Entwicklung von Indikatoren zur frühzeitigen Erkennung von Trockenstress in landwirtschaftlichen Ökosystemen unter Verwendung hyperspektraler Satellitendaten und sonnen-induzierter Chlorophyllfluoreszenz (DroughtMAP)

Abstract

Extremwetterereignisse infolge des menschengemachten Klimawandels führen zunehmend zu längeren Hitze- und Trockenperioden. Dies stellt insbesondere für die Landwirtschaft ein erhebliches Risiko dar, da Trockenstress zu deutlichen Ertrags- und Qualitätsverlusten bis hin zu Ernteausfällen führen kann. Auch für Deutschland und Europa wird in den kommenden Jahren eine Zunahme von Häufigkeit und Intensität solcher Trockenperioden erwartet. Vor diesem Hintergrund besteht ein dringender Bedarf an Methoden, die den Zustand landwirtschaftlicher Kulturen räumlich und zeitlich hochaufgelöst erfassen und damit eine fundierte Grundlage für ein vorausschauendes Management schaffen. Ziel des Projekts DroughtMAP ist die Entwicklung von Indikatoren zur frühzeitigen Erkennung von Trockenstress in landwirtschaftlichen Ökosystemen, idealerweise bevor irreversible Schäden an Pflanzen auftreten. Die entwickelten Informationen und Auswerteansätze sollen perspektivisch als Entscheidungsgrundlage dienen, um rechtzeitig geeignete Gegenmaßnahmen einzuleiten und damit Ernteausfälle zu reduzieren oder zu vermeiden. Ein zentraler methodischer Ansatz des Projekts ist die Nutzung von sonnen-induzierter Chlorophyllfluoreszenz (SIF) als physiologisch begründeter Stressindikator. Während klassische multispektrale und hyperspektrale Fernerkundung Trockenstress häufig erst dann sichtbar macht, wenn bereits strukturelle oder pigmentbezogene Veränderungen auftreten, kann SIF eng mit Änderungen in der Photosynthese verknüpft werden und damit deutlich früher auf Stressreaktionen hinweisen. Allerdings erfassen satellitenbasierte SIF-Produkte überwiegend ein Bestandssignal, das durch Faktoren wie Bestandsgeometrie sowie Streuungs- und Absorptionsprozesse innerhalb der Vegetation und der Atmosphäre beeinflusst wird. Für eine quantitative Interpretation im Sinne einer Stressdiagnose ist daher eine Berücksichtigung dieser Einflussfaktoren erforderlich. DroughtMAP verfolgt deshalb einen Multisensoransatz, bei dem hyperspektrale EnMAP-Daten mit satellitenbasierten SIF-Informationen (insbesondere Sentinel-5P, perspektivisch auch Daten des Fluoreszenz Explorers (FLEX)) verknüpft werden. EnMAP liefert dabei die notwendige spektrale Detailinformation, um bestands- und strukturabhängige Skalierungsfaktoren räumlich differenziert zu bestimmen, so wie eine 10-fach höhere räumliche Auflösung als FLEX. Darauf aufbauend sollen geeignete Downscaling-Verfahren entwickelt werden, um satellitengestützte SIF-Beobachtungen bestmöglich von der Bestandsebene auf die Blattebene zu übertragen und so eine robustere und frühere Trockenstressdetektion zu ermöglichen. Da EnMAP zu Projektbeginn noch nicht operationell verfügbar war, sollte die Methodik zunächst mithilfe vorhandener boden- und flugzeugbasierter hyperspektraler und fluoreszenzbezogener Messdaten sowie gegebenenfalls durch simulierte EnMAP-Datensätze entwickelt und getestet werden. Insgesamt zielt das Projekt darauf ab, die Grundlage für ein zukünftig anwendbares Monitoring- und Entscheidungssystem zu schaffen, das Trockenstress in landwirtschaftlichen Kulturen frühzeitig und zuverlässig erkennbar macht.