Logo des Repositoriums

Auflistung nach Autor:in "Post, Sandra"

1 - 2 von 2
  • Konferenzbeitrag
    Dreidimensionale Bodenfeuchtemodellierung auf Schlagebene
    (44. GIL - Jahrestagung, Biodiversität fördern durch digitale Landwirtschaft, 2024) Post, Sandra; Schröter, Ingmar; Bönecke, Eric; Rühlmann, Jörg; Böttcher, Falk; Assmann, Denise; Kramer, Eckart
    Für die Erstellung von hochaufgelösten dreidimensionalen Bodenfeuchtemodellen wurden auf drei Ackerflächen in Mittel- und Ostbrandenburg an jeweils zehn Punkten AMBAV-Modelle in 10-cm-Schichten bis zu einer Tiefe von 150 cm erstellt, die über den mittleren Korngrößendurchmesser schlagspezifisch regionalisiert wurden. In den oberen und mittleren Bodenschichten lag der RMSE bei überwiegend unter 10 Vol.-%, in den unteren Schichten beträgt er durchschnittlich zwischen 10 und 19 Vol.-%. Die Validierung des regionalisierten Modells brachte in den oberen 10 cm einen RMSE von 7,2 Vol.-% hervor.
  • Konferenzbeitrag
    Modellierung des organischen Kohlenstoffs in Ackerböden
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Post, Sandra; Schröter, Ingmar; Bönecke, Eric; Vogel, Sebastian; Kramer, Eckart
    Für die lückenlose Abschätzung des Gehalts organischen Kohlenstoffs in Ackerböden wurde die Eignung von kostenfrei erhältlichen Fernerkundungsdaten mit sehr kostenaufwändigen Naherkundungsdaten verglichen. Gleichzeitig wurden die Auswirkungen einer Fusion dieser Daten auf die Modellierungsergebnisse analysiert. Die auf Schlagebene durchgeführte Studie erfolgte auf sechs Schlägen im Bundesland Brandenburg. Hierfür wurden die in die Modellierungen eingegan-genen Datenkombinationen in fünf Szenarien gegliedert: ausschließlich Sentinel 2-Daten (1), Sentinel 2-Daten sowie Daten des Digitalen Geländemodells (2), optische Naherkundungsdaten (3), optische, geoelektrische, radiometrische und elektrochemische Naherkundungsdaten (4) sowie eine Fusion aller Sensordaten (5). Die Kalibrierung der Modelle erfolgte unter Verwendung von vier Berechnungsmethoden: univariate lineare Regression, multiple lineare Regression, partial least squares regression sowie random forest. Die Modellgüten von Szenario (3) weisen signifikant geringe Werte auf, wobei die Ergebnisse der übrigen Szenarien statistisch miteinander vergleichbar sind. Auch der Vergleich der unterschiedlichen Algorithmen zeigt keine signifikanten Unterschiede zwischen den Ergebnissen.