Crop-Vieh-Integration (CLI)-Systeme kombinieren den Anbau von Nutzpflanzen in Fruchtfolge oder im Konsortium, insbesondere Getreidepflanzen wie Sojabohnen, Mais und Sorghum sowie Futterpflanzen zur Fütterung von Rindern und Schweinen, mit der Aufzucht von Nutztieren, typischerweise Rindern. Die Feldfrüchte liefern den größten Teil des Geldeinkommens, während das Vieh während der Trockenzeit über Futter verfügt und die Saatgutbewirtschaftung erleichtert.
CLI verbessert die Bodenfruchtbarkeit, steigert die Erträge und hilft bei der Sanierung degradierter Gebiete, während gleichzeitig der Einsatz von Pestiziden reduziert, das Erosionsrisiko und die Saisonalität der Produktion gemindert und die Betriebskosten gesenkt werden. Es macht die Landwirtschaft nachhaltiger: Nutzpflanzen kommen der Viehhaltung zugute und umgekehrt; die Umweltauswirkungen der landwirtschaftlichen Tätigkeit sinken; und der CO2-Fußabdruck wird reduziert.
In einer Studie gemeldet im Tagebuch Fernerkundung der UmweltForscher der Brasilianischen Agrarforschungsgesellschaft (EMBRAPA) und der Staatlichen Universität Campinas (UNICAMP) haben eine auf künstlicher Intelligenz (KI) basierende Methode entwickelt, um CLI-Gebiete durch Analyse von Satellitenbildern zu identifizieren. Laut den Autoren des Artikels kann dieses Wissen der brasilianischen Landwirtschaft in mehrfacher Hinsicht zugute kommen.
„Das Hauptziel des Projekts, bei dem es sich um eine internationale Zusammenarbeit zur Lösung von Fragen im Zusammenhang mit nachhaltiger Landwirtschaft handelte, bestand darin, die Integration von Fernerkundungsdaten mit Satellitenbildern unter Verwendung von KI, Präzisionslandwirtschaft und biogeochemischen Modellen zu fördern, um die Dynamik von zu verstehen und Modelle zu erstellen dieser Art von System“, sagte Inácio Thomaz Bueno, Erstautor des Artikels. Als Forstingenieur forschte Bueno als Postdoktorand an der Überwachung von CLI-Systemen mithilfe von Fernerkundungsdaten und Satellitenbildern mit hoher räumlich-zeitlicher Auflösung.
„Unser Ziel war es auch, das Wissen über CLI zu erweitern, da noch viele Fragen offen sind und es an wirksamen Methoden zur Überwachung und Entwicklung seines Potenzials mangelt, sowie angesichts der Notwendigkeit, Bereiche zu identifizieren, in denen es praktiziert wird, im Einklang mit der Nachhaltigkeitsstrategie der Vereinten Nationen.“ Entwicklungsziele [SDGs] in Bezug auf Landwirtschaft, Umwelt sowie wirtschaftliche und soziale Entwicklung“, sagte er.
Das Team verwendete Deep-Learning-Techniken, um Zeitreihen von Satellitenbildern zu verarbeiten und Muster zu extrahieren, die auf Bereiche hinweisen, in denen CLI praktiziert wurde. Deep Learning ist eine Art von KI, die neuronale Netze mit mehreren Schichten nutzt, um komplexe Muster in Daten zu modellieren und zu verarbeiten.
Die Untersuchungsgebiete waren Gebiete in den Bundesstaaten São Paulo und Mato Grosso. Die objektbasierte Bildanalyse wurde in Abständen von 10 und 15 Tagen in vier Schritten durchgeführt: CLI-Datenerfassung über Planetscope, eine Konstellation von Satelliten, die hochauflösende Bilder der Erdoberfläche erfassen und Veränderungen in den Gebieten im Laufe der Zeit zeigen; Training von Algorithmen zur Erkennung von mit CLI verbundenen Mustern; Kartierung von CLI-Bereichen; und Bewertung der Genauigkeit des Modells durch Vergleich automatischer Ergebnisse mit Vorwissen.
Für Bueno können die vielversprechenden Ergebnisse dieser Methode, die die Überwachung und Kartierung von CLI-Gebieten über Satellitenbilder und die Analyse ihrer Dynamik im Zeitverlauf umfasst, verschiedene positive Auswirkungen auf die Landwirtschaft haben.
„Die genaue Identifizierung von CLI-Gebieten ermöglicht ein effizienteres Ressourcenmanagement zur Optimierung der Landzuteilung und -nutzung. Darüber hinaus bietet die Diversifizierung der Aktivitäten den Landwirten eine zusätzliche Einnahmequelle“, sagte er.
Die aus der CLI-Kartierung gewonnenen detaillierten Informationen bieten außerdem eine solide Entscheidungsgrundlage für Landwirte, die sich darauf verlassen können, dass ihre Ackerbau- und Viehbewirtschaftungs- und Investitionspolitik auf wissenschaftlichen Erkenntnissen basiert.
Ein weiterer Vorteil des Ansatzes besteht darin, dass er eine nachhaltige Landwirtschaft fördert. Die Anerkennung und Kartierung von CLI-Gebieten kann Regierungspolitiken und -programme zur Förderung nachhaltiger Praktiken unterstützen und über finanzielle Anreize und spezifische Kreditlinien, die die Einführung integrierter Systeme unterstützen, zur Regelmäßigkeit der Lebensmittelversorgung und des Einkommens beitragen.
Mehr Informationen:
Inacio T. Bueno et al., Kartierung integrierter Nutzpflanzen-Vieh-Systeme in Brasilien mit Planetscope-Zeitreihen und Deep Learning, Fernerkundung der Umwelt (2023). DOI: 10.1016/j.rse.2023.113886