Logo des Repositoriums

Auflistung nach Autor:in "Jarmer, Thomas"

1 - 10 von 10
  • Konferenzbeitrag
    Ableitung von homogenen Managementzonen anhand von Vegetationsindizes im Kleegras
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Reuter, Tobias; Nahrstedt, Konstantin; Jarmer, Thomas; Trautz, Dieter
    Kleegras hat eine entscheidende Bedeutung als Fruchtfolgeglied im Ökologischen Landbau und als Futter. Bedingt durch Heterogenitäten im Boden entwickelt sich der Bestand über die Vegetationsperiode hinweg ungleichmäßig, sodass sich Bereiche mit unterschiedlicher Biomasseproduktion herausbilden. Ein teilflächenspezifisches Management angepasst an diese Unterschiede kann Grundlage für effizientere Ressourcennutzung sein. Daher wurden auf einer ökologischen Kleegrasfläche drohnengestützt Bilddaten aufgenommen und Vegetationsindizes berechnet. Die Abschätzung der Biomasse mit Vegetationsindizes war zu einem früheren Aufnahmetermin ungenauer als zu einem späteren Zeitpunkt. Korrelationsmodelle zwischen den Vegetationsindizes und der Biomasse zeigten zu den beiden späteren Terminen einen höheren Zusammenhang als zum ersten Aufnahmezeitpunkt. Dabei konnten mit dem NDVI bzw. NGRDI am letzten Termin die höchsten Korrelationen mit Werten um 0,5 erzielt werden. Basierend auf den Indizes wurde die Fläche in drei Zonen eingeteilt. Die Zonierung variierte je nach Termin und Index. Dennoch war es möglich, einen Bereich mit hoher Biomasseproduktion zu identifizieren. Die Einteilung in Managementzonen konnte demnach erfolgreich durchgeführt werden, besonders geeignet waren NDVI, NGDRI und RGBVI.
  • Konferenzbeitrag
    Comparison of UAV- and mowing machine-mounted LiDAR for grassland canopy height estimation
    (44. GIL - Jahrestagung, Biodiversität fördern durch digitale Landwirtschaft, 2024) Bracke, Justus; Storch, Marcel; Bald, Janis; Jarmer, Thomas
    Towards autonomous process monitoring, canopy height estimation in grassland based on data from a mowing machine-mounted LiDAR and a UAV-LiDAR system is compared to manually measured ground truth heights. In a field trial, a LiDAR mounted on the cabin roof of the mowing machine recorded data during the mowing process, while two recording flights before and after the mowing were conducted with a UAV-LiDAR. The data from both systems were processed similarly and parameters such as height estimation method, spatial resolution and percentile filters were systematically varied to investigate their influence on height estimation accuracy. Statistical evaluation showed that canopy height estimates based on the UAV-LiDAR (R² = 0.89, RMSE = 0.05 m) were more accurate and precise than those based on the mowing machine-mounted LiDAR (R² = 0.51, RMSE = 0.08 m). The influence of the different investigated parameters varied.
  • Konferenzbeitrag
    A coupled multitemporal UAV-based LiDAR and multispectral data approach to model dry biomass of maize
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Rettig, Robert; Storch, Marcel; Wittstruck, Lucas; Ansah, Christabel; Bald, Richard Janis; Richard, David; Trautz, Dieter; Jarmer, Thomas
    The presented approach attempts to highlight the capabilities of a data fusion approach that combines UAV LiDAR (RIEGL – miniVUX-1UAV) and multispectral data (Micasense – Altum) to assess the dry above ground biomass (AGB) for maize. The combined acquisition of both LiDAR and multispectral data not only supports estimates of AGB when fusing them, but also helps to evaluate phenological stage-specific modelling differences on the individual sensor data. A multiple linear regression was applied on the multisensorial UAV data from two appointments in 2021. The resulting R² of 0.87 and RMSE of 14.35 g/plant for AGB was then transferred to AGB in dt/ha.
