Charakterisierung von portugiesischen, künstlich angelegten Regengraslandflächen mithilfe von Fernerkundung und maschinellem Lernen

In Portugal steigern biologisch vielfältigen Weiden die Produktivität und senken den Düngemitteleinsatz. Diese Studie schätzt anhand von Sentinel-2-Fernerkundungsdaten und maschinellem Lernen die oberirdische Biomasse, den Leguminosenanteil sowie den Stickstoff- und Phosphorgehalt auf sechs landwirtschaftlichen Betrieben in den Jahren 2018–2019. Random-Forest-Modelle schnitten besser ab als andere, wobei die zufällige Kreuzvalidierung einen um 10 % niedrigeren RMSE und einen um 85 % höheren R² ergab. Die Ergebnisse zeigen ein großes Potenzial für Anwendungen im Präzisionslandbau.