Search

EU Horizon 2020 grant No. 776681 (PHUSICOS)..., Cunliffe, A.M., Anderson, K., Boschetti, F., Brazier, R.E., Graham, H.A., Myers-Smith, I.H., Astor, T., Boer, M.M., Calvo, L.G., Clark, P.E., Cramer, M.D., Encinas-Lara, M.S., Escarzaga, S.M., Fernández-Guisuraga, J.M., Fisher, A.G., Gdulová, K., Gillespie, B.M., Griebel, A., Hanan, N.P., Hanggito, M.S., Haselberger, S., Havrilla, C.A., Heilman, P., Ji, W., Karl, J.W., Kirchhoff, M., Kraushaar, S., Lyons, M.B., Marzolff, I., Mauritz, M.E., McIntire, C.D., Metzen, D., Méndez-Barroso, L.A., Power, S.C., Prošek, J., Sanz-Ablanedo, E., Sauer, K.J., Schulze-Brüninghoff, D., Šímová, P., Sitch, S., Smit, J.L., Steele, C.M., Suárez-Seoane, S., Vargas, S.A., Villarreal, M., Visser, F., Wachendorf, M., Wirnsberger, H., Wojcikiewicz, R.

The timely knowledge of forage quality of grasslands is vital for matching the demands in animal feeding. Remote sensing (RS) is a promising tool for estimating field-scale forage quality compared with traditional methods, which usually do not provide equally detailed information. However, the applicability of RS prediction models depends on the variability of the underlying calibration data, which can be brought about by the inclusion of a multitude of grassland types and management practices in the model development. Major aims of this study were (i) to build forage quality estimation models for multiple grassland types based on an unmanned aerial vehicle (UAV)-borne imaging spectroscopy and (ii) to generate forage quality distribution maps using the best models obtained. The study examined data from eight grasslands in northern Hesse, Germany, which largely differed in terms of vegetation type and cutting regime. The UAV with a hyperspectral camera on board was utilised to acquire spectral images from the grasslands, and crude protein (CP) and acid detergent fibre (ADF) concentration of the forage was assessed at each cut. Five predictive modelling regression algorithms were applied to develop quality estimation models. Further, grassland forage quality distribution maps were created using the best models developed. The normalised spectral reflectance data showed the strongest relationship with both CP and ADF concentration. From all predictive algorithms, support vector regression provided the highest precision and accuracy for CP estimation (median normalised root mean square error prediction (nRMSEp) = 10.6%), while cubist regression model proved best for ADF estimation (median nRMSEp = 13.4%). The maps generated for both CP and ADF showed a distinct spatial variation in forage quality values for the different grasslands and cutting regimes. Overall, the results disclose that UAV-borne imaging spectroscopy, in combination with predictive modelling, provides a promising tool for accurate forage quality estimation of multiple grasslands.

Die invasive Leguminose Lupinus polyphyllus (Vielblättrige Lupine) breitet sich in artenreichen Borstgrasrasen und Bergmähwiesen aus. Dort verdrängt sie gefährdete Rote-Liste Arten und verändert die Artenzusammensetzung. Wir führten ein Experiment durch um den Biomasseertrag und den Lupinenanteil an der Biomasse zu unterschiedlichen Nutzungszeitpunkten zu untersuchen. Zusätzlich wurde der Alkaloidgehalt der Lupinen ermittelt, da dieser einen Einsatz der Biomasse in der Tierernährung verhindern kann. Die Ergebnisse zeigten Bioamsseerträge vo 3,6 bis 3,9 t Trockenmasse pro Hektar und Lupinenanteile von ca. 30% im Mittel. Der Alkaloidgehalt in den Lupinen wies eine Spannweite zwischen 0,7 und 2,5% in der Trockenmasse auf und war signifikant abhängig vom untersuchten Pflanzenorgan. Die Samen und Blätter hatten signifikant höhere Alkaloidgehalte als die Stängel und Blüten.

In der Forstwirtschaft ist die lasergestützte Holzertragsabschätzung bereits eine etablierte Technik. In Graslandökosystemen hingegen fand diese Technik bisher weniger Aufmerksamkeit. Deshalb ist die Abschätzung extensiver Grünlandbestände mittels eines terrestrischen Laserscanners (TLS) noch wenig erforscht. Der Einsatz fernerkundlicher Methoden zur Erfassung qualitativer und quantitativer Parameter von extensiven Grünlandbeständen kann Managementstrategien zum Erhalt schützenswerter Ökosysteme unterstützen. Die Versuchsflächen befanden sich im „UNESCO Biosphärenreservat Rhön“ und wurden zu drei Terminen im Jahr mittels eines terrestrischen Laserscanners (Leica P30) gemessen. Vier Methoden zur Biomassebestimmung aus dreidimensionalen Punktwolken wurden auf die Datensätze angewendet: Die Methode der Vegetationshöhe, der Summe der Voxel, der mittleren 3d-Raster Höhe und das Volumen der konvexen Hülle. Die Methoden wurden teilweise modifiziert in Bezug auf einzelne funktionale Parameter, um die Modellstabilität und Modellstärke zu optimieren. Die Methoden wurden verglichen hinsichtlich ihrer Modellstärke, der Kalkulationsdauer und hinsichtlich der Anzahl an Scans, die in jede Punktwolke einfließen. Die Methoden wurden erfolgreich angewendet und die jeweils optimalen Parametereinstellungen wurden identifiziert. Die beste Modellstärke lieferte die Methode der Vegetationshöhe gemittelt aus den oberen 5 % aller Vegetationshöhenwerte (angepasstes R² 0,72). Die Korrelationen der Modelle mit dem gemessenen Frischmasseertrag fielen durchweg besser aus im Vergleich zum Trockenmasseertrag. Modelle der Vegetationshöhe, beruhend auf Punktwolken aus zwei Scans, erzielten die höchste Schätzgenauigkeit für Frisch- und Trockenmasseertrag (angepasstes R² 0,73 und 0,58).