UAV-basiertes Grünlandmonitoring auf Bestands- und Einzelpflanzenebene

Projektleitung: Prof. Dr.-Ing. Ralf Bill

Förderung: Behörde für Wirtschaft, Verkehr und Innovation

Kooperation: Landwirtschaftskammer Hamburg

Zeitraum: 01.10.2016-30.09.2019

Einordung:
Institut: Professur Geodäsie und Geoinformatik

Projektbeschreibung:
Grünland stellt heute schon den größten Anteil an der landwirtschaftlichen Fläche Hamburgs und wird in Zukunft durch politische Vorgaben und die spezielle Standortbeschaffenheit Hamburgs weiter anwachsen, was einer nachhaltigen Bewirtschaftung von Grünland zukünftig eine noch höhere Bedeutung beimisst. Grünland befindet sich in Hamburg auch im Besitz und in der Bewirtschaftung der Öffentlichen Hand. Zudem sind bisher fast alle Ausgleichsflächen der Freien und Hansestadt Hamburg (FHH) Grünlandflächen.

In einer solchen kleinstrukturierten mit Gräben durchzogenen, Grünland dominierten Kulturlandschaft wie der in Hamburg können die Einsatzmöglichkeiten von UAV (Unmanned aerial vehicles) für Precision Farming (PF) ideal erforscht und getestet werden. Hier hat das avisierte Forschungsprojekt zur automatisierten Bestandscharakterisierung und Einzelpflanzenbestimmung mittel UAV-basierter Bilddaten in Kombination mit vorhandenen Geodaten ein hohes Innovationspotenzial in einem bisher noch nicht etablierten wissenschaftlichen Umfeld. Zudem ergibt sich ein großer praktischer Nutzen für die Landwirtschaft in Hamburg.

Das beantragte Forschungsprojekt besteht aus sechs Arbeitspaketen. Die zwei Basispakete, in denen einerseits anhand vorhandener Geodaten und Vorstudien die zu untersuchenden Grünlandstandorte aufbereitet und analysiert werden (AP 1) sowie andererseits durch mehrfach durchgeführte UAV-Bildflüge räumlich, zeitlich und spektral extrem hochaufgelöste aktuelle Bilddaten digital erfasst werden (AP 2), dienen als Grundlage für die drei Forschungspakete.

i) Bestandcharakterisierung der Grünlandflächen hinsichtlich Bewuchshöhen, Weidequalität und Flächenmanagement durch raum-zeitliche GIS-Analysen und Data Mining (AP 3).
ii) Einzelpflanzenerkennung mittels automatisierter Bildanalyse und Mustererkennung, untersucht am Beispiel des Jakobskreuzkrautes (AP 4).
iii) App-Entwicklung für den mobilen Einsatz auf Smartphones oder Tablets zur Bonitur, Spektralanalyse und zur Unkrautbekämpfung (AP 5).

Im übergreifenden Arbeitspaket zum Wissenstransfer (AP 6) soll zudem die Interaktion mit den vor Ort Handelnden intensiv gepflegt und die Erweiterung des Anwendungsspektrums UAV-basierter PF-Technologien demonstriert werden.

Im Ergebnis des Forschungsprojektes entstehen klar definierte Workflows, die durch angepasste sowie selbst entwickelte Algorithmen in GIS- und Bildverarbeitungssoftware integrierbar sind sowie Apps zur mobilen Anwendung in der Grünlandcharakterisierung und Unkrautbekämpfung. Der Wissenstransfer in die Praxis und zur Anwendung in der Offizialberatung erfolgt fortlaufend. Zudem sind die Ergebnisse nach Abschluss des Forschungsprojektes in der landwirtschaftlichen Beratung und in landwirtschaftlichen Betrieben nutzbar.

Bearbeiter: Philipp Zacharias

Zum Projekt: Mitarbeiter, Publikationen
Weitere Projekte im Forschungsteilschwerpunkt