Hauptziel im Projekt RapSmartN ist die Entwicklung und Erprobung von KI-Modellen, die die im Herbst aufgenommene Stickstoffmenge von Winterraps aus Fernerkundungsdaten absolut schätzen und in der Fläche darstellen können.
Aufgrund von anhaltender Bewölkung zum Jahresende kann die Verfügbarkeit von Satellitenbildern des aktuellen Rapsbestandes eingeschränkt sein. Für diesen Fall wird ergänzend erprobt, inwieweit ein Ansatz zur expertengestützten Geodatenfusion nützlich ist, um eine Standortcharakterisierung der Fläche in Bezug auf die Stickstoffaufnahme von Raps zu erreichen. (Dafür werden Geodaten verwendet, die nicht direkt den Pflanzenbestand, sondern andere Standorteigenschaften beschreiben, wie beispielsweise die Oberbodenfarbe oder das Relief. Diese werden durch die Landwirte und Landwirtinnen vor Ort im Hinblick auf die Rapsentwicklung interpreteiert und mit einem Modell verarbeitet.)
Das Projekt soll landwirtschaftlichen Betrieben einen möglichst einfachen Zugang zu qualitativ hochwertigen Applikationskarten bieten. Damit wird der präzise, bedarsgerechte Einsatz von Stickstoffdüngern unterstützt und ein Beitrag zur Digitalisierung in der Landwirtschaft, sowie zur regionalen Wertschöpfung geleistet.
Darüber hinaus wird erarbeitet, ob die äquivalenten CO2-Einsparungen infolge des optimierten Düngemitteleinsatzes zu einer klimaschonenderen Landwirtschaft beitragen.
Ziele:
- Teilflächenspezifische Schätzung der N-Aufnahme von Winterraps im Herbst mit Satellitendaten
- Erstellung von teilflächenspezifischen N-Applikationskarten für die Frühjahrsdüngung
- Entwicklung eines Onlineportals für die Verarbeitung und den Abruf der Daten
- Indirekte Charakterisierung der Rapsbestände mit Geodatenfusionsmethode
- Ableitung von standortspezifischen Interpretationstabellen
- Bestimmng des praktischen Mehrwerts der variablen Düngung in Feldversuchen
- Bilanzierung der CO2-Emissionen der einzelnen Versuchsvarianten
- Vollständiger Name: Optimale Winterrapsdüngung (N) durch Fernerkundungsdaten und qualitätsgesicherte Künstliche Intelligenz
- Laufzeit: 18.07.2024 – 31.08.2027
- Förderprogramm: Europäische Innovationspartnerschaft für Produktivität und Nachhaltigkeit in der Landwirtschaft (EIP-Agri)
- Fördergeber: Europäischen Innovationspartnerschaft (EIP Agri) und Landesprogramm Ländlicher Raum des Landes Schleswig-Holstein (LPLR)
- Projektverantwortliche Person: Oliver Zapka, zapka@hanse-agro.de
- Hanse-Agro - Beratung und Entwicklung GmbH, Oliver Zapka
- Hochschule Neubrandenburg, FB Agrarwirtschaft, Prof. Dr. Eike Stefan Dobers
- Fachhochschule Kiel, FB Agrarwirtschaft, Prof. Dr. Yves Reckleben
- AgDoIT GmbH, Christoph Ratke
- Hof Grapengeter GbR, Jasper Grapengeter
- Herzogliche Gutsverwaltung Grünholz - Ferdinand Prinz zu Schleswig-Holstein, Broder Preuß-Driessen
- Landwirtschaft Röhr, Klaas Röhr
- Maschinengemeinschaft Ratke-Elsner, Sebastian Elsner
Ziele:
- Anforderungsanalyse und Lösungsansätze
- Entwicklung eines Verfahrens zur Erhebung der Ground-Truth-Daten für das Modelltraining sowie die Validerung der Ergebnisse
- Programmierung der KI-Modelle und Automatisierung der Prozesse
- Erstellung der nötigen Schnittstellen und Kommunikationswege
Ziele:
- Training der KI-Modelle
- Erstellung der N-Aufnahme- sowie Applikationskarten
- Validierung der Daten durch Betriebsleiter
- Durchführung von Feldversuchen
- Prozessverbesserung durch Feedback aus der Praxis
Ziele:
- Ermittlung der N-Effizienz
- CO2-Bilanzierung
- Ökonomische Bilanzierung
Ziele:
- Organisation OG-Treffen
- Statusberichte
- Abschlussbericht
Ziele:
- Befragung von Praxisbetrieben
- Feldtage
- Artikel in Fachzeitschriften
- Präsentation auf Fachmessen