Precision farming in crop and livestock production

Aufsätze in referierten Fachzeitschriften

• Uhlott, J.; Sennhenn, A.; Möller, M. (2024): FAIRagro Survey: Data quality in the application of agricultural system data. Zenodo. : p. 1-60. Online: https://doi.org/10.5281/zenodo.11612449 1.0
• Lunz, S.; Anderson, J.; Xu, M.; Heinkelmann, R.; Titov, O.; Lestrade, J.; Johnson, M.; Shu, F.; Chen, W.; Melnikov, A.; Mikhailov, A.; McCallum, J.; Lopez, Y.; Abad, P.; Schuh, H. (2024): The impact of improved estimates of radio star astrometric models on the alignment of the Gaia bright reference frame to ICRF3. Astronomy & Astrophysics (A&A). (September 2024): p. 1-23. Online: https://doi.org/10.1051/0004-6361/202142081 1.0
• Kim, J.; Savolainen, T.; Voitsik, P.; Kravchenko, E.; Lisakov, M.; Kovalev, Y.; Müller, H.; Lobanov, A.; Sokolovsky, K.; Bruni, G.; Edwards, P.; Reynolds, C.; Bach, U.; Gurvits, L.; Krichbaum, T.; Hada, K.; Giroletti, M.; Orienti, M.; Anderson, J.; Lee, S.; Sohn, B.; Zensus, J. (2023): RadioAstron Space VLBI Imaging of the jet in M87: I. Detection of high brightness temperature at 22 GHz. arXiv. : p. 1-27. Online: https://doi.org/10.48550/arXiv.2304.09816 1.0
• Kim, J.; Savolainen, T.; Voitsik, P.; Kravchenko, E.; Lisakov, M.; Kovalev, Y.; Müller, H.; Lobanov, A.; Sokolovsky, K.; Bruni, G.; Edwards, P.; Reynolds, C.; Bach, U.; Gurvits, L.; Krichbaum, T.; Hada, K.; Giroletti, M.; Orienti, M.; Anderson, J.; Lee, S.; Sohn, B.; Zensus, J. (2023): RadioAstron Space VLBI Imaging of the Jet in M87. I. Detection of High Brightness Temperature at 22 GHz. The Astrophysical Journal. (1): p. 1-17. Online: https://doi.org/10.3847/1538-4357/accf17 1.0
• Savolainen, T.; Giovannini, G.; Kovalev, Y.; Perucho, M.; Anderson, J.; Bruni, G.; Edwards, P.; Fuentes, A.; Giroletti, M.; Gómez, J.; Hada, K.; Lee, S.; Lisakov, M.; Lobanov, A.; López-Miralles, J.; Orienti, M.; Petrov, L.; Plavin, A.; Sohn, B.; Sokolovsky, K.; Voitsik, P.; Zensus, J. (2023): RadioAstron discovery of a mini-cocoon around the restarted parsec-scale jet in 3C 84*. Astronomy & Astrophysics (A&A). (August): p. 1-29. Online: https://doi.org/10.1051/0004-6361/202142594 1.0
• Hanfeld, P.; Höhne, M.; Bussmann, M.; Hönig, W. (2023): Flying Adversarial Patches: Manipulating the Behavior of Deep Learning-based Autonomous Multirotors. arXiv. : p. 1-6. Online: https://doi.org/10.48550/arXiv.2305.12859 1.0
• Hanfeld, P.; Wahba, K.; Höhne, M.; Bussmann, M.; Hönig, W. (2023): Kidnapping Deep Learning-based Multirotors using Optimized Flying Adversarial Patches. arXiv. : p. 1-7. Online: https://doi.org/10.48550/arXiv.2308.00344 1.0
• Hedström, A.; Weber, L.; Lapuschkin, S.; Höhne, M. (2023): Sanity Checks Revisited: An Exploration to Repair the Model Parameter Randomisation Test. arXiv. : p. 1-19. Online: https://arxiv.org/abs/2401.06465 1.0
• Janke, D.; Bornwin, M.; Coorevits, K.; Hempel, S.; van Overbeke, P.; Demeyer, P.; Rawat, A.; Declerck, A.; Amon, T.; Amon, B. (2023): A low-cost wireless sensor network for barn climate and emission monitoring. Atmosphere. (14): p. 1643. Online: https://www.mdpi.com/2073-4433/14/11/1643 1.0
• Gautam, S.; Höhne, M.; Hansen, S.; Jenssen, R.; Kampffmeyer, M. (2023): This looks More Like that: Enhancing Self-Explaining Models by Prototypical Relevance Propagation. Pattern Recognition. (April): p. 109172. Online: https://doi.org/10.1016/j.patcog.2022.109172 1.0

