TP 11: Grünlandbewirtschaftung und -management


Stand der Wissenschaft sowie Problemstellung

Für die Erfassung des Grünlandertrags hinsichtlich der Erntemenge während des Pflanzenwachstums sind bereits verschiedene Messmethoden zur Abschätzung der Bestandsdichte untersucht worden. Diese basieren entweder auf manuell durchgeführten Messungen vor Ort oder auf Fernerkundungsinformation mit Hilfe von Satelliten und Drohnen. Keines dieser Verfahren hat es bis heute in die praktische Anwendung geschafft. Für die Erntemengenerfassung während der Ernte mit Mähwerken können an diesen Geräten Drehmomentmessungen eingesetzt werden. Bisher sind auch diese Verfahren nicht in der landwirtschaftlichen Praxis verbreitet.

Basierend auf den erfassten Ertragsdaten und weiteren Informationsquellen lässt sich eine teilflächenspezifische Bewirtschaftung der Grünlandflächen etablieren, die im Ackerbau bereits verbreitet ist. Die an die Inhaltsstoffe angepasste teilflächenspezifische Gülleausbringung ist eine Bewirtschaftungsmaßnahme des Grünlands, die sowohl ökologische als auch ökologische Vorteile verspricht, jedoch bisher nicht eingesetzt wird. Applikationskarten und NIR-Sensoren zur Ermittlung der Inhaltsstoffe der Gülle stellen die Grundlage für diese Anwendung dar.

Industriepartner

Claas Saulgau GmbH   |   365FarmNet   |   ESRI Deutschland

Ziel und Gegenstand des Forschungsvorhabens

Durch die Ergebnisse dieses Teilprojekts kann bereits während der Wachstumsphase des Grünlands der zu erwartende Ertrag ermittelt werden. Während der Ernten werden die Informationen durch online-Messungen präzisiert und ergänzt. Diese Daten werden den Landwirten in Form von Ertragskarten zugänglich gemacht. Sie stellen eine fundierte Basis für Managemententscheidungen zur Bestandspflege dar. 

In der zweiten Projektphase werden die erhobenen Ertragsdaten genutzt, um daraus Applikationskarten für eine teilflächenspezifische Gülleausbringung abzuleiten. Diese an das Ertragsniveau der Grünlandflächen angepasste Ausbringung des organischen Düngers wird in der Praxis erprobt und bewertet.

Damit können Grünlandbewirtschaftung und -management auf ein höheres Qualitätsniveau gebracht werden.

Beschreibung Arbeitsprogramm und erwartete Ergebnisse

Zur Vorhersage von Ertragund Erntemenge werden vorhandene Sensorsysteme (z.B. satellitengestützte Fernerkundung, Datenerhebung am und im Feld auf Basis sichtbaren Lichts, NIR und Laserscans, Massenentwicklung aus Vegetationshöhe und -dichte) auf ihre Eignung hin untersucht, verbessert, eingesetzt und mit Klimadaten und -vorhersagen ergänzt. In Futtererntemaschinen werden Sensoren für die verschiedenen Arbeitsschritte der Maschinen hinsichtlich ihrer Eignung untersucht und eingesetzt. Aus Prozess- und Qualitätsdaten werden Informationen zur tatsächlichen Erntemenge abgeleitet.

Aufbauend auf den Informationen zur Ertragsfähigkeit der Flächen und weiteren wachstumsrelevanten Daten, werden Applikationskarten zur organischen Düngung erstellt. Gleichzeitig wird bestehende Technik mit Sensoren und Armaturen zur Durchflussregelung ausgestattet, um die teilflächenspezifische Gülleausbringung in der Praxis zu erproben.

Publikationen

  • Kiefer, A., Stumpe, C., Hütt, C., Bahrs, E. (2024): Comparing economic effects of remote herbage mass estimation in small-scale farms in mountain regions. LANDTECHNIK79(1).
  • Stumpe, C.; Leukel, J.; Zimpel, T. (2023): Prediction of pasture yield using machine learning-based optical sensing: a systematic review. Precision Agriculture (2023), S. 1-30.
  • Leukel, J., Stumpe, C., Zimpel, T. (2023): Prediction of pasture biomass using machine learning-based optical sensing: How temporal and spatial variability affects prediction performance. 52nd Annual Meeting of the Ecological Society of Germany, Austria and Switzerland.
  • Leukel, J., Zimpel, T., & Stumpe, C. (2023). Machine learning technology for early prediction of grain yield at the field scale: A systematic review. Computers and Electronics in Agriculture, 207, 107721. (DOI: doi.org/10.1016/j.compag.2023.107721)
  • Stumpe, C. (2022). Das Gras wachsen sehen - Mit Geoinformation gelingt es. In: WhereNext
  • Stumpe, C.; Böttinger, S. (2022) Grassland yield prediction and mapping in small-scaled regions. In: VDI-MEG (Hrsg.): AgEng-LAND.TECHNIK 2022, VDI-Berichte, Bd. 2406, Düsseldorf: VDI Verlag 2022 (DOI: 10.51202/9783181024065, S. 149-154)
  • Stumpe, C.; Mundt, M.; Böttinger, S. (2022). Exemplary on-farm research of region-, period- and swardspecific grassland yield prediction using geoprocessing methods. In: Proceedings of the 29th General Meeting of the European Grassland Federation
  • Stumpe, C. (05.2021). Und wie viel ernten Sie? In: topagrar online|Ackerbau
  • Stumpe, C., Werner, J., Krug, P., Weber, J. (2021). Mehr Wissen über Wiesen und Weiden – Möglichkeiten der Digitalisierung. In: Milchpraxis 3/2021 (55. Jg.) 1-3
  • Stumpe et al. (2021). Accuracy improvement of Rising Plate Meter measurements to support management decisions in the Black Forest region. In: Proceedings of the 21st Symposium of the European Grassland Federation “Sensing – New Insights into Grassland Science and Practice”, p. 217-219
  • Stumpe, C., Werner, J., Krug, P., Weber, J. (2021). Digitalisierung in der Weidewirtschaft. In: BIOTOPP 2|Tier, p.32-34