Smart Farming: Open Data für neue Anwendungen

Luftverschmutzung und Smart Farming: Das EU-Projekt „Open Forecast“ erschließt Open Data für neue Anwendungen | Bildquelle: Universität Hohenheim / Dorothea Elsner (links) / Florian Gerlach (rechts)

In frei verfügbaren Daten, im Fachjargon Open Data genannt, schlummern viele bisher brachliegende Erkenntnisse. Ein Projektteam aus fünf Forschungseinrichtungen hat es sich auf die Fahnen geschrieben, diesen Datenschatz zu heben. Im EU-Projekt „Open Forecast“ füttern sie Supercomputer mit diesen Daten. Wie das geht, erproben sie an zwei unterschiedlichen Anwendungen: Sie simulieren die Stickoxid- und Feinstaubbelastung über Stuttgart, und sie wollen frei verfügbare Satellitendaten für eine Nutzung in der Landwirtschaft aufbereiten. „Ihre Ergebnisse sollen wiederum als Open-Data-Dienste der Allgemeinheit zugutekommen“, erklärt Projektleiter Dr. Sven Bingert von der Gesellschaft für wissenschaftliche Datenverarbeitung mbH Göttingen (GWDG). Außerdem beteiligt sind an dem Projekt die Universität Hohenheim in Stuttgart, das Höchstleistungsrechenzentrum Stuttgart (HLRS), das Landwirtschaftliche Technologiezentrum Augustenberg (LTZ) und das Landesamt für Geoinformation und Landentwicklung Baden-Württemberg (LGL).

ANWENDUNG 1: Stuttgart dient als Modell bei der Simulation von Luftschadstoffen

Stickoxide und Feinstaub: Die Luftqualität ist in vielen Großstädten ein heiß diskutiertes Thema. Die Gesundheit der Bevölkerung auf der einen Seite, wirtschaftliche Faktoren auf der anderen – dies in Einklang zu bringen, ist eine große Herausforderung. Für Planungen wäre es nützlich, die Feinstaubbelastung und die Stickoxid-Verteilung verlässlich vorherzusagen. In Stuttgart mit seiner Lage im Talkessel spielt das eine besondere Rolle, denn mit Feinstaubalarmen und Diesel-Fahrverboten ist die Stadt bundesweit zum Synonym für dicke Luft geworden. Für die Projektpartner von Open Forecast also ein ideales Testobjekt ihrer Methoden. Um die Verteilung von Feinstaubpartikeln und Stickoxiden zu simulieren, verwenden die Forscher ein komplexes dreidimensionales Modell, ein sogenanntes Wettervorhersage-Chemie-Modell.

„Damit verknüpfen wir chemische Reaktionen in der Atmosphäre mit den Wettervorgängen und beziehen so deren Wechselwirkungen mit in die Vorhersagen ein“, erklärt Prof. Dr. Volker Wulfmeyer von der Universität Hohenheim.

Höchstleistungsrechner ermöglichen hochaufgelöste Simulationen der Luftbelastung

Das Modell kann Prognosen mit einer Auflösung von 50 Meter durchführen. Damit kann es sowohl größere Gebäude als auch das Verkehrsaufkommen einbeziehen.

„Eine derart hochaufgelöste Simulation, die eine Vielzahl an Rahmenbedingungen berücksichtigt, ist nur durch den Einsatz von Höchstleistungsrechnern zu erreichen“, betont Dr.-Ing. Thomas Bönisch vom Höchstleistungsrechenzentrum Stuttgart (HLRS).

Diese leistungsstarken Rechner können komplizierte Rechnungen parallel auf Tausenden Prozessoren vornehmen. Darum wird das Modell auf der Hazel Hen gerechnet, dem schnellsten Rechnersystem des HLRS und einem der zehn schnellsten Rechner Europas. Erste Ergebnisse zeigen eine realistische und komplexe zeitlich-räumliche Verteilung der Schadstoffe. Ziel der Wissenschaftler ist es, dass künftig mit dem Einsatz von Supercomputern solche Vorhersagen routinemäßig erzeugt werden können. Sie stünden dann zum Beispiel für die Verkehrsplanung zur Verfügung.

Luftbild vom Hohenheimer Schloss, von Norden aus gesehen

Schließlich vergleichen die Forscher die Simulationsdaten mit den Sensordaten aus dem Projekt Luftdaten.info. Dieses in Stuttgart gestartete Citizen-Science-Projekt regt Bürger dazu an, mit einem selbstgebauten Feinstaub-Sensor eigene Daten zu erheben und diese einer breiten Öffentlichkeit zur Verfügung zu stellen. Mit diesem Vergleich kann man beobachten, wie gut die Simulationen mit den Messdaten übereinstimmen. Diese Wechselseitigkeit kann helfen, Messfehler, etwa durch defekte Sensorik, oder Fehler bei der Simulation zu finden.

ANWENDUNG 2: Satellitendaten für das Smart Farming von morgen

Frei verfügbar sind auch viele Satellitenbilder – die Sentinel-2-Satelliten der europäischen Copernicus-Mission liefern regelmäßig wiederkehrend hochauflösende Bilddaten. Sie könnten als ein Baustein dafür dienen, dass sich die Landwirtschaft von morgen für die Herausforderungen variabler Anbaubedingungen wappnet. Das Problem: Die Satellitendaten liegen in einer Form vor, die die Landwirtschaft nicht direkt nutzen kann. Das Projektteam speist diese Satellitendaten deshalb in Hochleistungsrechner ein.

„Die Daten müssen aufbereitet werden“, erläutert Dr. Franziska Wild-Pfeiffer vom Landesamt für Geoinformation und Landentwicklung Baden-Württemberg (LGL). „Beispielsweise müssen die Wolken auf den Bildern herausgerechnet werden. Am Ende können wir sogenannte Vegetationsindizes rechnen – ein Maß für den Anteil und den Gesundheitszustand der grünen Pflanzen auf der Erdoberfläche.“

Open Data fördern Digitalisierung in der Landwirtschaft

Der Landwirt kann mit Hilfe solcher Karten Unterschiede im Schlag feststellen – was ihn bei seinen Entscheidungen in Düngungsfragen unterstützt oder auch Aufschluss über manche Krankheiten im Bestand gibt. Diese Informationen sollen in Farm-Management-Systeme der Landwirte integriert und auf modernen Schleppern für die Steuerung der Düngemenge verwendet werden.

„So kann man die Flächen laufend beobachten und gezielter bewirtschaften“, betont Dr. Martin Weis vom Landwirtschaftlichen Technologiezentrum Augustenberg (LTZ). „Das ist ein Baustein der Digitalisierung in der Landwirtschaft, die immer mehr auf Geodaten basiert. Verfahren der Präzisionslandwirtschaft passen zum Beispiel die Maßnahmen sogar auf Teilflächen an, die sich aus den Satellitendaten ermitteln lassen.“

Letztendlich entwickelt das Projekt „Open Forecast“ Open-Data-Dienste, mit denen die Nutzer die aufbereiteten Satellitendaten über standardisierte Schnittstellen recherchieren und nachnutzen können.