Monografien nach Autorenschaft

• Ewert, F.; Arend, D.; Asseng, D.; Boehm, F.; Feike, T.; Fluck, J.; Gackstetter, D.; Gonzalez-Mellado, A.; Hartmann, T.; Haunert, J.; Hoedt, F.; Hoffmann, C.; König, P.; Lange, S.; 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. (2922): FAIRagro FAIR Data Infrastructure for Agrosystems - Proposal 2021. 121 S. Online: https://doi.org/10.5281/zenodo.7528172 1.0
• Böttcher, H.; Hennenberg, K.; Wiegmann, K.; Scheffler, M.; Wolff, F.; Gsell, M.; Hansen, A.; Meyer-Aurich, A.; Grundmann, P.; Vedel, D. (2020): Nexus Ressourceneffizienz und Landnutzung - Ansätze zur mehrdimensionalen umweltpolitischen Bewertung der Ressourceneffizienz bei der Biomassebereitstellung. Forschungsbericht UBA-FB 002662. Berlin, Dessau-Roßlau, (1862-4804), 161 S. Online: https://www.umweltbundesamt.de/sites/default/files/medien/1410/publikationen/2020-03-04_texte_45-2020_nexus-ressourceneffizienz-landnutzung.pdf 1.0
• Matyssek, R.; Herppich, W. (2020): Experimentelle Pflanzenökologie. Grundlagen und Anwendungen. Springer Spektrum, Berlin Heidelberg, (978-3-662-53463-2), 576 S. Online: https://doi.org/10.1007/978-3-662-53493-9 1.0
• Jones, A.; Jakob, M.; McNamara, J.; Teutenberg, A. (2020): Review of the future of agriculture and occupational safety and health (OSH). Foresight on new and emerging risks in OSH. European Agency for Safety and Health at Work, Luxemburg, (ISBN: 978-92-9479-390-4), 91 S. Online: https://osha.europa.eu/en/publications/future-agriculture-and-forestry-implications-managing-worker-safety-and-health 1.0
• Drastig, K.; LEAP (2019): FAO. 2019. Water use in livestock production systems and supply chains - Guidelines for assessment (Version 1). Livestock Environmental Assessment and Performance (LEAP) Partnership. Rome. FAO, Rom, (978-92-5-131713-6), 130 S. Online: http://www.fao.org/3/ca5685en/ca5685en.pdf 1.0
• Prochnow, A.; Hansen, A.; Meyer-Aurich, A.; Berg, W.; Zeitz, J.; Ellmer, F.; Kirschke, D.; u.a. (2019): LandPaKT - Agricultural Techniques: Potentials and Costs of Greenhouse Gas Mitigation (Final report). Eigenverlag, Potsdam/Berlin, 15 S. Online: https://www.leibniz-gemeinschaft.de/fileadmin/user_upload/Bilder_und_Downloads/Forschung/Wettbewerb/Vorhaben/Abschlussberichte/Sachbericht_SAW-2013-ATB-4.pdf 1.0
• Jakob, M.; Rosecrance, J. (2018): International perspectives on health and safety among dairy workers: Challenges, solutions and the future. Frontiers, Lausanne, (1664-8714 / 978-2-88945-390-0), 115 S. Online: http://dx.doi.org/10.3389/978-2-88945-390-0 1.0
• Amon, B. (2018): Nitrogen losses from Austrian agricultural soils - modelling to explore trade off-effects (NitroAustria) (publizierbarer Endbericht). 38 S. Online: https://www.klimafonds.gv.at/wp-content/uploads/sites/6/B464805-ACRP7-NitroAustria-KR14AC7K11916-EB.pdf 1.0
• Rebhann, M. (2018): Bewirtschaftung von Niedermooren in der gemäßigten Klimazone: Treibhausgasemissionen und Rentabilität. Dissertation, Humboldt-Universität zu Berlin. Open-Access-Repositorium der Humboldt-Universität zu Berlin, Berlin, 163 S. Online: http://dx.doi.org/10.18452/19334 1.0
• FAO, u.; Amon, B. (2018): Nutrient flows and associated environmental impacts in livestock supply chains: Guidelines for assessment (Version 1). FAO, Rom, (978-92-5-130901-8), 196 S. Online: http://www.fao.org/3/CA1328EN/ca1328en.pdf 1.0

