Auf unserer Webseite verwenden wir Cookies, die unter „Cookie-Einstellungen anpassen“ näher beschrieben werden. Notwendige Cookies werden für grundlegende Funktionen der Webseite benötigt, um eine optimale Nutzung zu ermöglichen. Dadurch ist gewährleistet, dass die Webseite einwandfrei funktioniert. Darüber hinaus können Sie Cookies für Statistikzwecke zulassen. Diese ermöglichen es uns, die Webseite stetig zu verbessern und Ihr Nutzererlebnis zu optimieren. Ihre Einwilligung zur Nutzung der Statistik-Cookies ist freiwillig und kann in der Datenschutzerklärung dieser Webseite unter „Cookie-Einstellungen“ jederzeit widerrufen werden.
Datenschutzerklärung
Impressum
Verbundprojekt: Früherkennung von Apfeltriebsucht und Birnenverfall durch Remote sensing und Auswertung mit Methoden des maschinellen Lernens - Teilprojekt 3 (Digitaler Obstbau)
Projekt
Förderkennzeichen: 28RF4053
Laufzeit: 13.05.2019
- 31.12.2022
Fördersumme: 145.410 Euro
Forschungszweck: Angewandte Forschung
Stichworte: Pflanzenkrankheiten (Viren, Bakt., Pilze, Phytoplasmen), Pflanzenbau, Pflanzenschutz, Pflanzengesundheit, Obstbau, Kernobst, Präzise Landwirtschaft, Monitoring, Digitalisierung, Digitale Welt
Apfeltriebsucht und Birnenverfall sind wirtschaftlich bedeutende Phytoplasma-Krankheiten von Apfel und Birne. Für diese im europäischen Obstanbau weit verbreiteten Quarantänekrankheiten gibt es jedoch keine direkte Bekämpfungsmöglichkeit. Um eine weitere Ausbreitung dieser Phytoplasmosen zu verhindern, helfen nur prophylaktische Maßnahmen, wie eine Bekämpfung der übertragenden Insekten mit Insektiziden sowie die Rodung befallener Bäume. Eine Rodung ist allerdings nur dann wirtschaftlich sinnvoll, wenn weniger als 10% der Bäume befallen sind. Darüber hinaus erfordert die Eindämmung der Erkrankungen ein koordiniertes regionales Vorgehen. Für den Anbauer ist es daher sehr wichtig, die Krankheit frühzeitig zu erkennen. Ziel des Projektes ist es daher, ein Diagnoseverfahren zu entwickeln, dass die Krankheiten in Luft- und Satellitenbildern sowohl frühzeitig als auch großflächig erkennen kann. Die durch die Phytoplasmen verursachte biochemische Veränderung in der Pflanze, die sich z.B. in einer spezifischen Rotfärbung äußert, soll hierfür genutzt werden. Multi- und hyperspektrale Daten sollen mit Hilfe der Methoden des maschinellen Lernens analysiert und für eine spezifische Fernerkennungsmethode von Apfeltriebsucht und Birnenverfall genutzt werden. Die Fernerkennung auf Basis von Drohnen- oder Satellitendaten soll in einem Entscheidungshilfesystem als Dienstleistung in verschiedener Form für einzelne Anbauer, Genossenschaften oder auf regionaler Ebene für Pflanzenschutzdienste angeboten werden. Im Idealfall kann die Methode die arbeitsintensive visuelle Bonitur vor Ort ersetzen und die Diagnosezuverlässigkeit speziell bei Birne verbessern.
Abschnittsübersicht
Fachgebiete
- Pflanzenschutz
- Informatik
Rahmenprogramm
Förderprogramm
Ausführende Einrichtung
Zugehörige Projekte: Digitaler Obstbau
- Verbundprojekt: Früherkennung von Apfeltriebsucht und Birnenverfall durch Remote sensing und Auswertung mit Methoden des maschinellen Lernens - Teilprojekt 1
- Verbundprojekt: Früherkennung von Apfeltriebsucht und Birnenverfall durch Remote sensing und Auswertung mit Methoden des maschinellen Lernens - Teilprojekt 2
