Logo des Repositoriums
 

Unterscheidung von Mais- und Beikrautpflanzen unter Anwendung von multispektralen UAV-Bilddaten zur teilflächenspezifischen Beikrautregulierung

Kurzanzeige
dc.contributor.authorWittstruck, Lucas
dc.contributor.authorReuter, Tobias
dc.contributor.authorNahrstedt, Konstantin
dc.contributor.authorTrautz, Dieter
dc.contributor.authorKühling, Insa
dc.contributor.authorJarmer, Thomas
dc.contributor.editorMeyer-Aurich, Andreas
dc.contributor.editorGandorfer, Markus
dc.contributor.editorHoffmann, Christa
dc.contributor.editorWeltzien, Cornelia
dc.contributor.editorBellingrath-Kimura, Sonoko
dc.contributor.editorFloto, Helga
dc.date.accessioned2021-03-02T14:37:34Z
dc.date.available2021-03-02T14:37:34Z
dc.date.issued2021
dc.description.abstractIn 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.de
dc.identifier.isbn978-3-88579-703-6
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/35700
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartof41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten
dc.relation.ispartofseriesLecture Notes in Informatics
dc.subjectDrohne
dc.subjectMachine Learning
dc.subjectPrecision Agriculture
dc.subjectRemote Sensing
dc.subjectUnkrautbekämpfung
dc.titleUnterscheidung von Mais- und Beikrautpflanzen unter Anwendung von multispektralen UAV-Bilddaten zur teilflächenspezifischen Beikrautregulierungde
dc.typeText/Conference Paper
gi.citation.endPage354
gi.citation.publisherPlaceBonn
gi.citation.startPage349
gi.conference.date08.-09. März 2021
gi.conference.locationPotsdam, Online
gi.conference.sessiontitleGIL-Jahrestagung - Fokus: Informations- und Kommunikationstechnologien in kritischen Zeiten

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
GIL2021_Wittstruck_349-354.pdf
Größe:
584.03 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P309 - 41. GIL-Jahrestagung 2021 - Fokus: Informations- und Kommunikationstechnologie in kritischen Zeiten