Ökonomisch optimierte teilflächenspezifische N-Düngung - Ableitung von Entscheidungsregeln mittels Künstlichen Neuronalen Netzen

Eine schlageinheitliche N-Düngung von Ackerflächen stellt in Anbetracht deutlicher Heterogenitäten im Feld einen ökonomisch und ökologisch unzureichenden Ansatz dar. Bereiche höheren Ertragspotentials werden u. U. unterversorgt während Bereiche niedrigeren Ertragspotentials überversorgt werden. Der Forschungsschwerpunkt liegt daher in der Ableitung von Entscheidungsregeln zur kleinräumlich differenzierten Stickstoffdüngung in der Weizenproduktion. Im Ergebnis des Verbundprojektes soll die Fertigstellung eines In-Field-Controllers stehen, welcher in Echtzeit eine ökonomisch optimierte Ausbringungsmenge des Stickstoffdüngers berechnet und die Werte an den Düngerstreuer übermittelt. Die Berechnung erfolgt auf Basis online vorgehaltener Daten zum Schlag sowie während der Düngerfahrt mithilfe eines Multispektralsensors aufgenommener Bestandsdaten. Für die rechentechnische Verarbeitung wird auf die Methodik der neuronalen Netze bzw. Support-Vector-Machines zurückgegriffen. So können umfangreiche multivariate Daten besser auf nicht-lineare Zusammenhänge untersucht werden und nutzbare Informationen abgeleitet werden.
Die Martin-Luther-Universität fokussiert ihre Tätigkeiten innerhalb des Projektes auf die Erstellung und das Training des Neuronalen Netzes sowie der Ableitung von Entscheidungsalgorithmen.
Dieses Verbundprojekt wird durch die Bundesanstalt für Landwirtschaft und Ernährung gefördert und ist eine Kooperation von: Leibniz-Institut für Gemüse- und Zierpflanzenbau, geo-konzept GmbH, Helmholtz-Zentrum für Umweltforschung UFZ, Universität Potsdam, Umwelt- und GeodatenManagement GbR, Martin-Luther-Universität Halle-Wittenberg.