Schnittdetektion
In dieser Studie wurde ein robustes technisches Verfahren entwickelt, aus frei und flächendeckend verfügbaren Radardaten des Europäischen Erdbeobachtungsprogramms Copernicus über die Veränderung der Radarwellenrückstreuung in zeitlich nah aufeinanderfolgenden Radaraufnahmen Schnittereignisse im Grünland auf Einzelschlagebene zu detektieren.
2014
Im Vergleich der Radaraufnahmen der jeweils 12 Tage auseinanderliegenden Zeitpunkte im Oktober 2014 sind Oberflächenveränderungen in den Grünlandflächen sowohl in den hochaufgelösten COSMO-SkyMed-Radardaten als auch in den weniger gut aufgelösten Sentinel-1A Daten ersichtlich. Diese Veränderungen wurden durch Schnittnutzungen im Grünland verursacht, welche durch in situ Beobachtungen verifiziert werden konnten. Es konnten 74 % aller bekannten Schnitte mit beiden SAR Systemen trotz ihrer unterschiedlichen Aufnahmegeometrien (z.B. Polarisation, Wellenlänge, Pixelauflösung, Aufnahmeuhrzeit) und trotz des langen Zeitabstandes (12 Tage) erfasst werden.
Im Bild nebenstehend sind die Unterschiede in der Radarrückstreuintensität (sichtbar als Wechsel von dunkelgrau zu hellgrau) aufgrund durch Schnittnutzung verursachter Oberflächenveränderung auf Grünlandflächen (weiß umrandet) zu sehen. Radaraufnahmen des COSMO-SkyMed System vom 3. und 15. Oktober 2014 wurden von e-GEOS zur Verfügung gestellt. Radaraufnahmen vom 5. und 17. Oktober 2014 sind frei verfügbare Sentinel-1A Aufnahmen.
2015
Für das Jahr 2015 waren Sentinel-1A Daten in regelmäßigen Abständen von 12 bzw. 24 Tagen (Ausnahmen Ende September/Oktober 48 Tage) während der gesamten Vegetationsperiode (April-Oktober) verfügbar. Zusätzlich konnten zu den Hauptschnittzeiträumen im Testgebiet COSMO-SkyMed Daten (Abstände 1 - 9 Tage) erworben werden.
Der erste Schnitt Anfang Mai konnte sehr gut mittels Sentinel-1A Aufnahmen detektiert werden. Die Detektionsrate der im Testgebiet kartierten Schnitte lag hier im Zeitraum 04.05.-16.05. und 16.05.- 09.06. bei 91,7% und 69,6%. Im vergleichbaren Zeitraum konnten mit COSMO-SkyMed Aufnahmen (1., 9. und 17.5.) 83,5 % der kartierten Schnitte richtig erfasst werden.
Die Detektionsraten für das gesamte Jahr 2015 lagen auf Grundlage der ungefilterten Sentinel-1A Aufnahmen zwischen 28,4 und 95,0 %. Die mittlere Detektionsrate betrug 63,6 %. Mit Hilfe einer multi-temporalen Filterung konnte die Detektionsrate leicht verbessert werden (64,1 %).
Allgemein kamen fehlerhafte Detektionen in der Regel durch falsch erkannte Schnitte zustande, d.h. es fanden keine tatsächlichen Schnitte vor Ort statt, aber laut Radarbild wurden Oberflächenänderungen registriert, die auf Schnitte hindeuteten. Tatsächliche Schnitte, die nicht vom Radarbild erfasst wurden, waren eher seltener. Es sieht danach aus, als würden mehr Schnitte nicht erkannt, wenn die Abstände zwischen den Radaraufnahmen größer werden (S1: 24 Tage, CSK: >8). Im Verlauf des Jahres ist erkennbar, dass niedrige Detektionsraten vor allem bei dem Vergleich von Sentinel-Bildpaaren auftraten, die 24 Tage auseinander lagen, insbesondere im Zeitraum Juni bis August. Hierbei könnte die ungewöhnlich niedrigen Niederschläge im Testgebiet eine Rolle für evtl. langsamere und geringere Aufwuchs des Grases, und damit für kaum Veränderungen in der Oberflächenstruktur gespielt haben.
Ab Herbst 2016 sind weitere Daten des baugleichen Sentinel-1B Satelliten verfügbar, so dass sich die Abstände zwischen den einzelnen Radarbildern auf ca. 6 Tage verkürzen werden. Es ist eine Verbesserung der Schnittdetektion durch den Einbezug dieser zusätzlichen Daten zu erwarten.
