Pedometrics

In der UFZ-Arbeitsgruppe Pedometrics ist es unser Ziel, räumliche Bodenverbreitungsmuster und deren Wechselwirkungen mit der Biosphäre und der Hydrosphäre zu verstehen und zu modellieren.

Soil-Landscape Modelling

Leitung

Dr. Mareike Ließ

Wissenschaftler

Anika Gebauer
Ali Sakhaee (extern)
Dr. Javier Reyes
Dr. Matteo Poggio

Studentische Forschung

Lisa Krieg
Tobias Koch

Pedometrics ist eine interdisziplinäre Wissenschaft im Zusammenspiel von Bodenkunde, angewandter Mathematik/ Statistik und Geoinformatik. Untersuchungsgegenstand ist die räumlich-zeitliche Variabilität der Pedospäre auf unterschiedlichen Skalen. Modellierungsansätze kommen dabei genauso zum Einsatz wie zahlreiche Aspekte der Sensorik und der Geodatananalyse. Gemein ist allen Forschungsansätzen, dass die Quantifizierung der Vorhersage-Unschärfe einen wichtigen Raum einnimmt. Aktuell kommt dem Einsatz von Algorithmen und Optimierungsverfahren aus dem Bereich des ‚Spatial Data Science‘ immer größere Bedeutung zu. Letztere entwickelte sich aus der Mustererkennung und der Theorie des rechnergestützten Lernens und untersucht die Anwendung und Konstruktion mathematischer Algorithmen, die Wissen aus komplexen Datenstrukturen ableiten können.


Aktuelle Projekte

SoilSpace3D-DE

Kooperation mit dem Thünen-Institut für Agrarklimaschutz zur Erstellung bundesweiter, räumlich hochaufgelöster Bodeninformation (2D, 3D) mittels verschiedener Modellierungsansätze. Prozessmodellierungsansätze der Agrarlandschaft benötigen räumlich hochaufgelöste Bodeninformation des multivariaten Bodenparameterraums. Um diese zu erstellen, gilt es räumliche Bodenverbreitungsmuster zu verstehen und mittels Methodik aus den Bereichen des maschinellen Lernens und Deep learning zu modellieren und auf nationaler Ebene zu regionalisieren.

SOCmonit

Durch ein zum Nachteil geändertes landwirtschaftliches Management wird der Bodenkohlenstoff (Corg) schneller in die Atmosphäre freigesetzt als zu seiner erneuten Bindung an Zeit benötigt wird, daher ist eine langfristige Beibehaltung eines Corg-fördernden Managements unabdingbar. Im Projekt SOCmonit kommt Bodenspektroskopie zur Entwicklung eines räumlich-zeitlichen Monitoringverfahrens zum Einsatz. Die im Projekt eingesetzten Sensoren und Trägerplattformen der Fernerkundung und Proximal-Bodenerfassung erzeugen unterschiedliche Datenformate mit diversen Informationsgehalten in Bezug auf die Zielgröße. Die Datenprozessierungsschritte sowie die involvierten Verfahrensschritte der Modellierung zur Corg-Vorhersage werden in Quellcode-offener Software implementiert, automatisiert und nachvollziehbar dokumentiert. Die Projektarbeit erfolgt in Kooperation mit der Firma RSS – Remote Sensing Solutions GmbH. SOCmonit

BonaRes

Boden als nachhaltige Ressource für die Bioökonomie. Die Fruchtbarkeit von Böden bildet die Grundlage für eine nachhaltige Pflanzenproduktion. Böden müssen nicht nur marktfähige Erträge gewährleisten, sondern darüber hinaus vielfältige Ökosystemleistungen erbringen. Unter dem Dach von BonaRes forschen zehn interdisziplinäre Projektverbünde und das BonaRes–Zentrum für Bodenforschung. Das BonaRes-Zentrum befasst sich mit der Überführung von vorhandenem Wissen über Bodenfunktionen in Entscheidungshilfen für das Bodenmanagement. Hauptaufgaben sind die Etablierung der benötigten Dateninfrastrukturen, Modellkonzepte und Bewertungsinstrumente für ein nachhaltiges Bodenmanagement. https://www.bonares.de/

