API src

Found 78 results.

Related terms

Qualifikation und Erprobung einer Sensorsystemlösung zur bedarfsgerechten Düngung in der Agrar- und Ernährungswirtschaft, Teilprojekt E

Bedarfsgerechtes Güllemanagement ist seit vielen Jahren eine vielschichtige Herausforderung für landwirtschaftliche Betriebe. Um den rechtlichen Rahmenbedingungen und Nachweispflichten nachzukommen, ist ein vielversprechender Lösungsansatz, die Gülle im Ausbringungsfahrzeug mittels NIR-Systems (Nahinfrarot) auf N-Gesamt (Gesamtstickstoff), NH4-N (Ammonium-N), P2O5 (Phosphor) und K2O (Kalium) sowie Trockenmasse hin zu analysieren. Eine breite Marktdurchdringung verlangt ein kompaktes, nachrüstbares und preisgünstiges NIR-System, welches die geforderte Genauigkeit und Qualitätsanforderungen erfüllt. Das Vorhaben iDentPlus setzt sich zum Ziel, eine Gesamtsystemlösung bestehend aus einem innovativen NIR-Sensorsystem basierend auf MEMS-IR-Detektoren und einem intelligenten Cloud-System mit KI-basierten Monitoring und Computing für den Feldeinsatz zu qualifizieren und bei einer hohen Anzahl von landwirtschaftlichen Betrieben zu erproben. Zur Gewährleistung der Funktionssicherheit unter den rauen Einsatzbedingungen werden neben einer Sensor-Selbstdiagnose auch eine kontinuierliche Überwachung der gemessenen NIR-Spektren im Feld und eine bedarfsgesteuerte Aktualisierung der Analysemodelle mittels Over-the-Air Update realisiert. Ferner sollen die für die Auswertung notwendigen Algorithmen entwickelt werden. Dabei wird ein besonderer Fokus auf Stickstoff gelegt, wobei die anderen Inhaltsstoffe mit bearbeitet werden. Basierend auf dem weiterzuentwickelnden NIR-Sensorsystem soll ein Verfahren zur automatisierten Erstellung der Analysemodelle aus Referenzdaten entwickelt werden, um eine genaue Nährstoffbestimmung über einen langen Betriebszeitraum sicherzustellen. Das Ziel ist die Entwicklung und Evaluierung einer ganzheitlichen Systemlösung bestehend aus einem NIR-Sensorsystem, einer Cloud-Lösung, mit Datenmanagement, Cloud-Monitoring und -Computing sowie die Entwicklung der Verfahren und der Algorithmen zur Bestimmung der Nährstoffgehalte des organischen Wirtschaftsdunges.

Nachhaltiges und klimaangepasstes Wassermanagement im Bergbau der Region des südlichen Afrikas, Teilprojekt 1

Qualifikation und Erprobung einer Sensorsystemlösung zur bedarfsgerechten Düngung in der Agrar- und Ernährungswirtschaft, Teilprojekt A

