Wir verwenden Cookies, um Ihnen die optimale Nutzung unserer Webseite zu ermöglichen. Es werden für den Betrieb der Seite nur notwendige Cookies gesetzt. Details in unserer Datenschutzerklärung.
Datenschutzerklärung
Impressum
Optimale Winterrapsdüngung (N) durch Fernerkundungsdaten und qualitätsgesicherte Künstliche Intelligenz (RapSmartN)
Projekt
Förderkennzeichen: EIP-Agri-SH-2024-PNA
Laufzeit: 01.01.2024
- 31.12.2026
Fördersumme: 497.000 Euro
Forschungszweck: Angewandte Forschung
Stichworte: Pflanzennährstoffe, Ackerbau, Digitalisierung, einschließlich Daten und Datentechnologien
Die Düngung von Winterraps ist ein zentraler Aspekt der landwirtschaftlichen Praxis, der sowohl ökonomische als auch ökologische Herausforderungen mit sich bringt. Eine präzise Stickstoffdüngung kann den Ertrag optimieren und gleichzeitig die Umweltauswirkungen reduzieren. Aktuell gibt es jedoch Defizite bei der genauen Erfassung der benötigten Stickstoffmengen. Das Projekt `RapSmartN` zielt darauf ab, durch den Einsatz von Fernerkundungsdaten und künstlicher Intelligenz (KI) eine präzisere und bedarfsgerechte Stickstoffdüngung im Winterrapsanbau zu ermöglichen. Hierzu werden KI-Modelle entwickelt, die die im Herbst aufgenommene Stickstoffmenge genau schätzen und den weiteren Nährstoffbedarf für die weitere Wachstumsperiode berechnen. Diese Informationen werden den Landwirten in Form von Stickstoff-Applikationskarten zur Verfügung gestellt. Die robusten und leistungsfähigen KI-Modelle sollen eine präzise Schätzung der Stickstoffaufnahme ermöglichen, was den Landwirten den Zugang zu hochwertigen Applikationskarten erleichtert. Dies führt zu einer effizienteren Stickstoffnutzung, Ertragssteigerungen auf unterversorgten Flächen und Düngereinsparungen.
Abschnittsübersicht
Fachgebiete
- Pflanzenbau
- Pflanzenernährung
