Diversified crop production

Aufsätze in referierten Fachzeitschriften

• Akhtari, H.; Navid, H.; Karimi, H.; Dammer, K. (2025): Deep learning-based object detection model for location and recognition of weeds in cereal fields using colour imagery. Crop & Pasture Science. (4): p. 24243. Online: https://doi.org/10.1071/CP24243 1.0
• Khoshnamvand, H.; Mousavi, S.; Darvishi, A.; Ahmadi, K.; Naghibi, A.; Janko, K.; Abdoli, A.; Ahmadzadeh, F. (2025): Macroecological predictors to determine future refuges of Luciobarbus species in the Tigris-Euphrates Basin: Rethinking conservation strategies and management. Global Ecology and Conservation. (January): p. 1-14. Online: https://doi.org/10.1016/j.gecco.2024.e03394 1.0
• Azimi, A.; Shamshiri, R.; Ghasemzadeh, A. (2025): Adaptives dynamisches Programmieren zur robusten Bahnverfolgung eines landwirtschaftlichen Roboters mithilfe kritischer neuronaler Netze. Agricultural Engineering. (1): p. 1-15. Online: https://www.agricultural-engineering.eu/landtechnik/article/view/3327 1.0
• Schweitzer, M.; Wassermann, B.; Abdelfattah, A.; Cernava, T.; Berg, G. (2025): Microbiome Literacy: Enhancing Public and Academic Understanding Through the ‘Microbiome & Health’ Online Course. Microbial Biotechnology. (70094): p. 1-6. Online: https://doi.org/10.1111/1751-7915.70094 1.0
• Awoke, M.; Löhr, K.; Kimaro, A.; Matavel, C.; Lana, M.; Hafner, J.; Sieber (2025): Understanding farmers choices in climate-smart agriculture: adoption of agroecology principles and impacts on rural livelihoods in semi-arid Tanzania. Agroecology and Sustainable Food Systems. : p. 1-28. Online: https://doi.org/10.1080/21683565.2025.2466439 1.0
• Hedström, A.; Bommer, P.; Burns, T.; Lapuschkin, S.; Samek, W.; Höhne, M. (2025): Evaluating Interpretable Methods via Geometric Alignment of Functional Distortions. Transactions on Machine Learning Research. : p. 1-48. Online: https://openreview.net/pdf?id=ukLxqA8zXj 1.0
• Sánchez, A.; Oliva, J.; Abdelfattah, A.; Torres, R.; Vilanova, L.; Teixidó, N. (2025): Exploring the impact of altitude variability and apple genotype on the epiphytic microbiome. International Journal of Agricultural Sustainability. (1): p. 1-13. Online: https://doi.org/10.1080/14735903.2025.2480955 1.0
• Kiplimo Gunia, D.; Mwirichia, R.; Wicaksono, W.; Berg, G.; Abdelfattah, A. (2025): Intrinsic and Acquired Antimicrobial Resistomes in Plant Microbiomes: Implications for Agriculture and Public Health. Journal of sustainable agriculture and environment. (1): p. 0. Online: https://doi.org/10.1002/sae2.70049 1.0
• Maß, V.; Alirezazadeh, P.; Seidl-Schulz, J.; Leipnitz, M.; Fitzsche, E.; Ibraheem, R.; Geyer, M.; Pflanz, M.; Reim, S. (2025): Annotated image dataset with different stages of European pear rust for UAV-based automated symptom detection in orchards. Data in Brief. (February): p. 111271. Online: https://doi.org/10.1016/j.dib.2025.111271 1.0
• Vogel, S.; Gebbers, M.; Schröter, I.; Schwanghart, W.; Bönecke, E.; Rühlmann, J.; Kramer, E.; Gebbers, R. (2025): Towards site-independent calibration of in situ soil pH sensor data: Relevance of spatial and temporal proximity, sample size and data spread for calibration model performance. Geoderma. (April 2025): p. 117261. Online: https://www.sciencedirect.com/science/article/pii/S0016706125000990 1.0