Monografien nach Herausgeberschaft

• Gandorfer, M.; Meyer-Aurich, A.; Bernhardt, H.; Maidl, F.; Fröhlich, G.; Floto, H. (2020): Referate der 40. GIL-Jahrestagung in Weihenstephan, 17.-18. Februar 2020: Informatik in der Land-, Forst- und Ernährungswirtschaft Fokus: Digitalisierung für Mensch, Umwelt und Tier. Lecture Notes in Informatics (GI Lecture Notes). 40. GIL-Jahrestagung. Köllen Druck + Verlag GmbH, Bonn, (ISBN 978-3-88579-693-0), 299 S. 1.0
• Meyer-Aurich, A.; Gandorfer, M.; Bata, N.; Gronauer, A.; Kantelhardt, J.; Floto, H. (2019): Informatik in der Land-, Forst- und Ernährungswirtschaft Fokus: Digitalisierung für landwirtschaftliche Betriebe in kleinstrukturierten Regionen - ein Widerspruch in sich?. Lecture Notes in Informatics (GI Lecture Notes). 39. GIL-Jahrestagung. Köllen Druck + Verlag GmbH, Bonn, (1617-5468; 978-3-88579-681-7), 287 S. Online: http://www.gil-net.de/publikationen_autoren.php?id=71&band=139 1.0
• Pflanz, M.; Behmann, J.; Klingbeil, L.; Schirrmann, M.; Hobart, M.; Praeger, U. (2019): Proceedings 25. Workshop Computer-Bildanalyse in der Landwirtschaft. Bornimer Agrartechnische Berichte. Heft 102. 25. Workshop Computer-Bildanalyse in der Landwirtschaft. Leibniz-Institut für Agrartechnik und Bioökonomie e.V. (ATB), Potsdam, (0947-7314), 209 S. 1.0
• Zude-Sasse, M.; Herppich, W. (2018): Sensing and Control of Crop Water Status. Biosystems Engineering - Special Issue. Vol 165. . Elsevier, (ISSN: 1537-5110), 88 S. Online: https://www.sciencedirect.com/journal/biosystems-engineering/vol/165/suppl/C 1.0
• Herppich, W. (2018): Proceedings of the International Symposium on Sensing Plant Water Status - Methods and Applications in Horticultural Science. ISHS Acta Horticulturae 1197. ISHS Symposium 2016 "Sensing Plant Water Status". ISHS, Leuven, Belgium, (ISBN 978-94-62611-93-1), 229 S. Online: https://www.actahort.org/books/1197/index.htm 1.0
