Modellierung und Analyse
Die österreichische Landwirtschaft befindet sich in Zeiten von Klimawandel und zunehmend begrenzten Ressourcen im Spannungsfeld zwischen ökonomischer Effizienz und ökologisch nachhaltiger Produktion. Dabei sind neben allgemeinen Fragestellungen zu Bewirtschaftungsformen landwirtschaftlicher Nutzflächen auch sich ändernde Rahmenbedingungen und agrarpolitische Maßnahmen von Bedeutung. Zwischen den unterschiedlichen ökonomischen und ökologischen Teilbereichen der Agrar-, Umwelt- und Ernährungssysteme gibt es eine Vielzahl von Wechselwirkungen, die Zielkonflikte aber auch Synergieeffekte zur Folge haben können. Zum Aufzeigen dieser komplexen Zusammenhänge können neben theoretischen, konzeptionellen Überlegungen auch quantitative Methoden hilfreich sein. Z.B. bilden mathematische Modelle zur Simulation des Pflanzenwachstums biophysikalische Prozesse wie Biomasseproduktion, Nährstoffkreisläufe, Bodenwasserhaushalt und Erosion ab und ermöglichen damit Simulation und Analyse der Zusammenhänge zwischen Bewirtschaftung und Umwelteffekten. Neben diesen aufwändigen und datenintensiven prozess-basierten Crop Models gibt es eine Reihe anderer quantitativer Methoden mit unterschiedlichem Detailliertheitsgrad, Datenbedarf und Erklärungspotenzial.
Zielsetzung
Ziel des Projektes ist die Entwicklung eines Analysetools zur Untersuchung von negativen und positiven Umwelteffekten der landwirtschaftlichen Bodennutzung sowie umgekehrt der Auswirkungen aktueller und zu erwartender zukünftiger ökologischer Rahmenbedingungen auf die landwirtschaftliche Bodennutzung. Dieses Tool soll aus einer Auswahl an quantitativen Modellen sowie der zugehörigen Datenbasis bestehen. Das Tool soll zukünftig als wertvolle Entscheidungsgrundlage für eine Vielzahl von Fragestellungen im Agrarumweltbereich zur Verfügung stehen. Ausgewählte Erkenntnisse sollen auch in Fachzeitschriften veröffentlicht werden.
Stand des Projektes
Daten zu Standortbedingungen der landwirtschaftlichen Bodennutzung, wie jene zu natürlichen Gegebenheiten wie Topographie, Bodenbeschaffenheit und meteorologischen Daten, sowie zu Bewirtschaftungsmaßnahmen wie Fruchtfolgen, Bewässerung, Bodenbearbeitung und Dünge- und Pflanzenschutzmitteleinsatz wurden verschiedensten Datenquellen (u.a. Geodatenkatalog des BMLUK, Geosphere Austria, Bodenkarte) entnommen und auf einer ortsbezogenen Basis zusammengeführt. Zusätzlich finden Fernerkundungsdaten des JRC zur Bodenfeuchte Einzug in die Analysen. Für Kalibrierung und Validierung stehen u.a. die Ertragsdaten der Buchführungsbetriebe (FADN) zur Verfügung.
Im Rahmen des Projektes „Biophysikalische Prozesse“ wurden einige Arbeitsschritte von der Stabstelle IKT übernommen. Hierbei ging es hauptsächlich um Zuarbeiten aus dem Bereich Fernerkundung, räumliche Analysen und Klimadaten: es wurde erhoben, welche Datenportale Rohdaten, prozessierte Daten sowie Indizes aus Satellitendaten zur Verfügung stehen. Eine GIS Analyse lokalisierte Schlagflächen, welche sich in räumlicher Nähe zu den Messnetzen der Klimastationen, Bodenprofilen und Grundwasserpegeln befinden, um damit verbundene Einflüsse auf die Modellgenauigkeit analysieren zu können. Als dritter Arbeitsschritt wurden nationale und internationale Datenquellen von Klimadaten verglichen. Letztendlich wurden die INCA-Daten der Geosphere Austria als am geeignetsten für den Projektzweck festgelegt.