Monografien nach Autorenschaft

• Thonicke, K.; Rahner, E.; Arneth, A.; Bonn, A.; Borchard, N.; Chaudhary, A.; Darbi, M.; Dutta, T.; Eberle, U.; Eisenhauer, N.; Farwig, N.; Flocco, C.; Freitag, J.; Grobe, P.; Grosch, R.; Grossart, H.; Grosse, A.; Grützmacher, K.; Hagemann, N.; Hansjürgens, B.; Hartmann Scholz, A.; Hassenrück, C.; Häuser, C.; Hickler, T.; Hölker, F.; Jacob, U.; Jähnig, S.; Jürgens, K.; Kramer-Schadt, S.; Kretsch, C.; Krug, C.; Lindner, J.; Loft, L.; Mann, C.; Matzdorf, B.; Mehring, M.; Meier, R.; Meusemann, K.; Müller, D.; Nieberg, M.; Overmann, J.; Peters, R.; Pörtner, L.; Pradhan, P.; Prochnow, A.; Rduch, V.; Reyer, C.; Roos, C.; Scherber, C.; Scheunemann, N.; Schroer, S.; Schuck, A.; Sioen, G.; Sommer, S.; Sommerwerk, N.; Tanneberger, F.; Tockner, K.; van der Voort, H.; Veenstra, T.; Verburg, P.; Voss, M.; Warner, B.; Wende, W.; Wesche, K. (2024): 10 Must-Knows aus der Biodiversitätsforschung 2024. Leibniz-Forschungsnetzwerk Biodiversität, Potsdam, 72 S. Online: DOI: 10.5281/zenodo.10794362 1.0
• Amon, B. (2024): Developing circular agricultural production systems. Burleigh Dodds Science Publishing Limited, Cambridge, UK, (ISBN-13: 9781801462563), 480 S. Online: https://shop.bdspublishing.com/store/bds/detail/workgroup/3-190-125575 1.0
• Dammer, K. (2024): Sensorgestützte Fungizid-und Insektizid-Applikation sowie Monitoring von Schaderregern am ATB - Überblick zu praxisorientierter Forschung. Bornimer Agrartechnische Berichte 109. Leibniz-Institut für Agrartechnik und Bioökonomie e.V. (ATB), Potsdam, (0947-7314), 59 S. 1.0
• Ewert, F.; Arend, D.; Asseng, S.; Boehm, F.; Feike, T.; Fluck, J.; Gackstetter, D.; Gonzalez-Mellado, A.; Hartmann, T.; Haunert, J.; Hoedt, F.; Hoffmann, C.; König, P.; Lange, M.; Lesch, S.; Lindstädt, B.; Lischeid, G.; Martini, D.; Möller, M.; Rascher, U.; Reif, J.; Schmalzl, M.; Senft, M.; Specka, X.; Stahl, U.; Svoboda, N.; Usadel, B.; Webber, H.; Weiland, C. (2023): FAIRagro FAIR Data Infrastructure for Agrosystems - Proposal 2021. CERN, Genf, 121 S. Online: https://doi.org/10.5281/zenodo.7528172 1.0
• Hutchings, N.; Mikkelsen, M.; Dore, C.; German, R.; Mitchell, J.; Thornton, A.; Sanchez, B.; Amon, B.; Mellios, G.; Juhrich, K.; Ntziachristos, L.; Broomfield, M.; Stewart, R.; Kuenen, J.; Webb, J. (2023): EMEP/EEA air pollutant emission inventory guidebook 2023. Technical guidance to prepare national emission inventories. European Environment Agency, Kopenhagen, (ISSN 1977-8449; ISBN 978-92-9480-598-0), 28 S. Online: doi: 10.2800/795737 1.0
• Yaghoubi, M.; Tavakoli, H. (2022): Mechanical Design of Machine Elements by Graphical Methods. Springer, Cham, (978-3-031-04329-1/978-3-031-04328-4), 285 S. Online: https://doi.org/10.1007/978-3-031-04329-1 1.0
• Berg, G.; Kusstatscher, P.; Wassermann, B.; Cernava, T.; Abdelfattah, A. (2022): Beneficial Microbes for Agriculture: From Discovery to Applications (Pages: 427-443) in: Good Microbes in Medicine, Food Production, Biotechnology, Bioremediation, and Agriculture Editor(s):Frans J. de Bruijn, Hauke Smidt, Luca S. Cocolin, Michael Sauer, David Dowling, Linda Thomashow. Wiley Online Library, 16 S. Online: https://doi.org/10.1002/9781119762621.ch34 1.0
• Grundmann, P.; Adamseged, M.; Ding, Z.; Orozco, R.; Park, H.; Germer, S.; Heinrich, T.; Hoffmann, T.; Jørgensen, U.; Ambye-Jensen, M.; Mosquera-Losada, M.; Álvarez-López, V.; Thorsted Hamann, K.; Etxaleku, N.; van der Weide, R.; Wevers, K.; Lorentzon, K.; Paulrud, S.; Hiemstra, G.; Bundgaard-Jørgensen, U.; Socaciu, C.; Bargues, N.; Hunkin, S.; Mosteyrin Perdiguero, V. (2022): White Paper for Grassland Opportunities - Discussion Document. 35 S. Online: https://www.go-grass.eu/wp-content/uploads/2022/12/2022_12_21_GO-GRASS-White-Paper-Draft.pdf 1.0
• Bernhardt, H.; Brunsch, R.; Colangelo, E.; Horstmann, J.; Kraft, M.; Marquering, J.; Steckel, T.; Tapken, H.; Weltzien, C.; Westerkamp, C.; Bozkurt, M.; Herrmann, A. (2021): VDI-Statusreport Industrie-4.0 - Technologien in der Landwirtschaft. VDI Verein Deutscher Ingenieure e.V., VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik, Düsseldorf, 49 S. Online: https://www.vdi.de/ueber-uns/presse/publikationen/details/industrie-40-technologien-in-der-landwirtschaft 1.0
• Kraatz, S.; Zare, M.; Libra, J.; Grundmann, P.; Reyhani, N.; Zamani, O.; Hunstock, U.; Jacobs, H. (2021): Transformation Strategies in Agriculture. Project Report: Integrated Water Resource Management in the Zayandeh Rud River Basin. Bornimer Agrartechnische Berichte, Heft 104. Eigenverlag, Potsdam, (ISSN 0947-7314), 126 S. Online: https://www.atb-potsdam.de/fileadmin/generell/BABs/BAB_104_Transformation_Strategies_in_Agriculture.pdf 1.0

