CARPE MEMORIAM

Ein betriebs-übergreifendes digitales Flächengedächtnis für die effizientere Landwirtschaft

Scroll Down

Idee des Projekts




Das vom Bundesministerium für Bildung und Forschung geförderte Projekt CARPE MEMORIAM konzeptioniert und demonstriert ein betriebsübergreifendes digitales Flächengedächtnis für die effizientere Landwirtschaft.

Landwirtschaftliche Betriebe werden heute nicht mehr ausschließlich innerhalb der Familie weitergegeben, sondern oftmals verpachtet oder verkauft. Historisierte Informationen über die genaue Beschaffenheit einer Ackerfläche können somit verlorengehen. Dadurch besteht die Notwendigkeit des Aufbaus betriebsübergreifender Wissensspeicher. Im Falle von Übergängen landwirtschaftlicher Betriebe und Flächen soll es in Zukunft möglich sein, Wissen über die spezifischen geographischen Rahmenbedingungen einer Fläche weiterzugeben oder mit gesammeltem Wissen den Betrieb intelligent zu unterstützen. Durch den Klimawandel bedingte Veränderungen in Vegetationsresilienz, Bodenbeschaffenheit und dessen Erosionsanfälligkeit unterstreichen die Notwendigkeit dieses Vorhabens. In diesem Vorhaben soll die Digitalisierung der Landwirtschaft vorangetrieben werden. Dies wird durch Etablierung einer prototypischen web-basierten Flächengedächtnisplattform erreicht, die einerseits hochauflösende Satellitendaten und andererseits Drohnenaufklärungsdaten sowie in-situ Sensordaten über offene Schnittstellen integrieren und verarbeiten wird. In diesem Vorhaben sollen Vegetationsparameter mit multipler Sensorik in heterogener, sich ergänzender räumlich-zeitlicher Auflösung erfasst werden. Dazu sollen verfügbare Satellitendaten, Daten aus Befliegungen sowie in-situ Sensorik im Feld zu einem hochgenauen „Lagebild“ fusioniert werden können. Der Datenbestand dieses Lagebildes soll als Quelle für das Flächengedächtnis fungieren. Letztlich wird dadurch ein optimiertes Anbaumanagement ermöglicht und mit Entscheidungshilfen das jeweilige Ertragspotenzial am besten ausgeschöpft.

Projektpartner

m2Xpert GmbH und Co. KG

Die m2Xpert GmbH und Co. KG ist ein deutsches Startup-Unternehmen mit Sitz in Bielefeld. Im Rahmen der Entwicklung von Software, Systemkomponenten und intelligenten Vernetzungsdiensten hat m2Xpert weitreichende Erfahrung in der Vernetzung von Maschinen gesammelt und verfügt über Expertise in der Schaffung von Management-Infrastrukturen. Zum Portfolio der entwickelten Lösungen gehört zum einen die herstellerübergreifende Farm- Management-Plattform Farmtune, welche zunehmende Verbreitung in der europäischen Landwirtschaft findet. Neben der Unterstützung klassischer Farm-Management Use-cases wie der Schlag- und Auftragsverwaltung, bietet m2Xpert mit Farmtune auch die Möglichkeit der Vernetzung und des Trackings landwirtschaftlicher Fuhrparks.
Ansprechpartner: Dr. Hans-Peter Grothaus

Arbeitsgruppe Verteilte Systeme der Universität Osnabrück

Die AG Verteilte Systeme verfügt über umfangreiche Vorarbeiten zu vernetzter, adaptiver Sensorik. Besondere Schwerpunkte lagen auf robusten Lösungen z.B. für den Katastrophenschutz und in maritimen Szenarien. An der Universität Osnabrück erfolgte eine zunehmende Ausrichtung auf Agrarinformatik. So wurden in Kooperation mit der AG Fernerkundung und Digitale Bildverarbeitung Lösungen zur Erfassung und Übertragung von biophysikalischen Bestandesparametern durch drahtlose Sensornetze und Smartphones entwickelt.
Ansprechpartner: Prof. Dr. Nils Aschenbruck

Arbeitsgruppe Fernerkundung und Digitale Bildverarbeitung der Universität Osnabrück

Die AG Fernerkundung und Digitale Bildverarbeitung verfügt über langjährige Erfahrungen in der Analyse multi- und hyperspektraler Fernerkundungsdaten. Die durchgeführten Arbeiten umfassen die Quantifizierung von Boden- und Vegetationseigenschaften aus punktbezogenen Reflexionsmessungen sowie flächenbezogen aus Satelliten- und Flugzeugscannerdatensowie UAV Daten. Ein Schwerpunkt liegt auf der quantitativen Erfassung relevanter biophysikalischer und biochemischer Bestandesparameter landwirtschaftlicher Kulturen.
Ansprechpartner: Dr. Thomas Jarmer

Publikationen

  • Nikolas Wintering, Jannis Mast, Thomas Hänel, Nils Aschenbruck
    "Trade-Off Between Compression and FEC in Image Transmission over Wifibroadcast"
    accepted for the 48th IEEE Conference on Local Computer Networks
    LCN, Daytona Beach, Florida, USA, Oct. 2-5, 2023.
  • Thomas Hänel, Manuel Reese, Maren Pöttker, Thomas Jarmer, and Nils Aschenbruck
    "Evaluating the Potential of Multispectral Sensor Networks based on Deployments in Wheat Fields"
    accepted for the 20th IEEE International Conference on Mobile Ad-Hoc and Smart Systems
    MASS, Toronto, Canada, Sep. 25-27, 2023.
  • Jannis Mast, Thomas Hänel, Nikolas Wintering, Nils Aschenbruck
    "Evaluating Wifibroadcast for Long-Distance UAV-to-Ground Data Transmission"
    Proc. of the IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks
    WoWMoM, Boston, USA, June 12-15, 2023.
  • Thomas Hänel, Clemens Hoppenau, Jannis Mast, Nils Aschenbruck
    "WIP: Two Packet Collision Model Parameter Sets"
    Proc. of the IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks
    WoWMoM, Boston, MA, USA, June 12-15, 2023.
  • Cornelius Wolff, Alexander Tessmer, Nils Aschenbruck
    A New Approach on Estimating Germany’s Mobile Broadband Coverage based on Crowdsourced Data
    Proc. of the 27. ITG-Symposium on Mobile Communication - Technologies and Applications
    Osnabrück, Germany, May 10-11, 2023.
  • Thomas Hänel
    "Quality-Aware Compressed Sensing for Distributed Precision Agriculture Systems"
    Dissertation, Osnabrück University, 2022, [pdf].
  • Maren Pöttker, Manuel Reese, Thomas Hänel, Thomas Jarmer
    "Assessing the suitability of different sensor types for deriving soil related differences in plant characteristics"
    Poster at Living Planet Symposium, 2022, [pdf].
  • Thomas Hänel, Thomas Jarmer, Nils Aschenbruck
    "Learning a Transform Base for the Multi- to Hyperspectral Sensor Network with K-SVD"
    Section: Sensor Networks, Special Issue: Sensing Technology in Smart Agriculture,
    MDPI Sensors, 21(21), 7296, 2021, [pdf].