Motivation
Ein ausreichender Gehalt an Humus (organische Bodensubstanz) im Boden ist die Voraussetzung für eine nachhaltige und natürliche Bodenfruchtbarkeit. Der Humusgehalt im Boden bestimmt maßgeblich den Mikroorganismenbesatz, pH-Wert, Wasserverfügbarkeit, Bioturbation (Durchmischen von Böden durch Lebewesen), Kalium-, Magnesium-, Stickstoff-, Phosphat- und Schwefelgehalt sowie Wurzelwachstum, Erosionsresistenz und die Bodenbefahrbarkeit. Zudem hat eine kontinuierliche Akkumulation von Humus einen positiven Einfluss auf das Klima, da Humus CO₂ bindet. Dies kann über bestimmte Bewirtschaftungsmaßnahmen erreicht werden. Die Bestimmung des Humusgehalts ist heute in der landwirtschaftlichen Praxis jedoch kaum zu vertretbaren Kosten möglich. Die Probennahme ist aufwendig, jede Probe muss im Labor untersucht werden, wodurch die Kosten entsprechend hoch sind. Zudem kann die Humusverteilung selbst bei kleinen Flächen äußerst heterogen sein. Eine repräsentative Wertermittlung wäre für den Landwirt daher unverhältnismäßig teuer und nicht leistbar.
Ziele und Vorgehen
Ziel des Projektes ist die Entwicklung einer Methode und eines technischen Sensorsystems, um damit den Bodenhumusgehalt vor Ort in hoher räumlicher Auflösung zu bestimmen und diese Information mithilfe eines cloudbasierten Datenmanagementsystems in effiziente Bewirtschaftungsempfehlungen für den Landwirt zu übersetzen. Grundlage hierfür ist eine mobile und modular konfigurierbare Sensorplattform, die die vor Ort aufbereitete Bodenprobe mittels optischer Spektroskopie im sichtbaren und nahen Infrarotbereich (VNIR – visible and near-infrared) erfasst und geografisch verortet. Anschließend werden die Rohdaten bezüglich des Humusgehalts mithilfe von spektralen Referenzsignaturen in einer cloudbasierten Datenbank und einem entsprechenden Vorhersagemodell ausgewertet. Die Ergebnisse werden in das ebenfalls cloudbasierte Managementsystem „agriPORT“ übertragen und stehen dort Nutzern zur Analyse und Umwandlung in konkrete Bewirtschaftungsempfehlungen zur Verfügung.
Innovationen und Perspektiven
Die Kernpunkte der Umsetzung sind die Entwicklung einer Software zur Auswertung der Messwerte und einer Schnittstelle zur Übertragung der Werte an die Datenplattform agriPORT. Zur Kalibrierung der VNIR-Rohdaten werden eine Referenzdatenbank sowie sensorspezifische Kalibrierungsmodelle erstellt. Die Analyse und Verarbeitung der Daten erfolgt über eine cloud- und Machine-Learning-basierte Lösung. Für die Regressionsanalysen werden verschiedene Verfahren aus dem Bereich des Machine Learning getestet. Auch die Implementierung der VNIR-Spektroskopie in eine mobile Probenahmeplattform ist anspruchsvoll, da die Proben aufbereitet, analysiert und wieder abgegeben werden müssen. Dies erfolgt während der Feldüberfahrt (ohne anzuhalten) aus einer Tiefe von bis zu 30 cm. Fehlende Referenzdaten können anfangs ggf. mit Daten aus anderen öffentlichen Datenbanken ergänzt werden. Anschließend werden auf Basis der gewonnenen Humusgehalte Modelle zu Bewirtschaftungsempfehlungen entwickelt.