Das Projekt "SP 2.4 Precision irrigation and fertigation technology for improving water- and fertilizer-efficiency of North China Plain production systems" wird vom Umweltbundesamt gefördert und von Universität Hohenheim, Institut für Agrartechnik, Fachgebiet Agrartechnik in den Tropen und Subtropen durchgeführt. Water shortage has become a major limiting factor for agricultural production in the North China Plain. Inadequate irrigation practices are causing excessive evaporation and deep percolation losses. Apart from low water efficiency, this leads to leaching of nutrients and increasing pollution of ground water and down-stream aquifers. Therefore, objective of the subproject is to design an innovative mobile micro-irrigation system with site-specific water and fertilizer application based on plant growth modeling and real time soil moisture and plant status measurement. Water-, energy- and fertilizer efficiency of the irrigation system will be evaluated. Finally, the system will be adapted to the socio-economic conditions of the farmers in the North China Plain.
Das Projekt "Präzisionsbewässerung mit kosteneffizienten und autonomen IoT-Geräten unter Verwendung von künstlicher Intelligenz im Edge Computing Modus" wird vom Umweltbundesamt gefördert und von WAZIUP e.V. durchgeführt.
Das Projekt "Georeferenziertes Sensor-gestütztes Daten Management-System zur teilflächenspezifischen Bewässerung und Düngung von Freilandgemüse" wird vom Umweltbundesamt gefördert und von Hochschule Geisenheim University, Zentrum für Wein- und Gartenbau, Institut für Gemüsebau durchgeführt. Ziel des Projektes ist die Entwicklung eines georeferenzierten Sensor-gestützten Expertensystems zur teilflächenspezifischen gekoppelten N-Düngungs- und Bewässerungssteuerung im Freilandgemüsebau. Der spezifische N-Bedarf soll auf Basis eines Verbundes aus Stützpunkten des Nmin-Systems sowie N-Mineralisierungsraten aus der Boden spezifischen C-N-Dynamik geschätzt wer-den. Die Einbindung des C-N Modells CANDY wird die Nmin- und C-Dynamik des Bodens im Vergleich zu gegenwärtigen Systemen besser abbilden. Die Bestandes-entwicklung und der N-Bedarf der Modellkultur Spinat soll über spektrale Absorption bzw. Emission mit Hilfe des ISARIA-Sensors gemessen werden. Der Bewässerungsbedarf wird durch die Verbindung von Wasserbilanzierung mit der Geisenheimer Steuerung, Bodensaugspannungsmessung, spektraler Vegetationsindices und neuronalen Netzen abgeleitet. Die wissenschaftliche Prüfung des modellierten Wasserbedarfs erfolgt mit Hilfe der Messung der aktuellen Evapotranspiration und des modellierten N Bedarfs anhand Nmin Proben. Informationen der Bodencharakteristik, der C-N-Dynamik, der Bestandesentwicklung und des Bewässerungsbedarfs sollen durch intelligente Regelsysteme verbunden und für Entscheidungen der Anwender als browserbasierte Webanwendung visualisiert werden. So werden auch Bewässerungs- und N-Düngungskarten für Teilflächen auf Grundlage räumlich hoch aufgelöster, sensorbasierter Bodenkartierung erstellt. Die Webanwendung integriert In-formationen georeferenzierter Daten, um teilflächenspezifische Handlungsempfehlungen ausgeben zu können.
Das Projekt "Teilvorhaben: Entwicklung eines leichtgewichtigen integrierten KI-Modells zur Nutzung in sensorgesteuerten Präzisionsbewässerungssystemen für die Landwirtschaft" wird vom Umweltbundesamt gefördert und von Innotec21 GmbH durchgeführt. Strategisches Ziel von OSIRRIS ist es, eine effiziente Bewirtschaftung der Wasser- und Bodenressourcen sowie eine Verbesserung der landwirtschaftlichen Wasserproduktivität zu erreichen und damit auch den Umweltschutz in Tunesien zu intensivieren. Dies soll durch ein einfaches, kostengünstiges und halbautonomes Präzisions-Bewässerungssystem erfolgen, das an die lokalen landwirtschaftlichen Bedingungen angepasst sein wird. Modernste Technologien aus Internet of Things (IoT) und Künstliche Intelligenz (KI) werden eingesetzt, um die Bewässerungskonzepte auf den neuesten Stand zu bringen. Die OSIRRIS-Bewässerungsplattform setzt sich aus mehreren Komponenten zusammen, wobei die InnoTec21 die KI-Modelle erstellt und die Entwicklung des Smart-Tensiometer unterstützt. Speziell entsteht hier ein integriertes Sensorsystem, das in der Lage ist, komplexitätsbegrenzte KI-Modelle zur automatischen Berechnung des lokalen Bodenwassergehalts und des Wasserstresses der Pflanzen auszuführen. Außerdem kann Kalibrierung automatisch erfolgen sowie Korrekturen durchgeführt werden. Perspektivisch wird das System Informationen über einfache visuelle Anzeigen auf den Tensiometern selbst, eine mobile App, SMS-Benachrichtigungen und Sprachbefehle bereitstellen.