Obstbau digital
Sensoren, Modelle und smarte PflegehelferDigitale Techniken finden zunehmend Eingang in die obstbauliche Praxis. Dabei geht es neben einer effizienteren Ressourcennutzung auch um eine geringere Umweltbelastung - bei hohen Erträgen und bester Qualität. Auch autonom fahrende Ernte- und Pflegehelfer könnten künftig Einzug in den Obstanlagen halten.
In unserer Forschung entwickeln wir zum einen Methoden des Präzisionsgartenbaus auf der Grundlage pflanzenphysiologischer Modelle. Zum anderen arbeiten wir intensiv an automatisierten Lösungen, die helfen sollen, die Belastung der Betriebe durch arbeitsintensive Pflege- und Erntearbeiten zu reduzieren.
Daten und Modelle für präzises Management im Obstbau
Methoden des Präzisionsgartenbaus sollen Produzent*innen insbesondere darin unterstützen, Bewirtschaftungsmaßnahmen wie Düngung und Bewässerung präzise und bedarfsgerecht durchzuführen. Um möglichst umfassende Informationen über den aktuellen Zustand von Pflanzen, Boden und Mikroklima in den Anlagen zu erhalten, setzen wir verschiedene stationäre und mobile Sensoren ein. Und wir verknüpfen die vielfältigen Informationen, um daraus passgenaue Empfehlungen für ein zonen- bzw. baumindividuelles Management von Obstanlagen zu entwickeln. So lassen sich beispielsweise aus der Kenntnis der räumlichen Variabilität einer Anlage produktionsrelevante Informationen für ein präzises Wassermanagement ableiten (Projekt AquaC+).
Mobile Sensoren - ob am Traktor oder an Drohnen - liefern wichtige Informationen zum aktuellen Zustand von Pflanzen und Anlage. Bei Durchfahrten und Überfliegungen entehen so Karten zum Kronenvolumen oder zum Unkrautdruck. Diese baumindividuellen bzw. teilflächengenauen Informationen sind u.a. grundlegend für einen präzisen Pflanzenschutz mit minimierten Aufwandmengen. Nahbereichssensoren ermöglichen Messungen direkt an der Pflanze: Miniaturisierte optische Sensoren können aktuelle Daten zum Wasserzustand und zur Reifeentwicklung direkt an der Pflanze, am Blatt oder an der Frucht erfassen und so Hinweise geben für das Bewässerungsmanagement und für den richtigen Erntezeitpunkt.
In unserem Fieldlab for Digital Agriculture in Marquardt testen wir Remote- und Nahbereichssensoren und führen auch Überfliegungen von Obstgehölzen durch.
Smarte Anwendungen
Erkenntnisse unserer grundlagenorienten Forschung verknüpfen wir zu Anwendungen für die Praxis. Hier stellen wir drei Beispiele vor.
Eine App unterstützt Obstproduzenten dabei, Kirschen zum richtigen Zeitpunkt zu ernten. Hierfür reicht es aus, in der Anlage einzelne Kirschen auf einem ausgedruckten Blatt Papier zur Größenreferenzierung mit dem Smartphone zu fotografieren. Die App analysiert die Fruchtgrößenentwicklung und ermittelt anhand des sorten- und standortspezifischen Reifungsmusters den für die Vermarktung bestmöglichen Erntetermin. (App CHERRY HARVEST SIZE im Goolgeplay Store)
Mit einer baumindividuellen mechanischen Blütenausdünnung lassen sich höhere Eträge bei bester Fruchtqualität erzielen. Eine frontseitig am Traktor montierte Stereokamera erfasst die vorhandene Blütendichte je Einzelbaum. Mit dieser Information kann die Drehgeschwindigkeit der rotierenden Spindelbürste gesteuert werden, die beim Vorbeifahren Blüten maschinell abschlägt. Je nach Blütenbesatz dreht sich die Spindel schneller oder langsamer und schlägt z.B. beim Passieren eines stark blühenden Baums mehr Blüten ab. (Projekt SmaArt)
Automatisierte Pflege- und Erntehelfer könnten künftig für Entlastung bei sehr arbeits- und daher kostenintensiven Produktionsprozessen sorgen.
Wir arbeiten beispielsweise im Projekt SunBot an einer energieautarken Traktor-Geräte-Kombination, die künftig in Strauchbeerenanlagen autonom die Pflege des Unterwuchses übernehmen kann – auch in den Nachtstunden. Die enge Zusammenarbeit von Forschung, Industrie und Praxis zielt auf Praktikabilität und einen schnellen Transfer der Ergebnisse in die Praxis. (sunbot.de)
Ausgewählte Forschungsprojekte zum Thema
-
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…
-
Im EIP-Projekt Aqua C+ werden effektive Daten zum Wasserbedarf von obstbaulichen Kulturen verfügbar gemacht. Vorhandene Modelle der Bewässerungssteuerung werden systematisch in der Praxis brandenburgischer Unternehmen ge…
-
Ziel des Verbundvorhabens ist es ein modularisiertes mobiles System zu entwickeln, welches ein erstes raum-zeitlich hochaufgelöstes Bestandsmonitoring (4D) von Insektenpopulationen im Obstbau ermöglicht, um darauf aufbau…
-
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…
-
Im EIP-Projekt SunBot wird ein fahrerloses, elektrisch betriebenes Traktor-Geräte-Gespann aus marktverfügbaren und neuen Komponenten entwickelt. Es soll in Zukunft zur Unterwuchspflege im Beerenobstanbau eingesetzt werde…
Weitere Projekte zum Thema suchen ...
Ausgewählte Publikationen
- Saha, K.; Tsoulias, N.; Weltzien, C.; Zude-Sasse, M. (2022): Estimation of Vegetative Growth in Strawberry Plants Using Mobile LiDAR Laser Scanner. Horticulturae. (2): p. 90. Online: https://doi.org/10.3390/horticulturae8020090
- Zare, M.; Drastig, K.; Zude-Sasse, M. (2020): Tree water status in apple orchards measured by means of land surface temperature and vegetation index (LST-NDVI) trapezoidal space derived from Landsat 8 satellite images. Sustainability. (1): p. 70. Online: https://doi.org/10.3390/su12010070
- Tsoulias, N.; Gebbers, R.; Zude-Sasse, M. (2019): Using data on soil ECa, soil water properties, and response of tree root system for spatial water balancing in an apple orchard. Precision Agriculture. : p. 1-27. Online: https://doi.org/10.1007/s11119-019-09680-8
- Tsoulias, N.; Paraforos, D.; Fountas, S.; Zude-Sasse, M. (2019): Estimating Canopy Parameters Based on the Stem Position in Apple Trees Using a 2D LiDAR. Agronomy. (9): p. 740. Online: https://doi.org/10.3390/agronomy9110740
- Penzel, M.; Pflanz, M.; Gebbers, R.; Zude-Sasse, M. (2021): Tree adapted mechanical flower thinning prevents yield loss caused by over thinning of trees with low flower set in apple. European Journal of Horticultural Science. (1): p. 86-89. Online: https://doi.org/10.17660/eJHS.2021/86.1.10
Weitere Publikationen zum Thema suchen ...