¶ Prognoseportale
Prognoseportale sind Webanwendungen, die Landwirte und weitere Interessenten über bevorstehende Ereignisse, wie beispielsweise Wetterextreme, vorab informieren. Aufgrund der bereitgestellten Informationen werden Handlungsempfehlungen ausgesprochen.
¶ Beschreibung
Definiert sind Prognosen als Vorhersagen zukünftiger Entwicklungen. Prognoseportale, meist als Webportal zur Verfügung gestellt, bieten dem Nutzer Prognosen zu einer bestimmten Thematik.
Grundsätzlich sind die Prognosen computergestützt, basieren also auf Modellen, die verschiedene Einflussfaktoren mit einbeziehen [1]. Unter anderem können sie das zeitliche & räumliche Auftreten von Schadorganismen prognostizieren und angepasste Maßnahmen ermöglichen [1]. Eine Spezifikation der Landwirtschaft 4.0 sind daher digitale Anwendungen für die Entscheidungsfindung, die sich aus Farm-Management-Systemen, Agrar-Apps und digitalen Marktplätzen zusammensetzt [7; 8].
¶ Historie von Prognosemodellen und –techniken
Erste Prognosegeräte wurden zwischen 1986 und 1992 an vier Standorten gleichzeitig entwickelt. In Weinsberg, Württemberg, Freiburg und Baden entstanden die ersten Geräte zur Schorf- und Peronospora-Prognose. In der Steiermark folgten zwei weitere Geräte [3]. Die ersten Geräte versuchten mit preisgünstiger Sensorik abiotische Faktoren (u.a. auch Blattnässe) zu messen. Von 1992 bis 1996 konnten Messgeräte erstmals auch an PC´s angeschlossen werden. Dies erforderte die Ausstattung geeigneter Schnittstellen. Aufgrund der umständlichen Kabelverbindungen wurden erste Versuche der Funkübertragung unternommen [3]. Ab 1997 bis 2005 wurden erste Mobilfunknetze eingerichtet. Erstmals konnten Daten einfach und aus größerer Entfernung ohne direkten Zugriff auf das Gerät übertragen und abgerufen werden [3]. Gleichzeitig hat die Entwicklung von Bodenfeuchtesensoren begonnen. Von 2005 bis heute dienen mobile Internetverbindungen zur Datenübertragung an Server. „Telit“ brachte das erste GPRS-Datenmodul auf den Markt, weitere Anbieter folgten. Die vor allem im ländlichen Raum schlechte Versorgung mit GPRS verbesserte sich und wurde etwa 5 bis 10 Jahre später um UMTS erweitert. Heutzutage ist LTE ein weit verbreiteter Standard zur drahtlosen Kommunikation [3].
¶ Prognose- und Modellbeispiele
Erstes Beispiel für Prognosen, ist ein Forschungs- und Entwicklungsvorhaben des BMEL im Pflanzenschutz. Ziel ist ein computerbasiertes Prognosemodell zur Entscheidungsfindung für Landwirte, bei Schadinsekten im Raps-, Zuckerrüben- und Maisanbau [2]. Das Vorhaben basiert auf dem Diskussionspapier „Ackerbaustrategie 2035“, welches für das Handlungsfeld Pflanzenschutz vorsieht, diesen zu stärken und zu schützen. Dazu gehört es, vorab zu definieren, welche Faktoren eine Rolle spielen. Diese sind unter anderem [2]:
- Standort
- Bewirtschaftung
- Sorte
- Witterung
- Landschaftsebene.
Mit dem Wissen zu den berücksichtigten Arten und ihrer Ökologie, können voraussichtliche Erstvorkommen und Befallsverläufe des Pflanzenbestandes simuliert werden [2].
Je nach möglichem anwendbaren Bekämpfungsverfahren können Notwendigkeit und Zeitpunkt ermittelt werden. Beachtet werden dabei auch Auswirkungen auf Ertragsmenge und –qualität als „Befall-Verlust-Relation“ [2].