Bedarfsgerechtes Güllemanagement ist seit vielen Jahren eine vielschichtige Herausforderung für landwirtschaftliche Betriebe. Um den rechtlichen Rahmenbedingungen und Nachweispflichten nachzukommen, ist ein vielversprechender Lösungsansatz, die Gülle im Ausbringungsfahrzeug mittels NIR-Systems (Nahinfrarot) auf N-Gesamt (Gesamtstickstoff), NH4-N (Ammonium-N), P2O5 (Phosphor) und K2O (Kalium) sowie Trockenmasse hin zu analysieren. Eine breite Marktdurchdringung verlangt ein kompaktes, nachrüstbares und preisgünstiges NIR-System, welches die geforderte Genauigkeit und Qualitätsanforderungen erfüllt. Das Vorhaben iDentPlus setzt sich zum Ziel, eine Gesamtsystemlösung bestehend aus einem innovativen NIR-Sensorsystem basierend auf MEMS-IR-Detektoren und einem intelligenten Cloud-System mit KI-basierten Monitoring und Computing für den Feldeinsatz zu qualifizieren und bei einer hohen Anzahl von landwirtschaftlichen Betrieben zu erproben. Zur Gewährleistung der Funktionssicherheit unter den rauen Einsatzbedingungen werden neben einer Sensor-Selbstdiagnose auch eine kontinuierliche Überwachung der gemessenen NIR-Spektren im Feld und eine bedarfsgesteuerte Aktualisierung der Analysemodelle mittels Over-the-Air Update realisiert. Ferner sollen die für die Auswertung notwendigen Algorithmen entwickelt werden. Dabei wird ein besonderer Fokus auf Stickstoff gelegt, wobei die anderen Inhaltsstoffe mit bearbeitet werden. Basierend auf dem weiterzuentwickelnden NIR-Sensorsystem soll ein Verfahren zur automatisierten Erstellung der Analysemodelle aus Referenzdaten entwickelt werden, um eine genaue Nährstoffbestimmung über einen langen Betriebszeitraum sicherzustellen. Das Ziel ist die Entwicklung und Evaluierung einer ganzheitlichen Systemlösung bestehend aus einem NIR-Sensorsystem, einer Cloud-Lösung, mit Datenmanagement, Cloud-Monitoring und -Computing sowie die Entwicklung der Verfahren und der Algorithmen zur Bestimmung der Nährstoffgehalte des organischen Wirtschaftsdunges.

Monitoring von Stickstoffemissionen im Pflanzenbau

Ziel des Demonstrationsprojekts ist es, ein Konzept zur frühzeitigen und systematischen Messung und Vorhersage der Nitratbelastung auf landwirtschaftlichen Standorten der Marktkulturproduktion, Futtermittelproduktion und Tierproduktion unter praktischen Bedingungen zu testen. Anhand von Bewirtschaftungsdaten sollen zudem gasförmige Verluste in Form von klimaschädlichem Lachgas und Ammoniak aus der Anwendung von Düngemitteln quantifiziert werden. Später soll dieses Frühüberwachungskonzept in ein landesweites Nitratüberwachungssystem integriert werden. Das Überwachungskonzept basiert auf einem multiparametrischen Satz von Frühindikatoren wie jährlichen Bilanzwerten und Messungen. Bilanzwerte und Messungen werden am Ursprungsort der Nitratfrachten (1) in der Landwirtschaft, (2) in der Wurzelzone und (3) in der Sickerwasserentwässerungszone aufgezeichnet. Die Bewirtschaftungsdaten werden zudem mit Emissionsfaktoren zur Quantifizierung gasförmiger klimarelevanter Schadgase aus der Anwendung verschiedener Düngemittel verknüpft. Somit kann eine vollständige Bilanzierung der N-Verlustpfade vorgenommen werden. Ziel ist es, die Auswirkungen von Änderungen in den Bewirtschaftungspraktiken auf die Nitratbelastung sowie die Emission von Lachgas und Ammoniak von landwirtschaftlichen Flächen zu erfassen.

Nachhaltiges und klimaangepasstes Wassermanagement im Bergbau der Region des südlichen Afrikas, Teilprojekt 2

Qualifikation und Erprobung einer Sensorsystemlösung zur bedarfsgerechten Düngung in der Agrar- und Ernährungswirtschaft, Teilprojekt D

