Deep Learning prognostiziert Wachstum von Rotschwingel in Irland

Grasflächen sind der zweitgrößte terrestrische Kohlenstoffspeicher der Welt und spielen eine entscheidende Rolle für Biodiversität und den Kohlenstoffkreislauf. In Irland steht der Milchviehsektor, ein bedeutender Wirtschaftszweig, vor Herausforderungen hinsichtlich Rentabilität und Nachhaltigkeit.

Derzeit beruhen Wachstumsprognosen für Grasflächen auf komplexen mechanistischen Modellen, die in der Praxis kaum umsetzbar sind. Forscher haben deshalb Deep‑Learning‑Modelle entwickelt, die speziell für univariate Datensätze konzipiert sind und eine kostengünstige Alternative darstellen.

Ein temporales Convolutional Network, das die historische Grashöhe von Rotschwingel (Perennial Ryegrass) in Cork nutzt, erzielt beeindruckende Ergebnisse: ein RMSE von 2,74 und ein MAE von 3,46. Die Validierung erstreckte sich über 1 757 Wochen, also 34 Jahre, und lieferte wertvolle Erkenntnisse zu optimalen Modellkonfigurationen.

Die Studie vertieft das Verständnis des Modellverhaltens, steigert die Zuverlässigkeit von Wachstumsprognosen und trägt damit zur Förderung nachhaltiger Milchviehwirtschaft in Irland bei.