Wittstruck, LucasReuter, TobiasNahrstedt, KonstantinTrautz, DieterKühling, InsaJarmer, ThomasMeyer-Aurich, AndreasGandorfer, MarkusHoffmann, ChristaWeltzien, CorneliaBellingrath-Kimura, SonokoFloto, Helga2021-03-022021-03-022021978-3-88579-703-6https://dl.gi.de/handle/20.500.12116/35700In 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.deDrohneMachine LearningPrecision AgricultureRemote SensingUnkrautbekämpfungText/Conference Paper1617-5468