AgriSens DEMMIN 4.0

Use of remote sensing technologies for digitisation in crop production

Der globale Wandel hat eine Reihe von Umweltveränderungen befördert, wie z.B. den Klimawandel, Veränderungen der Wasserressourcen, der chemischen Zusammensetzung der Atmosphäre, der Ökosysteme und letztendlich auch der landwirtschaftlichen Produktivität. Die Globalisierung und die Anpassung an veränderte Umweltbedingungen haben zu einschneidenden Veränderungen in agrarischen Wirtschaftsformen geführt. Effiziente und nachhaltige Lösungen zur Anpassung an die Auswirkungen des globalen Wandels zu finden, ist eine der wichtigsten Herausforderungen des 21. Jahrhunderts. Dabei spielt die Digitalisierung in der Landwirtschaft eine entscheidende Rolle. 

Teilprojektleitung:
Team:
Teilprojektpartner:
  • Helmholtz-Zentrum Potsdam Deutsches GeoForschungsZentrum
  • Deutsches Zentrum für Luft- und Raumfahrt
  • Martin-Luther-Universität Halle-Wittenberg
  • Julius-Maximilians-Universität Würzburg
  • Friedrich-Schiller-Universität Jena
  • Julius Kühn-Institut
  • Deutscher Wetterdienst
  • Hochschule Neubrandenburg
Hintergrund und Ziele:

Aus dem Zusammenspiel von Wissenschaft, Wirtschaft und Endanwender sollen im Rahmen von AgriSens – DEMMIN 4.0 aktuelle und zukünftige Herausforderungen der Digitalisierung angegangen werden. Der Fokus liegt auf der Erzeugung und Nutzung von Geodaten, da diese als Grundlage für ein effizientes Management der landwirtschaftlichen Fläche essenziell sind. Sie fließen in vielfältiger Weise, z.B. zur Positionsbestimmung von Fahrzeugen, zur Planung von Beprobungen, zur Erfassung von Boden- und Pflanzenzuständen sowie zur Abschätzung von Erträgen, bereits heute in die Betriebsabläufe ein. Vielfach liefern dazu Satelliten und zunehmend auch autonom operierende Flugobjekte (UAV) die Datengrundlagen.

Teilziele:

Mit dem geplanten Experimentierfeld AgriSens – DEMMIN 4.0 adressieren wir Schwerpunkte für den Bereich des Pflanzenbaus in Bezug auf Digitalisierungsthemen bis hin zu End-to-End-Lösungen von Geoinformationsdaten. Ziel ist es, Anwendungsfälle von Fernerkundungsdaten Satelliten- und UAV- gestützter Systeme für konkrete Fragen des Pflanzenbaus genau zu definieren, Methoden weiter- und neu zu entwickeln und dieses Wissen jedem Interessierten unkompliziert zur Verfügung zu stellen. Da-mit erwarten wir, die Akzeptanz und die Nutzung dieser wertvollen Datenquellen zur Optimierung von betrieblichen Abläufen im digitalen Pflanzenbau zu stärken. Daraus resultierend, sind die Schwer-punkte des Experimentierfelds:

  • Analyse zum Stand der Nutzung von Geoinformationsdaten in der Landwirtschaft
  • Schaffung methodischer Grundlagen
  • Konzeption und Umsetzung von Anwendungsbeispielen als Potenzialdemonstratoren
  • Analyse von Verwertungspotenzialen in der Wirtschaft
  • Konzeption und Aufbau von Demonstrationsservices
  • Wissens- und Technologietransfer von der Wissenschaft zu Wirtschaft und Gesellschaft
Methodischer Ansatz:

Das Experimentierfeldes AgriSens DEMMIN 4.0 umfasst die angewandte Forschung auf Basis der methodischen Grundlagen mit dem Fokus auf die definierten Anwendungsfälle. Die hierbei zu entwickelnden Demonstratoren umfassen sowohl die methodischen als auch technischen Teilkomponenten inklusive der Validierung der Ergebnisse und Analysen zur Übertragbarkeit auf andere Agrarräume. Einzelne Anwendungen sollen zu prototypischen Services weiterentwickelt werden, welche durch die Bereitstellung geeigneter Schnittstellen einfach in betriebliche Entscheidungsprozesse integrierbar sind.