  • Konferenzbeitrag
    Erfassung von Bestandsheterogenität im Kleegras mithilfe von drohnengestützten RGB- und Multispektraldaten
    (41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten, 2021) Reuter, Tobias; Nahrstedt, Konstantin; Wittstruck, Lucas; Jarmer, Thomas; Kühling, Insa; Trautz, Dieter
    Klee-Gras-Bestände haben eine große Bedeutung als Futterpflanzen sowie als Stickstoffquelle. Die Bestandszusammensetzung aus Klee und Gras verändert sich je nach Bodenbedingung (Stickstoffversorgung, Wasserhaltekapazität, Boden-pH etc.) und Bewirtschaftungsform mit der Zeit. UAV-gestützte Bilddaten sind eine effektive Möglichkeit, um Heterogenität im Pflanzenbestand zu erkennen. Diese können die Grundlage für ein teilflächenspezifisches Management bilden. Zu diesem Zweck wurden auf einer ökologisch bewirtschafteten Kleegrasfläche in Belm bei Osna-brück, die sich in eine gedüngte und ungedüngte Teilfläche aufteilt, zu mehreren Terminen im Frühjahr und Sommer drohnengestützte RGB- und Multispektralbilder aufgenommen. Räumliche und temporale Heterogenitäten, welche vermutlich auf Bodenunterschiede zurückzuführen sind, konnten mithilfe von Vegetationsindizes aus den Bilddaten des Kleegrasbestandes ermitteln werden. Aufgrund der Trockenheit im Frühsommer 2020 wurde im Laufe des Untersuchungszeitraums ein Anstieg des Kleeanteils festgestellt. Ein Unterschied zwischen der gedüngten und ungedüngten Variante war nicht an allen Terminen nachweisbar.
  • Konferenzbeitrag
    Evaluation of a decision support system for the recommendation of pasture harvest date and form
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Reuter, Tobias; Saborío Morales, Juan Carlos; Tieben, Christoph; Nahrstedt, Konstantin; Kraatz, Franz; Meemken, Hendrik; Hünker, Gerrit; Lingemann, Kai; Broll, Gabriele; Jarmer, Thomas; Hertzberg, Joachim; Trautz, Dieter
    The task of generating automatic recommendations of pasture harvest date and form was previously addressed through a knowledge-based decision support system (DSS). The system follows expert rules and exploits data such as the weather history and forecast, the growth stage of grass and legumes, plant height and crude fibre content. In this paper, we present the results of our evaluation of this DSS on 26 fields in West and Northwest Germany. We compared the suggestions made by the DSS with the decisions of expert farmers and obtained an accuracy of R²=0.746 and RMSE=7.83 days. The best results occurred for intensively managed fields for dairy cows, with an R² of 0.891 and RMSE of 3.20 days. We conclude our DSS and its underlying methodology have the potential to support farmers and secure high-quality fodder.
  • Konferenzbeitrag
    Kartierung des Bedeckungsgrads von Cirsium arvense im Mais (Zea mays L.) mithilfe Neuronaler Netze in UAV-Daten
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Pöttker, Maren; Hagemann, David; Pukop, Simon; Jarmer, Thomas; Trautz, Dieter
    Die Ackerkratzdistel (Cirsium arvense (L.) Scop.) verbreitet sich hauptsächlich über Wurzelausläufer, sodass sie gehäuft in Distelnestern auftritt. Diese können pro Jahr um bis zu 10 m im Durchmesser wachsen, sodass eine frühzeitige Erkennung neuer Nester und eine effektive Regulierung von hoher Relevanz ist. In dieser Arbeit wird C. arvense mithilfe hochaufgelöster Bilddaten aus UAV-Befliegungen, die in einem Zeitraum von vier Wochen erhoben wurden, durch ein Ensemble aus Convolutional Neural Networks (CNNs) kartiert und der Bedeckunsggrad abgeleitet. Die Ergebnisse zeigen, dass die Genauigkeit der Kartierung von Einzelpflanzen mit dem phänologischen Stadium der Pflanzen zusammenhängt, und bestätigen die Eignung von CNNs für eine artspezifische Erkennung von C. arvense.
  • Konferenzbeitrag
    Multilokale Modellierung der Bestandesentwicklung von Kleegrasgemengen mittels Leaf Area Index (LAI) und multispektralen Drohnendaten
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Nahrstedt, Konstantin; Reuter, Tobias; Vergara Hernandez, Maria; Trautz, Dieter; Jarmer, Thomas
    Kleegrasgemenge kennzeichnen sich durch ihre ausgeprägte Heterogenität. Im Hinblick auf die Einsatzmöglichkeit als Futterpflanze sind dabei mögliche Einflüsse auf das Biomasseauf­kommen zu berücksichtigen. Biomassebestimmungen sind jedoch zeit- und kostenintensiv. Mittels punktuellen Messungen des Blattflächenindex (engl. LAI) kann das Pflanzenwachstum stichproben­artig ohne größeren Aufwand bestimmt werden. Unter Einsatz von UAV-basierten Bilddaten ist folglich eine Übertragbarkeit auf den gesamten Bestand möglich. Im Zuge dessen wurden auf drei ökologisch bewirtschafteten Kleegrasflächen im Raum Osnabrück zu je zwei Terminen der LAI sowie drohnengestützte Multispektralbilder aufgenommen. Mithilfe der daraus abgeleiteten Vegetation­s­indizes zeichnete sich bei der Modellierung des LAI für den NDVI ein Abfall in der Modellgüte zwischen den beiden Terminen ab, während der NDRE eine verbesserte Genauigkeit aufwies. Ferner wirkten sich auch die Flächenanteile von Klee und Gras auf die Modellgüte aus.
