Lade Inhalt...

Ernteschätzung mit Satellitendaten - Das MARS-Projekt der EU

Seminararbeit 2010 31 Seiten

Geowissenschaften / Geographie - Kartographie, Geodäsie, Geoinformationswissenschaften

Leseprobe

Inhaltsverzeichnis

Abbildungsverzeichnis:

Tabellenverzeichnis:

Formelverzeichnis:

Einleitung:

1. Entstehung und Aufgabenbereiche von MARS

2. Methodik
2.1 Meteorologische Daten
2.2 Modellierung des Pflanzenwachstums im CGMS
2.3 Die Rolle der Fernerkundung im MARS - Projekt

3. Ergebnisse
3.1 Ergebnisse in Form von Karten
3.1.1 Einfluss von Temperatur und Niederschlag auf das Pflanzenwachstum
3.1.2 Abschatzung der Ernteertrage fur Kartoffeln fur das Jahr 2009
3.1.3 Risikokarten fur das Auftreten von Durreereignissen fur Winterweizen und Kartoffeln
3.2 Die Genauigkeit der Ernteertragsabschatzung

Schluss:

Literaturverzeichnis:

Abbildungsverzeichnis:

Abbildung 1: Verfugbare Klimamessstationen fur MARS fur Europa und den Mittelmeerraum (Micale, Genovese, 2004, Seite 9)

Abbildung 2: Das nach der Interpolation entstandene Raster fur die meteorologischen Daten (Micale, Genovese, 2004, Seite 16)

Abbildung 3: Vergleich der kumulierten Temperatur im Zeitraum 1.07.2009 - 30.09.2009 mit dem langzeitlichen Durchschnitt fur diese Periode. Abweichungen in Prozent (MARS Bulletin Europe - Agrometeorological Bulletin, 2009, Seite 4)

Abbildung 4: Vergleich der kumulierten Niederschlagswerte fur den Zeitraum 01.07.2009 - 30.09.2009 mit den langjahrigen Mittelwerten. Abweichungen in Prozent (MARS Bulletin Europe - Agrometeorological Bulletin, 2009, Seite 5)

Abbildung 5: NDVI von Oktober 2009 verglichen mit dem langjahrigen Mittelwert fur Oktober. Abweichungen in Prozent (MARS Bulletin Europe - Agrometeorological Bulletin, 2009, Seite 20)

Abbildung 6: Ernteertragsabschatzung fur Kartoffeln. Angegeben ist der Ertrag in Tonnen pro Hektar, sowie die Abweichung des Jahres 2009 vom Mittelwert der Jahre 2004 - 2008 (MARS Bulletin Europe - Forecasts Update, 2009, Seite 4)

Abbildung 7: Darstellung des Risikos fur schwerwiegende Durreereignisse fur Winterweizen (links) und Kartoffeln (rechts). Betrachtet wird der Zeitraum von 1975 - 2006 (nach Gallego et al., 2007, Seite 7)

Abbildung 8: Darstellung des mittleren Durrerisikos fur Winterweizen (links) und Kartoffeln (rechts). Betrachtet wird der Zeitraum von 1975 - 2006 (nach Gallego et al., 2007, Seite 7).

Abbildung 9: Abweichungen von modellierten Ernteertragsabschatzungen fur verschiedene Feldfruchte von tatsachlich erzielten Werten (nach Genovese, Bettio, 2004, Seite 44)

Tabellenverzeichnis:

Tabelle 1: Parameter der interpolierten Pixel (nach Micale, Genovese, 2004, Seite 15)

Formelverzeichnis:

Formel 1: NDVI (Royer, Genovese, 2004, Seite 5)

Einleitung:

Der landwirtschaftliche Sektor ist dadurch gekennzeichnet, dass er hohen Risiken ausgesetzt ist. Zum einen gibt es okonomische Risiken, wenn es darum geht, wie viel Geld ein Landwirt fur seine Waren erhalt. Zum anderen spielt das Klima, beziehungsweise das Wetter, eine Rolle, da es sich unmittelbar auf die Ernteertrage auswirkt. Jahrliche Schwankungen des Ertrags von 30 Prozent und mehr, sind dabei durchaus moglich. Klimatische und okonomische Einflussfaktoren variieren zudem raumlich sehr stark. Expertenwissen uber die Situation an einem Ort ist deshalb sehr wichtig, um Risiken dort abzuschatzen und sich bestmoglich an die lokalen Gegebenheiten anzupassen. Der Einsatz von agro- meteorologischen Modellen vermag in diesem Bereich viel zu leisten. So kann etwa der Anbau von verschiedensten Feldfruchten zusammen mit dem Klima und den Boden an einem Ort simuliert werden. Die erzielten Ertrage richten sich stark danach, wie gut die Pflanze an den Boden und das Klima, beziehungsweise das Wetter, vor Ort angepasst ist. Das Auftreten von Risiken fur die Landwirtschaft durch Extremereignisse, wie etwa Hagel, Starkregen, Durren, Hitzewellen oder Frost, kann dabei ebenso simuliert werden, wie deren Auswirkungen auf die Vegetation (Gallego et al., 2007).

