Logo des Repositoriums

Auflistung nach Autor:in "Riedel, Tanja"

1 - 2 von 2
  • Konferenzbeitrag
    Digitalisierung in der Landwirtschaft – Einsatzmöglichkeiten von digitalen Höhenmodellen zur Umsetzung von Hangauflagen im Pflanzenschutz
    (39. GIL-Jahrestagung, Digitalisierung für landwirtschaftliche Betriebe in kleinstrukturierten Regionen - ein Widerspruch in sich?, 2019) Riedel, Tanja; Peric, Zvonimir; Estel, Stephan; Federle, Christoph; Moanta, Aurelia Maria; Bartolein, Christian; Martini, Daniel; Albrecht, Katharina; Horney, Peter; Golla, Burkhard
    In der Landwirtschaft werden verschiedene Pflanzenschutzmittel im Zuge des Zulas­sungsverfahrens mit Hangauflagen belegt. Ziel ist, den durch Oberflächenabfluss und Bodenero­sion bedingten Eintrag von Pflanzenschutzmitteln in angrenzende Gewässer zu vermeiden. Bis heute existieren keine Instrumente zur zuverlässigen und objektiven Ermittlung der Hangneigung. Die Planung und Umsetzung von Pflanzenschutzmittelanwendungen liegt gemäß guter fachlicher Praxis in der Zuständigkeit des Landwirtes. Ziel des PAM3D Projektes ist der Aufbau eines Web-Dienstes, der den Landwirt in die Lage versetzt, Hangauflagen auf eine automatisierte und nach­vollziehbare Art und Weise zu erfüllen. Die Ermittlung der Hangneigung eines Schlages erfolgt dabei auf Grundlage von digitalen Höhenmodellen aus verschiedenen Quellen, wie traktorgestützte GNSS-RTK-Daten, Drohnen-Befliegungen und durch Bund und Länder bereitgestellte DGM-Daten. Die auf Pixelbasis berechnete Hangneigung ist nur bedingt zur Umsetzung von Hangaufla­gen geeignet, da diese sehr stark von der räumlichen Auflösung der Eingangsdaten beeinflusst wird. Als robuster und skalenunabhängiger hat sich ein alternativer Ansatz erwiesen, der verschie­dene DGM-Parameter kombiniert.
  • Konferenzbeitrag
    State of the Art Open Access Remote Sensing with ESA Sentinel 1 SAR Data
    (INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) McClelland, Jennifer; Riedel, Tanja; Beyer, Florian; Gerighausen, Heike; Golla, Burkhard
    Tackling the consequences of climate change has become a global issue. Climate change will clearly influence our common lifestyle enormously in near future. This involves increasingly frequent sudden weather changes and extreme temperatures as well as drastic changes in water quality and availability. Because of our constant growing global population, nutritional habits and agricultural practices, the share of the agricultural impact on global anthropogenic greenhouse gas emissions take on an estimated 10-12 %. At the same time, fulfilling the agricultural demand is becoming increasingly challenging due to unpredictable farming conditions. Without immediate collaborative efforts including focused research, employment and adaption of state of the art technologies, this issue will not be tackled soon enough, to avoid massive limitations and enormous losses. A very promising large-scale technology to monitor agricultural ecosystems and activities is by means of earth observation imagery derived by Synthetic Aperture Radar (SAR). Radar backscatter e.g. allows insights to crop conditions, soil properties and direct mapping of vegetation growth. Open access technologies offer the best solutions for collaborative efforts, thus minimising financial and legal constraints in comparison to technologies residing in the commercial sector. Here, we combine and build on state-of-the-art tools and technologies to provide an easy to employ Sentinel-1 SAR pre-processing tool as well as a Germany wide, open access, pre-processed, analysis- ready database of Sentinel-1 SAR data. All tools used and developed are open source and freely available. With the employment of modern software developing methods and tools for a scalable and maintainable architecture, these products can be easily extended and adapted. By deployment of up to date machine learning methods, combining the resulting datasets with other relevant parameters, not to say the least, e.g. early prediction of optimal sowing, harvesting and fertilisation time points can be determined as well as many more valuable insights for successful, resource-efficient and environmentally friendly farming. Furthermore, the pre-processing of SAR datasets is not only substantial for the field of agriculture but for a wide range of other fields concerning environmental observations.