Das zu berücksichtigende Artinventar an Schadinsekten ist Tabelle 1 zu entnehmen.
Tab. 1: Schadinsekten für die Prognosemodelle nach Anbaufrucht [2].
| Feldfrucht | Name (deutsch) | Name (wissenschaftl.) |
| Raps | Rapserdfloh | Psylliodes chrysocephalus |
| Kohlschotenrüssler | Ceutorhynchus assimilis | |
| Gefleckter Kohltriebsrüssler | Ceutorhynchus pallidactylus | |
| Schwarzer Kohltriebsrüssler | Ceutorhynchus picitarsis | |
| Rapsstängelrüssler | Ceuthorhynchus napi | |
| Rapsglanzkäfer | Meligethes aeneus | |
| Kohlschotenmücke | Dasineura brassicae | |
| Kohlfliege | Delia radicum | |
| Mais | Maiszünsler | Ostrinia nubilalis |
| Zuckerrübe | Blattlaus | Aphidoidea |
|
Schilf-Glasflügelzikade (Virusüberträger und Überträger von SBR |
Pentastiridius leporinus |
¶ Hard- und Software
In der Forschung/Praxis steht die Nutzung von Multikoptern/Drohnen im Vordergrund. Sie dienen als Sensorplattform und Sprühgerät [4]. Vorteil der Geräte ist, verglichen zu Satellitendaten, welche zeitabhängig sind und gute Sichtverhältnisse benötigen, dass Felder und Weinberge exakt abgeflogen werden können. Verschiedenste Varianten an Kameras oder 3D-Laser-Scanner können den Bestand aufnehmen und Daten über den Zustand der Vegetation sammeln [4]. In dem Sensornetzwerk werden Messdaten über das Gateway zu einem Server geschickt, der diese wiederum auswertet. Sie kommunizieren über das „LoRaWAN“ (Long Range Wide Area Network). Unter Berücksichtigung der gesendeten Daten, sowie Prognosemodellen kann ein potentielles Auftreten von Krankheiten ermittelt werden [4]. Möglich macht dies das Wissen über die Voraussetzungen zum Auftreten gewisser Pilzerreger [4].
Eine weitere Möglichkeit an Entscheidungshilfen ist die GeoBox. Sie stellt eine digitale Infrastruktur bereit und sorgt als intelligente Datendrehscheibe für die gesicherte Datenbereitstellung aus heterogenen Datenquellen [8]. Internetbasierte Informationsdienste arbeiten mit Geo- und Fachdaten und liefern weitere Entscheidungshilfen [9]. Eine Anwendungsmöglichkeit des GeoBox-Viewers [10], der vom Dienstleistungszentrum Ländlicher Raum Rheinland-Pfalz (DLR-RLP) zur Verfügung gestellt wird, ist die Reifeprognose von Mais. Dabei wird das Prognosemodell der französischen Association générale des producteurs des maïs (AGPM) verwendet. Weitere Informationen dazu, können dem Hilfe-Tab des Standortpasses des GeoBox-Viewers entnommen werden (vgl. Abb. 1). Soll eine Reifeprognose für Mais begonnen werden, wird im Geobox-Viewer im Menü rechts oben der Standortpass aktiviert. Es wird die Reifeprognose aktiviert und dann in der Karte der notwendige Standort angeklickt [11].
