Befehle des Menübands überspringen
Zum Hauptinhalt wechseln
Suche
Breadcrumb Navigation

Arbeitsgruppen

Hauptinhalt der Seite

​​​​​​​​​​​​​​​ Pfeil links Zurück zur Startseite des Programmbereichs

Beitrag zur Forschung des ZALF

Folgt in Kürze.​

 

Arbeitsgruppen

 

Dimensionalitätsabschätzung und -reduktion

Bild der AG Dimensionalitäts-Abschätzung und -reduktion 

Eine zentrale Herausforderung der Landschaftsforschung und der nachhaltigen Bewirtschaftung von Landschaftsressourcen besteht darin, die verschiedenen Effekte und Prozesse auf der Landschaftsskala voneinander zu trennen. So muss z.B. die Relevanz einzelner Prozesse in komplexen Landschaften bewertet werden, oder es müssen Effekte einzelner Maßnahmen von der natürlichen Variabilität unterschieden werden. Zu diesem Zweck werden verschiedene Methoden der klassischen Dimensionalitätsabschätzung und -reduktion (z.B. Hauptkomponentenanalyse, Isometric Feature Mapping) sowie fortgeschrittenere Methoden (z.B. Wavelet-Kohärenz, Korrelationsdimension, Sammon Mapping, Autoencoder-Netze, Methoden maschinellen Lernens) an die spezifischen Bedürfnisse der Landschaftsforschung angepasst und weiterentwickelt. Damit stellt die Arbeitsgruppe leistungsfähige Diagnosewerkzeuge für die Analyse umfangreicher Beobachtungsdatensätze, für vertiefte Analysen biophysikalischer Modelle und für die effiziente Auswertung von Monitoringprogrammen, z.B. von Umweltbehörden, zur Verfügung.

Kontakt: Prof. Dr. Gunnar Lischeid

 

Landschaftsmodellierung

Bild der AG Integrierte Landschaftsmodellierung

Diese Arbeitsgruppe entwickelt und wendet Simulationsmodelle im Kontext von Agrarlandschaften an, wobei der Schwerpunkt auf der großflächigen landwirtschaftlichen Produktion und ihren Rückkopplungen mit der Wasser- und Nährstoffdynamik des Systems und den damit verbundenen menschlichen Entscheidungen liegt. Wir betrachten mechanistische Modelle als unsere Kernkompetenz und integrieren zunehmend datengetriebene Ansätze als strategische Erweiterungen unserer Modellierungsmethoden, auch für sozioökonomische Prozesse. Wir nutzen Multisensor-Fernerkundungsdaten zur Parametrisierung, Initialisierung und Steuerung von eindimensionalen prozessbasierten und anderen Arten von zwei- bis dreidimensionalen Modellen über verschiedene Skalen.

Mehr ...

Kontakt: Prof. Dr. Claas Nendel

 

Ökosystemmodellierung

Bild der AG Ökosystemmodellierung 

Die Arbeitsgruppe entwickelt und wendet prozessbasierte Agrarökosystemmodelle an, die sich auf die Ernährungssicherheit, den Klimawandel und den Schutz der Wasserressourcen konzentrieren. Der Schwerpunkt unserer Forschung liegt auf dem Verständnis und der Simulation komplexer Boden-Pflanzen-Interaktionen in landwirtschaftlichen Systemen, wobei wir uns sowohl mit Fragen der Ertragsstagnation bei wichtigen Getreidearten als auch mit der Dynamik von Mischkulturen befassen. Wir konzentrieren uns darauf, Unsicherheiten in der Modellstruktur und den Parametern zu verringern und gleichzeitig den Umfang der dargestellten Prozesse zu erweitern. Die Gruppe untersucht zwei- und dreiseitige Wechselwirkungen zwischen Umwelt, Genotyp und Bewirtschaftung in verschiedenen Größenordnungen, wobei sie experimentelle Daten, Felduntersuchungen und Sensorik integriert, um unser mechanistisches Verständnis der Reaktionen von Pflanzen zu verbessern. Auf diese Weise können wir regionsspezifische Anpassungslösungen und Vorhersageszenarien für eine nachhaltige landwirtschaftliche Intensivierung im Klimawandel entwickeln.

Mehr ...