Bedarfsgerechtes Güllemanagement ist seit vielen Jahren eine vielschichtige Herausforderung für landwirtschaftliche Betriebe. Um dem rechtlichen Rahmen und Nachweispflichten nachzukommen, ist ein vielversprechender Lösungsansatz, die Gülle im Ausbringungsfahrzeug mittels NIR-Systemen auf N-Gesamt (Gesamtstickstoff), NH4-N (Ammonium-N), P2O5 (Phosphor) und K2O (Kalium) sowie Trockenmasse hin zu analysieren. Eine breite Marktdurchdringung verlangt ein kompaktes, nachrüstbares und preisgünstiges NIR-System, welches die geforderte Genauigkeit und Qualitätsanforderung erfüllt. Das Vorhaben iDentPlus setzt sich zum Ziel, eine Gesamtsystemlösung bestehend aus einem innovativen NIR-Sensorsystem basierend auf MEMS-IR-Detektoren und einem intelligenten Cloud-System mit KI-basierten Monitoring und Computing für den Feldeinsatz zu qualifizieren und bei einer hohen Anzahl von landwirtschaftlichen Betrieben zu erproben. Zur Gewährleistung der Funktionssicherheit unter den rauen Einsatzbedingungen werden neben einer Sensor-Selbstdiagnose auch eine kontinuierliche Überwachung der gemessenen NIR-Spektren im Feld und eine bedarfsgesteuerte Aktualisierung der Analysemodelle mittels Over-the-Air Update realisiert. Ferner sollen die für die Auswertung notwendigen Algorithmen entwickelt werden. Dabei wird ein besonderer Fokus auf Stickstoff gelegt, wobei die anderen Inhaltsstoffe mit bearbeitet werden. Basierend auf dem weiterzuentwickelnden NIR-Sensorsystem soll ein Verfahren zur automatisierten Erstellung der Analysemodelle aus Referenzdaten entwickelt werden, um eine genaue Nährstoffbestimmung über einen langen Betriebszeitraum sicherzustellen. Das übergeordnete Ziel ist die Entwicklung und Evaluierung einer ganzheitlichen Systemlösung bestehend aus einem NIR-Sensorsystem, einer Cloud-Lösung, mit Datenmanagement, Cloud-Monitoring und -Computing sowie die Entwicklung der Verfahren und der dafür nötigen Algorithmen zur Bestimmung der Nährstoffgehalte des organischen Wirtschaftsdunges.

Qualifikation und Erprobung einer Sensorsystemlösung zur bedarfsgerechten Düngung in der Agrar- und Ernährungswirtschaft, Teilprojekt C

Bedarfsgerechtes Güllemanagement ist seit vielen Jahren eine vielschichtige Herausforderung für landwirtschaftliche Betriebe. Um den rechtlichen Rahmenbedingungen und Nachweispflichten nachzukommen, ist ein vielversprechender Lösungsansatz, die Gülle im Ausbringungsfahrzeug mittels NIR-Systems (Nahinfrarot) auf N-Gesamt (Gesamtstickstoff), NH4-N (Ammonium-N), P2O5 (Phosphor) und K2O (Kalium) sowie Trockenmasse hin zu analysieren. Eine breite Marktdurchdringung verlangt ein kompaktes, nachrüstbares und preisgünstiges NIR-System, welches die geforderte Genauigkeit und Qualitätsanforderungen erfüllt. Das Vorhaben iDentPlus setzt sich zum Ziel, eine Gesamtsystemlösung bestehend aus einem innovativen NIR-Sensorsystem basierend auf MEMS-IR-Detektoren und einem intelligenten Cloud-System mit KI-basierten Monitoring und Computing für den Feldeinsatz zu qualifizieren und bei einer hohen Anzahl von landwirtschaftlichen Betrieben zu erproben. Zur Gewährleistung der Funktionssicherheit unter den rauen Einsatzbedingungen werden neben einer Sensor-Selbstdiagnose auch eine kontinuierliche Überwachung der gemessenen NIR-Spektren im Feld und eine bedarfsgesteuerte Aktualisierung der Analysemodelle mittels Over-the-Air Update realisiert. Ferner sollen die für die Auswertung notwendigen Algorithmen entwickelt werden. Dabei wird ein besonderer Fokus auf Stickstoff gelegt, wobei die anderen Inhaltsstoffe mit bearbeitet werden. Basierend auf dem weiterzuentwickelnden NIR-Sensorsystem soll ein Verfahren zur automatisierten Erstellung der Analysemodelle aus Referenzdaten entwickelt werden, um eine genaue Nährstoffbestimmung über einen langen Betriebszeitraum sicherzustellen. Das Ziel ist die Entwicklung und Evaluierung einer ganzheitlichen Systemlösung bestehend aus einem NIR-Sensorsystem, einer Cloud-Lösung, mit Datenmanagement, Cloud-Monitoring und -Computing sowie die Entwicklung der Verfahren und der Algorithmen zur Bestimmung der Nährstoffgehalte des organischen Wirtschaftsdunges.

