Ein umfassender britischer Datensatz zu Erträgen, der Satelliten-, Wetter- und Bodentyp‑Informationen integriert

Warum das für unsere Lebensmittelzukunft wichtig ist

Wie viel Nahrung ein Land anbauen kann, hängt nicht nur vom Wetter ab, sondern vom feinen Zusammenspiel von Klima, Boden und den täglichen Bedingungen auf den Feldern der Landwirtinnen und Landwirte. Bisher fehlte Forschenden im Vereinigten Königreich ein großer, offener Datensatz, der tatsächlich geerntete Mengen mit detaillierten Messungen aus Satelliten und Wetterstationen verknüpft. Dieses Papier stellt eine solche Ressource vor, das CYCleSS‑Datenset, das Erträge, Klima, Böden und Satellitenbeobachtungen für Hunderte von Feldern in England zusammenführt. Es bietet Wissenschaftlern, Entscheidungsträgern und sogar Agri‑Tech‑Unternehmen eine neue Möglichkeit, Ernten in einer sich erwärmenden und unsichereren Welt zu verstehen und vorherzusagen.

Viele Teile des landwirtschaftlichen Puzzles zusammenbringen

Die Autorinnen und Autoren erstellten CYCleSS, indem sie mit „Bodendaten“ zu Erträgen begannen, die moderne Mähdrescher auf 934 Feldern in England zwischen 2015 und 2017 gesammelt hatten. Diese Maschinen zeichnen routinemäßig auf, wie viel Getreide in feiner räumlicher Auflösung eingesammelt wird, aber diese Daten bleiben in der Regel auf dem Hof, weil sie kommerziell sensibel sind. Das Team arbeitete mit dem UK Centre for Ecology and Hydrology und anderen Partnern zusammen, um diese Informationen zu anonymisieren, sodass kein einzelner Betrieb identifiziert werden kann, während sie gleichzeitig genau genug bleiben, um wissenschaftlich nutzbar zu sein. Neben dem Ertrag dokumentierten sie, welche Kultur auf jedem Feld angebaut wurde – hauptsächlich Winterweizen, Raps und Gerste sowie Bohnen.

Wetter, Boden und Satelliten auf derselben Karte

Um zu verstehen, warum Erträge variieren, kombiniert der Datensatz mehrere weitere Informationsstränge, alle ausgerichtet auf ein Raster mit Ein‑Kilometer‑Quadraten. Tägliche Wetteraufzeichnungen wie Temperatur, Niederschlag, Sonnenscheindauer, Wind, Luftdruck und Verdunstung wurden aus nationalen Klimaarchiven entnommen, die ganz Großbritannien abdecken. Bodeneigenschaften, darunter die verfügbare Bodenwasserkapazität, die Drainagegeschwindigkeit und die Zusammensetzung von Sand, Schluff und Ton, wurden aus europaweit angelegten Bodenkarten ergänzt. Die Forschenden filterten dieses Raster anschließend so, dass nur tatsächlich ackerbaulich genutzte Flächen erhalten blieben, mithilfe einer detaillierten Landnutzungskarte, die verschiedene Kulturtypen in 10‑Meter‑Auflösung unterscheidet.

Pflanzenwachstum aus dem Weltraum beobachten

Eine zentrale Stärke von CYCleSS ist die Integration von Satellitendaten mit Felderträgen. Mittels einer Cloud‑Computing‑Plattform extrahierte das Team Zeitreihen von Radar‑Messungen der europäischen Sentinel‑1‑Mission für jedes ausgewählte Rasterquadrat. Radar hat den Vorteil, durch Wolken und in der Nacht zu messen, und seine Signale ändern sich, wenn Pflanzen mehr Blattmasse und Biomasse entwickeln. Für jeden 10‑Meter‑Satellitenpixel innerhalb der ausgewählten Flächen sammelten die Forschenden Radarwerte alle fünf Tage in zwei verschiedenen Polarisierungen sowie deren Verhältnis, die bekanntermaßen empfindlich auf Kulturart und Wachstumsstadium reagieren. Diese pixel‑genauen Signale wurden dann auf Feldskala gemittelt und mit den entsprechenden Ertrags‑ und Managementinformationen verknüpft.

Bäuerinnen und Bauern anonym halten und Daten zugleich nützlich bewahren

Da Ertragskarten direkt mit den Lebensgrundlagen der Landwirtinnen und Landwirte verknüpft sind, spielte Datenschutz eine zentrale Rolle. Zum Schutz der Beitragenden führten die Autorinnen und Autoren einen Zwei‑Team‑Prozess ein. Ein Team bearbeitete die Ausrichtung von Satelliten-, Boden‑ und Klimadaten auf einem feinen Raster; ein separates Team beim UKCEH verknüpfte diese Raster mit tatsächlichen Feldern und Erträgen und entfernte dann genaue Ortsangaben. Felder wurden schließlich nur durch Zufallscodes und durch die gröberen 10‑Kilometer‑Rasterquadrate, in denen sie liegen, identifiziert. Das bedeutet, dass ein Quadrat viele Betriebe enthält, wodurch es praktisch unmöglich ist, einen bestimmten Ertragsdatensatz einem konkreten Betrieb zuzuordnen, während die wissenschaftliche Verbindung zwischen Umwelt und Ertrag erhalten bleibt.

Was dies für Landwirtschaft und Klimaresilienz ermöglicht

Der CYCleSS‑Datensatz öffnet die Tür zu deutlich leistungsfähigeren Modellen der Feldleistung im Vereinigten Königreich. Weil er reale Ernteergebnisse mit umfangreichen Strömen von Wetter-, Boden‑ und Satellitenmessungen verbindet, eignet er sich ideal zum Trainieren und Testen von Werkzeugen des maschinellen Lernens, etwa tiefen neuronalen Netzen, die große, gut strukturierte Datensätze benötigen. Er kann auch zur Überprüfung und Verbesserung traditioneller Pflanzenwachstumsmodelle verwendet werden und um Möglichkeiten zu erforschen, diese Modelle in nahezu Echtzeit mit Satellitenbeobachtungen zu kombinieren. Zwar stammen die Daten hauptsächlich von besser ausgestatteten Betrieben in Südengland und weisen noch einige Messunsicherheiten auf, doch bieten sie ein seltenes, offen zugängliches Fenster darauf, wie britische Kulturen auf ihre Umwelt reagieren, und unterstützen Forschende dabei, zuverlässigere Ertragsvorhersagen zu entwickeln und Maßnahmen zu informieren, die Landwirtschaft produktiv und nachhaltig zu gestalten.

Zitation: Corcoran, E., Bebber, D.P., Curceac, S. et al. A comprehensive UK crop yield dataset incorporating satellite, weather, and soil type information. Sci Data 13, 491 (2026). https://doi.org/10.1038/s41597-025-06528-x

Schlüsselwörter: Ertragsprognose, satellitengestützte Fernerkundung, landwirtschaftliche Daten, britische Landwirtschaft, maschinelles Lernen