Kontakt: Dr. Ehsan Eyshi Rezaei

 

Künstliche Intelligenz

Bild der AG Künstliche Intelligenz 

Die Arbeitsgruppe engagiert sich für die Entwicklung und Anwendung modernster datengesteuerter Techniken, wie interpretierbares maschinelles Lernen und Deep Learning, für eine breite Palette von Problemen in der Landwirtschaft. Wir erforschen das Potenzial von künstlicher Intelligenz zur Verbesserung des landwirtschaftlichen Managements, testen neuartige Hypothesen, die mit herkömmlichen statistischen Methoden nicht geprüft werden können, und suchen nach unerwarteten Mustern aus einzigartig kombinierten Datensätzen über Skalen und Sektoren hinweg. Wir möchten KI-gestützte, naturbasierte Lösungen für globale Nachhaltigkeitsherausforderungen anbieten.

Mehr ...

Kontakt: Prof. Dr. Masahiro Ryo

 

Fernerkundung für die Landwirtschaft

Bild der AG Fernerkundung für die Landwirtschaft 

Die Arbeitsgruppe widmet sich der Integration von Fernerkundungsdaten aus mehreren Quellen zur Überwachung von Anbausystemen in verschiedenen Skalen und Regionen. Zu den wichtigsten Aufgaben gehört die Entwicklung skalierbarer und übertragbarer Methoden zur Bewertung von Anbaupraktiken, detaillierten phänologischen Stadien und der Erfassung von Nutzpflanzenarten. Das Team befasst sich auch mit der Überwachung von Dürren durch die Integration von optischen und thermischen Daten mit mittlerer und hoher Auflösung. Ziel ist es, das Risiko von Dürren zu bewerten und Frühwarnsysteme zu verbessern. Darüber hinaus untersucht die Gruppe die Wechselwirkung zwischen abiotischen und biotischen Stressfaktoren, die für das Verständnis und die Bewältigung der Auswirkungen auf die Pflanzenproduktivität von wesentlicher Bedeutung sind. Ein weiterer Schwerpunkt ist der Aufbau eines maßstabsübergreifenden Rahmens zur Entwicklung von Indikatoren für die Vegetations- und Landschaftsvielfalt, wobei untersucht wird, wie sich die räumliche Heterogenität auf die Hochskalierung und die Bewertung der biologischen Vielfalt auswirkt. Das Team widmet sich auch der Bewertung von Bodeneigenschaften wie dem organischen Kohlenstoff im Boden durch den Einsatz von multispektralen und hyperspektralen Daten (proximal, UAV, Satellitendaten).

Kontakt: Dr. Gohar Ghazaryan

 

Multi-Skalen Modellierung

Bild der AG Künstliche Intelligenz 

Die Arbeitsgruppe konzentriert sich auf die maßstabsübergreifende Modellierung landwirtschaftlicher Systeme und legt den Schwerpunkt auf hybride Modellierungsansätze, die verschiedene Modelltypen (z. B. biophysikalische, hydrologische, ökologische, landwirtschaftliche und marktwirtschaftliche) mit datengesteuerten KI-Modellen kombinieren. Sie entwickelt und wendet Methoden zur Kombination von Modellen und Daten (z. B. Sensoren, Fernerkundung und Klimadaten) an. Die Gruppe integriert auch Simulationstechniken mit Indikatorrahmen, um die Nachhaltigkeit und Widerstandsfähigkeit von Anbausystemen zu bewerten. Die Ansätze werden eingesetzt, um das Verständnis komplexer Systeme zu verbessern, indem Interaktionen auf verschiedenen organisatorischen Ebenen untersucht werden, darunter Felder, landwirtschaftliche Betriebe, Landschaften, Regionen und Märkte. Sie helfen Interessengruppen wie Landwirten und politischen Entscheidungsträgern, operative, taktische und strategische Entscheidungen zu treffen, wobei der Schwerpunkt auf der Vorhersage und Bewertung von Veränderungen in Systemen liegt, die durch Faktoren wie Klima, Marktdynamik und politische Veränderungen beeinflusst werden.

Kontakt: Prof. Dr. Frank Ewert

 

Pfeil links Zurück zur Startseite des​ Programmbereichs

 

​​​​
Fusszeile der Seite
Wordpress icon
Instagram icon
YouTube icon
ResearchGate icon
Mastodon icon
Bluesky icon
LinkedIn icon
© Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF) e. V. Müncheberg

Gefördert von:

BMEL-Logo
MWFK Logo