Globale Zusammensetzungen des OLCI CCC in 8-Tages-Intervallen: (A1) Tag des Jahres (day of year; DOY) von 1 bis 8 (während des Winters auf der Nordhalbkugel) und (A2) DOY von 185 bis 192 (während des Sommers auf der Nordhalbkugel). Der OLCI CCC wurde mit der Zwei-Schritt-Methode aus der OLCI TOA-Reflexion geschätzt. (B1 und B2) ähnlich wie (A1 bis A2), aber für MODIS CCC, das als Produkt von MODIS LCC (Xu et al. 2022) und MODIS LAI (Myneni et al., 2002) erhalten wurde. (C1 und C2) ähnlich wie (A1 bis A2), aber für TROPOSIF. (Grafik: Li et al. 2025)
Globales Denken – globale Daten. Eine gemeinsame Datenbasis ist die Voraussetzung für effizientes und fundiertes Handeln. Bislang fehlte diese jedoch für die Pflanzengesundheit. Eine verlässliche und einheitliche Bestimmung der Pflanzengesundheit ist aber für die Landwirtschaft und Klimaforschung von großer Bedeutung. Forschende der Technischen Universität München (TUM) haben daher eine Methode entwickelt, die zur Bestimmung der Pflanzengesundheit global anwendbar ist.
Das Modell nutzt Satellitenbilder, um den Chlorophyllgehalt in der obersten Schicht einer Pflanzengemeinschaft zu schätzen. Der Chlorophyllgehalt ist wiederum ein Indikator für die Pflanzengesundheit, da Chlorophyll das zentrale Molekül der Photosynthese einer Pflanze ist.
Hybride Intelligenz
Die zweistufige Methode nutzt sowohl physikalische Modelle, die auf Wechselwirkungen zwischen Licht und Pflanzen basieren, als auch künstliche Intelligenz: Zunächst wird anhand eines physikalischen Modells die Beziehung zwischen Chlorophyll und Reflektionsdaten der Baumkronen ermittelt. In einem zweiten Schritt dienen diese Daten dann als Trainingsmaterial für künstliche Intelligenz, die die Berechnung des Indikators automatisiert und zuverlässiger macht.
„Unsere Methode auf Basis hybrider Intelligenz überwindet die Einschränkungen der üblicherweise verwendeten Datensätze aus dem unteren Bereich der Atmosphäre“, erklärt Dong Li, Erstautor der Veröffentlichung. Mit dem Modell bestimmen die Forschenden den Chlorophyllgehalt des Blätterdachs direkt aus den von Satelliten beobachteten Reflektionsdaten aus dem oberen Bereich der Atmosphäre. Durch die trainierte künstliche Intelligenz geht das sogar bei Aufnahmen unter bewölkten Bedingungen.
Dynamische Veränderungen der Pflanzengesundheit und des Pflanzenwachstums
Als zentrales Molekül der Energiegewinnung in Pflanzen, der Photosynthese, steht das Chlorophyll in direktem Bezug zur Stoffwechselaktivität einer Pflanze. Der Chlorophyllgehalt ist daher ein Indikator für die Pflanzengesundheit und das Pflanzenwachstum. Das kann wiederum z. B. für die Abschätzung der Biomasseproduktion, also der Erträge, genutzt werden.
Da die Methode auf nahezu wöchentlich aktualisierten Satellitendaten basiert, bietet der Index Einblicke in dynamische Veränderungen. „Wir können beobachten, wie die Pflanzen auf unterschiedliche Bedingungen reagieren, beispielsweise auf Schwankungen aufgrund des Klimawandels“, erklärt Prof. Kang Yu der Professur für Präzisionslandwirtschaft an der TUM. Der Indikator kann so für Modelle genutzt werden, die die Gesundheit von Nutz- aber auch Wildpflanzen abschätzen. Damit können sie als Grundlage für globale Entscheidungen in den Bereichen Landwirtschaft und Klimaanpassung genutzt werden.
Publikation:
Li D., Croft H. et al. (2025): Global retrieval of canopy chlorophyll content from Sentinel-3 OLCI TOA data using a two-step upscaling method integrating physical and machine learning models. Remote Sensing of Environment 328. 114845. DOI: 10.1016/j.rse.2025.114845.
Technische Universität München
Lesen Sie von „Natur und Landschaft“ – im Rahmen von Green Open Access zum Teil kostenfrei – auch die Beiträge
