+36 70 203-3120 | agrowebsystem@gmail.com | Blog | Kontakt

7 Wege, wie GIS das Rätselraten in der Landwirtschaft überflüssig macht

  • 237

Künstliche Intelligenz in der Landwirtschaft wurde durch die allgemeine technologische Entwicklung der letzten Jahrzehnte gefördert.

Bei der Anwendung von künstlicher Intelligenz in der Landwirtschaft geht es darum, Land zu analysieren, Felddaten auf Karten darzustellen und diese Daten in die Praxis umzusetzen. Mit Hilfe künstlicher Intelligenz ermöglicht die Präzisionslandwirtschaft fundierte Entscheidungen und Maßnahmen, die es den Landwirten ermöglichen, das Beste aus jedem Hektar herauszuholen, ohne die Umwelt zu schädigen.

Apropos Werkzeuge: Die landwirtschaftliche GIS-Technologie stützt sich auf Satelliten, Flugzeuge, Drohnen und Sensoren. Mit diesen Tools werden Bilder aufgenommen und mit Karten und nichtvisualisierten Daten verknüpft. Das Ergebnis ist eine Karte, die den Standort und den Gesundheitszustand der Pflanzen, die Topografie, die Bodenart, die Düngung und ähnliche Informationen zeigt.

Es gibt viele Anwendungen der Geoinformatik in der Landwirtschaft.

Erfahren Sie mehr über die folgenden Anwendungen und Einsatzmöglichkeiten der Geoinformatik in der Landwirtschaft:

Ertragsvorhersage

Genaue Ertragsvorhersagen können Regierungen dabei helfen, die Ernährungssicherheit zu gewährleisten, und Unternehmen bei der Gewinnvorhersage und Budgetplanung. Jüngste technologische Fortschritte, die Satelliten, Sensorik, Big Data und künstliche Intelligenz miteinander verbinden, können diese Vorhersagen ermöglichen.

Eine der tiefgreifendsten Techniken in diesem Bereich sind Faltungsneuronale Netze (ConvNets oder CNNs). Ein ConvNet ist ein Deep-Learning-Algorithmus, dem beigebracht wird, die Produktivität einer Pflanze zu erkennen. Die Entwickler trainieren diesen Algorithmus, indem sie ihn mit Bildern von Pflanzen füttern, deren Erträge bereits bekannt sind, um Produktivitätsmuster zu finden. Die Genauigkeit von CNN liegt bei etwa 82 %.

Quelle des obigen Bildes: Sustainability and Artificial Intelligence Lab, Stanford University

Überwachung der Pflanzengesundheit

Die manuelle Überwachung der Pflanzengesundheit über mehrere Hektar ist die am wenigsten effiziente Lösung. Hier kommt die Fernerkundung in Kombination mit GIS in der Landwirtschaft zum Einsatz.

Satellitenbilder und Eingabedaten können miteinander kombiniert werden, um Umweltbedingungen wie Luftfeuchtigkeit, Lufttemperatur, Oberflächenbeschaffenheit und vieles mehr auf dem Feld zu bewerten. Auf der Grundlage von GIS kann die Präzisionslandwirtschaft solche Beurteilungen verbessern und bei der Entscheidung helfen, welche Kulturen mehr Aufmerksamkeit benötigen.

Ein anspruchsvolleres Konzept verwendet bildgebende Sensoren auf Satelliten und in Flugzeugen, um die Temperaturen der Pflanzen zu überwachen. Ist die Temperatur höher als normal, könnte dies auf eine Krankheit, eine Infektion oder eine unzureichende Bewässerung hinweisen.

Neuronale Netze wie CNN, Radial Basis Function Network (RBFN), Perceptron und andere können ebenfalls bei der Beurteilung der Pflanzengesundheit nützlich sein. Algorithmen können Bilder auf ungesunde Muster analysieren.

Viehüberwachung

Die einfachste Anwendung von landwirtschaftlicher GIS-Software in der Viehzucht ist die Verfolgung der Bewegungen einzelner Tiere. Dies hilft den Landwirten, sie auf dem Hof zu lokalisieren und ihre Gesundheit, Fruchtbarkeit und Ernährung zu verfolgen. Die GIS-Dienste, die dies ermöglichen, bestehen aus Trackern, die an den Tieren angebracht werden, und einem mobilen Gerät, das die Informationen von diesen Trackern empfängt und anzeigt.

Hier ist ein Beispiel. Sie möchten das Gewicht Ihrer Rinder überwachen. Jedes Tier hat einen Peilsender am Ohr oder am Hals. Jedes Mal, wenn Sie die digitale Waage betreten, liest die Waage die ID dieses Tieres und weist der ID im System einen neuen Wert zu.

Sie müssen diese Daten nicht manuell eingeben. Wenn sich das Gewicht eines Tieres alarmierend verändert, können Sie es schnell lokalisieren und seinen Gesundheitszustand überprüfen.

Es gibt noch weitere interessante Anwendungsfälle für landwirtschaftliche GIS-Software, z. B. die Vermeidung von Begegnungen zwischen Wölfen und Rindern. Es gibt uneindeutige räumliche Merkmale, die sich auf die Verteilung von Wildtieren in einem Gebiet auswirken, darunter auch Wölfe. Unerwünschte Begegnungen könnten durch das Verständnis dieser subtilen Besonderheiten reduziert werden, was durch die Kombination von KI und GIS in der Landwirtschaft erreicht werden könnte.