  • Konferenzbeitrag
    Ökonomische Bewertung zum Spot-Spraying durch Drohnentechnik
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Jorissen, Tobias; Becker, Silke; Nahrstedt, Konstantin; Pöttker, Maren; Recke, Guido; Jarmer, Thomas
    Mittels hochaufgelöster drohnenbasierter Bilddaten können Durchwuchskartoffeln in Maisbeständen erkannt und räumlich verortet werden. Eine Überführung dieser Verortung in eine maschinenlesbare Applikationskarte ermöglicht durch Einsatz von Spot-Spraying mit einer Feldspritze eine bedarfsorientierte Applikation von Pflanzenschutzmitteln (PSM). Zur ökono-mischen Bewertung wurden Kalkulationen auf Basis von praxisnahen Feldversuchen und Experten-interviews durchgeführt. In Abhängigkeit der Flächenauslastung der Drohne, der gewählten Pflan-zenschutzstrategie und möglichen PSM-Einsparpotentialen von 50-80 % reichen die Mehrkosten des Spot-Spraying-Verfahrens von -32 € ha-1 bis 60 € ha-1. Ein Haupteinflussfaktor für die Wirtschaftlichkeit des Verfahrens sind die Kosten des einzusparenden PSM.
  • Konferenzbeitrag
    Räumliche Erfassung des organischen Kohlenstoffgehaltes von Böden einer landwirtschaftlichen Intensivregion aus Sentinel-2-Daten
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Wittstruck, Lucas; Gerighausen, Heike; Säurich, Annelie; Möller, Markus; Hartmann, Knut; Steininger, Michael; Zepp, Simone; Jarmer, Thomas
    Der Gehalt und die räumliche Verteilung organischen Kohlenstoffs in Böden stellen eine wesentliche Information zur Bewertung des Bodenzustandes dar. In der vorliegenden Arbeit wurde daher eine quantitative Schätzung des organischen Kohlenstoffs aus räumlich hochaufgelösten multispektralen Satellitendaten in einem landwirtschaftlich geprägten Gebiet nahe der Stadt Köthen (Sachsen-Anhalt) vorgenommen. Die Grundlage bildete ein Bodenkomposit, welches aus mehrjährigen Sentinel-2 Daten (2017-2022) unter Anwendung von Vegetations- und Bodenindizes berechnet wurde. Ergänzend wurde ein digitales Geländemodell der Shuttle Radar Topography Mission (SRTM) berücksichtigt. Die Ergebnisse der Studie haben gezeigt, dass durch die Kombination von optischen Fernerkundungsdaten mit einem Geländemodell robuste Schätzungen des organischen Kohlenstoffs erreicht werden konnten (R2 = 0,83, RMSE = 0,23 und RPD = 2,46), welche mit Resultaten aus hyperspektralen Fernerkundungsdaten vergleichbar waren.
  • Konferenzbeitrag
    Unterscheidung von Mais- und Beikrautpflanzen unter Anwendung von multispektralen UAV-Bilddaten zur teilflächenspezifischen Beikrautregulierung
    (41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten, 2021) Wittstruck, Lucas; Reuter, Tobias; Nahrstedt, Konstantin; Trautz, Dieter; Kühling, Insa; Jarmer, Thomas
    In der landwirtschaftlichen Praxis werden Beikräuter flächendeckend bekämpft, obwohl diese zumeist erst ab einer bestimmten Schadschwelle zu einem nennenswerten Ertragsverlust führen. Die Beikrautbekämpfung hat negative Effekte wie Artenschwund, erhöhte Erosionsgefahr und Umweltbelastung durch Herbizide. Eine teilflächenspezifische Beikrautregulierung kann diese negativen Auswirkungen reduzieren und die Biodiversität im Feld erhöhen, ohne Ertragsverluste befürchten zu müssen. Im vorliegenden Beitrag wird ein Ansatz zur Identifizierung von Beikräutern und deren Differenzierung von Maispflanzen aus multispektralen UAV-Daten vorgestellt. Auf Basis dessen erfolgte eine teilflächenspezifische Beikrautregulierung, die mit einer flächendeckenden Bekämpfung verglichen und bewertet wurde. Die Ergebnisse der Untersuchung haben gezeigt, dass sich drohnengestützte Multispektraldaten zur Erfassung von Beikräutern eignen. Diese konnten sowohl innerhalb als auch zwischen den Maisreihen erkannt und von den Nutzpflanzen differenziert werden. Die aus der Klassifikation abgeleitete teilflächenspezifische Beikrautregulierung ermöglichte die kleinräumige Bekämpfung von Beikräutern. Dadurch ließ sich ein Großteil der Beikräuter erhalten, ohne dass der Mais im Längenwachstum signifikant beeinträchtigt wurde.