Monografien nach Herausgeberschaft

• Shamshiri, R.; Hameed, I. (2024): Mobile Robots for Digital Farming. . . CRC Press, Boca Raton, (9781032304663), 208 S. Online: https://www.taylorfrancis.com/books/edit/10.1201/9781003306283/mobile-robots-digital-farming-redmond-shamshiri-ibrahim-hameed 1.0
• Kramer, E.; Rühlmann, J.; Gebbers, R. (2024): Sensorgestützte Kartierung von Bodeneigenschaften für die teilflächenspezifische Kalkung. Textur, pH und Humus: Von den Messwerten zur Streukarte. . . Springer Spektrum, Berlin, (978-3-662-69173-1/978-3-662-69174-8), 193 S. Online: https://link.springer.com/book/10.1007/978-3-662-69174-8 1.0
• Shamshiri, R. (2022): Digital Agriculture, Methods and Applications. . . IntechOpen, London, (978-1-80355-462-4), 166 S. Online: https://www.intechopen.com/books/11343 1.0
• Sultan, M.; Zhou, Y.; Shamshiri, R.; Farooque, A. (2022): Sustainable Agricultural, Biological, and Environmental Engineering Applications. . . MDPI, Basel, (978-3-0365-2921-9, 978-3-0365-2920-2), 440 S. Online: https://doi.org/10.3390/books978-3-0365-2920-2 1.0
• Sultan, M.; Ahamed, M.; Shamshiri, R.; Shahzad, M. (2022): Energy Systems and Applications in Agriculture. . . MDPI, Basel, (978-3-0365-5007-7, 978-3-0365-5008-4), 224 S. Online: https://doi.org/10.3390/books978-3-0365-5007-7 1.0
• Meyer-Aurich, A.; Gandorfer, M.; Hoffmann, C.; Weltzien, C.; Bellingrath-Kimura, S.; Floto, H. (2021): Referate der 41. GIL-Jahrstagung. Lecture Notes in Informatics. Volume P-309. 41. GIL-Jahrestagung. Gesellschaft für Informatik, Bonn, (978-3-88579-703-6), 420 S. Online: https://gil-net.de/Publikationen/GIL2021_Gesamt_finalb.pdf 1.0

