24.04.2026
Forscher des Leibniz-Zentrums für Agrarlandschaftsforschung (ZALF) haben in Zusammenarbeit mit Partnerinstitutionen gezeigt, dass Radarsatelliten, insbesondere die Sentinel-1-Mission der Europäischen Weltraumorganisation (ESA), dazu genutzt werden können, die Wachstumsphasen von Mais und Weizen in Deutschland zuverlässig zu bestimmen – unabhängig von den Wetterbedingungen.
Die vom ZALF geleitete Studie wurde in der Fachzeitschrift GIScience & Remote Sensing veröffentlicht und liefert neue Erkenntnisse für eine nachhaltige und datengestützte Landwirtschaft der Zukunft.
Radarsignale und Pflanzenwachstum
Die in dieser Studie durchgeführte phänometrische Analyse von Winterweizen und Mais basiert auf dem frei zugänglichen multitemporalen Datensatz des Sentinel-1-Satelliten der Europäischen Weltraumorganisation (ESA). Dabei handelt es sich um ein aktives Mikrowellensystem, das sein eigenes ausgesendetes Signal aufzeichnet, was eine Erfassung während der gesamten Saison ermöglicht, unabhängig von Wetter oder Tageszeit.
Die Radarrückstreuung zeigte systematische Veränderungen im Zuge der Entwicklung der Pflanzenbestandsstruktur und der Feuchtigkeitsbedingungen. Das Team untersuchte den saisonalen Verlauf der Rückstreuung und zeigte, dass bestimmte Wachstumsstadien wie Stängelwachstum, Ährenbildung und Blüte bei Getreide sowohl bei Weizen als auch bei Mais reproduzierbar erfasst werden können. Diese Ergebnisse bestätigen, dass Sentinel-1-Daten ausreichende phänologische Informationen enthalten, um wichtige Entwicklungsphasen auf regionaler Ebene abzubilden.
Wie gut funktioniert das – und wie könnte man es sonst noch machen?
Bislang wurden diese Wachstumsstadien in der Regel durch manuelle Feldbeobachtungen erfasst, die arbeitsintensiv sind, oder anhand von optischen Satellitendaten unter Verwendung bandbasierter Vegetationsindizes wie NDVI geschätzt. Optische Systeme weisen jedoch häufig lange Datenlücken während bewölkter Perioden auf, da sie auf Sonnenlicht angewiesen sind.
Der große Vorteil der Methode besteht darin, dass Sentinel-1 im analysierten Zeitraum alle sechs Tage Daten liefert – unabhängig von Wolken oder Lichtverhältnissen. Für die meisten Entwicklungsstadien stimmten die Ergebnisse gut mit beiden Referenzdatensätzen überein, mit durchschnittlichen Abweichungen von nur wenigen Tagen. Die Phasen in der Mitte der Saison zeigten die stärkste Übereinstimmung, während die frühen Entwicklungsstadien variabler waren
Die Ergebnisse wurden mit phänometrischen Daten verglichen, die mit dem Copernicus-Produkt „High-Resolution Vegetation Phenology and Productivity“ (HR-VPP) auf Basis optischer Daten sowie mit den vom Deutschen Wetterdienst (DWD) anhand lokaler bodengestützter Beobachtungen erhobenen Daten gewonnen wurden. Die Studie zeigte, dass die auf Sentinel-1-Daten basierenden phänometrischen Werte vergleichbare Ergebnisse liefern und in einigen Phasen sogar eine bessere Auflösung aufweisen.
Solche Informationen könnten der Landwirtschaft helfen, besser zu planen:
- Landwirte könnten gezielter düngen oder bewässern,
- Beratungsdienste könnten saisonale Entwicklungen genauer vorhersagen,
- Politiker und Verwaltungsbeamte hätten aktuelle Daten zum Vegetationszustand ganzer Regionen
- und die Forschung könnte Wachstumsprozesse besser modellieren.
Da Sentinel-1-Daten über das Copernicus-Programm frei verfügbar sind, lässt sich der Ansatz breit anwenden und auf andere Kulturen anpassen. Weitere Informationen und Zugang zu den Daten unter https://dataspace.copernicus.eu/
Fazit und Ausblick
Die von der ZALF geleitete Studie zeigt, dass Radarsatelliten wie Sentinel-1 ein leistungsfähiges Instrument sind, um die Landwirtschaft unabhängig von den Wetterbedingungen objektiv und umfassend zu beobachten. Auf diese Weise tragen sie zur Digitalisierung, zur Klimaanpassung und zur Ressourcenschonung in der Landwirtschaft bei.
Projektpartner
- Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF), Müncheberg
- Universität Potsdam
- Humboldt-Universität zu Berlin
- Universität Concepción, Chile
- Nationale Fernuniversität (UNAD), Kolumbien
Infomaterial und weiterführende Informationen:
https://doi.org/10.1080/15481603.2025.2531593
Anmerkung zum Text:
Dies ist eine Zusammenfassung des Originaltextes, die mit Hilfe künstlicher Intelligenz erstellt wurde:
Flores, L., Nendel, C., Bookhagen, B., Oviedo Reyes, J. A., Smith, T., & Ghazaryan, G. (2025). Das Potenzial von Sentinel-1-Zeitreihen für die großräumige Bewertung der Phänologie von Mais und Weizen in ganz Deutschland. GIScience & Remote Sensing, 62(1), 2531593. DOI: https://doi.org/10.1080/15481603.2025.2531593, veröffentlicht als Open Access unter der CC BY 4.0-Lizenz https://creativecommons.org/licenses/by/4.0/
Der Text wurde gemäß den KI-Richtlinien des ZALF sorgfältig geprüft und überarbeitet.
Förderinformationen:
Dieses Projekt wurde vom Bundesministerium für Bildung und Forschung (BMFTR) unter der Fördernummer 16DKWN089, dem HORIZON EUROPE SWITCH-Projekt unter der Fördernummer 101060483 und dem DFG-Projekt STRIVE unter der Fördernummer SM 710/2-1 unterstützt.
