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
-
Die Obst-, Wein- und Olivenproduktion sind Schlüsselsektoren innerhalb der Wirtschaft, Gesellschaft und Umwelt der EU. Sie machen etwa 13% der gesamten Wirtschaftsleistung (EUROSTAT) aus und bieten den Bürgern ernährungs…
Beginn:
Ende:
01.06.2021
31.05.2024
Förderung:
Deutsches Zentrum für Luft- und Raumfahrt (DLR) / Bundesministerium für Bildung und Forschung (BMBF)
-
Die Zielsetzung des Projekts "weed-AI-seek" ist es, ein intelligentes echtzeitfähiges Monitoring- und Mappingsystem für die Erfassung der Unkrautverteilung in Getreidebeständen zu entwickeln. Dazu werden hochauflösende …
Beginn:
Ende:
28.05.2021
27.05.2024
Förderung:
Bundesministerium für Ernährung und Landwirtschaft (BMEL)
-
Das Verbundvorhaben lnnoRind (hier: Förderphase 1) hat zum Ziel, ein Netzwerk zur Rinderhaltung aufzubauen, welches die Expertise der Projektbeteiligten nutzt, um innovative Ansätze für eine zukunftsfähige Rinderhaltung …
Beginn:
Ende:
01.05.2021
31.10.2021
Förderung:
Bundesministerium für Ernährung und Landwirtschaft (BMEL)
-
Derzeit erfolgt die Unkrautkontrolle in konventionellen Ackerbausystemen überwiegend durch angepasste Herbizidstrategien. Vor dem Hintergrund negativer Effekte von Pflanzenschutzmitteln auf die Umwelt und einem zunehmend…
Beginn:
Ende:
20.04.2021
19.04.2024
Förderung:
Bundesministerium für Ernährung und Landwirtschaft (BMEL)
-
Ziel des Projektes MONIQUA ist es, ein digitales Monitoringsystem für die frühzeitige Erkennung und Verortung von Quarantänekrankheiten im Erwerbsobstbau zu etablieren. Auf der Basis von Bildaufnahmen und Bildverarbeitun…
Beginn:
Ende:
01.03.2021
28.02.2024
Förderung:
Bundesministerium für Ernährung und Landwirtschaft (BMEL) / Bundesanstalt für Landwirtschaft und Ernährung (BLE)
Alle Projekte aus dem Forschungsprogramm Präzisionslandwirtschaft in Pflanzenbau und Tierhaltung
Publikationen aus dem Programm
- Kreidenweis, U.; Breier, J.; Herrmann, C.; Libra, J.; Prochnow, A. (2021): Greenhouse gas emissions from broiler manure treatment options are lowest in well-managed biogas production. Journal of Cleaner Production. : p. 124969. Online: https://doi.org/10.1016/j.jclepro.2020.124969 1.0
- Bieganowski, A.; Dammer, K.; Siedliska, A.; Bzowska-Bakalarz, M.; Beres, P.; Dabrowska-Zielinska, K.; Pflanz, M.; Schirrmann, M.; Garz, A. (2021): Sensor-based outdoor monitoring of insects in arable crops for their precise control. Pest Management Science. : p. 1109-1114. Online: https://doi.org/10.1002/ps.6098 1.0
- Cárdenas, A.; Ammon, C.; Schumacher, B.; Stinner, W.; Herrmann, C.; Schneider, M.; Weinrich, S.; Fischer, P.; Amon, T.; Amon, B. (2021): Methane emissions from storage of liquid dairy manure: influence of season, temperature and storage duration. Waste Management. : p. 393-402. Online: https://doi.org/10.1016/j.wasman.2020.12.026 1.0
- Doumbia, E.; Janke, D.; Yi, Q.; Amon, T.; Kriegel, M.; Hempel, S. (2021): CFD modelling of an animal occupied zone using an anisotropic porous medium model with velocity depended resistance parameters. Computers and Electronics in Agriculture. (February 2021): p. 105950. Online: https://doi.org/10.1016/j.compag.2020.105950 1.0
- Ouatahar, L.; Bannink, A.; Langigan, G.; Amon, B. (2021): Modelling the effect of feeding management on greenhouse gas and nitrogen emissions in cattle farming systems. Science of the Total Environment. (July): p. 145932. Online: https://doi.org/10.1016/j.scitotenv.2021.145932 1.0
- Li, M.; Shamshiri, R.; Schirrmann, M.; Weltzien, C. (2021): Impact of Camera Viewing Angle for Estimating Leaf Parameters of Wheat Plants from 3D Point Clouds. Agriculture. (6): p. 563. Online: https://doi.org/10.3390/agriculture11060563 1.0
- Kabelitz, T.; Biniasch, O.; Ammon, C.; Nübel, U.; Thiel, N.; Janke, D.; Senthilathiban, S.; Funk, R.; Münch, S.; Rösler, U.; Stiller, P.; Amon, B.; Aarnink, A.; Amon, T. (2021): Particulate matter emissions during field application of poultry manure - The influence of moisture content and treatment. Science of the Total Environment. (1. August 2021): p. 146652. Online: https://doi.org/10.1016/j.scitotenv.2021.146652 1.0
- Lowenberg-DeBoer, J.; Behrendt, K.; Ehlers, M.; Dillon, C.; Gabriel, A.; Huang, I.; Kumwenda, I.; Mark, T.; Meyer-Aurich, A.; Milics, G.; Olgunju, K.; Pedersen, S.; Shockley, J.; Rose, D. (2021): Lessons to be learned in adoption of autonomous equipment for field crops. Applied Economic Perspectives and Policy. (1-17): p. 0. Online: https://doi.org/10.1002/aepp.13177 1.0
- Tavakoli, H.; Alirezazadeh, P.; Hedayatipour, A.; Banijamali Nasib, A.; Landwehr, N. (2021): Leaf image-based classification of some common bean cultivars using discriminative convolutional neural networks. Computers and Electronics in Agriculture. (February): p. 105935. Online: https://doi.org/10.1016/j.compag.2020.105935 1.0
- Wang, C.; Amon, B.; Schulz, K.; Mehdi, B. (2021): Factors That Influence Nitrous Oxide Emissions from Agricultural Soils as Well as Their Representation in Simulation Models: A Review. Agronomy. (4): p. 0. Online: https://doi.org/10.3390/agronomy11040770 1.0
Alle Publikationen aus dem Forschungsprogramm Präzisionslandwirtschaft in Pflanzenbau und Tierhaltung