Digitalisierung und Vernetzung zur Prozessoptimierung im Pflanzenbau

Die hier vorgestellten Erprobungen sind in die Prozesskategorien des Pflanzenbaus wie folgt eingeordnet: Saat/ Düngung/ Pflanzenschutz/ Ernte/ Bodenbearbeitung. Aktuell werden unter diesen Ansätzen im Lehr- und Versuchsgut (LVG) Köllitsch sowie auf landwirtschaftlichen Partnerbetrieben 9 Erprobungen durchgeführt.

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

Erprobungen

Schlagbezogene Wetterdaten- und Bodenfeuchteerfassung (Field IoT)

Landwirte und Landwirtinnen sind durch ihre Tätigkeit in der Außenwirtschaft stark vom Wetter abhängig. Um die notwendigen pflanzenbaulichen Entscheidungen zu treffen, können aktuelle und umfangreich verfügbare Wetterdaten unterstützen und die Entscheidungsfindung erheblich beeinflussen. Die gewonnen Wetter- und Bodendaten dienen als Grundlage zur Steuerung von Prozessen, der Terminierung und der Arbeitserleichterung, z.B. bei der Aussaat, dem Pflanzenschutz und der Bodenbearbeitung.
Im Lehr- und Versuchsgut Köllitsch sowie in den Partnerbetrieben wurde insgesamt 21 Wetterstationen installiert. Diese versprechen eine detaillierte Erfassung des Mikroklimas auf den Ackerschlägen. Zusätzlich liefern sie eine 3-Tage-Wettervorhersage, sowie Krankheitsprognosemodelle auf Basis der gemessenen Wetterdaten für den jeweiligen Standort.

Ausgewählte Fragestellungen

  • Wie lassen sich die Wetterstationen auf den landwirtschaftlichen Flächen positionieren?
  • Wie zuverlässig sind die gemessenen Daten?
  • Lassen sich die Wetterstationen und die gewonnenen Daten gut in die alltäglichen landwirtschaftlichen Produktionsabläufe einbinden?
  • Wie zuverlässig sind die Prognosemodelle und die 3-Tage Wettervorhersagen?

Vorgehensweise

  • Etablierung eines Systems zur Wetterdaten- und Bodenfeuchteerfassung in den Partnerbetrieben sowie im LVG Köllitsch
  • Dokumentation der Erfahrungen von der Beschaffung des Systems über die Installation, Inbetriebnahme und Anwendung im Arbeitsalltag
  • Evaluierung entsprechend eines Versuchsplans mit den Schwerpunkten Handhabung, Datenerfassung, Datenaufbereitung, Datenausgabe und Nutzen des Systems

Teilflächenspezifische Wachstumsreglerausbringung im Weizen durch Nutzung von Spektraldaten

In Sachsen weisen zahlreiche landwirtschaftliche Nutzflächen starke Heterogenität hinsichtlich ihrer Bodengüte auf. Große Bodenheterogenität führt, vor allem durch unterschiedliche Wasser- und Nährstoffverfügbarkeit, zu inhomogenen Pflanzenbeständen. Ein Ziel dieser Erprobung besteht darin, unter diesen Voraussetzungen die pflanzenbaulichen Betriebsmittel situationsangepasst einzusetzen. In dieser Erprobung soll Wachstumsregler auf Grundlage sensorermittelter Biomasseunterschiede auf heterogenen Flächen teilflächenspezifisch appliziert werden. Anschließend werden mögliche Effekte analysiert und bewertet.

Ausgewählte Fragestellungen

  • Wie wirkt sich teilspezifische Applikation auf das Ertragspotential von Weizen aus?
  • Wie läuft die Verfahrensweise zur teilflächenspezifischen Applikation ab?
  • Welche Voraussetzungen sind betriebsindividuell dafür notwendig?
  • Welches Einsparpotential ergibt sich?

