Munich, Germany
August 19, 2025
Plant monitoring – globally and weekly
Researchers at the Technical University of Munich (TUM) have developed a method to record plant health worldwide. Based on satellite images, the method uses a hybrid intelligence approach to deliver reliable data on a weekly basis. This not only helps science, but also agriculture and climate planning.
iStockphoto.com / wmaster890
The newly developed method can determine the health status of plants in various types of land use, from agriculture to forests. Based on satellite images from the upper atmosphere, it can even be used under partially restricted conditions, such as cloud cover.
Global thinking – global data. A common data basis is the prerequisite for efficient and informed action. Up to now, this has, however, been lacking for plant health, which is of great importance for global agriculture and climate research. Researchers at TUM have therefore developed a method to estimate plant health that has been validated for diverse and global landscapes.
Hybrid intelligence
The two-step method employs physical models based on light-plant interactions and artificial intelligence: First, a physical model is used to determine the relationship between chlorophyll and canopy reflectance data. In a second step, this data then serves as training material for artificial intelligence models which automates calculation for the plant health measure.
“By using this hybrid intelligence approach, our method overcomes the limitations of typically used methods thar rely on reflectance datasets from the earth’s surface”, explains Dong Li, first author of the publication. The trained AI models can estimate the canopy chlorophyll content directly from satellite-observed reflectance data and thus circumventing usual issues with data from surface data such as partially cloudy conditions.
Li et al. / Remote Sensing of Environment /Creative Commons License
The calculated value for plant health (Canopy Chlorophyll Content, short CCC) can be displayed globally on maps such as this one. The map shown is based on data from August 2024.
Observing dynamics in plant health and growth
Chlorophyll content is directly proportional to a plant’s metabolic activity as it is the central molecule of photosynthesis. Its abundance is therefore an indicator for plant health and growth which aids in estimating biomass production, i.e. yields.
Since the method is based on nearly weekly updated satellite data, the index offers insights into dynamic changes. “We can observe how the plants respond to varying conditions such as temporal variations due to climate change”, explains Prof. Kang Yu from the chair of Precision Agriculture at the TUM. The indicator may therefore be of interest for modelers to quantify crop vitality and earth surface processes, which in return can be used to inform global decision-making in agriculture and climate adaptation.
Publications
Dong Li, Holly Croft, Gregory Duveiller, Adam P. Schreiner-McGraw, Anirudh Belwalkar, Tao Cheng, Yan Zhu, Weixing Cao, Kang Yu, Global retrieval of canopy chlorophyll content from Sentinel-3 OLCI TOA data using a two-step upscaling method integrating physical and machine learning models, Remote Sensing of Environment, Volume 328, 2025, 114845, ISSN 0034-4257, https://doi.org/10.1016/j.rse.2025.114845.
Prof. Kang Yu is professor for the Chair of Precision Agriculture. His chair is affiliated with the TUM School of Life Sciences and the World Agricultural Systems Center - Hans Eisenmann-Forum for Agricultural Sciences.
Forschende der Technischen Universität München entwickeln einen globalen Index für Pflanzengesundheit
Pflanzengesundheit messen – weltweit und wöchentlich
Forschende der Technischen Universität München (TUM) haben eine Methode entwickelt, um den Gesundheitszustand von Pflanzen weltweit zu erfassen. Basierend auf Satellitenbildern errechnet die Methode mithilfe hybrider Intelligenz wöchentlich zuverlässige Daten. Damit schafft die Methode nicht nur die Grundlage für weitere Forschung, sondern auch für die Planung in Landwirtschaft und Klimaadaption.
Globales Denken – globale Daten. Eine gemeinsame Datenbasis ist die Voraussetzung für effizientes und fundiertes Handeln. Bislang fehlte diese jedoch für die Pflanzengesundheit. Eine verlässliche und einheitliche Bestimmung der Pflanzengesundheit ist aber für die Landwirtschaft und Klimaforschung von großer Bedeutung. Forschende der TUM haben daher eine Methode entwickelt, die zur Bestimmung der Pflanzengesundheit global anwendbar ist.
Das Modell nutzt Satellitenbilder, um den Chlorophyllgehalt in der obersten Schicht einer Pflanzengemeinschaft zu schätzen. Der Chlorophyllgehalt ist wiederum ein Indikator für die Pflanzengesundheit, da Chlorophyll das zentrale Molekül der Photosynthese einer Pflanze ist.
Hybride Intelligenz
Die zweistufige Methode nutzt sowohl physikalische Modelle, die auf Wechselwirkungen zwischen Licht und Pflanzen basieren, als auch künstliche Intelligenz: Zunächst wird anhand eines physikalischen Modells die Beziehung zwischen Chlorophyll und Reflektionsdaten der Baumkronen ermittelt. In einem zweiten Schritt dienen diese Daten dann als Trainingsmaterial für künstliche Intelligenz, die die Berechnung des Indikators automatisiert und zuverlässiger macht.
„Unsere Methode auf Basis hybrider Intelligenz überwindet die Einschränkungen der üblicherweise verwendeten Datensätze aus dem unteren Bereich der Atmosphäre“, erklärt Dong Li, Erstautor der Veröffentlichung. Mit dem Modell bestimmen die Forschenden den Chlorophyllgehalt des Blätterdachs direkt aus den von Satelliten beobachteten Reflektionsdaten aus dem oberen Bereich der Atmosphäre. Durch die trainierte künstliche Intelligenz geht das sogar bei Aufnahmen unter bewölkten Bedingungen.
Dynamische Veränderungen der Pflanzengesundheit und des Pflanzenwachstums
Als zentrales Molekül der Energiegewinnung in Pflanzen, der Photosynthese, steht das Chlorophyll in direktem Bezug zur Stoffwechselaktivität einer Pflanze. Der Chlorophyllgehalt ist daher ein Indikator für die Pflanzengesundheit und das Pflanzenwachstum. Das kann wiederum z.B. für die Abschätzung der Biomasseproduktion, also der Erträge, genutzt werden.
Da die Methode auf nahezu wöchentlich aktualisierten Satellitendaten basiert, bietet der Index Einblicke in dynamische Veränderungen. „Wir können beobachten, wie die Pflanzen auf unterschiedliche Bedingungen reagieren, beispielsweise auf Schwankungen aufgrund des Klimawandels“, erklärt Prof. Kang Yu der Professur für Präzisionslandwirtschaft an der TUM. Der Indikator kann so für Modelle genutzt werden, die die Gesundheit von Nutz- aber auch Wildpflanzen abschätzen. Damit können sie als Grundlage für globale Entscheidungen in den Bereichen Landwirtschaft und Klimaanpassung genutzt werden.
Topics
Species
