Die Häufigkeit und der Zeitpunkt der Mahd beeinflussen die Habitatqualität, sowie das Vorkommen und die Vielfalt von Organismen auf landwirtschaftlich genutztem Grünland. Daher spielt die Erfassung der Mahdaktivität eine wichtige Rolle zur Abschätzung der Landnutzungsintensität als ein indirekter Indikator zur Beobachtung der Biodiversität in Agrarlandschaften.
Mahdereignisse werden nicht in Statistiken erfasst werden, können aber aus dem All flächendeckend erkannt werden. Die Entwicklung von Methoden zur Mahddetektion aus Zeitreihen von Satellitendaten war in den vergangenen Jahren Gegenstand zahlreicher wissenschaftlicher Arbeiten und internationaler Publikationen. Dabei wurden jedoch eine Vielzahl unterschiedlicher Methoden und Datenquellen verwendet. Während diese Studien die generelle Tauglichkeit von Satellitenbildzeitreihen in verschiedenen Regionen zeigen konnten, ist ein Vergleich der meist regional optimierten Verfahren nicht direkt möglich.
Im Rahmen von MonViA wurde daher eine Vergleichsstudie initiiert, an der mehr als 35 Forscher und Forscherinnen aus neun europäischen Ländern beteiligt waren. In der jetzt publizierten Studie wurde die Genauigkeit von zehn verschiedenen Ansätzen zur Erkennung von Grünlandschnitten evaluiert. Genutzt wurden dabei ein einheitlich aufbereiteter Datensatz an Satellitenaufnahmen und ein einmaliger, mehrjähriger Referenzdatensatz für unterschiedliche Regionen in Europa.
Die Ergebnisse bestätigten die generelle Eignung der Ansätze und erlaubten darüber hinaus eine regional differenzierte Analyse ihrer Stärken und Schwächen. Während die regelbasierten Ansätze in den meisten Fällen gute Genauigkeiten zeigten, waren die Ergebnisse von zwei KI-basierten Ansätzen über verschiedene Regionen und Jahre hinweg stabiler. Die kombinierte Nutzung von optischen und Radar- Satellitendaten führte nicht immer zu einer Verbesserung der Genauigkeiten. Diese Erkenntnisse werden bei der zukünftigen Überarbeitung der vorgeschlagenen MonViA-Indikatoren zur Grünlandnutzungsintensität, die aktuell auf einem regelbasierten Ansatz beruhen, berücksichtigt.
Die Ergebnisse sind open access publiziert und können auf einer Webseite interaktiv verglichen werden. Darüber hinaus besteht die Möglichkeit eigene Ansätze zur Erkennung von Grünlandschnitten mit frei zur Verfügung gestellten Satelliten- und Referenzdaten zu evaluieren und mit den Ergebnissen der Studie zu vergleichen.
Publikation: https://doi.org/10.1016/j.rse.2026.115466
Interaktive Ergebnisse: https://modcix.thuenen.de
Datensätze: https://huggingface.co/datasets/thunen-earth-observation/modcix
https://zenodo.org/records/18834294