Vorgehensweise

  • Auswahl eines geeigneten Weizenschlages
  • Erfassen der auf dem Schlag befindlichen Biomasse mittels N-Sensor und UAV
  • Erstellen einer Wachstumsreglerapplikationskarte anhand der Biomasseunterschiede bzw. automatische Ansteuerung der Pflanzenschutzspritze durch den N-Sensor
  • Durchführung der Pflanzenschutzmaßnahme als Streifenversuch
  • Evaluierung entsprechend des Untersuchungsrahmens mit den Schwerpunkten Handhabung, Datenerfassung, Datenaufbereitung und Nutzen der Daten für die teilflächenspezifische Wachstumsregelerapplikation

Einsatz digitaler biotechnischer Möglichkeiten zu Insektenbonitur

Der Maiszünsler gehört mittlerweile weltweit zu einem der wirtschaftlich bedeutendsten Schädling im Maisanbau. Nach Schätzung der FAO beträgt der durch ihn verursachte jährliche Ertragsausfall weltweit ca. 4 %.
Aktuell stehen diverse Bekämpfungskonzepte gegen den Maiszünslerbefall zur Verfügung. Neben den vorbeugenden ackerbaulichen Maßnahmen, gibt es biologische und chemische Verfahren, deren Wirksamkeit vom Einsatzzeitpunkt abhängig ist. Geeignete Einsatzzeitpunkte, sind je nach Verfahren, das Ei- und frühe Raupenstadium. Ein Anzeichen für die Eiablage ist der Zuflug des Zünslers in die Maisbestände. Es gibt verschieden Warndienste, die den Maiszünslerflug beobachten und die Daten zur Verfügung stellen. Seit geraumer Zeit gibt es die Möglichkeit „smarte Schädlingsfallen“ zur Populationsüberwachung zu nutzen. Für das Monitoring des Maiszünslers wird eine mit Kamera ausgestattete Pheromonfalle in der Nähe des Maisbestandes aufgestellt. Die Kamera nimmt bis zu drei Bilder pro Tag auf und sendet diese in eine Cloud. Hier werden software-basiert die Bilder analysiert und Anzahl und Art der Insekten identifiziert. Die ausgewerteten Bilder sind jederzeit über eine App oder als Webzugang online abrufbar. Im Vergleich zu anderen Monitoring-Methoden (z.B. Lichtfalle, klassische Pheromonfalle) soll die Nutzung „smarter Schädlingsfallen“ vorrangig zeitsparend sein. 
In dieser Erprobung wird die Zuverlässigkeit und Handhabung dieses digitalen Hilfsmittels erprobt.

Ausgewählte Fragestellungen

  • Wie gut lässt sich die Pheromonfalle in einen Landwirtschaftsbetrieb integrieren?
  • Wie ist die Handhabbarkeit einer smarten Pheromonfalle?
  • Wie aufwendig ist die Kontrolle des Schädlingsaufkommens?
  • Wie hoch ist die Genauigkeit der Verfahren?

Vorgehensweise

  • Etablierung von smarten Schädlingsfallen im LVG Köllitsch
  • Dokumentation der Erfahrungen von der Beschaffung des Systems über die Installation, Inbetriebnahme und Anwendung im Arbeitsalltag
  • Evaluierung entsprechend des Untersuchungsrahmens mit den Schwerpunkten Handhabung, Datenerfassung, Datenaufbereitung, Datenausgabe und Nutzen des Systems
Digitale Pheromonfalle im Mais

Digitale Möglichkeiten zur Coleoptera-Bonitur im Raps

herkömmliche Gelbfalle

Der Einsatz von Gelbschalen im Raps erleichtert das frühzeitige Erkennen von Schaderregern, wie beispielsweise Rapsglanzkäfer, Rapserdfloh und Rapsstängelrüssler.
Eine herkömmliche Gelbschalenüberwachung erfordert ein sehr geschultes Auge und einen enormen Zeitaufwand, da die Gelbschalen regelmäßig kontrolliert und ausgezählt werden müssen um ggfs. Pflanzenschutzmaßnahmen ergreifen zu können.
Derzeit gibt es zwei Systeme um die Gelbschalenüberwachung zu vereinfachen:
erstens, die Gelbschalenüberwachung mit der „Scouting“- App von „xarvio“, welche anhand eines Fotos der herkömmlichen Gelbschale die Käfer in dieser Schale identifiziert und zählt.
Zweitens die sogenannte „digitale Gelbschale iScout“. Hierbei werden mittels gelber Klebefolie Rapsschädlinge anlockt und fixiert. Die Folie wird täglich ein- bis dreimal automatisch mit einer 10 Megapixel-Kamera fotografiert. Die Bilder werden an eine Cloud übertragen und dort mittels Software in Bezug auf Schädlinge analysiert. Die Daten stehen über eine App oder als Web-Zugang jederzeit online verfügbar.
In dieser Erprobung werden die beiden digitalen Varianten der Gelbschalenüberwachung des Rapsbestandes getestet. Als Referenz dieser zwei Hilfsmittel dient die herkömmliche Gelbschalenanalyse durch manuelles Bestimmen und zählen der Schadinsekten.

