Spot Farming – ein digitaler Lösungsansatz für eine kleins-kalige und nachhaltige Intensivierung der Landwirtschaft
Autor(en):
Zusammenfassung
Die Folgen des Klimawandels auf die Landwirtschaft sind bereits spürbar. Gleichzeitig trägt der Agrarsektor als Emittent von Treibhausgasen zum Klimawandel bei. Um eine steigende Weltbevölkerung sicher ernähren zu können und gleichzeitig die Treibhausgasemissionen zu verringern und die Belastbarkeit der Landwirtschaft gegenüber den Klimawandelfolgen zu steigern, bedarf es einer nachhaltigen Effizienzsteigerung der Produktionssysteme: Als Lösungsansatz führt das Precision Farming bereits zu einer Steigerung der Produktivität bei gleichzeitiger Reduzierung des Ressourceneinsatzes. Der Spot-Farming-Ansatz geht einen Schritt weiter und stellt die einzelne Pflanze in den Mittelpunkt. Dabei wird der heterogene Acker auf Grundlage der Standorteigenschaften in homogene Teilbereiche eingeteilt, in denen diverse Fruchtfolgen angebaut werden. In dieser Arbeit werden die Voraussetzungen zur Umsetzung des Spot-Farming-Ansatzes beschrieben. Mit Hilfe einer umfassenden Daten- und Literaturrecherche konnten die Grundlagen zur Einteilung der homogenen Teilbereiche geschaffen und erste Spotkarten für Beispielflächen erstellt werden
- Vollständige Referenz
- BibTeX
Schroeder, J., von Hoersten, D., Herrmann, D. & Wegener, J. K.,
(2022).
Spot Farming – ein digitaler Lösungsansatz für eine kleins-kalige und nachhaltige Intensivierung der Landwirtschaft.
In:
Gandorfer, M., Hoffmann, C., El Benni, N., Cockburn, M., Anken, T. & Floto, H.
(Hrsg.),
42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft.
Bonn:
Gesellschaft für Informatik e.V..
(S. 253-258).
@inproceedings{mci/Schroeder2022,
author = {Schroeder, Johanna AND von Hoersten, Dieter AND Herrmann, Daniel AND Wegener, Jens Karl},
title = {Spot Farming – ein digitaler Lösungsansatz für eine kleins-kalige und nachhaltige Intensivierung der Landwirtschaft},
booktitle = {42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft},
year = {2022},
editor = {Gandorfer, Markus AND Hoffmann, Christa AND El Benni, Nadja AND Cockburn, Marianne AND Anken, Thomas AND Floto, Helga} ,
pages = { 253-258 },
publisher = {Gesellschaft für Informatik e.V.},
address = {Bonn}
}
author = {Schroeder, Johanna AND von Hoersten, Dieter AND Herrmann, Daniel AND Wegener, Jens Karl},
title = {Spot Farming – ein digitaler Lösungsansatz für eine kleins-kalige und nachhaltige Intensivierung der Landwirtschaft},
booktitle = {42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft},
year = {2022},
editor = {Gandorfer, Markus AND Hoffmann, Christa AND El Benni, Nadja AND Cockburn, Marianne AND Anken, Thomas AND Floto, Helga} ,
pages = { 253-258 },
publisher = {Gesellschaft für Informatik e.V.},
address = {Bonn}
}
| Dateien | Groesse | Format | Anzeige | |
|---|---|---|---|---|
| GIL2022_Schroeder_253-258.pdf | 679.9Kb | Öffnen |
Haben Sie fehlerhafte Angaben entdeckt? Sagen Sie uns Bescheid: Feedback abschicken
Mehr Information
ISBN: 978-3-88579-711-1
ISSN: 1617-5468
Datum: 2022
Sprache:
(de)
(de)
Typ: Text/Conference Paper