Im GeoBox-Viewer befinden sich noch weitere vielfältige Möglichkeiten für Handlungsempfehlungen oder Prognosen:
- Behandlungsempfehlungen gegen Varroa-Milben
- Prognosen für Schaderreger-Infektions-Gefahr „SIG-Getreide“
- Reifeprognose für Zwetschen
- Prognose des BBCH-Stadiums in Wintergetreide
- Apfelschorf
- Risikovorhersage für Peronospora und Oidium
- Infektionswahrscheinlichkeit Sklerotinia
Einige der Anwendungen werden durch das ISIP (Informationssystem für integrierte Pflanzenproduktion) bereitgestellt. Wie das ISIP, ist auch die „Zentralstelle der Länder für EDV-gestützte Entscheidungshilfen und Programme im Pflanzenschutz“ (ZEPP) am DLR-RNH ansässig. Sie sammeln, prüfen und entwickeln wetterbasierte Prognose- und Schadmodelle für landwirtschaftliche und gartenbauliche Schaderreger. [12]
Ein weiteres Prognosewerkzeug ist der Öko-SIMPHYT. Hintergrund ist die Krautfäule im Bio-Kartoffelanbau, die erhebliche Ertragsverluste mit sich bringen kann [5; 6]. Auf einer Homepage (nur deutsch) kann mit einem kostenlosen Account für folgende Länder ein Behandlungsbeginn, ein Behandlungsrythmus, Pausen und Vorhersagen für Infektionsrisiken ermittelt werden:
- Australien
- Österreich
- Dänemark
- Frankreich
- Deutschland
- Italien
- Luxemburg
- Polen
- Rumänien
- Schweden
- Slowenien
Die benötigten Informationen dafür sind Standort, Kartoffelsorte, Pflanzendichte, Zustand der Pflanzen und Niederschlagsmenge [5].
¶ Anwendungsbereich
¶ Quellen
- Vorhaben "Computergestützte Prognosen und Entscheidungshilfen im Pflanzenschutz" im Ackerbau: BLE
- Vorhaben "Entwicklung computergestützter Prognosemodelle und Entscheidungshilfen im Pflanzenschutz zur Abschätzung des Befalls von Schadinsekten in Raps, Zuckerrübe und Mais": BLE
- 10 Jahre Internet der Dinge für die Landwirtschaft - 10 Jahre iMetos: H. Denzer, G. Pessl
- Bericht aus dem Experimentierfeld DIWAKOPTER: R. Keicher et al.
- Krautfäule bei Kartoffeln im Ökolandbau - Prognose (Öko-SIMPHYT): Organic Farm Knowledge
- Entwicklung, Überprüfung und Praxiseinführung des Prognosemodells ÖKO-SIMPHYT zur gezielten Bekämpfung der Kraut- und Knollenfäule (P. infestans) im ökologischen Kartoffelanbau mit dem Ziel, den Einsatz kupferhaltige Fungizide auf ein Minimum zu reduzieren: M. Zellner et al.
- Landwirtschaft 4.0 – Digitalisierung und ihre Herausforderungen: M.Gandorfer et al.
- Die GeoBox-Vision: Resiliente Interaktion und Kooperation in der Landwirtschaft durch dezentrale Systeme: F. Kuntke et al.
- Experimentierfeld Südwest: D. Eberz-Eder et al.
- GeoBox-Viewer: DLR RLP
- Reifeprognose Mais: Anwendung GeoBox-Viewer: LfL Bayern
- Zentralstelle der Länder für EDV-gestützte Entscheidungshilfen und Programme im Pflanzenschutz: ZEPP
- Emissionsprognose Wirtschaftsdüngerausbringung im Feld (ALFAM -Modell)
¶ weiterführende Quellen
- Entwicklung eines Prognosemodells für den N-Düngebedarf im ökologischen Gemüsebau: A. Sradnick
- Wie gut können Milcherzeugerpreise in Deutschland prognostiziert werden?: H. D. Thiele et al.
- Modellierung der Wirkungsdauer von Getreidefungizieden und deren Implementierung in Online-Entscheidungshilfen unter besonderer Berücksichtigung von Zymoseptoria tritici: S. Greiner
- Schlagspezifische operative Fruchtfolgeplanung mit Linearer Programmierung: H. Burmeister
- Schnittzeitpunktprognose - Was ist die Schnittzeitpunktprognose?: Landwirtschaft Sachsen
- A flexible semi-empirical model of estimating ammonia volatilization from field-applied slurry
¶ Autoren*innen
Michael Wagner, Technische Zentralstelle Dienstleistungszentrum Ländlicher Raum Rheinhessen-Nahe-Hunsrück (TZ DLR-RNH)