HI-CAM, Project 7.1 - Landwirtschaftliche und aquatische Systeme

Helmholtz Klimainitiative. In interdisziplinärer Zusammenarbeit unterschiedlichster Helmholtz-Zentren mit externen Partnern wird die Forschungsexpertise gebündelt um Handlungsempfehlungen für Entscheidungsträger in Politik und Gesellschaft im Kontext des Klimawandels zu entwickeln. Im Projekt „Landwirtschaftliche und aquatische Systeme“ wird mit dem ausgewählten Modellierungsansatz Bodenprozessverständnis an nationale Bodendatenbanken gekoppelt, um räumlich kontinuierliche, hochaufgelöste Bodeninformation zu erstellen. Der Fokus liegt dabei auf Bodeneigenschaften, die als geeignete Indikatoren für die landwirtschaftliche Produktivität - insbesondere die Wasserspeicherung - gelten. Das Projekt trägt zur Entwicklung nachhaltiger Anpassungsstrategien für die Landwirtschaft als Reaktion auf den Klimawandel bei. Dies erfolgt auf nationaler Ebene (Deutschland) unter Berücksichtigung regionaler Merkmale. HI-CAM Factsheet Boden


Aktuelle Veröffentlichungen

Ließ, M., Gebauer, A., Don, A., 2021. Machine learning with GA optimization to model the agricultural soil-landscape of Germany: An approach involving soil functional types with their multivariate parameter distributions along the depth profile. Front. Environ. Sci. 9:692959. https://doi.org/10.3389/fenvs.2021.692959

Bartkowski, B., Droste, N., Ließ, M., Sidemo-Holm, W., Weller, U., Brady, M.V., 2021. Payments by modelled results: A novel design for agri-environmental schemes. Land Use Policy, 102, 105230. https://doi.org/10.1016/j.landusepol.2020.105230

Gebauer, A., Ellinger, M., Brito Gómez, V.M., Ließ, M., 2020. Development of pedotransfer functions for water retention in tropical mountain soil landscapes: spotlight on parameter tuning in machine learning. Soil, 6, 215–229. https://doi.org/10.5194/soil-6-215-2020

Ließ, M., 2020. At the interface between domain knowledge and statistical sampling theory: Conditional distribution based sampling for environmental survey (CODIBAS). Catena, 187,104423. https://doi.org/10.1016/j.catena.2019.104423

Ellinger, M., Merbach, I., Werban, U., Ließ, M., 2019. Error propagation in spectrometric functions of soil organic carbon. Soil, 5, 275-288. https://doi.org/10.5194/soil-5-275-2019

Gebauer, A., Brito Gómez, V.M., Ließ, M., 2019. Optimisation in machine learning: An application to topsoil organic carbon stocks prediction in a dry forest ecosystem. Geoderma, 354, 113846. https://doi.org/10.1016/j.geoderma.2019.07.004

Stein,S., Eberhardt, E., Grosse, M., Helming, K., Hierold, W., Hoffmann, C., Kühnert, T., Ließ, M., Russel, D.J., Schulz, S., Specka, X., Svoboda, N., Zoarder, M.A.M., Heinrich, U., 2019. Report on available soil data for German agricultural areas, 2018. BonaRes Series 2019/01. BonaRes Centre for Soil Research. DOI: 10.20387/BonaRes-CD4Q-1PEM

Vogel H-J, Eberhardt E, Franko U, Lang B, Ließ M, Weller U, Wiesmeier M, Wollschläger U, 2019. Quantitative evaluation of soil functions: potential and state. Frontiers in Environmental Science, 7 (164), https://doi.org/10.3389/fenvs.2019.00164

Wiesmeier, M., Urbanski, L., Hobley, E., Lang, B., von Lützow, M., Marin-Spinotta, E., van Wesemael, B., Rabot, E., Ließ, M., Garcia-Franko, N., Wollschläger, U., Vogerl, H.-J., Kögel-Knabner, I., 2019. Soil organic carbon storage as a key function of soils - A review of drivers and indicators at various scales. Geoderma, 333, 149-162. https://doi.org/10.1016/j.geoderma.2018.07.026