Universität Kassel, Fachbereich Ökologische Agrarwissenschaften
Universität Göttingen, Abteilung Agrartechnik
Hessische Staatsdomäne Frankenhausen
Tierische Produktion:
Sensorbasierte Überwachung der Futtererzeugung und -konservierung sowie des Tierwohls und der Tiergesundheit.
Pflanzenproduktion:
Verbesserung der Nachhaltigkeit und des Prozessmanagements, Senkung der Produktionskosten und Steigerung der Effizienz der Anbauverfahren.
Systementwicklung:
Entwicklung von Vorhersage- und Modellierungsszenarien als Entscheidungshilfen für ökologische Landwirte.
Sozialökologie:
Soziale Dimension der Digitalisierung in der ökologischen Landwirtschaft sowie Weiterbildung, Qualifikation und Öffentlichkeitsarbeit.
Prasun, A., Najdenko, E., Beneke, F. (2024):
Teilflächenspezifische Qualitätsdifferenzierung von Luzernegras mittels multispektraler Drohnenaufnahmen.
In: VDLUFA-Kongress „Qualität landwirtschaftlicher Erzeugnisse…“, VDLUFA-Schriftenreihe Band 81/2024, Darmstadt.
Fenta, A. A., Tsunekawa, A., Haregeweyn, N., et al. (2024):
An integrated modeling approach for estimating monthly global rainfall erosivity.
Scientific Reports, 14, 8167.
https://doi.org/10.1038/s41598-024-59019-1
Mooselu, M., Nikoo, M. R., Liltved, H., et al. (2024):
Assessing road construction effects on turbidity in adjacent water bodies using Sentinel-1 and Sentinel-2.
Science of The Total Environment, 957, 177554.
https://doi.org/10.1016/j.scitotenv.2024.177554
Kheir, A. M. S., Govind, A., Nangia, V., et al. (2024):
Developing automated machine learning approach for fast and robust crop yield prediction using a fusion of remote sensing, soil, and weather dataset.
Environmental Research Communications, 6(4).
https://doi.org/10.1088/2515-7620/ad2d02
Shojaeezadeh, S., Elnashar, A., & Weber, T. K. D. (2024):
Estimating crop phenology from satellite data using machine learning.
EGU General Assembly 2024, Vienna, Austria.
https://doi.org/10.5194/egusphere-egu24-15347
Weber, T. K. D., Weihermüller, L., Nemes, A., et al. (2024):
Hydropedotransfer functions: A roadmap for future development.
Hydrology and Earth System Sciences, 28, 3391–3433.
https://doi.org/10.5194/hess-28-3391-2024
Balingbing, C. B., Kirchner, S., Siebald, H., et al. (2024):
Application of a multi-layer convolutional neural network model to classify major insect pests in stored rice detected by an acoustic device.
Computers and Electronics in Agriculture, 225, 109297.
https://doi.org/10.1016/j.compag.2024.109297
Die Datenerhebung und -verarbeitung folgt den „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ der DFG.
Alle Datenprozesse (Erhebung, Dokumentation, Archivierung, Verfügbarmachung) werden in enger Abstimmung zwischen den beteiligten Universitäten durchgeführt.
Open-Access-Publikationen und die Bereitstellung ausgewählter Datensätze im Repositorium sind geplant.