RapSmartN
Optimale Winterrapsdüngung (N) durch Fernerkundungsdaten und qualitätsgesicherte Künstliche Intelligenz
Projektbeschreibung
Die Düngung von Winterraps ist ein zentraler Aspekt der landwirtschaftlichen Praxis, der sowohl ökonomische als auch ökologische Herausforderungen mit sich bringt. Eine präzise Stickstoffdüngung kann den Ertrag optimieren und gleichzeitig die Umweltauswirkungen reduzieren. Aktuell gibt es jedoch Defizite bei der genauen Erfassung der benötigten Stickstoffmengen.
Das Projekt „RapSmartN“ zielt darauf ab, durch den Einsatz von Fernerkundungsdaten und künstlicher Intelligenz (KI) eine präzisere und bedarfsgerechte Stickstoffdüngung im Winterrapsanbau zu ermöglichen. Hierzu werden KI-Modelle entwickelt, die die im Herbst aufgenommene Stickstoffmenge genau schätzen und den weiteren Nährstoffbedarf für die weitere Wachstumsperiode berechnen. Diese Informationen in Form von Stickstoff-Applikationskarten den Landwirten zur Verfügung stellen.
Die robusten und leistungsfähigen KI-Modelle sollen eine präzise Schätzung der Stickstoffaufnahme ermöglichen, was den Landwirten den Zugang zu hochwertigen Applikationskarten erleichtert. Dies führt zu einer effizienteren Stickstoffnutzung, Ertragssteigerungen auf unterversorgten Flächen und Düngereinsparungen in Zonen mit geringerem Ertragspotenzial . Dadurch werden mögliche negative Umweltauswirkungen reduziert und die gesellschaftliche Akzeptanz der landwirtschaftlichen Produktion gestärkt. Das Projekt trägt somit zur Digitalisierung in der Landwirtschaft und zur regionalen Wertschöpfung bei.
Durch diese Innovation wird die Effizienz und Nachhaltigkeit im Winterrapsanbau signifikant verbessert, was sowohl ökonomische als auch ökologische Vorteile bietet.