Fachkontakt

Dr. Thorsten Behrens

Leitung Fachteam «Datenwissenschaften & Datenmanagement»

+49 151 20046773

1509

Fachkontakt

Dr. Karsten Schmidt

Räumliche Modellierung und Datenschnittstellen

+41 31 848 63 77

Kartenerstellung

In diesem Arbeitsschritt der Bodenkartierung werden die am Punkt erhobenen Bodeninformationen in die Fläche interpoliert und Karten erstellt. Dazu werden in der Praxis verschiedene Vorgehensweisen angewendet. In der klassischen Bodenkartierung werden auf Basis von Bohrungen und Standorteigenschaften Polygonkarten direkt im Feld erarbeitet. International kommen zunehmend auch mathematisch-statistische Verfahren zur Kartenerstellung zur Anwendung. In den KOBO-Pilotprojekten werden letztere zur Regionalisierung von Bodeneigenschaften und -kennwerten angewendet und optimiert.

Mit der räumlichen Modellierung bzw. Regionalisierung der am Punkt erhobenen Bodendaten lassen sich Raster- und Polygonkarten für Bodeneigenschaften und -kennwerte generieren. Hierzu kommen mathematisch-statistische Methoden aus dem Bereich der Pedometrie zum Einsatz. Dies umfasst unter anderem geostatistische Methoden, Regressions- und Klassifikationsansätze sowie Verfahren aus dem Bereich der künstlichen Intelligenz (Maschinelles Lernen). Für jede Bodeneigenschaft und für jeden Bodenkennwert wird je nach Bedarf eine Raster- und/oder Polygonkarte erzeugt. Für Bodeneigenschaften werden zudem auch Rasterkarten pro Tiefenstufe generiert. Beispiele finden sich im Bericht zum ersten KOBO-Pilotprojekt in Diemerswil.

Die so erstellten Grundlagenkarten sind im Weiteren Ausgangspunkt für verschiedene nutzerorientierte Auswertungen (Themenkarten). Die erzeugten Raster- und Polygonkarten sind reproduzierbar und lassen sich effizient nachführen, falls zu einem späteren Zeitpunkt neue Bodeninformationen vorliegen. Nebst Prognosen für eine Bodeneigenschaft können auch Angaben zur Zuverlässigkeit der Schätzung gemacht werden. Die Integration von neuen Methoden in den Ablauf einer Bodenkartierung gelingt vor allem dann, wenn bewährte Elemente der heutigen Feldkartierung mit neuen Methoden ergänzt werden.

Weiterführende Literatur

Baltensweiler, A.; et al. 2021. Machine learning based soil maps for a wide range of soil properties for the forested area of Switzerland. Geoderma Regional, 27(13), e00437 https://doi.org/10.1016/j.geodrs.2021.e00437

Behrens T., K. Schmidt, A. Keller. 2017. Factsheets Digital Soil Mapping.

Behrens, T., Schmidt, K., MacMillan, R.A., Viscarra Rossel, R. (2018): Multi-scale Digital Soil Mapping with deep learning. Scientific Reports 8: 15244.

Chen et al. 2022. Digital mapping of GlobalSoilMap soil properties at broad scale: A review. Geoderma 409, 115567.

Greve et al. 2022. Soil mapping and priorities in Denmark. Geoderma Regional 29. https://doi.org/10.1016/j.geodrs.2022.e00527

Nussbaum, M., et al. 2018. Evaluation of digital soil mapping approaches with large sets of environmental covariates. Soil 4 (1), 1–22. https://doi.org/10.5194/soil-4-1-2018.

Oechslin S. et al. 2022. Bodenkartierung St. Galler Rheintal. Berner Fachhochschule BFH-HAFL. Forschungsgruppe Bodennutzung und Bodenschutz. Länggasse 85, CH-3052 Zollikofen. S. 84 plus Anhang