API src

Found 2 results.

Generierung von Entscheidungsregeln zur teilflächenspezifischen Stickstoffdüngung und zur Verbessereung der Wirtschaftlichkeit der Weizenproduktion mit Hilfe eines Künstlichen Neuronalen Netzes

Das Projekt "Generierung von Entscheidungsregeln zur teilflächenspezifischen Stickstoffdüngung und zur Verbessereung der Wirtschaftlichkeit der Weizenproduktion mit Hilfe eines Künstlichen Neuronalen Netzes" wird vom Umweltbundesamt gefördert und von Universität Halle-Wittenberg, Institut für Agrar- und Ernährungswissenschaften, Professur Allgemeiner Pflanzenbau, Ökologischer Landbau durchgeführt. Bemessung der mineralischen N-Düngung basiert bisher überwiegend auf einem Merkmal. Beispielsweise nutzen reine kartenbasierte Ansätze meist historische Ertrags- oder Bodenkarten andererseits beziehen sich reine sensorbasierte Ansätze auf nur ein Sensorsignal. Unter Nutzung eines 'künstlichen neuronalen Netzes' sollen die Voraussetzungen geschaffen werden, um beispielsweise in einem Kartenansatz mit Sensor-Overlay verschiedene Merkmale für die rechnergestützte Entscheidungsfindung zu kombinieren.

Ermittlung der Grundwassergefährdung mit Hilfe künstlicher neuronaler Netze zur nachhaltigen Wasserbewirtschaftung

Das Projekt "Ermittlung der Grundwassergefährdung mit Hilfe künstlicher neuronaler Netze zur nachhaltigen Wasserbewirtschaftung" wird vom Umweltbundesamt gefördert und von Universität Karlsruhe (TH), Geologisches Institut durchgeführt. Die neue Europäische WRRL sieht zur Verhinderung künftiger Grundwasserbeeinträchtigung sowie zur erforderlichen Umkehrung von Verschmutzungstrends gerade für das Grundwasser detaillierte Untersuchungen zum Gefahrdungspotential vor, um daraus Vorgaben für eine nachhaltiges Grundwassermanagement zu erarbeiten im Rahmen dieses Projektes wird eine neue Methode zur flächigen Erfassung des Grundwasserrisikos mit Hilfe künstlicher neuronaler Netze erarbeitet Es basiert auf dem neuen Ansatz, sowohl das von der unterschiedlichen Landnutzung resultierende Gefahrenpotential (Hazards), als auch die Sensitivität das geologischen Untergrundes gegenüber dem Eindringen von Schadstoffen (Vulnerabilität) zu berücksichtigen Für die Eichung des Verfahrens dienen aktuelle Schadstoffverteilungen im Grundwasser in ausgewählten Testgebieten, mittels deren Daten jeweils ein neuronales Netz trainiert und dessen Performance validiert wird Das trainierte Netz kann dann leicht in Gebieten mit unbekannter Schadstoffverteilung im Grundwasser zu deren Vorhersage und damit als Maß für das Grundwasserrisiko angewendet werden Vorteile gegenüber den für den Grundwasserschutz im Moment flächendeckend verwendeten ,,Karten der Schutzfunktion der Grundwasserüberdeckung sind, dass die Ergebnisse nicht nur zur Ausweisung von Trinkwasserschutzgebieten, sondern auch, wie in der WRRL gefordert, zur Feststellung des akuten Handlungsbedarfs sowie zu einer nachhaltigen Grundwasserbewirtschaftung genutzt werden können.

1