Insekten- und Schädlingsbekämpfung

Invasionen von schädlichen Insekten und Schädlingen oder Befall verursachen schwere Schäden in der Landwirtschaft. Die Sicht aus der Vogelperspektive kann genaue und rechtzeitige Warnungen ermöglichen, um dies zu verhindern.

In der Ozonschicht können selbst hochauflösende Bilder keine frühzeitigen Anzeichen für einen Befall erkennen.

Die Alternative wäre der Einsatz künstlicher Intelligenz. Entwickeln Sie ein neuronales Netzwerk und trainieren Sie es mit Deep-Learning-Algorithmen. Während des Trainings wird das neuronale Netz mit Bildern infizierter Gebiete gefüttert, und das Netz lernt, Muster zu finden, die auf eine Infektion hinweisen. Wie bereits erwähnt, kann man in der Landwirtschaft die Fernerkundung zusammen mit der Geospatialtechnologie zur Überwachung der Temperatur von Pflanzen einsetzen. Die Pflanzen reagieren auf den Befall, indem sie sich erhitzen, da sie nicht mehr genügend Wasser oder Nährstoffe erhalten.

Bewässerungskontrolle

Die Kontrolle darüber, dass jede Pflanze auf riesigen Flächen genügend Wasser erhält, ist eine schwierige Aufgabe, aber in der Landwirtschaft kann sie mit Hilfe der Geospatialtechnologie leicht gelöst werden.

Flugzeuge und Satelliten, die mit hochauflösenden Kameras ausgestattet sind, nehmen Bilder auf, die von Algorithmen der künstlichen Intelligenz verwendet werden können, um die Wasserbelastung einzelner Pflanzen zu berechnen und visuelle Muster zu erkennen, die der Wasserknappheit zugrunde liegen.

Koppeln Sie diese Bilder mit Karten Ihres Wasserversorgungssystems und Sie können sehen, wie gut Ihr derzeitiges Bewässerungssystem funktioniert.

Überschwemmungs-, Erosions- und Dürrebekämpfung

Die Kombination von GIS und Landwirtschaft kann Ihnen helfen, die negativen Auswirkungen zerstörerischer Naturphänomene zu verhindern, zu bewerten und abzuschwächen.

Nutzen Sie Hochwasserkartierungstechniken, um überschwemmungsgefährdete Gebiete zu identifizieren. Sie müssen Daten wie frühere Überschwemmungen, Feldstudien und Satellitenbilder sammeln. Verwenden Sie diese Daten, um einen Datensatz zu erstellen, mit dem Sie ein neuronales Netz trainieren können, um Überschwemmungsrisiken zu erkennen und zu kartieren und ein ultimatives Instrument zur Katastrophenvorsorge zu schaffen.

Wenn Sie die Anfälligkeit für Bodenerosion untersuchen wollen, können Sie die Universal Soil Loss Equation (USLE) mit GIS und Fernerkundung kombinieren. Führen Sie Satellitenbilder mit Spektralanalyse durch, um die USLE-Faktoren zu überprüfen, und verifizieren Sie diese Bilder mit Feldbeobachtungen.

Analoge GIS-Lösungen können in der Landwirtschaft zur Überwachung von Dürren eingesetzt werden.

Automatisierung in der Landwirtschaft

Sämaschinen, intelligente Bewässerungssysteme, fahrerlose Erntemaschinen und Unkrautvernichtungsroboter sind die unvermeidliche Zukunft. Man könnte jede Maschine mit hochentwickelten Sensoren ausstatten, aber warum sollte man das tun, wenn man sie an ein integriertes GIS-System anschließen kann?

(Das soll nicht heißen, dass automatisierte Fahrzeuge keine Sensoren brauchen – sie brauchen sie.)

GIS in der Landwirtschaft kann genaue Karten liefern, einschließlich aller Informationen, die Sie über Ihre Feldfrüchte benötigen. Solche Maps werden als Task Maps oder Application Maps bezeichnet. Sie werden von intelligenten Maschinen zur Bewirtschaftung des Feldes eingesetzt.

Hier ein Beispiel dafür, wie GIS-Lösungen in der Landwirtschaft funktionieren können. Wenn ein GIS-System einen Unkrautbefall feststellt, wird das Gebiet mit dem Hinweis „Unkrautbekämpfung erforderlich“ versehen. Der Unkrautbekämpfungsroboter liest das Etikett und fügt diesen Bereich seiner Aufgabenliste hinzu.

Neben der Bereitstellung von Signalen für Maschinen können Aufgabenkarten ungelernten Arbeitern helfen, ihre Arbeit effizienter zu erledigen.

Fazit

Wenn man im Internet nach Anwendungsfällen für GIS in der Landwirtschaft sucht, findet man Artikel und Studien, die bis in die frühen 1990er Jahre zurückreichen. Die Ziele der Landwirtschaft haben sich seither kaum verändert – und auch nicht die Probleme, die mit GIS gelöst werden sollen.

Format: https://intellias.com/gis-in-agriculture/