Bundesanstalt für Landwirtschaft und Ernährung

Projekte in den Förderprogrammen des BMEL, betreut durch den Projektträger BLE (PT BLE)

Ergebnis der Suche

Zurück zum Suchergebnis

Titel: Verbundprojekt: Monitoring des organischen Bodenkohlenstoffs mittels Methoden der Fernerkundung und der Proximal-Bodenerfassung (SOCmonit) - Teilprojekt 1
Titel (englisch): Collaborative project: Monitoring of soil organic carbon with remote and proximal soil sensing methods (SOCmonit) - subproject 1
Beschreibung (dt.): Ziel des Vorhabens ist die Standardisierung des räumlich-zeitlichen Monitorings des organischen Bodenkohlenstoffs (SOC) auf Langzeitfeldversuchen (LTFEs). Es erfolgt ein Vergleich von mehreren spektralen Sensoren und Trägerplattformen der Fernerkundung und Proximal-Bodenerfassung. Die Verfahren erzeugen unterschiedliche Datenformate mit diversen Informationsgehalten in Bezug auf die Zielgröße SOC: Bildformate in unterschiedlicher räumlicher Auflösung versus Punktspektralmessung, Multispektral- versus Hyperspektralmessung, Labor- versus Feldmessung, ober- versus unterirdische Messung. Die unterschiedlichen Datenprozessierungsschritte sowie die involvierten Verfahrensschritte der Modellierung zur SOC-Vorhersage werden in Quellcode-offener Software implementiert, automatisiert, standardisiert und nachvollziehbar dokumentiert. Das Verfahren wird dadurch für eine breite Anwendergruppe zugänglich gemacht. Durch eine genaue Kenntnis der räumlich-zeitlichen Variabilität der SOC-Gehalte auf landwirtschaftlich bewirtschafteten Feldern kann eine Identifikation von Hotspots erfolgen, damit die Bewirtschaftung im Sinne des Erhalts und der Vergrößerung der SOC-Vorräte und einer Reduzierung der Treibhausgasemissionen angepasst werden kann.
Beschreibung (engl.): The project pursues the goal of standardising the spatiotemporal monitoring of soil organic carbon (SOC) on long-term field experiments (LTFEs). A comparison of various spectral sensors and platforms of remote and proximal soil sensing is performed. The methods generate different data formats with various information contents in relation to the target variable SOC: image formats in different spatial resolution versus spectral point measurements, multispectral versus hyperspectral measurements, laboratory versus field measurements, aboveground versus belowground measurements. The different data processing steps and the involved modelling steps for SOC prediction shall be implemented, automated, standardised and comprehensibly documented in open source software. The methodology is thereby made available to a broad group of users. Accurate knowledge of the spatiotemporal variability of SOC contents on arable land can be used to identify hotspots so that management can be adjusted to maintain and increase SOC stocks and reduce greenhouse gas emissions.
Ergebnis (dt.): Im Projekt SOCmonit wurde ein Verfahren erarbeitet zum Bodenkohlenstoff (Corg)-Monitoring auf landwirtschaftlich genutzten Böden mittels Proximalbodenerfassung und Fernerkundung zur flächendeckenden und räumlich detaillierten Erfassung der Variabilität des Corg-Gehalts. Es kamen Multispektral- und Hyperspektralsensoren auf verschiedenen Trägerplattformen (Schlepper, Drone, Satellit) zum Einsatz, die die Skalenübegreifende Anwendung ermöglichen. Diese erzeugen unterschiedliche Datenformate mit diversen Informationsgehalten (räumlich, spektral) in Bezug auf die Zielgröße. Störfaktoren der Messung unter Feldbedingungen waren ebenfalls zu berücksichtigen. Die notwendigen Schritte der Datenprozessierung und Modellierung um den Zusammenhang zwischen Sensorsignal und Zielgröße herzustellen, wurden im Rahmen einer Quellcode-offenen Software-Toolbox implementiert, automatisiert und nachvollziehbar dokumentiert. Das Verfahren wird dadurch für eine breite Anwendergruppe zugänglich gemacht.
Ergebnis (engl.): In the SOCmonit project, a method was developed for monitoring soil organic carbon (Corg) in agricultural soils using proximal and remote sensing, with the aim for area-wide and spatially detailed assessment of the variability of the Corg content. Multispectral and hyperspectral sensors were used on different carrier platforms (tractor, drone, satellite), which enable cross-scale application. These sensors provide different data formats with various spectral and spatial information content in relation to the target variable. The necessary data processing and modeling steps to establish the relation between the sensor signal and the target variable were implemented, automated, and documented in an open-source software toolbox. This makes the process accessible to a broad user group.
Laufzeit: Beginn: 01.07.2018 / Ende: 31.12.2022
Ausf. Einrichtung: Helmholtz-Zentrum für Umweltforschung GmbH - UFZ - Department Bodensystemforschung, Halle (Saale)
Themenfelder: Pflanzenbau, crop production
Förderprogramme: Programm zur Innovationsförderung des Bundesministeriums für Ernährung und Landwirtschaft
Schlagworte: Sensorik, sensor technology, Emissionen, emissions, Klimaschutz, climate protection, Ackerbau, crop production, Präzise Landwirtschaft, precision farming, Digitalisierung, Digitale Welt, digital world, Vorsorge, prevention, Datensammlung, data collection, Evaluation, evaluation, Monitoring
Förderkennzeichen: 281B301516
Dokument zum Download: Kein Dokument vorhanden!

Kontakt:

Benutzen Sie unser Kontaktformular
oder E-Mail an
innovation@ble.de

Such-Tipps:

Stichwortsuche:

Mehrere Begriffe werden automatisch verknüpft. Auch Wortbestandteile werden in folgenden Datenfeldern gesucht:

Projekttiteln und Beschreibungen (in deutsch, englisch, französich), Förderkennzeichen, Schlagworten und Zielländern.

Die folgenden Beispiele veranschaulichen einige Such-Strings, die boolesche Volltextoperatoren verwenden:

Weizen Stroh

Findet Datensätze, die mindestens eines der beiden Wörter enthalten.

+Weizen +Züchtung

Findet Datensätze, die beide Wörter enthalten.

Weizen +Sorte

Findet Datensätze, die das Wort "Weizen" enthalten, stuft aber solche Datensätze höher ein, die auch "Sorte" enthalten.

+Weizen -Gerste

Findet Datensätze, die das Wort "Weizen", aber nicht das Wort "Gerste" enthalten.

Weizen*

Findet Datensätze, die Wörter wie "Weizen", "Weizenmehl", "Weizenbier" oder "Weizenanbau" enthalten.

"Kleegras und Grünland"

Findet Datensätze, die die exakte Phrase "Kleegras und Grünland" enthalten. Dies wäre etwa "Stickstoffkreisläufe in Kleegras und Grünland", nicht aber "Stickstoffkreisläufe in Kleegras oder Grünland".

Beachten Sie, dass die (")-Anführungszeichen, die die Phrase umschließen, Operatorzeichen sind, die der Trennung der Phrase dienen. Es handelt sich hierbei nicht um Anführungszeichen, die den Such-String selbst umfassen.

Erweiterte Suche

Hier gibt es die Möglichkeit, nach Stichworten, Themenfeldern, Projektstatus, Förderprogrammen, Laufzeiten und Einrichtungen zu suchen:

Erweiterte Suche.