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 Analysekonzepts 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 Konzept soll ein theoretisches Framework basierend auf einer systemischen Herangehensweise, eine Datenbasis bestehend aus relevanten Daten und Indikatoren sowie eine Auswahl an Methoden zur quantitativen Analyse umfassen. Den regionalen Verhältnissen angepasst und mit einer gewissen Flexibilität ausgestattet kann das Analysekonzept eine wertvolle Entscheidungsgrundlage für eine Vielzahl von Fragestellungen im Agrarumweltbereich sein.
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 BML, Bodenkarte) entnommen und auf einer ortsbezogenen Basis zusammengeführt. Zusätzlich finden Fernerkundungsdaten des JRC zur Bodenfeuchte Einzug in die Analysen. Für die 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 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. Für einen Vergleich der Performance der Modelle wurden drei verschiedene Aggregationsebenen geschaffen. Die Machine Learning Modelle wurden zusätzlich auf diesen Aggregationsstufen mit drei verschiedenen Sets an erklärenden Variablen (Management, biophysikalische Variablen, alle Variablen) trainiert. Ergebnisse der Machine Learning Modelle werden durch Erklärungsmodelle basierend auf Shapley-Werten (SHAP, Dependence Plots) ergänzt und interpretiert.
Arbeiten 2025 und 2026
Die Datenbasis soll weiter vervollständigt und dokumentiert werden, um auch für Folgeprojekte nutzbar zu sein. Der Dateninput der verschiedenen Modelle wird nach Möglichkeit vereinheitlicht und die Anpassung an die lokalen Standortbedingungen weiter verbessert. Für die Beurteilung der Genauigkeit der Modellprognosen und für den Vergleich der Modelle werden geeignete Maße festgelegt.
Als erste Anwendung werden die Modelle zur Analyse der Varianz von Mengenerträgen herangezogen. Die Eignung der verschiedenen Modelle für diese Fragestellung wird in Bezug auf die erreichte Genauigkeit, Detailliertheit, Datenanforderungen und -verfügbarkeit sowie Interpretierbarkeit getestet und miteinander verglichen. Dieser Methodenvergleich soll in einem wissenschaftlichen Journal publiziert werden.
Mit dem entwickelten Analysekonzept können in weiterer Folge verschiedenste Zusammenhänge zwischen landwirtschaftlicher Bodennutzung und Umwelteffekten untersucht werden. Eine erste Analyse könnte sich mit den Auswirkungen regional erhöhter Trockenheit auf Erträge, Wachstumsperioden und Bodenbeschaffenheit befassen. 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 („Systemische Betrachtungen im Agrar-, Umwelt- und Ernährungsbereich“ (BAB 056/22), „Wirtschaftliche Untersuchungen und Beratung im Zusammenhang mit OECD und WTO“ (BAB 003/86) und „Modellsystem“ (BAB 009/04)) geprüft und genutzt werden. Ein regelmäßiger Informationsaustausch zur Förderung von Kooperationen erfolgt im Rahmen der BAB-Arbeitsgruppe „Methoden und Modellierung“.
Arbeitspaket Ertragsmodell für Finanzbodenschätzung
In der Finanzbodenschätzung spielt die Beeinflussung des Ertragsniveaus durch die Standortbedingungen eine wesentliche Rolle. Für die Ackerschätzung legen sogenannte Bodenklimakurven einen Abschlag oder Zuschlag des zu erwartenden Ertrags in Abhängigkeit von Bodenart, Niederschlags- und Wärmeverhältnissen fest. Mit Beginn 2025 sollen in diesem Arbeitspakt die Bodenklimakurven in Kooperation mit dem BMF neu berechnet werden. Zunächst sollen methodische Ansätze und Datenanforderungen diskutiert sowie über das Hinzuziehen weiterer Partner entschieden werden. Anschließend wird mit der Umsetzung begonnen. Bis Dezember 2025 soll das Endergebnis vorliegen.
Zeitplan
Projektbeginn: 01/2020
Projektende: 12/2026