Beiträge zu Sammelwerken

• Matavel, C.; Meyer-Aurich, A. (2025): Data-driven nitrogen management: Leveraging historical data and machine learning for economic optima. Lecture Notes in Informatics (LNI). In: Informatik in der Land-, Forst- und Ernährungswirtschaft. 45. GIL-Jahrestagung - Informatik in der Land-, Forst- und Ernährungswirtschaft. Gesellschaft für Informatik (GI), Bonn, (1617-5468 (Online)), p. 323-328. Online: https://gil-net.de/Publikationen/GIL25_Proceedings_final_01.pdf 1.0
• Fumagalli, F.; Muschalik, M.; Hüllermeier, E.; Hammer, B.; Herbinger, J. (2025): Unifying Feature-Based Explanations with Functional ANOVA and Cooperative Game Theory. In: The 28th International Conference on Artificial Intelligence and Statistics (AISTATS) proceedings. AISTATS 2025. p. 1-42. 1.0
• Bykov, K.; Kopf, L.; Nakajima, S.; Kloft, M.; Höhne, M. (2024): Labeling Neural Representations with Inverse Recognition. In: NIPS 23: Proceedings of the 37th International Conference on Neural Information Processing Systems. NeurIPS 2023. Curran Associates Inc., Red Hook, NY, United States, (9781713899921), p. 24804-24828. Online: https://dl.acm.org/doi/10.5555/3666122.3667199 1.0
• Bykov, K.; Müller, K.; Höhne, M. (2024): Mark My Words: Dangers of Watermarked Images in ImageNet. In: Nowaczyk, S.; et al.(eds.): Artificial Intelligence. ECAI 2023 International Workshops. Proceedings, Part I. ECAI 2023 XI-ML Workshops. Springer, Cham, Switzerland, (1865-0929 / 978-3-031-50396-2), p. 426-434. Online: https://doi.org/10.1007/978-3-031-50396-2_24 1.0
• Dammer, K. (2024): In-canopy sensing below the crop surface for reducing pesticide use in agricultural fields. In: 30th Jubilee Scientific Conference Scientific, Technical and Organizational Progress in Agriculture (Proceedings). 30th Jubilee Scientific Conference Scientific, Technical and Organizational Progress in Agriculture. WIR, Wydawnictwo, (978-83-64377-59-4), p. 19-0. 1.0
• Hoffmann, T. (2024): Halmgutkonservierung. In: Frerichs, L.(eds.): Jahrbuch Agrartechnik 2023. . Institut für mobile Maschinen und Nutzfahrzeuge, Braunschweig, Braunschweig, p. 1-7. Online: https://www.jahrbuch-agrartechnik.de/artikelansicht/jahrbuch-2023/chapter/halmgutkonservierung.html 1.0
• Hanike Basavegowda, D.; Höhne, M.; Weltzien, C. (2024): Deep Learning-based UAV-assisted grassland monitoring to facilitate Eco-scheme 5 realization. In: Hoffmann, C.; Stein, A.; Gallmann, E.; Dörr, J.; Krupitzer, C.; Floto, H.(eds.): Informatik in der Land-, Forst- und Ernährungswirtschaft. Focus: Biodiversität fördern durch digitale Landwirtschaft: Welchen Beitrag leisten KI und Co?. 44. GIL-Jahrestagung - Biodiversität fördern durch digitale Landwirtschaft: Welchen Beitrag leisten KI und Co?. Gesellschaft für Informatik (GI), Bonn, (1617-5468/978-3-88579-738-8), p. 197-202. Online: https://gil-net.de/wp-content/uploads/2024/02/GI_Proceedings_344-3.f-1.pdf 1.0
• Liu, S.; Hedström, A.; Hanike Basavegowda, D.; Weltzien, C.; Höhne, M. (2024): Explainable AI in grassland monitoring: Enhancing model performance and domain adaptability. In: Hoffmann, C.; Stein, A.; Gallmann, E.; Dörr, J.; Krupitzer, C.; Floto, H.(eds.): Informatik in der Land-, Forst- und Ernährungswirtschaft. Focus: Biodiversität fördern durch digitale Landwirtschaft: Welchen Beitrag leisten KI und Co?. 44. GIL-Jahrestagung - Biodiversität fördern durch digitale Landwirtschaft: Welchen Beitrag leisten KI und Co?. Gesellschaft für Informatik (GI), Bonn, (1617-5468/978-3-88579-738-8), p. 143-154. Online: https://gil-net.de/wp-content/uploads/2024/02/GI_Proceedings_344-3.f-1.pdf 1.0
• Hedström, A.; Weber, L.; Lapuschkin, S.; Höhne, M. (2024): A Fresh Look at Sanity Checks for Saliency Maps. In: Longo, L.; Lapuschkin, S.; Seifert, C.(eds.): Explainable Artificial Intelligence, Second World Conference, xAI 2024, Valletta, Malta, July 17-19, 2024, Proceedings, Part I. 2nd World Conference on eXplainable Artificial Intelligence (XAI-2024). Springer, Cham, Switzerland, (1865-0929/978-3-031-63786-5), p. 403-420. Online: https://doi.org/10.1007/978-3-031-63787-2_21 1.0
• Kopf, L.; Bommer, P.; Hedström, A.; Lapushkin, S.; Höhne, M.; Bykov, K. (2024): CoSy: Evaluating Textual Explanations of Neurons. In: Advances in Neural Information Processing Systems 38 (NeurIPS 2024 Proceedings). The 38th Annual Conference on Neural Information Processing Systems (NeurIPS 2024). p. 1-21. Online: https://arxiv.org/abs/2405.20331 1.0

