| Phänomene | Precision Farming – Digitalisierung in der Landwirtschaft

Knoten in der Wissenslandkarte

Disziplin

Landwirtschaft

Precision Farming – Digitalisierung in der Landwirtschaft

Lesezeit: 3 Min.

Precision Farming ist ein mittlerweile über 30 Jahre alter Ansatz, um die Landwirtschaft mithilfe digitaler Technologien zu unterstützen und zu optimieren. Zentrale Technologien sind GNSS (Satellitenortung), GIS (geografische Informationssysteme), Datenübertragungstechnologien wie CAN (Controller Area Networks) und der Einsatz von Sensorsystemen. Ein bedeutendes Sensorsystem sind Erdbeobachtungssatelliten. Von herausragender Bedeutung ist aktuell der Einsatz von GNSS, das beim automatischen Lenken von Traktoren und Erntemaschinen und dem automatischen Ein- und Ausschalten von Maschinen (Section Control) weite Verbreitung findet.

Die Erdbeobachtung stellt eine hervorragende Grundlage für die Überwachung des Wachstums von Pflanzen in der Landwirtschaft dar, aber nicht nur dort. Das Besondere ist, dass Erdbeobachtung in Form von Satellitenbildern meist bildgebend ist und somit räumliche Unterschiede erfasst. Die teilflächenspezifische Landbewirtschaftung ist eine der wichtigsten Teildisziplinen des Precision Farmings: Sie zielt darauf ab, die Teilflächen eines Schlages hinsichtlich Aussaat, Düngung und Pflanzenschutz angepasst zu bewirtschaften. Ziel ist es, einerseits Kosten einzusparen und andererseits die negativen Auswirkungen von Düngung und Pflanzenschutz auf die Umwelt (Boden, Gewässer, Grundwasser) zu minimieren. Satellitenbilder stellen hierfür eine hervorragende Grundlage dar, weil sie die kleinräumigen Unterschiede des Wachstums von Kulturpflanzen erfassen.

Die in Satelliten verbauten Sensoren (Kameras) verfügen über die Fähigkeit, nicht sichtbares Licht jenseits von Rot (Nah-Infrarot) zu erfassen. Dieser Bereich des Lichts ist besonders sensibel für Vegetationsunterschiede (Chlorophyllgehalt, Biomasse) – ein weiterer Pluspunkt der satellitengestützten Erdbeobachtung in der Landwirtschaft.

Die Sensoren erfassen die Rückstrahlung des Sonnenlichts in unterschiedlichen Wellenlängenbereichen. Diese können allerdings auch von Wolken erzeugt oder von diesen verändert werden. Dies erfordert die Anwendung von entsprechenden Korrekturwerten oder führt dazu, dass die Daten gar nicht genutzt werden können. Diese Rückstrahlung (Reflexion) erlaubt zudem auch im ungünstigsten Fall keinen direkten Rückschluss auf Pflanzeneigenschaften, sondern muss über Modelle transformiert werden. Die Modelle sind kulturartspezifisch, erfordern meistens die Analyse von Zeitreihen (mehrere zeitlich aufeinanderfolgende Aufnahmen) und sind nur beschränkt für größere Gebiete gültig. In den letzten Jahren sind viele neue Modelle entwickelt worden, die meist auf KI basieren. Es ist zu erwarten, dass die Modelle mit verbesserten KI-Methoden und einer wachsenden Datengrundlage weiter an Qualität gewinnen und besser übertragbar werden.

Vergleichbarkeit mit analogen Phänomenen

Die Landwirtschaft hat sich in den vergangenen Jahrtausenden sowohl groß- als auch kleinräumig an die klimatischen Gegebenheiten und vor allem auch an Bodenunterschiede angepasst. Die Anpassung erfolgte dabei basierend auf tradiertem Wissen und den eigenen Erfahrungen, die die Landwirte – oft von Kindesbeinen an – bei der Bewirtschaftung der Flächen gesammelt haben. Sie haben dabei die Entwicklung unterschiedlicher Kulturpflanzen in den verschiedenen Bereichen von landwirtschaftlichen Flächen beobachtet und mit dem Wetter in Beziehung gesetzt. Die eigenen Augen und das Anpeilen von gut sichtbaren Objekten in der Umgebung (Bäume, Kirchtürme) ersetzten damals die Satellitennavigation. Sie dienten gleichzeitig als Sensoren (Pflanzenhöhe, Anzahl der Ähren, Verfärbung der Blätter, Unkrautbesatz). Diese Form der wissens- oder erfahrungsbasierten Landwirtschaft ist wegen der immer größer werdenden Flächen und Betriebe und vor allem aufgrund des Strukturwandels nicht mehr ausreichend und rückläufig. Für zugekaufte oder zugepachtete Flächen ist das Wissen nicht vorhanden. Gleiches gilt für Lohnunternehmende und Aushilfsfahrerinnen und -fahrer, die im Auftrag von Landwirtinnen und Landwirten Maßnahmen auf Flächen durchführen. Somit gewinnt die datenbasierte oder digitale Landbewirtschaftung immer mehr an Bedeutung.

Gesellschaftliche Relevanz

Die Optimierung der landwirtschaftlichen Produktion stellt die Erzeugung von hochwertigen Nahrungsmitteln sicher und trägt zur Ernährungssicherheit bei. Gleichzeitig können durch Optimierungen Produktionskosten gesenkt und gleichzeitig negative Auswirkungen auf die Umwelt minimiert werden. Die Erdbeobachtung kann dazu einen wesentlichen Beitrag leisten, indem sie kleinräumige Unterschiede im Pflanzenwachstum aufdeckt und so Möglichkeiten für angepasste Maßnahmen schafft.

Quellen

  • Dörr, J./Nachtmann, M. (Hg.) (2023) Handbuch Digital Farming. Digitale Transformationen für eine nachhaltige Landwirtschaft. Berlin.
  • Noack, P. O. (Hg.) (2023). Precision Farming. Smart Farming. Digital Farming. 2., überarb. und erw. Aufl. Berlin/Offenbach
  • Wiggenhagen, M./Steensen T. (2021). Taschenbuch zur Photogrammetrie und Fernerkundung. 6., neu bearb. und erw. Aufl. Berlin/Offenbach