Fernerkundung für eine Verbesserung der Klimaberichterstattung (KlimaFern)

Zielsetzung

Flächendeckende Erfassung der landwirtschaftlichen Nutzung mit Satellitendaten zur Verbesserung der Datengrundlage zur Klimaberichterstattung für den LULUCF-Sektor (Landnutzung, Landnutzungsänderung, Forst)

Methodik

Entwicklung von Instrumenten zur flächendeckenden Erfassung und Evaluierung von Aktivitätsdaten auf Basis von zeitlich und räumlich hochauflösenden Satellitendaten unterschiedlicher Systeme (optisch und Radar)
Generierung einer Datengrundlage für das Monitoring von Maßnahmen im LULUCF-Teilsektor „landwirtschaftliche Flächennutzung“ (a) zum Humuserhalt in Ackerland, (b) zum Erhalt von Dauergrünland sowie (c) des Bodenkohlenstoff-Gehalts im Ackerland
Berechnung von Indikatoren aus den Satellitendaten, die nicht nur für die Monitoring-Ziele im Bereich des Klimaschutzes genutzt werden, sondern auch zur Charakterisierung anderer Ökosystemleistungen der Landwirtschaft

Betrachteter Klimaeffekt

Verbesserte Abschätzung von Umfang und Entwicklung von Aktivitätsdaten (u.a. THG-Minderungsmaßnahmen) in der landwirtschaftlichen Flächennutzung

Ausgewählte Veröffentlichungen

Broeg T, Don A., Scholten T., Erasmi S. (2026): Reducing Bias in Cropland Soil Organic Carbon and Clay Predictions using Sentinel-2 Composites and Data Balancing. Remote Sensing of Environment, doi.org/10.1016/j.rse.2025.115109

Lobert F, Schwieder M, Hostert P, Gocht A, Erasmi S (2025): Characterizing spatio-temporal patterns of winter cropland cover in Germany based on Landsat and Sentinel-2 time series. International Journal of Applied Earth Observation and Geoinformation 142, 104728. doi.org/10.1016/j.jag.2025.104728 

Lobert, F, Schwieder, M, Alsleben, J, Broeg, T, Kowalski, K, Okunjeni, A, Hostert, P, Erasmi, S (2025): Unveiling Year-Round Cropland Cover by Soil-Specific Spectral Unmixing of Landsat and Sentinel-2 Time Series. Remote Sensing of Environment, 318, 114594. https://doi.org/10.1016/j.rse.2024.114594

Muro J, Blickensdörfer L, Don A, Köber A, Asam S, Schwieder M, Erasmi S (2025): Hedgerow mapping with high resolution satellite imagery to support policy initiatives at national level. Remote Sensing of Environment, 328, 114870. https://doi.org/10.1016/j.rse.2025.114870

Brög, T, Don, A, Gocht, A, Scholten, T, Taghizadeh-Mehrjardi, R, & Erasmi, S (2024): Using local ensemble models and Landsat bare soil composites for large-scale soil organic carbon maps in cropland. Geoderma, 444, 116850. https://doi.org/10.1016/j.geoderma.2024.116850

Brög, T, Don, A, Wiesmeier, M, Scholten, T, Erasmi, S (2024): Spatiotemporal monitoring of cropland soil organic carbon changes from space. Global Change Biology. https://doi.org/10.1111/gcb.17608

Pham, V-D, Tetteh, G, Thiel, F, Erasmi, S, Schwieder, M, Frantz, D, van der Linden, S (2024): Temporally transferable crop map-ping with temporal encoding and deep learning augmentations. International Journal of Applied Earth Observation and Geoinformation 129, 103867. https://doi.org/10.1016/j.jag.2024.103867

Brög, T, Don, A, Gocht, A, Scholten, T, Taghizadeh-Mehrjardi, R, Erasmi, S (2023): Using Local Ensemble Models and Landsat Bare Soil Composites for Large-Scale Soil Organic Carbon Maps. Preprint, available at SSRN: http://dx.doi.org/10.2139/ssrn.4594434

Daten / Produkte

Broeg T, Don A, Scholten T, Erasmi S (2025): High-Resolution Maps (10 m) of Cropland Soil Organic Carbon and Clay in Germany based on Sentinel-2 Data. Zenodo, https://doi.org/10.5281/zenodo.15403341

Muro J, Blickensdörfer L, Köber A, Schwieder M, Don A, Erasmi S (2025): Spatially explicit distribution of hedgerows across German agricultural landscapes. Zenodo, https://doi.org/10.5281/zenodo.16895299

Tetteh G, Schwieder M, Blickensdörfer, L, Gocht A, Erasmi S (2025): Agricultural land use (raster): National-scale crop type maps for Germany from combined time series of Sentinel-2 and Landsat data (2025). Zenodo, https://doi.org/10.5281/zenodo.17197871

Tetteh G, Schwieder M, Blickensdörfer L, Gocht A, Erasmi S. (2025): Agricultural land use (raster): National-scale crop type maps for Germany from combined time series of Sentinel-2 and Landsat data (2024). Zenodo, https://doi.org/10.5281/zenodo.17190438