Forschung

Dieses Forschungsprojekt wird in Zusammenarbeit mit der HBLFA Raumberg-Gumpenstein durchgeführt. Der Schwerpunkt der Forschung liegt auf der Bewertung eines nachhaltigen Nährstoffmanagements auf Almweiden durch standortspezifische Bewirtschaftungsstrategien. Die Ergebnisse fließen in die Beiträge der HBLFA Raumberg-Gumpenstein zur Almweide-Bewertungsstudie (APES) ein, die vom Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft (BML) finanziert wird. Die BOKU ist an zwei Arbeitspaketen beteiligt, die sich mit Fernerkundung und Geodatenanalyse zur Ertragsschätzung und Erkennung von Veränderungen in der räumlichen Struktur von Weiden befassen.

Der Forschungsvertrag mit der „Bundesanstalt Statistik Österreich“ konzentriert sich auf die Entwicklung von Algorithmen und Datenzugriffsstrukturen zur Anwendung bestehender Modelle zur Berechnung von Jahreserträgen und Futterqualität (Rohproteingehalt) in verschiedenen Grünland-Mähsystemen. Das Know-how wurde im Rahmen des FFG-ASAP-SatGrass-Projekts am Institut für Geomatik entwickelt. Die Forschungsleistungen umfassen die Erweiterung folgender Aspekte: - Datenbankauswertung: Bewertung einer Datenbank für SatGrass-Modellparameter unter Verwendung von Satellitendaten auf Parzellenebene (IACS-GIS). - Schätzung des Beginns der Vegetationsperiode (SOS): Entwicklung von Algorithmen zur Bestimmung des SOS für gemähte Wiesen unter Verwendung alternativer Satellitendaten, die die zeitlich begrenzte Verfügbarkeit von MODIS-Daten ersetzen, und Erstellung von SOS-Zeitreihen. - Verbesserung der Schnittdetektion: Weiterentwicklung von Schnittdetektionsmethoden auf der Grundlage von Sentinel-1- und Sentinel-2-Zeitreihen.

Die Gesellschaft steht vor der dringenden Herausforderung, nachhaltige, gerechte und skalierbare Lösungen für den Klimawandel zu entwickeln, da ein evidenzbasiertes Management geoökologischer Lebenserhaltungssysteme wie Kohlenstoff, Wasser und Wärme dringend erforderlich ist. Um diesem Bedarf gerecht zu werden, werden wir maßstabsgerechte Benchmarks für die Kohlenstoffbindung im Boden entwickeln, indem wir Daten über den atmosphärischen CO2-Fluss zusammen mit einer breiten Palette von In-situ- und Fernerkundungsdaten nutzen. Wir werden einen unabhängigen, unparteiischen und umsetzbaren Benchmark mit Unsicherheitsschätzungen bereitstellen, um aktivitätsbasierte Bottom-up-Inventare und Top-down-Inversionen der atmosphärischen Konzentration miteinander zu verbinden. Dieser Maßstab ist für eine genaue Kohlenstoffbilanzierung auf globaler Ebene bis hin zu den Eigentümern und für die Entwicklung und Verbesserung wirksamer naturbasierter Lösungen für das Klima unerlässlich. Unser Projekt wird einen Paradigmenwechsel von der derzeitigen Praxis der skalenunabhängigen Datenverknüpfung hin zu einer skalenbewussten Methodik von der lokalen bis zur globalen Ebene einleiten. Dieser neue Maßstab des maschinellen Lernens wird die Nutzung der knappen Flußbeobachtungen maximieren, Erdbeobachtungen aus mehreren Quellen konsistent integrieren, die statistische Aussagekraft erhöhen und Flußschätzungen über Skalen hinweg abstimmen. Übersetzt mit DeepL.com (kostenlose Version)