Präzise Biomasseschätzung auf Weideflächen mit UAV-gestütztem Modell
Foto: BFH-HAFL
Ein neues Modell zur Vorhersage der Biomasse auf Weideflächen nutzt UAV-basierte Bilddaten und maschinelles Lernen. Die Methode verspricht höhere Genauigkeit und Flexibilität im Vergleich zu herkömmlichen Messverfahren.
In der Schweiz bedeckt Grasland mehr als 70 % der landwirtschaftlich genutzten Flächen. Ein Grossteil dieser Flächen wird in Form von Weiden genutzt. Eine effiziente Weidenutzung stellt hohe Anforderungen an das Management, da die Erträge stark von Witterung, Bewirtschaftungsintensität und der Artenzusammensetzung abhängen. Für ein gezieltes Weidemanagement ist eine präzise Biomasseschätzung notwendig, doch bisherige manuelle Verfahren wie Rising Plate Meters oder C-Dax Pasture Meters sind oft zeitaufwendig und erfassen die Flächen nur punktuell.
Neue Methode
Um die Anforderungen einer präzisen Biomasseschätzung besser zu erfüllen, wurde das Modell estiGrass3D+ entwickelt. Dabei wird auf der Grundlage von UAV-Bildern ein digitales Geländemodell (DTM) aus dem digitalen Oberflächenmodell (DSM) abgeleitet. Die Differenz zwischen DSM und DTM dient der Bestimmung der Vegetationshöhe, was die Notwendigkeit einer absoluten Georeferenzierung überflüssig macht. Hinzu kommen spektrale Vegetationsindizes, die ebenfalls aus den UAV-Daten gewonnen und in einem Random-Forest-Algorithmus verarbeitet werden. Die Methode hat auf Testdaten bereits eine hohe Genauigkeit gezeigt (NRMSE: 20,3 %) und bietet im Vergleich zu herkömmlichen Techniken eine umfassende und zuverlässige Datengrundlage. Durch weitere Automatisierung könnte das Modell langfristig eine wertvolle und effiziente Unterstützung für das Weidemanagement bieten.
Die rote Kurve zeigt einen geglätteten Trend (LOWESS).
Anwendungsmöglichkeiten und Chancen
Verschiedene Tests an Standorten im Schweizer Mittelland zeigen die Vielseitigkeit des Modells sowohl für beweidete als auch für gemähte Flächen. In der Praxis könnte das Modell Landwirtinnen und Landwirten helfen, die Biomasse präziser zu überwachen und die Futterplanung gezielter an Managementziele anzupassen. Für eine tatsächliche Integration in die landwirtschaftliche Praxis müssen jedoch weitergehende Entwicklungen erfolgen, um die Effizienz und Nutzerfreundlichkeit durch automatisierte Prozesse zu steigern.
Fazit
- Die Biomasseschätzung mit dem Modell estiGrass3D+ zeigt vielversprechende Ansätze als Unterstützung der Weidenutzung.
- Langfristig könnte das Modell Landwirtinnen und Landwirten eine flexible, datengestützte Planung ermöglichen, die sowohl ökologische als auch wirtschaftliche Vorteile für den Weidebetrieb bietet.
- Zwar bietet das Modell präzise Entscheidungsgrundlagen, aber für eine breite Anwendung in der Praxis fehlen noch automatisierte Softwarelösungen.
- Zukünftige Forschungs- und Entwicklungsarbeiten könnten den Workflow weiter optimieren und durch Softwareunterstützung effizienter gestalten.
Literaturhinweis
Herbage biomass predictions from UAV data using a deriveddigital terrain model and machine learning.
