17.08.2018

Warum maschinelles Lernen in der Bodenkunde zum Einsatz kommt

Nachhaltigkeit erfordert eine belastbare Datengrundlage und den Willen zur interdisziplinären Zusammenarbeit. Die Bewertung und Verarbeitung bodenkundlicher Informationen im Kontext der Nachhaltigkeit geht in der Qualität Hand in Hand mit den uns zur Verfügung stehenden Daten. So dienen zum Beispiel verlässliche und hoch-aufgelöste bodenkundliche Informationen der objektiven Sicherung der nachhaltigen Ertragsfähigkeit unserer Böden. Die Erhebung der dafür notwendigen Informationen ist zumeist sehr kostenaufwendig und steigt mit der Auflösung und der Größte der Untersuchungsregion. Insbesondere in Regionen mit einer geringen Abdeckung wichtiger bodenkundlicher Grundlagendaten sowie geringen finanziellen Mitteln zur flächendeckenden Erfassung ist der Einsatz neuer Verfahren und Techniken erforderlich. Die Anwendung von Verfahren des maschinellen Lernens im bodenkundlichen Bereich, häufig als "Digital Soil Mapping" bezeichnet, stellt einen wichtigen und wachsenden Forschungszweig dar, der sich insbesondere mit der Bereitstellung essentieller bodenkundlicher Kenngrößen unter Verwendung von zumeist überwachten nicht-linearen Klassifikations- und Regressionsverfahren widmet. Dabei zeichnet sich Tübingen als ein Pionier der ersten Stunde aus und beschäftigt sich nun schon seit 15 Jahren mit der Anwendung von Techniken des Maschinellen Lernens.

Thomas Scholten und Karsten Schmidt