Ein 10‑m‑Datensatz zu Mais-, Reis‑ und Sojabohnenerträgen von 2016 bis 2021 in Nordostchina

Warum diese Kulturkartierung den Alltag berührt

Wieviel Lebensmittel kann eine Region erzeugen, und wie verändert sich das von Jahr zu Jahr? Diese Fragen stehen im Zentrum von Lebensmittelpreisen, dem Einkommen von Landwirtinnen und Landwirten sowie nationaler Ernährungssicherheit. Diese Studie liefert ein ungewöhnlich detailliertes Bild von Mais-, Reis‑ und Sojabohnenerträgen in Nordostchina, einer der Kornkammern des Landes, indem sie die Erträge alle 10 Meter für die Jahre 2016 bis 2021 kartiert. Das Ergebnis ist wie der Wechsel von einem unscharfen Satellitenbild der Nahrungsmittelproduktion zu einer klaren Nahaufnahme, die feld‑für‑feld Unterschiede offenbart, die zuvor unsichtbar waren.

Von groben Schätzungen zu feinauflösenden Ansichten

Jahrelang haben Forschende Satellitenbilder und Statistiken genutzt, um abzuschätzen, wieviel Nahrung weltweit produziert wird. Bestehende Datensätze decken große Flächen ab, jedoch meist in groben Maßstäben — Zehner von Kilometern pro Pixel — sodass ein einzelner Wert viele Betriebe mit sehr unterschiedlichen Anbaubedingungen vermischt. Das mag für nationale Übersichten ausreichen, verschleiert aber lokale Probleme wie schlechte Entwässerung, ungleichmäßigen Düngereinsatz oder Sturmschäden. Diese Einschränkung ist in China besonders gravierend, wo Betriebe oft klein sind und die Bewirtschaftungspraktiken über kurze Entfernungen stark variieren.

Ein neuer Weg, Kulturen aus dem All zu lesen

Um das Bild zu schärfen, kombinierten die Autorinnen und Autoren Aufnahmen der europäischen Sentinel‑2‑Satelliten, Wetterdaten und detaillierte Karten der Anbauflächen von Mais, Reis und Sojabohnen. Sie bauten auf einer Modellfamilie auf, die Pflanzenwachstum aus Sonnenlicht und Umweltbedingungen schätzt, und konzentrierten sich darauf, wieviel nutzbares Licht die Pflanzen tatsächlich aufnehmen und in Biomasse umwandeln. Anstatt sich auf viele schwer zu messende Feldparameter zu stützen — etwa exakten Pflanzenkohlenstoffgehalt oder maximale Lichteffizienz — führten sie zwei zentrale Ideen ein: einen dynamischen Index, der das unter realen Bedingungen verfügbare effektive Sonnenlicht für die Photosynthese einfängt, und einen einzigen Umrechnungsfaktor, der diese Energie in Ertrag übersetzt. So konnten sie Ernten schätzen, ohne kostspielige Messungen auf jedem Feld vornehmen zu müssen.

Wie Licht und Wetter zu Ertragskarten werden

Der neue Index verfolgt, wieviel einfallendes Licht nach Berücksichtigung von Temperatur, Pflanzenentwicklungsstadium und Wasserstress von grünen Blättern absorbiert wird. Diese Komponenten stammen alle aus satellitengestützten Vegetationssignalen und Wetteraufzeichnungen. Der Umrechnungsfaktor, separat für jede Stadt kalibriert, verknüpft diese Energiemetrik mit den gemeldeten Erträgen zwischen 2016 und 2021. Indem das Team den Energieindex über die Wachstumsperiode aufsummierte und den kalibrierten Faktor anwendete, erzeugte das Modell Ertragschätzungen für jedes 10‑Meter‑Pixel in den drei nordöstlichen Provinzen. Anschließend überprüften sie diese Schätzungen sowohl anhand offizieller Statistiken als auch Feldmessungen von Forschungseinrichtungen.

Wie gut funktioniert das?

Die Methode erfasste breite Ertragsmuster für alle drei Kulturen und übertraf frühere Ansätze mit starreren Annahmen. Für Mais, Reis und Sojabohnen zeigten die Modellprognosen eine mäßige bis starke Korrelation mit offiziellen Statistiken und Felddaten, während typische Fehler in mittleren bis hohen Ertragsgebieten bei etwa 12–14 Prozent lagen. Im Vergleich zu weit verbreiteten globalen Produkten mit 10‑Kilometer‑Auflösung stimmten die neuen 10‑Meter‑Karten nicht nur besser mit den Gesamtwerten überein, sondern beschrieben auch lokale Unterschiede treuer. Die Autoren betonen, dass die Leistung in Regionen mit relativ stabilen, gut bewirtschafteten Anbausystemen am stärksten ist und in Gebieten mit niedrigen oder stark schwankenden Erträgen, etwa durch Schädlinge, schlechte Böden oder extremes Wetter, etwas schwächer ausfällt.

Was die Karten über eine wichtige Getreideregion zeigen

Die sechsjährige Kartierungsreihe zeigt, wie die Produktion von Mais, Reis und Sojabohnen in Nordostchina räumlich verteilt ist und wie sie sich im Zeitverlauf verändert. Maiserträge nehmen im Allgemeinen von Ost nach West ab, Reiserträge von West nach Ost, und Sojabohnenerträge von Süd nach Nord, was Unterschiede in Klima, Böden und Anbaumethoden widerspiegelt. Jahres‑zu‑Jahres‑Verschiebungen in diesen Mustern stimmen mit Kreis‑ und Landkreisdaten überein und deuten auf den Einfluss ungewöhnlicher Ereignisse wie Überschwemmungen oder Dürren hin. Da die Karten einzelne Felder auflösen, können sie auch subtile Bewirtschaftungsunterschiede innerhalb desselben Landkreises aufdecken — Erkenntnisse, die in gröberen nationalen oder provinziellen Daten unsichtbar bleiben.

Was das für Landwirte und Ernährungssicherheit bedeutet

Einfach ausgedrückt liefert diese Arbeit ein hochauflösendes, regionsweites Ergebnisprotokoll der Kulturen, das jährlich aktualisiert wird. Entscheidungsträger können es nutzen, um gefährdete Gebiete zu identifizieren, gezieltere Unterstützung zu gestalten und Getreidereserven oder Handel sicherer zu planen. Versicherer und Kreditgeber können Risiken besser auf Ebene von Feldclustern statt ganzer Landkreise bewerten. Forschende können langfristige Ertragstrends verfolgen und testen, wie Klima‑Variabilität oder neue Praktiken die Produktivität beeinflussen. Zwar warnen die Autoren, dass die Karten in Mittel‑ und Hochleistungszonen am zuverlässigsten sind und noch keinen Ersatz für feldbezogene Managemententscheidungen darstellen, doch markieren sie einen großen Schritt hin zu erschwinglicher, konsistenter und detailreicher Überwachung von Grundnahrungsmitteln in einer der wichtigsten getreideproduzierenden Regionen Chinas.

Zitation: Teng, F., Wang, M., Shi, W. et al. A 10 m maize, rice and soybean yield dataset from 2016 to 2021 in Northeast China. Sci Data 13, 344 (2026). https://doi.org/10.1038/s41597-026-06719-0

Schlüsselwörter: Fernerkundung Landwirtschaft, Kartierung von Kulturerträgen, Getreide Nordostchina, Mais Reis Sojabohne, Monitoring der Ernährungssicherheit