fuse2model: Datenfusion zur Entwicklung von Modellen für Boden und Pflanzenbestand im Ackerbau

Die Datenquellen zur Ableitung von Management-Zonen in Feldern weisen für sich gesehen Limitationen auf. Ziel in diesem Projekt ist, diese Daten in einem kombinierten Ansatz zu aggregieren und fusionieren. Die Fusion von Daten aus mehreren Quellen mit unterschiedlichen Charakteristika (bezüglich räumlicher und zeitlicher Auflösung sowie Präzision und Genauigkeit der Messung) ermöglicht die Erstellung von Modellen für Boden und Pflanzenbestand mit hoher Qualität und Zuverlässigkeit. Auf Basis dieser Modelle weisen auch die abgeleiteten Applikationskarten optimierte Eigenschaften für die standortangepasste Bewirtschaftung in Österreich auf. Die implementierten Modelle werden zusätzlich mit qualitativ hochwertigen In-Situ („ground-truth“) Daten wie z.B. Biomasse- und Ertragserhebungen aus Feldversuchen validiert. Feldversuchsdaten sind allerdings nur in vergleichsweise geringem Ausmaß verfügbar und über viele Betriebe und Institutionen verteilt. Ein weiteres Ziel ist daher, zusätzliche Quellen für ground-truth Daten zu recherchieren und eine Strategie zu erarbeiten, wie sämtliche in diesem Projekt verwendeten Daten zusammengeführt werden können. Darauf aufbauend, wird ein Konzept für einen Data Space erstellt, welcher die Basis für die Modell-Weiterentwicklung und Validierung in der standortangepassten Bewirtschaftung darstellen soll.

Das Projekt gliedert sich in vier Arbeitspakete und die spezifischen Zielen in den jeweiligen Abschnitten sind die folgenden

Projektdokumentation und Dissemination

• GIT-Repository mit Quelltext und ausführlicher Dokumentation sämtlicher entwickelter Modelle und Algorithmen
• Endbericht des Projektes (inkl. der Zwischenergebnisse bzw. -berichte aus den anderen Arbeitspaketen)
• Publikation der Projektergebnisse (einschlägige Fachkonferenz und Artikel in einer wissenschaftlichen Zeitschrift)

Datenaggregation und Modellvalidierung

• Quelltext und Dokumentation der implementierten Schnittstellen für die zur Modellentwicklung notwendigen Datenquellen (Pflanzenwachstumsmodelle und Fernerkundungsdaten)
• Datenbank, in welcher die bereits vorhandenen ground-truth Daten (hauptsächlich Feldversuchsdaten) aggregiert sind
• Konzept (Dokument) für die Erstellung eines Data Space für die Weiterentwicklung und Validierung der Modelle für Pflanzenbestand und Boden im Ackerbau

Datenfusion und Zustandsschätzung

• Quelltext und Dokumentation der implementierten System- und Pflanzenwachstumsmodelle
• Quelltext und Dokumentation der implementierten Beobachtungsmodelle für die Fernerkundungsdaten
• Quelltext und Dokumentation der implementierten Algorithmen zur Datenfusion und Zustandsschätzung (Kombination der System- und Pflanzenwachstumsmodelle mit den Beobachtungsmodellen für die Fernerkundungsdaten)

Zeitreihenanalyse und Prädiktion

• Quelltext und Dokumentation der implementierten Modelle zur Prädiktion des Ertrages
• API zur wissenschaftlichen Nutzung der entwickelten Modelle

Der Klimawandel verdeutlicht die Notwendigkeit, die Bewirtschaftungsweise in der Landwirtschaft im Sinne der Nachhaltigkeit anzupassen. Die EU-Kommission gibt das mit dem Green Deal und zahlreichen Strategien entsprechend vor, welche sich in der gemeinsamen Agrarpolitik (GAP) niederschlagen. Die Bodenstrategie beinhaltet sehr konkrete Schritte für die Landwirtschaft, wie z.B. die Optimierung der Düngerausbringung („farm sustainability tool for nutrients“) und die Digitalisierung in der Bewirtschaftung („controlled traffic farming“). Auch die „Farm2Fork“-Strategie und der „Zero Pollution Action Plan“ spielen hier eine wichtige Rolle (Erhaltung der Biodiversität, 50%-Reduktion von Nährstoffauswaschung und Pestizideinsatz). Die öffentlichen Ziele und Anreize sind sehr stark auf Umwelt und Nachhaltigkeit fokussiert. Daneben ist es auch wichtig, dass die Wettbewerbsfähigkeit der europäischen bzw. der österreichischen Landwirtschaft erhalten bleibt und im besten Fall gestärkt wird. Der Aspekt der Wettbewerbsfähigkeit steht nicht zwingend im Widerspruch mit der nachhaltigen Bewirtschaftung. Gerade die
standortangepasste Bewirtschaftung in Kombination mit der Digitalisierung bietet das Potential, die oben genannten Ansprüche, zu erfüllen bzw. vermeintliche Widersprüche aufzulösen.

Die Ergebnisse dieses Projektes bilden die Basis für weitere Forschungsprojekte und Entwicklungen. Neben den Fernerkundungsdaten gibt es noch andere Datenquellen, welche mit den Pflanzenwachstumsmodellen fusioniert werden können. Möglichkeiten hierfür sind die Integration von Daten aus der Maschinen- und Gerätedasensorik oder die Nutzung von verteilter Sensorik im Feld (d.h. IoT-Ansatz). Mit Hilfe der entwickelten Modelle können Heterogenitäten im Feld detektiert und damit Management-Zonen und Applikationskarten abgeleitet werden. In der Anwendung (z.B. Düngung oder Pflanzenschutz) ist es dann aber notwendig weitere Algorithmen und Modelle anzuwenden. Durch den Fokus auf die bedarfsgerechte Düngung in der HBLFA Francisco Josephinum Wieselburg (TerraZo, Feldversuche), dienen die Projektergebnisse vor allem der Weiterentwicklung der Düngemodelle. Durch eine spätere Integration in TerraZo partizipieren auch die Landwirtinnen und Landwirte von den erweiterten Modellierungen von Pflanzenbestand und Boden. Durch die Implementierung einer API und der Versionierung des Quelltextes in einem GIT-Repository ist es möglich, dass weitere Institutionen und Forschungseinrichtungen in möglicherweise folgenden Projekten an diesen Modellen mitarbeiten. Das Konzept eines Data Space könnte helfen, den Austausch von In-Situ Daten zwischen den relevanten Institutionen in Österreich voranzutreiben und damit die Verbesserung bestehender Modelle sowie die Entwicklung neuer Ansätze zu beschleunigen.