• Kraft, M.; Pflanz, M.; Schirrmann, M. (2018): 24. Workshop Computer-Bildanalyse in der Landwirtschaft. Bornimer Agrartechnische Berichte, Heft 99. 24. Workshop Computer-Bildanalyse in der Landwirtschaft. Leibniz-Institut für Argartechnik und Bioökonomie, Potsdam-Bornim, (ISSN 0947-7314), 122 S. Online: https://www.atb-potsdam.de/fileadmin/docs/BABs/Heft_99_Workshop_Computerbildanalyse_Landwirtschaft.pdf 1.0
• Weltzien, C.; Krüger, J.; Meyer, H. (2018): 6th International Conference on Machine Control and Guidance. Bornimer Agrartechnische Berichte. Heft 101. MCG2018 - 6th International Conference on Machine Control and Guidance. Leibniz-Institut für Agrartechnik und Bioökonomie e.V., Potsdam, (0947-7314), 144 S. Online: https://www.atb-potsdam.de/fileadmin/docs/Publikationen/BAB_Heft_101.pdf 1.0
• Mahajan, P.; Zude-Sasse, M. (2017): 10th International FRUTIC Symposium "Quality and Safety of Fresh Horticultural Commodities". Bornimer Agrartechnische Berichte, Heft 91. 10th International FRUTIC Symposium 2017 "Quality and Safety of Fresh Horticultural Commodities. Leibniz-Institut für Agrartechnik und Bioökonomie, Potsdam-Bornim, (ISSN 0947-7314), 86 S. Online: https://www.atb-potsdam.de/fileadmin/docs/Publikationen/Heft_91_.pdf 1.0
• Stolzenburg, F.; Pundt, H.; Pflanz, M.; Schirrmann, M. (2017): 22. Workshop Computer-Bildanalyse und Unbemannte autonom fliegende Systeme in der Landwirtschaft - 23. Workshop Computer-Bildanalyse in der Landwirtschaft. Bornimer Agrartechnische Berichte, Heft 93. 23. Workshop Computer-Bildanalyse in der Landwirtschaft. Leibniz-Institut für Agrartechnik und Bioökonomie, Potsdam-Bornim, (ISSN 0947-7314), 393 S. Online: https://www.atb-potsdam.de/fileadmin/docs/Publikationen/Heft_93_kl.pdf 1.0
• Ruckelshausen, A.; Meyer-Aurich, A.; Rath, T.; Recke, G.; Theuvsen, B. (2016): Informatik in der Land-, Forst- und Ernährungswirtschaft. Fokus: Intelligente Systeme - Stand der Technik und neue Möglichkeiten. Volume P-253. 36. GIL Jahrestagung. Köllen Druck + Verlag GmbH, Bonn, (ISBN 978-3-88579-647-3, ISSN 1617-5468), 224 S. 1.0

