Forschen für eine nachhaltige Primärproduktion
Das Forschungspogramm widmet sich der standortangepassten, nachhaltigen Intensivierung im Bereich der primären landwirtschaftlichen Erzeugung bis hin zur Produktgewinnung.
Unsere Forschung reicht von umfangreicher Online-Datenerfassung über die Modellierung bis hin zur Prozessregelung. Technologische und verfahrenstechnische Forschungsaufgaben umfassen u. a. sensorgestützte Technologien für Precision Farming und Precision Horticulture, die Modellierung von Emissionen und des Mikroklimas natürlich belüfteter Stallsysteme sowie Haltungsumwelt-Tierwohl-Interaktion. Die Systembewertung analysiert Wirkzusammenhänge und Effekte in Bezug auf Umwelt und Ökonomie mit den Schwerpunkten Stickstoff, Treibhausgase und Wasser.
Ein Schwerpunkt unserer Forschung liegt in der Entwicklung und Anwendung von Sensoren für die Zustandserfassung bei Böden, Pflanzen und Tieren. Informationen über Nährstoffversorgung, Pflanzenwachstum, Krankheitsdruck, klimatische Bedingungen, Wasserbedarf, Atemfrequenz, Hitzestress, Fruchtreife oder andere Systemparameter können so erfasst werden. In-situ gewonnene Informationen fließen ein in die Entwicklung komplexer physiologischer und physikalischer Modelle, die Online-Analytik ist ein wesentliches Element einer individuellen und flexiblen Prozesssteuerung.
Präzisionspflanzenbau
Für die Bioökonomie ist der Pflanzenbau von zentraler Bedeutung: pflanzliche Biomasse ist nicht nur Nahrungs- und Futtermittel, sondern auch Grundlage für biobasierte Stoffe und Energie.
Die globalen Nachhaltigkeitsziele formulieren die aktuellen Herausforderungen für den Präzisionspflanzenbau: Es geht darum, die Produktivität zu erhöhen und dabei die natürlichen Ressourcen nachhaltig zu nutzen, Biodiversität, Ökosysteme, Bodenfruchtbarkeit und natürliche Habitate zu erhalten, den Einfluss von invasiven Arten zu reduzieren sowie ein umweltgerechtes Management von Chemikalien zu gewährleisten.
Wir arbeiten daher an Lösungen für ein sensorgestütztes lokales Ressourcenmanagement im Präzisionsackerbau und im Präzisionsgartenbau. Ziel unserer Forschung ist es, die Effizienz in der Pflanzenproduktion zu erhöhen, insbesondere durch adaptive Prozesssteuerung und Entwicklung technischer Lösungen für eine individualisierte Pflanzenproduktion, und so den Ressourcenverbrauch, Mitteleinsatz und die Emissionen zu reduzieren.
Innovative Sensortechnologien eröffnen dabei neue Möglichkeiten im Bereich der Erfassung (Informations- und Kommunikationstechnik, Telemetrie und Robotik), Verarbeitung (Big Data) und Analyse von Daten (Genomik, Phänomik und Bioinformatik). Sie sind grundlegende Tools im digitalen Transformationsprozess der Landwirtschaft. Die gewonnenen Informationen fließen in die Entwicklung komplexer physiologischer und physikalischer Modelle ein, die eine präzise Steuerung der Produktionsprozesse im Sinne einer nachhaltigen Intensivierung ermöglichen.
Tierhaltung
Konzepte der Nutztierhaltung sollen die drei Säulen der Nachhaltigkeit Umwelt, Soziales und Ökonomie integrieren. Dies findet teilweise im Spannungsfeld von Interessenkonflikten statt. Während in der Gesellschaft der Wunsch nach mehr Tierwohl und mehr Umweltschutz wächst, müssen gleichzeitig die ökonomischen Überlebensnotwendigkeiten der Landwirte berücksichtigt werden, damit innovative Verfahren Eingang in die Praxis finden können.
Wir richten deshalb unsere anwendungsorientierte Grundlagenforschung in der Tierhaltung auf die Verbesserung von Tierwohl, Haltungsumwelt, Tier- und Umweltschutz sowie Wettbewerbsfähigkeit aus. Unsere Ziele sind: objektive Tierwohlstandards, Konzepte zur Lösung von Umweltkonflikten, transparente Tierhaltung, Akzeptanz beim Verbraucher und regionale Wertschöpfung.
