Gesellschaft für Informatik e.V.

Lecture Notes in Informatics


IT-standards in der agrar- und ernährungswirtschaft -- fokus: risiko- und krisenmanagement P-226, 29-32 (2014).

Gesellschaft für Informatik, Bonn
2014


Copyright © Gesellschaft für Informatik, Bonn

Contents

Steigerung der N-effizienz durch den einsatz künstlicher neuronaler netze und support-vector-machines zur kleinräumig differenzierten stickstoffdüngung im winterweizen

Benjamin Burges and Peter Wagner

Abstract


Die Anforderungen an die moderne Landwirtschaft bedingen einen effizienten Ressourceneinsatz, auch bei der N-Düngung. Ökonomisch optimierte Entscheidungsregeln wurden mit Künstlichen Neuronalen Netzen (KNN) und Support-Vector-Machines (SVM) erzeugt und in der Anwendung mit einer betriebseinheitlichen Variante verglichen. Es zeigte sich, dass Einsparpotentiale von bis zu 69 kg N/ha möglich sind (KNN), diese aber unter geostatistischer Beurteilung mit einer signifikanten Ertragsminderung einhergehen. Das SVM-Modell appliziert, bei gleichem Ertrag wie in der betriebseinheitlichen Variante, 20 kg N/ha weniger. Die Stickstoffeffizienz steigt um 10\% auf 17.5 kg N/t Ertrag (SVM) bzw. um 30\% auf 13.7 kg N/t Ertrag (KNN) im Vergleich zur betriebsüblichen Variante (19.5 kg N/t Ertrag).


Full Text: PDF

Gesellschaft für Informatik, Bonn
ISBN 978-388579-620-6


Last changed 15.04.2014 17:36:42