Data-gedreven beheersoplossingen voor koolstofopslag in graslanden

Grasland bedekt 20% van Vlaanderen en heeft het potentieel om meer dan 100 ton koolstof per hectare op te slaan in de bodem, waardoor het een prioritaire habitat is voor koolstofvastlegging en - opslag. De doeltreffendheid van graslanden bij het vastleggen van broeikassen hangt echter af van hun context en beheer. Door de hoge kosten van koolstofmonitoring is het grotendeels onbekend welke graslanden in Vlaanderen functioneren als koolstofopslag of -bron, waardoor hun potentieel om de klimaatverandering te matigen wordt belemmerd. Hoewel sensoren een kosteneffectieve manier zijn om gegevens te verzamelen, heeft de integratie van sensorgegevens in bestaande modellen voor bodemkoolstofdynamiek de toepassing in koolstofmonitoring belemmerd. Om dit aan te pakken, beoogt mijn onderzoek sensorgegevens te integreren met beschikbare lagen bodemdata in nieuwe digitale bodemkaarten door middel van datafusie en machinaal leren. Meer bepaald wil ik (1) evalueren of graslanden in Vlaanderen momenteel fungeren als koolstofbron of -opslag (2) methoden optimaliseren om koolstofsequestratie in reële scenario's te beoordelen en (3) twee gangbare beheerstrategieën voor graslanden en hun potentieel om stabiele koolstofsequestratie te maximaliseren evalueren om klimaatverandering tegen te gaan.