Im Methodenbereich wurden Recherchen zu den verschiedenen Methoden der Modellierung angestellt. Der große, zum Teil nur schwer zu erfüllende Datenbedarf der prozess-basierten Crop Models kann zwar theoretisch zu sehr detailgetreuen Analysen führen, stellt jedoch in der Praxis oft auch eine Quelle der Unsicherheit dar. Demgegenüber sind in diesem Themenbereich zur Anwendung kommende statistische und Machine Learning-Modelle meist weniger datenintensiv und flexibler in Bezug auf Datenanforderungen, dafür oft weniger detailliert und in Form einer Black Box, also ohne Nachbildung der kausalen Zusammenhänge, konzipiert. Unter Verwendung der Datenbasis wurden ein prozess-basiertes Modell parametrisiert und kalibriert sowie mehrere Machine Learning Modelle (Elastic Net, MARS, Random Forest, Extreme Gradient Boosted Trees) getuned und trainiert.
Als erste Anwendung wurde die Eignung der verschiedenen Modelle zur Analyse der Varianz von Mengenerträgen untersucht. Beim ICROPM Symposium 2026 wurden zu dieser Thematik zwei Beiträge eingereicht und akzeptiert. Im ersten Beitrag wurden mehrere Machine Learning-Modelle auf drei unterschiedlichen Aggregationsebenen mit drei verschiedenen Sets an erklärenden Variablen (Management, biophysikalische Variablen, alle Variablen) trainiert. Ergebnisse wurden durch Erklärungsmodelle basierend auf Shapley-Werten (SHAP, Dependence Plots) ergänzt und interpretiert. Der zweite Beitrag nutzte die Arbeiten aus dem Arbeitspaket „Ertragsmodell für die Finanzbodenschätzung“ (s. nachfolgender Absatz) und beschäftigt sich mit der Performance von Crop-, ML- und hybriden Ertrags-Modellen unter verschiedenen meteorologischen Bedingungen.
Arbeitspaket Ertragsmodell für Finanzbodenschätzung (2025)
In der Finanzbodenschätzung spielt die Beeinflussung des Ertragsniveaus durch die Standortbedingungen eine wesentliche Rolle. Für die Ackerschätzung legten bisher sogenannte Bodenklimakurven einen Abschlag oder Zuschlag der Ertragsfähigkeit in Abhängigkeit von Bodenart, Niederschlags- und Wärmeverhältnissen fest.
Mit Beginn 2025 wurde die Neuberechnung der Zu- und Abschläge in Kooperation mit dem BMF gestartet. Die Erstellung der Datenbasis war sehr aufwändig: Ertragsdaten und Bodendaten an den Versuchsstandorten wurden aufbereitet und miteinander verschnitten. Meteorologische Daten aus vier verschiedenen Datenquellen wurden gesichtet, aufbereitet und getestet. Auch die methodische Umsetzung war sehr umfangreich: Einerseits waren die Vorstellungen der Finanzbodenschätzung sehr klar umrissen; auf Grund des engen Zeitrahmens musste zudem auf bereits vorhandene Daten zurückgegriffen werden. Zum anderen war eine Reproduktion der bisherigen sogenannten „Bodenklimakurven“, zu deren Methodik keine Dokumentation vorliegt, auf Basis der vorhandenen Daten nicht möglich. Es wurden daher mehrere auf verschiedenen methodischen Ansätzen (biophysikalische, statistische Modelle, Machine Learning) beruhende Modelle entwickelt, validiert und verglichen. Ein von Seiten der BAB finaler Vorschlag wurde Ende 2025 dem BMF vorgestellt.
Arbeiten 2026
Die Beiträge für das ICROPM Symposium 2026 werden im Detail ausgearbeitet. Erkenntnisse aus dem Besuch des Symposiums werden in die weitere Projektenwicklung einfließen. Der im Rahmen des Arbeitspaktes „Ertragsmodell für die Finanzbodenschätzung“ von der AGES erstellte Ertrags-Datensatz soll die Basis für eine gemeinsamen Publikation zur Analyse von Ertragsschwankungen werden.
Mit dem entwickelten Analysetool können in weiterer Folge verschiedenste Zusammenhänge zwischen landwirtschaftlicher Bodennutzung und Umwelteffekten untersucht werden, wie z.B. die Auswirkungen regional erhöhter Trockenheit auf Erträge, Wachstumsperioden und Bodenbeschaffenheit. Es soll auch die Möglichkeit untersucht werden, mit Hilfe von Remote Sensing Datenlücken zu schließen und die Genauigkeit der Modelle zu verbessern. Zusätzlich sollen Synergien mit anderen BAB-Projekten an der Schnittstelle Landwirtschaft und Umwelt und Modellierung genutzt werden. Ein regelmäßiger Informationsaustausch zur Förderung von Kooperationen erfolgt im Rahmen der BAB-Arbeitsgruppe „Methoden und Modellierung“.
Zeitplan
Projektbeginn: 01/2020
Projektende: 12/2026
