Wie gut lässt sich pflanzliche CO₂-Aufnahme prognostizieren?
Eine neue Studie mit Beteiligung des Umweltbundesamtes untersucht, ob die CO₂-Aufnahme von Vegetation mithilfe von Satelliten- und Messdaten zuverlässig modelliert werden kann – und das über verschiedene Ökosysteme hinweg. Die Studie ist vor kurzem im internationalen Fachmagazin Science Direct erschienen.
Warum das relevant ist
Pflanzen nehmen CO₂ aus der Atmosphäre auf und speichern es im Rahmen der sogenannten Bruttoprimärproduktion (GPP). Dieser Prozess ist ein zentraler Bestandteil des globalen Kohlenstoffkreislaufs und beeinflusst, wie viel CO₂ in der Atmosphäre verbleibt – und damit die weitere Entwicklung des Klimawandels.
Um Ökosysteme großräumig und konsistent überwachen zu können, braucht es Modelle, die nicht für jeden Standort einzeln neu kalibriert werden müssen. Genau das ist der Ausgangspunkt dieser Studie.
Datengrundlage und Methodik
Die Forschenden kombinieren Langzeit-Bodenmessungen aus dem europäischen ICOS-Messnetzwerk mit Satellitendaten von Sentinel-2. Diese liefern Informationen über Pflanzenwachstum, CO₂-Aufnahme und lokale Umweltbedingungen.
Verglichen wurden drei Modellansätze: ein statistisches Modell (SARIMAX), ein Machine-Learning-Modell (XGBoost) und ein Deep-Learning-Modell (LSTM). Alle drei wurden standortspezifisch und standortübergreifend getestet, das heißt an Standorten, die nicht in die Modellentwicklung eingeflossen sind.
Ergebnisse
Alle drei Modelle liefern an einzelnen Standorten gute Ergebnisse. XGBoost zeigt die stabilsten Vorhersagen über verschiedene Standorte hinweg; LSTM ist besonders geeignet, um Wachstumsspitzen zu erkennen.
Insgesamt belegt die Studie, dass datengetriebene Modelle grundsätzlich in der Lage sind, die CO₂-Aufnahme von Vegetation standortübergreifend zu schätzen. Damit wird eine großräumige, konsistente Überwachung von Ökosystemen möglich – ohne für jeden Standort ein eigenes Modell entwickeln zu müssen.