Qualifikation und Erprobung einer Sensorsystemlösung zur bedarfsgerechten Düngung in der Agrar- und Ernährungswirtschaft, Teilprojekt B

Bedarfsgerechtes Güllemanagement ist seit vielen Jahren eine vielschichtige Herausforderung für landwirtschaftliche Betriebe. Um den rechtlichen Rahmenbedingungen und Nachweispflichten nachzukommen, ist ein vielversprechender Lösungsansatz, die Gülle im Ausbringungsfahrzeug mittels NIR-Systems (Nahinfrarot) auf N-Gesamt (Gesamtstickstoff), NH4-N (Ammonium-N), P2O5 (Phosphor) und K2O (Kalium) sowie Trockenmasse hin zu analysieren. Eine breite Marktdurchdringung verlangt ein kompaktes, nachrüstbares und preisgünstiges NIR-System, welches die geforderte Genauigkeit und Qualitätsanforderungen erfüllt. Das Vorhaben iDentPlus setzt sich zum Ziel, eine Gesamtsystemlösung bestehend aus einem innovativen NIR-Sensorsystem basierend auf MEMS-IR-Detektoren und einem intelligenten Cloud-System mit KI-basierten Monitoring und Computing für den Feldeinsatz zu qualifizieren und bei einer hohen Anzahl von landwirtschaftlichen Betrieben zu erproben. Zur Gewährleistung der Funktionssicherheit unter den rauen Einsatzbedingungen werden neben einer Sensor-Selbstdiagnose auch eine kontinuierliche Überwachung der gemessenen NIR-Spektren im Feld und eine bedarfsgesteuerte Aktualisierung der Analysemodelle mittels Over-the-Air Update realisiert. Ferner sollen die für die Auswertung notwendigen Algorithmen entwickelt werden. Dabei wird ein besonderer Fokus auf Stickstoff gelegt, wobei die anderen Inhaltsstoffe mit bearbeitet werden. Basierend auf dem weiterzuentwickelnden NIR-Sensorsystem soll ein Verfahren zur automatisierten Erstellung der Analysemodelle aus Referenzdaten entwickelt werden, um eine genaue Nährstoffbestimmung über einen langen Betriebszeitraum sicherzustellen. Das Ziel ist die Entwicklung und Evaluierung einer ganzheitlichen Systemlösung bestehend aus einem NIR-Sensorsystem, einer Cloud-Lösung, mit Datenmanagement, Cloud-Monitoring und -Computing sowie die Entwicklung der Verfahren und der Algorithmen zur Bestimmung der Nährstoffgehalte des organischen Wirtschaftsdunges.

Isotopenspezifisches Monitoring des H2O-, CO2- und N2O-Austauschs zwischen Atmosphäre und Ökosystem, Teilprojekt 1: Bestimmung der Isotopologenflüsse an einem Ackerstandort

LURCH - KIMoDIs: KI-basiertes Monitoring-, Datenmanagement- und Informationssystem zur gekoppelten Vorhersage und Frühwarnung vor Grundwasserniedrigständen und -versalzung, Teilprojekt 6

