API src

Found 180 results.

Related terms

Biodiversität, Maschinelles Lernen und Agrarwirtschaft, Monitoring, Kommunikation und Koordination

Erarbeitung von Algorithmen für umwelt-, ertrags- und qualitätsrelevante Parameter einer teilflächenspezifischen Landbewirtschaftung

In einem Forschungsverbund wird an der teilflächenspezifischen Umsetzung von agrotechnischen Maßnahmen gearbeitet. Schwerpunkt ist die Zusammenführung und Richtung unterschiedlicher Informationen (Bodennutzungssysteme, Ertragskartierung, Erfahrungswerte) mit dem Ziel, Applikationstechnik teilflächenspezifisch steuern zu können.

Quantitative optische Differentialdiagnostik für Umweltschutz und Nachhaltigkeit in der Landwirtschaft (quantiFARM), Teilvorhaben: KI-basierte Modellierung der Bezüge zwischen Bodenfluoreszenz und umweltschutzrelevanten Bodenparametern sowie Nachhaltigkeitsbewertung

Quantitative optische Differentialdiagnostik für Umweltschutz und Nachhaltigkeit in der Landwirtschaft (quantiFARM), Teilvorhaben: Technische Integration und Validierung einer Mosaikfilterkamera zur Chlorophyllfluoreszenzdetektion und Interpretation

Biodiversität, Maschinelles Lernen und Agrarwirtschaft, KI-gestützte Biodiversitätssteuerung mit Agrardaten

Green ERA Hub Call 2: FarmScan -Abbaubare Sensorknoten zur Fernüberwachung von Bodenparametern für eine nachhaltigere, resilientere und ressourceneffizientere Präzisionslandwirtschaft

Green ERA Hub Call 1: NSmartSystems - Intelligentes N-Management für diversifizierte Anbausysteme

Untersuchung autonomer, datengesteuerter Technologien in der Pflanzenproduktion - ein emergentes Innovations-Ökosystem transformiert den Agrarsektor

Die Präzisionslandwirtschaft und die damit verbundenen digitalen Technologien bergen viele Potenziale für eine nachhaltige Transformation des Agrarsektors und bilden die Grundlage für ressourcenschonende Produktivitätssteigerungen im Sinne der „sustainable intensification.“ Digitale Technologien aus anderen Sektoren finden somit zunehmend Anwendung in der Pflanzenproduktion. In der Konsequenz lässt sich ein Zusammenwachsen, d. h. eine Konvergenz, zwischen der digitalen Ökonomie und dem Agrarsektor beobachten. Diese Konvergenz führt zu einer Transformation hin zu einer Präzisionslandwirtschaft, die als komplexes Phänomen mit zahlreichen Wechselwirkungen zu beschreiben ist. Um dieser Komplexität gerecht zu werden, ist ein holistischer Ansatz zur Erfassung der Zusammenhänge erforderlich. Das Ziel dieses Forschungsprojektes ist daher die Untersuchung der grundlegenden strukturellen Veränderungen, die durch das Aufkommen autonomer, datengesteuerter Technologien ausgelöst werden, sowie der Folgen und Chancen für die beteiligten Akteure. Dies erfolgt im Rahmen einer Mehrebenenanalyse auf Ökosystem, Organisations- und Individualebene. Die vorliegende Untersuchung wird die Konvergenz ehemals getrennter Ökosysteme (WP1), die Auswirkungen auf die Identität von etablierten Unternehmen im Bereich der Landmaschinentechnik (WP2) sowie die kognitiven Mechanismen von Managern bei der Erkennung unternehmerischer Chancen in dem Konvergenzfeld Präzisionslandwirtschaft (WP3) analysieren. Die hier angestrebte Mehrebenenanalyse wird das Verständnis der Transformation von Agrarproduktionssystemen vertiefen, die zunehmend von physischen Produkten zu digitalen Produkt-Service-Systemen übergehen. Die Integration der Ergebnisse aller drei Untersuchungsebenen dient der Erweiterung der Forschung zu Ökosystemen und Konvergenz sowie der Beantwortung der entscheidenden Frage, welche Akteure in dem sich wandelnden und zunehmend komplexen Ökosystem der Landwirtschaft eine dominante oder einflussreiche Rolle einnehmen werden.

Vorhersage von Pflanzenwachstum, Ertrag und Wirtschaftlichkeit mit einem Kl-gestützten System, TP2: Vorhersage von Wetterparametern aus Satellitendaten mittels selbstorganisierender Modellbildung und High Performance Computing (FEED)

Autonomous Plant Monitoring (APLAMO)

1 2 3 4 516 17 18