Beiträge zu Sammelwerken

• 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
• Hoffmann, C.; Schmidt, M.; Boße, S.; Sennhenn, A.; Shawan, W. (2024): FAIRes Forschungsdatenmanagement für die Agrosystemforschung. In: Deutsche Agrarforschungsallianz (DAFA), c.(eds.): Konferenzband zur DAFA Konferenz Agrarfroschung zum Klimawandel. Agrarforschung zum Klimawandel. Deutsche Agrarforschungsallianz (DAFA) c/o Thünen-Institut, Braunschweig, p. 91-92. Online: https://www.dafa.de/wp-content/uploads/AgrarKlima2024-Konferenzband.pdf 1.0
• Hedström, A.; Weber, L.; Lapuschkin, S.; Höhne, M. (2023): Sanity Checks Revisited: An Exploration to Repair the Model Parameter Randomisation Test. In: XAI in Action: Past, Present, and Future Applications. NeurIPS 2023. Neural Information Processing Systems, San Diego, p. 1-19. Online: https://openreview.net/forum?id=vVpefYmnsG 1.0
• Brunsch, R.; Scholz, R.; Zscheischler, J. (2021): Datenrechte und Marktkonzentration. In: Scholz, R.; Albrecht, E.; Marx, D.; Mißler-Behr, M.; Renn, O.; Van Zyl-Bulitta, V.(eds.): Supplementarische Informationen zum DiDaT Weißbuch. Verantwortungsvoller Umgang mit Daten - Orientierungen eines transdisziplinären Prozesses. . Nomos Verlagsgesellschaft mbH & Co. KG, Baden-Baden, p. 164-172. Online: https://doi.org/10.5771/9783748912125 1.0
• Balasundram, S.; Golhani, K.; Shamshiri, R.; Vadamalai, G. (2020): Precision Agriculture Technologies for Management of Plant Diseases. In: Ul Haq, I.; Ijaz, S.(eds.): Plant Disease Management Strategies for Sustainable Agriculture through Traditional and Modern Approaches. . Springer, Cham, (ISSN 2567-9821, ISBN 978-3-030-35954-6), p. 259-278. Online: https://link.springer.com/chapter/10.1007/978-3-030-35955-3_13 1.0
• Brunsch, R. (2020): Künstliche Intelligenz im Kuhstall - Chance oder Bedrohung?. In: Heitkämper, K.(eds.): Arbeitswissenschaftliches Kolloquium : Arbeit unter einem D-A-CH - Automatisierung und Digitalisierung in der modernen Landwirtschaft. AKAL 2020. Agroscope Science, (2296-729X), p. 105-113. Online: https://ira.agroscope.ch/de-CH/publication/43769 1.0
• Marques-dos-Santos, C.; Bittmann, S.; Brito, L.; Goss, M.; Hunt, D.; Serra, J.; Gourley, C.; Aarons, S.; Skiba, U.; Amon, B.; Vale, M.; Cruz, S.; Reis, R.; Dalgaard, T.; Hutchings, N. (2020): Climate resilient and smart agricultural management tools to cope with climate change induced soil quality decline. In: Prasad, M.; Pietrzykowski, M.(eds.): Climate Change and Soil Interactions. . Elsevier, Amsterdam, Oxford, Cambridge, (978-0-12-818032-7), p. 613-662. Online: https://www.elsevier.com/books/climate-change-and-soil-interactions/prasad/978-0-12-818032-7 1.0
• Amon, B.; Dong, H.; Günther, P.; Li, B.; Li, Y.; Lüttringhaus, S.; Müller, D.; Wei, S.; Wang, B.; Xu, W.; Yan, Y.; Zhu, Z. (2020): Nitrogen Use Efficiency in Livestock Production: Relevance and Options for Improvement. In: DZC(eds.): Climate change and Agriculture - Perspectives from China and Germany. . Peking, China, p. 53-77. Online: https://www.dcz-china.org/en/reports-studies-and-policy-briefs.html?file=files/Seiten/Reports%20and%20studies/Collected%20Specialist%20Publication-Climate%20Change%20and%20Agriculture%20Perspectives%20from%20China%20and%20Germany-2020.pdf&cid=1216 1.0
• Mylostyvyi, R.; Sejian, V.; Hoffmann, G. (2020): Problems related to ensuring the cow comfort in uninsulated cowsheds during the hot season. In: Dnipro State Agrarian and Economic University(eds.): Proceedings of the 1st International Scientific and Practical Conference AWCGCC. 1st International Scientific and Practical Conference Animal Welfare in the conditions of global climate change. DSAEU, Dnipro, p. 75-77. 1.0
• Penzel, M.; Pflanz, M.; Gebbers, R.; Zude-Sasse, M. (2020): Mechanical thinning of apples reduces fruit drop. In: Costes, E.; Morandi, B.; Küden, A.; Reighard, G.; Losciale, P.(eds.): XXX IHC - Proceedings International on Symposium Understanding Fruit Tree Behaviour in Dynamic Environments. XXX. International Horticultural Congress. ISHS, Leuven, Belgien, (ISBN 978-94-62612-77-8, ISSN 0567-7572), p. 533-538. Online: DOI 10.17660/ActaHortic.2020.1281.70 1.0