Vorträge und Poster

• Tavakoli, H.; Gebbers, R. (2025): Near-range sensors for soil mapping: Introduction to the technology and its applications. 1.0
• Tavakoli, H.; Gebbers, R. (2025): Application of near-range sensors for precise soil liming. 1.0
• Berg, G. (2025): Microbiome innovations to support plant and one health. 1.0
• Abdelfattah, A. (2025): The diversity and function of the fruit microbiome. 1.0
• Berg, G. (2025): Linking soil and gut microbiomes for one health. 1.0
• Kutluk, S. (2025): Explainable AI - How Can We Trust Deep Learning?. 1.0
• Berg, G. (2025): Tracking the microbiome from the soil to our gut via plant-based foods. 1.0
• Berg, G. (2025): Microbiome innovations to support plant and one health. 1.0
• Matavel, C.; Meyer-Aurich, A. (2025): Data-driven nitrogen management: Leveraging historical data and machine learning for economic optima. Lecture Notes in Informatics (LNI). 1.0
• Gebbers, R. (2025): Werkzeuge für die präzise Kalkdüngung - Ergebnisse des Projekts pH-BB. 1.0

Sonstige Artikel

• Gebbers, R.; Vogel, S. (2024): I4S - Mit Sensortechnologien die Bodenfruchtbarkeit messen. Ressource Boden. p. 18-19. Online: https://www.bmbf.de/SharedDocs/Publikationen/DE/7/1064158_Ressource_Boden.pdf?__blob=publicationFile&v=3 1.0
• Drastig, K.; Junghans, V. (2023): Modelle bestätigen Zusatzwasserbedarf bei Kartoffeln. Bauernzeitung.de. p. 32-33. 1.0
• Drastig, K. (2022): Klaus Meyer Praxis-Talk #09: Mit der Natur arbeiten für mehr Wasser. Bauernzeitung. Für Brandenburg, Mecklenburg-Vorpommern und Sachsen-Anhalt. p. 44-45. 1.0
• Penzel, M.; Tsoulias, N.; Zude-Sasse, M. (2021): Weniger ist manchmal mehr (II) - Forschungsergebnisse zur räumlich aufgelösten Fruchtertragskapazität. Besseres Obst. p. 10-11. Online: https://www.besseres-obst.at/fachartikel/produktion/2021/weniger-ist-manchmal-mehr--ii-.html 1.0
• Käthner, J. (2021): Innovation in der Plantage. Deutsche Baumschule. p. 35. 1.0
• Brunsch, R. (2021): Der notwendige Beitrag der Verbraucher - Das Ernährungsverhalten muss sich ändern. zur debatte. p. 6-7. Online: https://www.kath-akademie-bayern.de/fileadmin/user_upload/debatte_2021-3.pdf 1.0