Vorhersage spatiotemporaler Muster von Produktivität und Weideviehhaltung aus multispektralen Daten unter Verwendung von neuronalen Netzwerkanalysen, die auf Systemkomplexität basieren

Zusammenfassung Fernerkundungswerkzeuge sowie Global Navigation Satellite System Viehhaltern und digitale Bodenartenkarten können helfen, die spatiotemporalen Beziehungen zwischen Böden, Gelände, Futter und Tieren zu verdeutlichen. Standardverfahren der Datenverarbeitung schließen jedoch systemweite Bewertungen über dieses Kontinuum aufgrund von Dateninkonsistenzen und Verarbeitungseinschränkungen aus. Deep Learning, ein Teilbereich neuronaler Netzwerke, kann die Effizienz der Viehproduktion sowie die Verknüpfungen innerhalb der Viehzucht-Weideumgebung erläutern. Folglich haben wir Deep Learning auf Umweltdaten der Fernerkundung angewendet, um (1) prädiktive Modelle für Ertrag und Futterernährung basierend auf Vegetationsindizes zu entwickeln und (2) auf Pixel-Ebene (pro 55 m²) zu identifizieren, wie Weidehaltung mit Bodenmerkmalen, Futterwachstum und -ernährung sowie Geländeeigenschaften in Silvopasture- und reinen Weidesystemen verbunden ist. Fernerkundungsdaten schätzten schnell und nicht-destruktiv die Herbmass und den Nährwert für ein verbessertes Management der Nettoproduktivität und der primären Produktivität in Vieh- und Weidesystemen. Rinder weideten Dicken Bluestem (Andropogon gerardii 'Vitman') mit einer um 182 % höheren Frequenz als Orchardgrass (Dactylis glomerata L.) im reinen Weidesystem. Echtzeitschätzungen von vegetativen Bändern können helfen, den Weidedruck vorherzusagen, um ein effizienteres Management der Weideressourcen zu ermöglichen. Das Weiden von Rindern folgte ausgeprägten Boden-Landschaftsmustern; ein reduzierter Vorzug des Weideverhaltens trat in Bereichen mit Wasseransammlungen auf, was die Verknüpfungen zwischen Gelände, Boden-Wasserbewegungen, Bodenmerkmalen, Futterernährung und tierischen Weideantworten sowohl räumlich als auch temporär hervorhebt. Ergebnisse dieser Studie könnten skaliert werden, um das Weidemanagement in der größten Landnutzungskategorie der Vereinigten Staaten, nämlich Grasebenen, zu verbessern, was eine nachhaltige Intensivierung der futterbasierten Viehproduktion ermöglichen würde, um die wachsende Nachfrage nach umweltverantwortlichem Protein zu decken.