Veranlassung Die Fördermaßnahme LURCH lässt sich in drei übergeordnete Themenfelder untergliedern. Dazu gehören: - Quantitative Herausforderungen, in Bezug auf ein integriertes Systemverständnis der Grundwasserleiter unter Einbeziehung aller beeinflussenden natürlichen Schnittstellen (Oberflächengewässer, Grundwasserneubildung, saline Wässer, etc.) und aller Akteure und Funktionen (Trinkwasserversorgung, Land- und Forstwirtschaft, Industrie, Wärme- oder Kältespeicher, Ökosystemfunktionen) - Qualitative Herausforderungen, z. B. stofflich (Nitrat, aktuelle Schadstoffe, Spurenstoffe, Krankheitserreger, künftige regulatorische Qualitätsparameter), analytisch (z. B. Non-Target Analytik, Indikatoren), technologisch (z. B. In-situ Behandlung, Überwachung) - Herausforderungen der nachhaltigen Bewirtschaftung, multidimensionale und integrierte Bewirtschaftungsstrategien (z. B. Grundwasseranreicherung), wirtschaftliche Anforderungen (z. B. Investitions-/Betriebskosten) und Digitalisierungsmaßnahmen Das Augenmerk der Fördermaßnahme liegt auf der Unterstützung der erfolgreichen Entwicklung, Demonstration und Umsetzung von anwendungsorientierten Lösungen, die in interdisziplinären Verbundprojekten wie KIMoDIs erarbeitet werden. Um die verfügbaren Grundwasserressourcen optimal und nachhaltig zu nutzen, entwickelt das Projekt ein Monitoring-, Datenmanagement- und Informationssystem zur gekoppelten Vorhersage und Frühwarnung vor Grundwasserniedrigständen und -versalzung, das auf Methoden der KI basiert. Die Ergebnisse werden in einem nutzerspezifischen Entscheidungshilfe-Tool zusammengeführt, welches mittels verschiedener Klima- und Nutzungsszenarien standortspezifisch eine intelligente Planung von Gegenmaßnahmen ermöglichen soll. Ziele Ziele des Gesamtprojekts: - Entwicklung eines auf KI basierenden Monitoring-, Datenmanagement- und Informationssystems zur kurz- (saisonal), mittel- (1 bis 10 Jahre) und langfristigen (bis 2100) Vorhersage von Grundwasserständen und -versalzung. - Aufbau eines anwenderspezifischen Entscheidungs-Unterstützungssystems zur frühzeitigen Warnung vor Grundwasserniedrigständen und -versalzung sowie den damit verbundenen Schäden. - Zusammenführung aller erforderlichen Messdaten in einem intelligenten Datenmanagementsystem. - Berücksichtigung verschiedener Nutzungsszenarien zur standortspezifischen, intelligenten Planung von Gegenmaßnahmen. - Die methodische Entwicklung und Demonstration des Ansatzes erfolgt überregional im Land Brandenburg, unter großräumiger Betrachtung aller Aspekte wie den Entnahmen für Trinkwasserversorgung, Industrie und Landwirtschaft, zeitlich hochaufgelöstem Monitoring der Bewässerungslandwirtschaft sowie der Gefahr durch Tiefenversalzung infolge von Übernutzung. - Der entwickelte Ansatz wird in der Folge übertragen und getestet 1. auf regionaler Ebene, für ein Einzugsgebiet der Harzwasserwerke in Niedersachsen mit Fokus auf problematische Auswirkungen niedriger Grundwasserstände, und 2. auf lokaler Ebene, am Beispiel der Insel Langeoog mit Betrachtung der touristisch bedingten starken Variabilität des saisonalen Wasserbedarfs bei zunehmender Trockenheit sowie Gefährdung der Trinkwasserversorgung durch Versalzung. Die BfG leitet das Arbeitspaket 4 „KI-gestützte Wasserhaushaltsmodellierung“. Hierfür gelten folgende Ziele: -- Bereitstellung von simulierten und vorhergesagten Wasserhaushaltsgrößen für die Pilotregion „Untere Havel“, speziell für den Havelnebenfluss Nuthe und die Wasserversorgung Potsdam EWP. - Berechnung der flächendifferenzierten und zeitlich hochauflösenden Wochenmittel der Grundwasserneubildung (GWN) mittels klassischer Verfahren und KI-basierter Algorithmen. - Prozess- bzw. Konzeptmodell und KI-basierte Ansätze zur Berechnung der Grundwasser-Oberflächengewässer-Interaktion. - Kurz-, Mittel- und Langfristvorhersagen der GWN mit einem hybriden Modellsystem. - Zur Unterstützung der Machine Learning (ML)-Modelle zur Berechnung der Grundwasserneubildung werden

1 2 3 4 5 6 7 8