Seit 1988 lauft ein Projekt der Europaischen Union namens MARS (Monitoring Agriculture with Remote Sensing), das sich mit der Abschatzung von Ernteertragen und Risiken fur die Landwirtschaft innerhalb ihrer Mitgliedsstaaten und weiterer ausgewahlter Regionen beschaftigt (Genovese, Bettio, 2004).

Diese Seminararbeit stellt das MARS - Projekt nun genauer vor. Zunachst wird auf die Entstehung und die Aufgabenbereiche von MARS eingegangen (Abschnitt 1). Darauf folgt eine genauere Betrachtung der Methodik der Ernteertragsabschatzung (Abschnitt 2). Abschnitt 3 stellt schlieBlich Ergebnisse von MARS anhand einiger Karten vor und untersucht die Genauigkeit der Ernteertragsabschatzung. AbschlieBend werden die Ergebnisse kurz diskutiert und das Potential des MARS - Projektes fur die Zukunft abgeschatzt (Schluss).

1. Entstehung und Aufgabenbereiche von MARS

Das MARS - Projekt wurde 1988 ins Leben gerufen. Die Motivation bestand damals darin, politische Entscheidungstrager, vornehmlich im landwirtschaftlichen Bereich, mit unabhangigen und zeitnahen Abschatzungen uber die Ertrage von in Europa angebauten Feldfruchten zu versorgen. Die Abteilung, die sich innerhalb des MARS - Projektes damit beschaftigt, tragt den Namen MARS - STAT (Genovese, Bettio, 2004).

Der Bereich MARS - STAT ist am Sachgebiet fur Landwirtschaft und Fischerei an der Gemeinsamen Forschungsstelle der EU (Joint Research Centre JRC) untergebracht und Teil des Instituts fur Schutz und Sicherheit der Burger (Institute for the Protection and Security of the Citizen IPSC). MARS hat dabei noch weitere Aufgabenbereiche. So unterstutzt es auch Projekte zum Thema Lebensmittelsicherheit und Nahrungsmittelhilfe. Dafur grundete sich eine eigene Abteilung namens MARS - FOOD. Dies war der Anstofi dafur, den Tatigkeitsbereich von MARS - STAT auf vier weitere Gebiete auszuweiten. So kamen die gesamte Mittelmeerregion, viele Lander der ehemaligen Sowjetunion, Teile Ostafrikas, sowie Bereiche in Sudamerika dazu. Der Grund dafur bestand hauptsachlich darin, Projekte im Themenfeld Nahrungsmittelsicherheit zu unterstutzen, indem man fur diese Regionen ebenfalls Ernteertragsabschatzungen durchfuhrte (Genovese, Bettio, 2004).

Grundlegende Aufgaben von MARS - STAT sind die uberwachte Sammlung meteorologischer Daten, sowie deren Weiterverarbeitung und Analyse. Die Simulation von agro-meteorologischen Wachstumsbedingungen fur Nutzpflanzen gehort ebenso dazu, wie auch die Auswertung von niedrig aufgelosten Satellitendaten. Dazu erganzen statistische Analysen der Daten und die Erstellung von Ernteertragsabschatzungen das Aufgabenspektrum (Royer, Genovese, 2004).

Nachdem nun die Entstehung und die Aufgabenbereiche des MARS - Projektes beleuchtet wurden, folgt nun ein Blick auf die Methodik der Ernteertragsabschatzung.