Folgende Schadinsekten sollen betrachtet werden:

  • „Scouting“- App von „xarvio“:
    • Rapsglanzkäfer
    • Rapsrüsselkäfer
    • Rapserdfloh
  • „iScout“ von NextFarming
    • Rapsglanzkäfer
    • Weitere Käferarten
    • Vergleich des Fangverhaltens von Schadinsekten
  • Herkömmliche Methode
    • Identifizierung und Zählung aller Insekten in der Gelbschale bzw. in der Schädlingsfarbfalle

Ausgewählte Fragestellungen

  • Wie gut ist die Erkennung der Schädlinge mit den jeweiligen Systemen?
  • Ermöglicht diese Anwendungen eine genaue Bestandskontrolle?
  • Wird tatsächlich Zeit eingespart?

Vorgehensweise

  • Etablierung digitaler Systeme zum Schädlingsmonitoring im Lehr- und Versuchsgut Köllitsch
  • Dokumentation der gemachten Erfahrungen von der Beschaffung des Systems über die Installation, Inbetriebnahme und Anwendung im Arbeitsalltag
  • Evaluierung entsprechend des Untersuchungsrahmens mit den Schwerpunkten Handhabung, Datenerfassung, Datenaufbereitung, Datenausgabe, Nutzen des Systems

Monitoring zur Erkennung von Krankheiten und Unkräutern bei der Bestandesüberwachung von Kulturpflanzen mit Hilfe mobiler Anwendungen (Apps)

Krankheiten sind für Landwirte und Landwirtinnen nicht immer eindeutig zu erkennen. In Zeiten von Digitalisierung und Smart Farming bieten mobile Apps, wie beispielsweise Xarvio – „Scouting“, “Plantix“ und „ISIP“, die Möglichkeit durch Unkräuter, Schädlinge oder Krankheiten hervorgerufene Schadsymptome schneller und einfacher zu bestimmen. Viele dieser Apps arbeiten mittels Bildverarbeitung. In dieser Erprobung werden die Apps von ISIP (ISIP mobil, E-BAs, ISIP Blatt-Scan), Xarvio (Scouting) und Plantix in den Kulturen Zuckerrübe und Weizen auf die Erkennungsgenauigkeit von Unkräutern und Krankheiten hin getestet.

Ausgewählte Fragestellungen

  • Wie können die Anwendungen die tägliche Arbeit unterstützen?
  • Wie genau ist die Erkennung von Krankheiten und Unkräutern der jeweiligen Anwendungen?
  • Wie gestaltet sich die Handhabung der Anwendungen?

Vorgehensweise

  • Etablierung eines Systems zur Bestandskontrolle mit digitalen Hilfsmitteln in Winterweizen und Zuckerrübe im LVG Köllitsch
  • Dokumentation der gemachten Erfahrungen von der Beschaffung des Systems über die Installation, Inbetriebnahme und Anwendung im Arbeitsalltag
  • Evaluierung entsprechend eines Versuchsplans mit den Schwerpunkten Handhabung, Datenerfassung, Datenaufbereitung, Datenausgabe und Nutzen des Systems

Vergleich von UAV- und N-Sensordaten zur teilflächenspezifischen Düngung durch Nutzung von Spektraldaten

Bildquelle: geo-konzept GmbH

Sensoren können die Biomasseunterschiede in inhomogenen Pflanzenbeständen messen. Diese Messwerte können genutzt werden um Betriebsmittel, wie z.B. Stickstoffdünger, situationsangepasst einzusetzen.  In dieser Erprobung werden Sensordaten vom traktorgestützten Stickstoff-Sensor und Spektraldaten eines UAV (unmanned aerial vehicle) miteinander verglichen und auf die Anwendbarkeit und Arbeitswirtschaftlichkeit bei der Stickstoffdüngung überprüft.

Ausgewählte Fragestellung

Wie lassen sich Sensordaten aus unterschiedlichen Quellen zur teilflächenspezifischen Düngung nutzen?

