Logo des Repositoriums

Auflistung nach Schlagwort "teilflächenspezifische N-Düngung"

1 - 2 von 2
  • Konferenzbeitrag
    Analyse ausgewählter digitaler Lösungen zur N-Düngung
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Vinzent, Beat; Maidl, Franz-Xaver; Gandorfer, Markus
    Auf Basis dreijähriger Feldversuchsdaten wurden in Parzellenversuchen an einem niederbayerischen Hochertragsstandort verschiedene digitale Düngesysteme analysiert. Die Variation der einzelnen N-Düngegaben der getesteten Systeme war insgesamt nicht sehr ausgeprägt. In der Gesamtschau konnten durch die zusätzlichen Informationen zur N-Bemessung mit den digitalen Düngesystemen keine signifikant höheren N-kostenfreien Leistungen im Vergleich zu Referenzsystemen erzielt werden. Hinsichtlich der Kosten aber auch Serviceaspekte unterschieden sich die Lösungen deutlicher voneinander.
  • Konferenzbeitrag
    Nutzerzentrierte Entscheidungstools und dynamische Steuerungsalgorithmen für eine differenzierte mehrparametrische N-Düngung
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Heiß, Andreas; Paraforos, Dimitrios S.; Sharipov, Galibjon M.; Griepentrog, Hans W.
    Gängige Verfahren für die teilflächenspezifische Stickstoff (N)-Düngung berück-sichtigen oft nur den aktuellen N-Status der Pflanzen, können auf die Komplexität hinsichtlich zeitlicher und räumlicher Dynamiken nicht ausreichend eingehen und lassen zugleich das Expertenwissen von Landwirten unberücksichtigt. Gleichzeitig besteht bei der präzisen technischen Realisierung der variablen Applikation weiteres Optimierungspotenzial. Im Forschungsprojekt FuzzyFarmer wurde ein ganzheitlicher Ansatz für eine verbesserte N-Düngung entwickelt, bei der ein agronomischer Experte für jede Gabe flexibel die Wirkzusammenhänge in Abhängigkeit mehrerer räumlich variierender Parameter über ein web-basiertes Managementsystem festlegen kann. Mithilfe dynamischer Algorithmen in einer Echtzeitsteuerung wurde eine räumliche Synchronisation von Dosiermengenvorgabe und -applikation erreicht. Durch die generischen Eigenschaften ist der Ansatz mit unterschiedlichen Parametern, Datenquellen sowie Sensor- und Applikationstechnologien realisierbar. Auch eine Hybridisierung mit etablierten modellbasierten Ansätzen für künftig noch robustere Entscheidungen ist direkt möglich.