2. Methodik

Die Ernteertragsabschatzung basiert auf mehreren Saulen. Zum einen werden meteorologische Daten von Klimamessstationen gesammelt und ihre Qualitat uberpruft. Daraufhin werden sie weiterverarbeitet und analysiert. Diese Daten stellen fur sich bereits eine eigenstandige Informationsquelle dar. Im nachsten Schritt verarbeitet man die Daten in einer Computer gestutzten Simulation, dem Pflanzenwachstumsmodell CGMS (Crop Growth Monitoring System). Dabei spielen parametrisierte Eigenschaften von Boden, Informationen zu den Anspruchen der jeweiligen Pflanzen und meteorologische Daten eine wichtige Rolle. Die Auspragung des momentanen Wetters wird zu jeder Zeit uberpruft und zusammen mit den als konstant angenommenen Boden und mit den Anspruchen der jeweiligen Feldfruchte abgeglichen, die die Pflanze zu jeder ihrer Entwicklungsphasen hat. Dies bildet die Grundlage, um eine Biomassen- und Feldfruchtertragsproduktion zu generieren. Zudem werden mit Hilfe von Fernerkundung weitere Daten erhoben, die mit den agro- meteorologischen Werten verglichen und ebenfalls als Grundlage fur Ernteschatzungen herangezogen werden. In einem weiteren Schritt benutzt man alle Erkenntnisse aus den meteorologischen, agro-meteorologischen, sowie fernerkundeten Daten, um das modellierte Wachstum der Feldfruchte mit den tatsachlichen Werten zu verknupfen und dadurch Ernteertragsprognosen abzuleiten. Fur Feldfruchte kommt das speziell an Europa angepasste Wachstumsmodell WOFOST zum Einsatz. Fur Grunland verwendet man ein anderes System, namens LINGRA (Lazar, Genovese, 2004).

2.1 Meteorologische Daten

Das System erhalt global Informationen von mehr als 6.000 Klimamessstationen aus 48 Landern. Jedoch sendet etwa lediglich ein Drittel davon regelmabig Daten in guter Qualitat. Deshalb werden auch nur 2000 Stationen fur die Interpolationen verwendet, die die Punktmessungen der Klimamessstationen in die Flache umrechnen (Micale, Genovese, 2004).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1 zeigt das Netz der Stationen, die far Europa und den Mittelmeerraum zur Verfu]gung stehen. Es fallt auf, dass es vor allem in Deutschland, Osterreich, GroBbritannien und der Schweiz ein dichtes Netz an Stationen gibt, wahrend in Portugal, Osteuropa und in den Nordafrikanischen Landern weniger Stationen vorhanden sind (siehe Abbildung 1). Fur jedes Land wird ein Set an Stationen ausgewahlt. Diese mussen dabei gewisse Anforderungen erfullen, die im Folgenden kurz beschrieben werden (Micale, Genovese, 2004).

Die Interpolation der meteorologischen Daten wird auf Pixel mit einer Kantenlange von 50 km durchgefuhrt. Teilweise haben Karten auch Auflosungen von 20 km oder 25 km. Fur die Uberfuhrung der Punktdaten in die Flache ist mindestens eine Station pro Pixel oder zumindest fur eine Gruppe von vier Pixeln wunschenswert, um die Werte ausreichend genau fur eine Interpolation abschatzen zu konnen. Die wichtigsten Parameter, die jeder Pixel am Ende enthalten kann, sind in Tabelle 1 aufgefuhrt (Micale, Genovese, 2004).

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Parameter der interpolierten Pixel (nach Micale, Genovese, 2004, Seite 15).

Da diese Parameter nicht bei allen Stationen verfugbar sind, werden sie in drei Bereiche klassifiziert, namlich TEMP, RAIN und REST. Die Stationen, die in einem der Bereiche taglich Daten liefern, bekommen das entsprechende Label dafur (Michale, Genovese, 2004). Erhalt eine Station alle Label, enthalt es alle Informationen, die in Tabelle 1 aufgefuhrt sind. Der Algorithmus, der die Interpolation der meteorologischen Daten durchfuhrt, sucht die Stationen mit dem hochsten Informationsgehalt fur jede Rasterzelle aus und fuhrt mit diesen die Berechnungen durch. Enthalt eine Station Datenlucken, kann sie dennoch fur die Interpolation verwendet werden, wenn die fehlenden Werte uber eine spezielle Tabelle geschatzt werden konnen. Diese Tabelle enthalt die historischen Klimadaten dieser Station, also alle Daten, die bisher dort gemessen wurden. Ist die Zeitreihe entsprechend lang, ist die Chance groB, dass ein Tag mit entsprechenden auBeren Rahmenbedingungen bereits aufgetreten ist und der fehlende Wert geschatzt werden kann. Manche Daten werden auch von Fernerkundungssatelliten erfasst, die dann ebenfalls zum Fullen dieser Lucken eingesetzt werden konnen (Lazar, Genovese, 2004). In Abschnitt 2.3 (Seite 12 ff) wird auf die Rolle der Fernerkundung im MARS - Projekt naher eingegangen.

[...]

Details

Seiten
31
Jahr
2010
ISBN (eBook)
9783640633043
Dateigröße
1.1 MB
Sprache
Deutsch
Katalognummer
v150979
Institution / Hochschule
Ludwig-Maximilians-Universität München
Note
1,7
Schlagworte
MARS Ernteschätzung Fernerkundung

Autor

Teilen

Zurück

Titel: Ernteschätzung mit Satellitendaten - Das MARS-Projekt der EU