Erwartete Ergebnisse:

Die MLU ist im Rahmen von AgriSens – DEMMIN 4.0 in folgenden Arbeitspaketen vertreten, bzw. leitet diese:

AP 2.2 UAV-Parameter:

  • Entwicklung intelligenter Aufnahmestrategien
  • Erfassung und Bereitstellung agrarmeteorologischer Parameter zur Kennzeichnung des Mikroklima
  • Relief- und Vegetationsindices zur Charakterisierung Feinmorphologie (Mikrorelief)

AP 4 – Anwendungsfall 3: Luftgestützte Steinsammlung

  • Bereitstellung Geodienst Feindetektion Steine

AP 4 – Anwendungsfall 4: Bewässerungstechnik

  • teilschlagspezifische Wasserbedarfskalkulation abgeleitet aus Fernerkundungsdaten

AP 6.2 UAV-Services

  • Prototypische Bereitstellung eines UAV Services zur Steindetektion
Publikationen:
1
Loew, J., Hill, S., Thiel, M., Ullmann, T. and Conrad, C. (2024, June 20) How Does Phenology Shape Crop- And Orbit-Specific InSAR Coherence And PolSAR-Signatures Of Sentinel-1. Manchester, UK.
1
Friedrich, C., Loew, J., Otte, I., Hill, S., Schierghofer, C., Gessner, U., Truckenbrodt, S., Schonert, E., Piernecke, T., Conrad, C. and Thiel, M. (2024, March 21) DataCube Architecture for Integrating, Processing and Presenting Big Geodata to End Users. Berlin.
1
Loew, J., Hill, S., Thiel, M., Ullmann, T. and Conrad, C. (2024) Tracking Crop Phenology across Different Sentinel-1 Orbits by Combining PolSAR Features with Growing Degree Data. Remagen.
1
Loew, J., Hill, S., Thiel, M., Ullmann, T. and Conrad, C. (2024, March 15) Tracking Crop Phenology across Different Sentinel-1 Orbits by Combining PolSAR Features with Growing Degree Data. Remagen.
1
Friedrich, C., Loew, J., Otte, I., Hill, S., Förtsch, S., Schwalb-Willmann, J., Gessner, U., Schierghofer, C., Piernecke, T., Truckenbrodt, S., Schonert, E., Assmann, D., Böttcher, F., Conrad, C. and Thiel, M. (2024, February 28) A Multi-Talented Datacube: Integrating, Processing and Presenting Big Geodata for the agricultural End User. Stuttgart-Hohenheim.
1
Friedrich, C., Loew, J., Otte, I., Hill, S., Förtsch, S., Schwalb-Willmann, J., Gessner, U., Schierghofer, C., Piernecke, T., Truckenbrodt, S., Schonert, E., Assmann, D., Böttcher, F., Conrad, C. and Thiel, M. (2024) A Multi-Talented Datacube: Integrating, Processing and Presenting Big Geodata for the agricultural End User. Informatik in Der Land-, Forstund: Biodiversität Fördern Durch Digitale Landwirtschaft, Stuttgart-Hohenheim.
1
Wenzel, J.L., Conrad, C. and Poehlitz, J. (2024) Soil Moisture Simulations for a Sustainable Irrigation Management. C. Hoffmann, A. Stein, E. Gallmann, J. Dörr, C. Krupitzer, H. Floto (Hrsg.) Informatik in Der Land-, Forst- Und Ernährungswirtschaft: Biodiversität Fördern Durch Digitale Landwirtschaft, GI Lecture Notes in Informatics (LNI), Stuttgart-Hohenheim, 449–453.
1
Poehlitz, J., Wenzel, J.L., Piernicke, T., Teucher, M., Gerighausen, H., Gessner, U., Thiel, M., Kunz, M. and Conrad, C. (2024, February 27) AgriSens – Demmin 4.0: Digital Solutions for Sustainable Agriculture through Remote Technologies (Phase II). Poster, Stuttgart-Hohenheim.
1
Wenzel, J.L., Conrad, C. and Poehlitz, J. (2024, February 27) Soil Moisture Simulations for a Sustainable Irrigation Management. Poster, Stuttgart-Hohenheim.
1