Vorträge und Poster

• Bykov, K. (2024): Explainable AI: from Local to Global. 1.0
• Bykov, K. (2024): Intorduction to Explainable AI: how do we explain Deep Neural Networks. 1.0
• Sennhenn, A. (2024): Empowering community-driven change and developments towards a FAIR data future in agrosystem science - First Evidence from the NFDI initiative FAIRagro. 1.0
• Sennhenn, A. (2024): FAIRagro Use Case Call 2025. Developing & implementing tailored solutions for RDM challenges together with the agrosystems community. 1.0
• Sennhenn, A. (2024): Community Engagement & Participation. 1.0
• Schmitt, K.; Sennhenn, A. (2024): Data & drinks I - How to manage Your Data. 1.0
• Schmitt, K.; Sennhenn, A. (2024): Data & Drinks II- Is your data really yours?. 1.0
• Schmidt, M.; Sennhenn, A. (2024): Digital infrastructure for the agrosystem domain. 1.0
• Kutluk, S. (2024): Data Science and AI - Research Focus and Projects of the Data Science in Bioeconomy Department. 1.0
• Kopf, L.; Bommer, P.; Hedström, A.; Lapuschkin, S.; Höhne, M.; Bykov, K. (2024): CoSy: Evaluating Textual Explanations of Neurons. 1.0

Sonstige Artikel

• Vogel, S. (2020): Praxisnah geforscht. Bauernzeitung. Für Brandenburg, Mecklenburg-Vorpommern und Sachsen-Anhalt. p. 24-26. 1.0
• Gebbers, R. (2020): Präzise, schnell, kostengünstig: Bodenfruchtbarkeit kartieren - mit Sensoren. Deutsche Baumschule. p. 24-27. 1.0
• Vogel, S.; Scheibe, D. (2020): Den pH-Wert für jede Stelle des Schlages optimal einstellen. Bauernblatt Schleswig-Holstein und Hamburg. p. 30-33. 1.0
• Vogel, S.; Lück, K.; Gebbers, R.; Rühlmann, J.; Scheibe, D.; Kling, C.; Bönecke, E.; Schröter, I.; Philipp, G.; Nagel, A.; Zieger, K.; Meyer, S.; Gerlach, F.; Palme, S.; Kramer, E. (2019): Kalkdüngung - aber bitte präszise. Landwirtschaft ohne Pflug - LOP. p. 48-53. 1.0
• Penzel, M.; Kröhling, C. (2018): Erfahrung mit Brevis. Gartenbauprofi. Monatsschrift für Obst, Gemüse und Zierpflanzen. p. 12-14. 1.0
• Zude-Sasse, M. (2018): Möglichkeiten und Grenzen der Digitalisierung im Obstbau. Besseres Obst. p. 18-19. 1.0
• Zude-Sasse, M. (2018): Technologische Trends zur Optimierung des Anbaus und der Lagerung. Gemüse. p. 62-63. 1.0
• Kaletta, M.; Zude-Sasse, M. (2018): Maulbeeren: Kleine Attraktionen im Verkaufsregal. Besseres Obst. p. 4-6. 1.0
• Vogel, S.; Scheibe, D. (2018): pH-Wert nach Bedarf. Bauernzeitung. Für Brandenburg, Mecklenburg-Vorpommern und Sachsen-Anhalt. p. 26-29. 1.0
• Brandes, N.; Regen, C.; Intreß, J.; Seifert, B.; Zude-Sasse, M. (2017): Qualität nach Maß - die Fruchtgröße im Auge behalten!. Besseres Obst. p. 17-18. 1.0