Zu allen Mitarbeiter*innen des Programms Präzisionslandwirtschaft in Pflanzenbau und Tierhaltung
Aktuelles
Veranstaltungen
Forschungsprojekte
-
Im Rahmen von HorseWatch soll evaluiert werden, welchen Einfluss die Pferderasse und die Trainingsbedingungen, das Alter zu Beginn der Nutzung und das Haltungssystem auf Gesundheit, Verhalten und Wohlbefinden von sehr fr…
Beginn:
Ende:
01.04.2022
31.03.2027
Förderung:
Bundesministerium für Ernährung und Landwirtschaft (BMEL)
-
Die elektronische Nase AgriNose soll im Zusammenspiel mit fernerkundlich-optischen Verfahren zukünftig das Monitoring im Pflanzenbau dahingehend unterstützen, dass eine frühere Erkennung von gleichzeitig mehreren Pflanze…
Beginn:
Ende:
01.01.2022
31.12.2024
Förderung:
Bundesministerium für Bildung und Forschung (BMBF)
-
Das Projektkonzept foodChain veranschaulicht wesentliche Elemente einer 5G-fähigen Umsetzung kommunikationsintensiver Industrien am Beispiel der Landwirtschaft 4.0. Mit dem Ziel, die Leistungsmerkmale der neuen Mobilfu…
Beginn:
Ende:
01.01.2022
31.12.2024
Förderung:
Bundesministerium für Verkehr, Innovation und Technologie
-
In dem Projekt wird die innovative Kot-Harn-Trennung im neu entwickelten Haltungssystem (Familienstall) auf einem Testbetrieb wissenschaftlich fundiert untersuchet um belastbare Aussagen über das Reduktionspotential der …
Beginn:
Ende:
01.12.2021
30.11.2024
Förderung:
Bundesministerium für Ernährung und Landwirtschaft (BMEL)
-
Ziel des Das deutsch-irische Kooperationsprojekt MEDICow hat sich zum Ziel' gesetzt, auf Basis eines multisensorischen Ansatzes ein Werkzeug zur frühzeitigen, tierindividuellen Mastitiserkennung für Milchkühe zu entwicke…
Beginn:
Ende:
01.11.2021
31.10.2024
Förderung:
Bundesministerium für Ernährung und Landwirtschaft (BMEL)
Alle Projekte aus dem Forschungsprogramm Präzisionslandwirtschaft in Pflanzenbau und Tierhaltung
Publikationen aus dem Programm
- Saha, K.; Tsoulias, N.; Weltzien, C.; Zude-Sasse, M. (2022): Estimation of Vegetative Growth in Strawberry Plants Using Mobile LiDAR Laser Scanner. Horticulturae. (90): p. 1-16. Online: https://doi.org/10.3390/horticulturae8020090 1.0
- Vogel, S.; Bönecke, E.; Kling, C.; Kramer, E.; Lück, K.; Philipp, G.; Rühlmann, J.; Schröter, I.; Gebbers, R. (2022): Direct prediction of site-specific lime requirement of arable fields using the base neutralizing capacity and a multi-sensor platform for on-the-go soil mapping. Precision Agriculture. : p. 127-149. Online: https://doi.org/10.1007/s11119-021-09830-x 1.0
- Dammer, K.; Schirrmann, M. (2022): Primarily tests of a optoelectronic in-canopy sensor for evaluation of vertical disease infection in cereals. Pest Management Science. (1): p. 143-149. Online: https://doi.org/10.1002/ps.6623 1.0
- Philips, H.; Bach, E.; Bartz, M.; Bennett, J.; Beugnon, R.; Briones, M.; Brown, G.; Ferlian, O.; Gongalsky, K.; Guerra, C.; König-Ries, B.; Krebs, J.; Orgiazzi, A.; Ramirez, K.; Russel, D.; Schwarz, B.; Wall, D.; Brose, U.; Decaëns, T.; Lavelle, P.; Loreau, M.; Mathieu, J.; Mulder, C.; van der Putten, W.; Rillig, M.; Thakur, M.; de Vries, F.; Wardle, D.; Ammer, C.; Ammer, S.; Arai, M.; Ayuke, F.; Baker, G.; Baretta, D.; Barkusky, D.; Beauséjour, R.; Bedano, J.; Birkhofer, K.; Blanchart, E.; Blossey, B.; Bolger, T.; Bradley, R.; Brossard, M.; Burtis, J.; Capowiez, Y.; Cavagnaro, T.; Choi, A.; Clause, J.; Cluzeau, D.; Coors, A.; Crotty, F.; Crumsey, J.; Dávalos, A.; Díaz Cosín, D.; Dobson, A.; Domínguez, A.; Duhor, A.; van