt, speichern Kohlenstoff und sind bedeutend für die Viehwirtschaft. Dennoch sind Informationen zu Erträgen und Futterqualität für deren nachhaltige Bewirtschaftung kaum verfügbar. Um die oberirdische Biomasse und den Stickstoffgehalt der Vegetation zu schätzen, haben Forschende des Karlsruher Instituts für Technologie (KIT) nun das Potenzial kostengünstiger Drohnensensoren untersucht. Die Studie zeigt, dass mit diesen Sensoren in Kombination mit Maschinellem Lernen hochaufgelöste Karten der Grünlandeigenschaften erzeugt werden können.

„Mithilfe der Sensoren können wir beispielsweise Ertragsunterschiede innerhalb eines Feldes erkennen. Zusammen mit einem im SUSALPS-Projekt entwickelten Systems zur Unterstützung von Entscheidungen können wir bei der nachhaltigen Nutzung von Grünland helfen“, sagt Bumsuk Seo vom Institut für Meteorologie und Klimaforschung – Atmosphärische Umweltforschung (IMK-IFU), dem Campus Alpin des KIT in Garmisch-Partenkirchen. Die Forschenden haben Sensoren, Algorithmen und verschiedene Eingangsparameter wie spektrale und strukturelle Informationen, beispielsweise die Bestandshöhe, kombiniert. „So können wir die Biomasseschätzung erheblich verbessern“, ergänzt Anne Schucknecht vom IMK-IFU. „Unsere Ergebnisse helfen Landwirtinnen und Landwirten dabei, ihr Grünland flächenspezifisch, bedarfsgerecht, effizient und nachhaltig zu bewirtschaften.“

swi, 30.06.2022