Wenzel, J.L., Conrad, C., Piernicke, T., Haßelbusch, K., Boettcher, F. and Poehlitz, J. (2023) Observing Soil Moisture Dynamics on Starch Potato Fields for Improving Irrigation Management Based on Hydrological Simulations. A European Vision for Hydrological Observations and Experimentation, Naples, Italy.
1
Wenzel, J.L., Conrad, C., Piernicke, T., Haßelbusch, K., Boettcher, F. and Poehlitz, J. (2023, June 14) Observing Soil Moisture Dynamics on Starch Potato Fields for Improving Irrigation Management Based on Hydrological Simulations. Poster, Naples, Italy.
1
Piernicke, T., Wenzel, J.L. and Poehlitz, J. (2023) Teilflächenspezifische Beregnung: Effizientes Zusatzwasser. Bauernzeitung Wochenblatt für die ostdeutsche Landwirtschaft Ausgabe Sachsen, Thüringen & Sachsen-Anhalt, 22.
1
Piernicke, T., Wenzel, J.L. and Poehlitz, J. (2023) Teilflächenspezifische Beregnung: Mit Smarten Wetterstationen Und Drohnen. Bauernzeitung Wochenblatt für die ostdeutsche Landwirtschaft Ausgabe Sachsen, Thüringen & Sachsen-Anhalt, 20. https://www.bauernzeitung.de/agrarpraxis/teilflaechenspezifische-beregnung-mit-smarten-wetterstationen-und-drohnen/.
1
Wenzel, J.L., Conrad, C., Piernicke, T. and Poehlitz, J. (2023, May 15) Modeling Soil Moisture dynamics on Variably Irrigated Starch Fields. Oral Presentation, Berlin, Germany.
1
Wenzel, J.L., Conrad, C., Piernicke, T., Spengler, D. and Poehlitz, J. (2022) Assessing the Impact of Different Irrigation Levels on Starch Potato Production. Agronomy, 12, 2685. https://doi.org/10.3390/agronomy12112685.
1
Wenzel, J.L., Piernicke, T., Poehlitz, J., Haßelbusch, K., Böttcher, F., Spengler, D. and Conrad, C. (2022) Using Soil Hydraulic Properties for an Efficient Starch Potato Irrigation Management. Proceedings of the 14th International Symposium on Ecohydraulics, Nanjing, China. https://ise2022.org/en/web/index/231_129396.
1
Wenzel, J.L., Piernicke, T., Poehlitz, J., Haßelbusch, K., Böttcher, F., Spengler, D. and Conrad, C. (2022, October 12) Using Soil Hydraulic Properties for an Efficient Starch Potato Irrigation Management. Oral Presentation, Nanjing, China.
1
Wenzel, J.L., Piernicke, T., Böttcher, F., Spengler, D., Conrad, C. and Poehlitz, J. (2022, September 1) Economic Effects of Variable Irrigation on Yield and Quality Parameters of High-Amylopectin Potatoes. Poster, Potsdam, Germany.
1
Poehlitz, J., Wenzel, J.L. and Piernicke, T. (2022) Digitales Wassersparen. Landwirtschaft ohne Pflug – Das Fachmagazin für den professionellen Pflanzenbau, 28, 44–48.
1
Thürkow, F., Conrad, C., Thürkow, D. and Teucher, M. (2022, May 26) Suitability of Thermal UAV Data to Detect Stones and Artificial Objects in Agriculture. Bonn.
1
Teucher, M., Conrad, C., Alb, P. and Thürkow, D. (2022, May 25) Provision of FAIR In-Situ Data for Calibration and Validation in RS Precision Agriculture. Bonn.
1
Spengler, D., Böttcher, F., Borg, E., Dobers, E.S., Gerighausen, H., Klan, F., Otte, I., Teucher, M., Thiel, M., Truckenbrodt, S., Wenzl, M. and Conrad, C. (2022, May 23) Pathways to Using Remote Sensing in Crop Cultivation and Management – the German Digital Test Field AgriSens DEMMIN 4.0. Bonn.
1
