Wissenschaftliche Grundlagen des SatGrass-Projekts
Die wissenschaftlichen Grundlagen für SatGrass wurden in einem multidisziplinären Forschungskonsortium geschaffen. Maßgeblich beteiligt waren die HBLFA Raumberg-Gumpenstein mit Projektleitung, Grünlandexpertise sowie Datenerhebungen am Feld (Erträge, Futteranalysen). Im Konsortium vertreten waren zudem die Universität für Bodenkultur Wien (BOKU), die ihre umfangreiche Expertise in der optischen Fernerkundung mittels Sentinel‑2-Daten einbrachte, die TU Wien mit Schwerpunkt auf Sentinel‑1-Satellitendaten und die GeoSphere Austria im Bereich der Wetterdaten.
Von Anfang an war es uns wichtig, die künftigen Nutzerinnen und Nutzer der App eng einzubinden. In Kooperation mit der Österreichischen Arbeitsgemeinschaft für Grünland und Viehwirtschaft (ÖAG), dem Maschinenring, landwirtschaftlichen Schulen sowie zahlreichen praktizierenden Landwirtinnen und Landwirten wurden auf rund 200 Betrieben die umfassende Datengrundlage erhoben.
Die entwickelten Modelle wurden anschließend gemeinsam mit der IT-Dienstleistungsfirma Spatial Focus in einer leistungsstarken Backend-Lösung umgesetzt. So stehen täglich aktualisierte Daten zur Verfügung. Die dafür notwendigen Datensätze werden in aufbereiteter Form vom EODC und der GeoSphere Austria bereitgestellt.
Datengrundlage mit 184 Standorten (2018–2022) und ein neuronales Modell ermöglichen eine robuste nationale Ertragsschätzung. Die Studie zeigt hohe Genauigkeit sowie gute Übertragbarkeit über Regionen und Jahre.
Sentinel-1- und Wetterintegration verbessert die Schnitterkennung deutlich: bessere F-Scores, weniger Fehler und robuste Ergebnisse auch bei Lücken in Sentinel-2-Zeitreihen.
Dieser Ansatz bildet die methodische Basis für österreichweite In-Season- und Post-Season-Schnitterkennung mit Sentinel-2 und adressiert zentrale Herausforderungen wie Wolken und zeitnahe Schätzung.
Die Arbeit zeigt, wann SAR-basierte Schnitterkennung besonders gut oder eingeschränkt funktioniert und quantifiziert den Einfluss von Aufwuchshöhe, Biomasse und Niederschlag in alpinen Grünlandsystemen.
Neue SOS-Methodik für österreichisches Grünland durch Kombination aus NDVI-Zeitreihen und Wetterdaten. Die Ergebnisse sind robust und stimmen gut mit Referenzbeobachtungen und Sentinel-2-Validierung überein.