Eekeren, N.; Emmerling, C.; Falco, L.; Fernández, R.; Fonte, S.; Fragoso, C.; Franco, A.; Fusilero, A.; Geraskina, A.; Gholami, S.; González, G.; Gundale, M.; Gutiérrez López, M.; Hackenberger, B.; Hackenberger, D.; Hernández, L.; Hirth, J.; Hishi, T.; Holdsworth, A.; Holmstrup, M.; Hopfensperger, K.; Huerta Lwanga, E.; Huhta, V.; Hurisso, T.; Iannine III, B.; Iordache, M.; Irmler, U.; Ivask, M.; Jesús, J.; Johnson-Maynard, J.; Joschko, M.; Kaneko, N.; Kanianska, R.; Keith, A.; Kernecker, M.; Koné, A.; Kooch, Y.; Kukkonen, S.; Lalthanzara, H.; Lammel, D.; Lebedev, I.; Le Cadre, E.; Lincoln, N.; López-Hernández, D.; Loss, S.; Marichal, R.; Matula, R.; Minamiya, Y.; Moos, J.; Moreno, G.; Morón-Ríos, A.; Motohiro, H.; Muys, B.; Neirynck, J.; Norgrove, L.; Novo, M.; Nuutinen, V.; Nuzzo, V.; Mujeeb Rahman, P.; Pansu, J.; Paudel, S.; Pérès, G.; Pérez-Camacho, L.; Ponge, J.; Pritzel, J.; Rapoport, I.; Rashid, M.; Rebollo, S.; Rodríguez, M.; Roth, A.; Rousseau, G.; Rozen, A.; Sayad, E.; van Schaik, L.; Scharenbroch, B.; Schirrmann, M.; Schmidt, O.; Schröder, B.; Seeber, J.; Shashkov, M.; Singh, J.; Smith, S.; Steinwandter, M.; Szlavecz, K.; Talavera, J.; Trigo, D.; Tsukamoto, J.; Uribe-López, S.; de Valença, A.; Virto, I.; Wackett, A.; Warren, M.; Webster, E.; Wehr, N.; Whalen, J.; Wironen, M.; Wolters, V.; Wu, P.; Zenkova, I.; Zhang, W.; Cameron, E.; Eisenhauer, N. (2021): Global data on earthworm abundance, biomass, diversity and corresponding environmental properties. Scientific Data. : p. 136. Online: https://doi.org/10.1038/s41597-021-00912-z 1.0
- Boulay, A.; Drastig, K.; Amanullah; Chapagain, A.; Charlon, V.; Civit, B.; Hess, T.; Hoekstra, A.; Ibidhi, R.; Lathuillière, M.; Manzardo, A.; McAllister, T.; Motoshita, M.; Pirlo, G.; Ridoutt, B.; Russo, V.; Salmoral, G.; Singh, R.; Vanham, D.; Pfister, S. (2021): Building consensus on water use assessment of livestock production systems and supply chains: outcome and recommendations from the FAO LEAP Partnership. Ecological Indicators. (Mai 2021): p. 107391. Online: https://doi.org/10.1016/j.ecolind.2021.107391 1.0
- Maysami, M.; Berg, W. (2021): Comparison of energy intensity of different food materials and their energy content. Food Research. (1): p. 168-174. Online: https://doi.org/10.26656/fr.2017.5(S1).043 1.0
- Menardo, S.; Lanza, G.; Berg, W. (2021): The Effect of Diet and Farm Management on N2O Emissions from Dairy Farms Estimated from Farm Data. Agriculture. (7): p. 654. Online: https://doi.org/10.3390/agriculture11070654 1.0
- Gautam, K.; Zhang, G.; Landwehr, N.; Adolphs, J. (2021): Machine learning for improvement of thermal conditions inside a hybrid ventilated animal building. Computers and Electronics in Agriculture. (August 2021): p. 106259. Online: https://doi.org/10.1016/j.compag.2021.106259 1.0
- Asfahan, H.; Sajjad, U.; Sultan, M.; Hussain, I.; Hamid, K.; Ali, M.; Wang, C.; Shamshiri, R.; Khan, M. (2021): Artificial Intelligence for the Prediction of the Thermal Performance of Evaporative Cooling Systems. Energies. (13): p. 3946. Online: https://doi.org/10.3390/en14133946 1.0
- Kesenheimer, K.; Suárez, T.; Flessa, H.; Fuß, R.; Prochnow, A.; Ruser, R.; Augustin, J.; Hegewald, H.; Köbke, S.; Dittert, K.; Räbiger, T.; Hartung, J.; Stichnothe, H. (2021): Nitrification inhibitors reduce N2O emissions induced by application of biogas digestate to oilseed rape. Nutrient Cycling in Agroecosystems. : p. 99-118. Online: https://doi.org/10.1007/s10705-021-10127-8 1.0
Alle Publikationen aus dem Forschungsprogramm Präzisionslandwirtschaft in Pflanzenbau und Tierhaltung