Vorgehensweise

  • Erfassen der auf dem Schlag befindlichen Biomasse mittels N-Sensor und UAV
  • Entnahme von Biomasseschnitten zur Überprüfung der tatsächlichen Biomasse auf den Schlägen
  • Vergleich der Biomassedaten

Trockensubstanzbestimmung über Satellitendaten zur Ernte am Beispiel Mais

Der optimale Erntezeitpunkt ist nicht nur für die Qualität, sondern auch für die Wirtschaftlichkeit des Silomaisanbaues von entscheidender Bedeutung. Je näher der Erntezeitpunkt heran rückt, desto wichtiger und aufwendiger sind die regelmäßigen Reifekontrollen. Dies ist ein enormer Arbeitsaufwand für den Landwirt.
Die Beobachtung der Maisschläge mittels Fernerkundung über Satellit, kann wichtige Informationen zur Reife der Maisbestände liefern. Praxisüblich wird der Erntezeitpunkt im Mais anhand von Stichproben bestimmt. Mit dem Häcksler wird in verschiedenen Punkten eines Schlages eine Schnittprobe durchgeführt. Dabei werden nur Teile eines Ackers berücksichtigt und die Kontrolle aller Schläge bedarf einem großen Zeitaufwand. Diese Stichproben sind oft nicht aussagekräftig gegenüber dem gesamten Schlag. Von einigen Saatgutherstellern sind Prognosetools auf dem Markt, die anhand von Satellitenbildern und weiteren Daten, die Abreife der Maisbestände über den ganzen Schlag anhand der Trockenmassegehalte beobachtet und den optimalen Erntezeitpunkt vorhersagt.

Ausgewählte Fragestellung

Stimmen die prognostizierten Trockenmassegehalte mit den tatsächlichen überein?

Vorgehensweise

  • Auswahl geeigneter Prognosetools zur Trockenmassegehaltsbestimmung mittels Satellit
  • Beobachtung der von den Tools prognostizierten Trockenmassegehalte über die Vegetationsperiode hinweg
  • Probenahme am Tag der Ernte zur Ermittlung der tatsächlichen Trockenmasse
  • Evaluierung

Betriebsspezifische Umsetzung der teilflächenspezifischen Aussaat

In Sachsen weisen zahlreiche landwirtschaftliche Nutzflächen starke Heterogenität hinsichtlich ihrer Bodengüte auf. Große Bodenheterogenität führt, vor allem durch unterschiedliche Wasser- und Nährstoffverfügbarkeit, zu inhomogenen Pflanzenbeständen. Im Rahmen des Projektes soll die Aussaatmenge auf Grundlage von Bodenkarten auf heterogenen Flächen, Kuppen und Senken angepasst werden. Dafür wird in dem Versuch die betriebsübliche homogene Aussaatmenge mit einer teilflächenspezifischen Aussaatmenge nach Bodenkarte verglichen und deren pflanzenbaulicher Nutzen hinsichtlich der Bestandsentwicklung untersucht.

Ausgewählte Fragestellung

Wie wirkt sich das Anpassen der Aussaatstärke an die Bodenheterogenität auf die Bestandsentwicklung aus?

Vorgehensweise

  • Erfassung kleinräumiger Bodenheterogenität mit geeigneter Technik
  • Erstellen einer Aussaatkarte auf Grundlage von Bodenunterschieden
  • Überprüfung der Bestandsentwicklung im Laufe der Vegetationsperiode
  • Evaluierung

Autonome mechanische Unkrautbekämpfung – Feldroboter

Bis 2030 soll der Einsatz von synthetischen Pflanzenschutzmitteln in Sachsen um die Hälfte reduziert werden. Eine Alternative bietet das mechanische Hacken. Um eine ausreichende Wirkung zu erzielen ist es jedoch notwendig möglichst nah an der Kulturpflanze zu hacken. Dies ist zeitaufwendig und erfordert eine hohe Konzentration des Gerätefahrers. Aus dem Gemüseanabau sind autonom fahrende Lösungen (Roboter) bekannt, die mit Hilfe von RTK, GPS und Kamera gestützter Reihenführung auf Zentimeter genaues Hacken entlang der Kulturreihen ermöglichen und somit großes Potential für den Einsatz in Ackerkulturen bieten.

Ausgewählte Fragestellung

  • Welche Möglichkeiten und Grenzen bietet der Einsatz eines Feldroboters zur Beikrautregulierung im Ackerbau?
  • Wie lässt sich ein Feldroboter in die Abläufe eines Landwirtschaftsbetriebs integrieren?

Vorgehensweise

  • Durchführung der Beikrautregulierung mit dem Roboter in einer geeigneten Kultur
  • Bonitur und Bewertung der Regulierungsmaßnahmen
  • Übertragung der gewonnenen Erkenntnisse auf weitere Ackerkulturen

Das Bundesministerium für Ernährung und Landwirtschaft auf…