Schnittfrequenz
Aus der Radarbildauswertung des Zeitraumes 10.04. - 14.09.2016 ergaben sich außerdem die Schnittfrequenzen für die einzelnen Wiesenfeldstücke im Testgebiet. Der Großteil (>70 %) der Wiesenflächen im Testgebiet unterlagen einer intensiven Nutzung mit 4 - 5 Schnitten. 1 - 2 schnittige Wiesen waren eher selten vertreten. Diese Daten sind leider nicht verifizierbar, jedoch passt die Verteilung in das Testgebiet, wo Grünland sehr intensiv genutzt wird. Eine siebenfache Nutzung ist für das Testgebiet eher selten, die wenigen Flächen mit 7 detektierten Flächen sind wahrscheinlich fehlerhaft, jedoch fallen sie mit unter 0,01 bzw. 0,08 % nicht ins Gewicht.
Ertragsabschätzung auf Grundlage der Schnittfrequenz
Basierend auf den per Radar ermittelten Schnittfrequenzen für die Dauergrünlandflächen im Testgebiet (siehe Bild bei Schnittfrequenz), die eine Gesamtfläche von ca. 16.510 ha umfassen, sowie der Schätztabelle für Nährstoffabfuhren (Wendland et al. 2012) kann der Grünlandertrag für das Testgebiet im Jahr 2015 berechnet werden. Der Ertrag, der auf Basis der mit Sentinel-1A ermittelten Schnittfrequenzen errechnet wurde, ist 102 dt/ha. Die tatsächlichen, simulierten und aus Schnittfrequenzen geschätzten Erträge können für die vier Untersuchungsstandorte im Jahr 2015 gegenüber gestellt werden.
Gegenüberstellung Grünlanderträge an den Untersuchungsstandorten im Jahr 2015Standort | Schnitt- frequenz (SF) real | Schnitt-frequenz detektiert mit COSMO-SkyMed | Schnitt-frequenz detektiert mit Sentinel-1A | Trocken- masse gemessen | Trocken- masse simuliert mit Modell | Trocken- masse aus SF real | Trocken- masse aus SF detektiert COSMO-SkyMed | Trocken- masse aus SF detektiert mit Sentinel-1A |
---|
| | | | | | | | |
Grub | 4 | 6 | 3 | 88 | 105* | 100 | 120 | 85 |
Willing | 5 | 5 | 4 | 99 | 92 | 110 | 110 | 100 |
Karolinenfeld | 6 | 4 | 3 | 125 | 107 | 120 | 100 | 85 |
Bruckmühl | 6 | 6 | 5 | 97 | 115 | 120 | 120 | 110 |
Mittelwert | | | | 102 | 105 | 113 | 113 | 95 |
| | | | | | | | |
* 10 dt/ha höher als angegebenes Simulationsergebnis wegen eines 4. Schnittes (Modellierung nur bis 3.)
**Datengrundlage nur bis 30.09.2015
Anpassung eines Ertragsmodells an bayerisches Grünland
Im Projekt wurde zusätzlich ein Ertrags- und Qualitätsmodell auf den Grünlandtyp (intensiv genutzte, Weidelgras dominierte Wiese) im Testgebiet süd-östlich von München angepasst. Dies geschah an der Christian-Albrechts-Universität zu Kiel (CAU). Dort wurde bereits vor einiger Zeit ein an norddeutsche Verhältnisse angepasstes Ertragsmodell erarbeitet. Das FOPROQ (FOrage PROduction Quality) ist ein Grünlandmodell, das neben der Ertragsbildung auch eine umfassende Simulation von Futterqualitätsparametern unter Berücksichtigung von Umweltfaktoren, Bestandes-Charakteristika und pflanzenbaulichem Management ermöglicht (Herrmann et al. 2005).
Die Resultate der Modellanpassungen ergaben für den TM-Ertrag eine gute Übereinstimmung zwischen gemessenen und simulierten Werten. Die Simulation der Futterqualitätsparameter zeigte für den Rohproteingehalt und die Energiekonzentration (ME, NEL) im Vergleich zur Ertragsmodellierung weniger zufriedenstellende Ergebnisse. Hier besteht noch weiterer Anpassungsbedarf. Durch zusätzliche Ertrags- und Qualitätserhebungen an weiteren Standorten und zusätzlichen Jahren, d.h. eine Erweiterung der Kalibrationsdatenbasis, könnte eine weitere Steigerung der Prognosegüte der Qualitätsmodellierung erreicht werden.