Poehlitz, J., Wenzel, J.L. and Piernicke, T. (2022) Mit Digitalisierung Wasser Sparen – Wie Kann Eine Ressourcenschonende Beregnung Gelingen. Bauernblatt Schleswig-Holstein, 47, 47–50.
1
Teucher, M., Thürkow, D., Alb, P. and Conrad, C. (2022) Digital In Situ Data Collection in Earth Observation, Monitoring and Agriculture—Progress towards Digital Agriculture. Remote Sensing, 14, 393. https://doi.org/10.3390/rs14020393.
1
Spengler, D., Asam, S., Boettcher, F., Borg, E., Dobers, E.S., Geßner, U., Harfenmeister, K., Hüttich, C., Klan, F., Teucher, M., Truckenbrodt, S. and Conrad, C. (2021) AgriSens – DEMMIN 4.0. Meyer-Aurich, A., Gandorfer, M., Hoffmann, C., Weltzien, C., Bellingrath-Kimura, S. & Floto, H. (Hrsg.) – Gesellschaft für Informatik e.V., Bonn, 415–420. https://dl.gi.de/handle/20.500.12116/35712.
Abschlussarbeiten:
1.
Schmelzer J (2024) UAV-based Fieldstone Detection: A Deep Learning Approach Using Visible and Thermal Imagery. Martin-Luther-Universität Halle-Wittenberg
1.
Schlaak J (2023) Untersuchung der Ertragsvorhersage in Kartoffelkulturen auf Basis von drohnengestützten Hyperspektralbildern und maschinellem Ensemble-Lernen. Martin-Luther-Universität Halle-Wittenberg
1.
Kirste S (2023) Validierung und Sensititvitätsanalayse modellgestützter Bodenfeuchte in AMBAV zur Einschätzung von Vorfruchteffekten bezüglich mittelspäter Stärkekartoffeln. Martin-Luther-Universität Halle-Wittenberg
1.
Elsner P (2023) Vergleichende Ableitung und Bewertung der Canopy Cover aus NADIR-Fotos und UAV gestützten multispektralen MicaSense Aufnahmen. Martin-Luther-Universität Halle-Wittenberg
1.
Metzlaff P (2022) Untersuchung der Detektierbarkeit von Steinen auf Ackerflächen durch drohnengestütztes Laserscanning (LiDAR). Martin-Luther-Universität Halle-Wittenberg
1.
Lorenz CG (2022) Anwendung von mobilen Wetterdaten zur Analyse und Einschätzung von Mikroklimaten. Martin-Luther-Universität Halle-Wittenberg
1.
Stöcker L (2021) Vergleichende Analyse von spektrometrischer Feldmessungen und UAV-Daten zur Untersuchung der biophysikalischen Vegetationsparameter der Zuckerrübe. Martin-Luther-Universität Halle-Wittenberg
1.
Sakretz D (2021) Nutzung von Sentinel-2 und MODIS-Fernerkundungsdaten zur Lokalisierung dürrebedingter Ertragseinbußen von Winterweizen am Beispiel DEMMIN, Mecklenburg-Vorpommern. Martin-Luther-Universität Halle-Wittenberg
1.
Schmelzer J (2021) Automatisierte Aufarbeitung von Nadir-Bildern des Projekts AgriSens Demmin. Martin-Luther-Universität Halle-Wittenberg
1.
Weise J (2021) Steindetektion mittels Drohne als zukunftsorientierte Alternative zu herkömmlichen Methoden der Entsteinung landwirtschaftlicher Nutzflächen in Norddeutschland. Martin-Luther-Universität Halle-Wittenberg
1.
Ossenkopp M (2020) GIS-basierte Mikrorelief-Analyse: Eine Gegenüberstellung von einem UAV-erzeugten Oberflächenmodell und dem amtlichen Landes-DGM (Laserscanning) für das Einzugsgebiet des Röstbaches, Burgenlandkreis. Martin-Luther-Universität Halle-Wittenberg
1.
Kieffer C (2019) Vergleich von destruktiven und indirekten Messverfahren zur Bestimmung des Blattflächenindexes von Winterweizen im Gelände. Martin-Luther-Universität Halle-Wittenberg

News

Remote sensing technologies for digitalisation in crop production
Demmin, Germany
2020 – 2023
BMEL
Research, knowledge transfer