Data Mining und Wissensentdeckung im Precision Farming - Entwicklung von ökonomisch optimierten Entscheidungsregeln zur kleinräumigen Stickstoff-Ausbringung

Als ein Hemmnis für die Akzeptanz von Precision Farming können Wissensdefizite identifiziert werden. Es existieren bis dato nur wenige Algorithmen zur Umsetzung einer teilflächenspezifischen Bewirtschaftung, die überlegene ökonomische Ergebnisse erwarten lassen. Im Rahmen dieser Arbeit wird die Methode “Wissensentdeckung in Datenbanken” eingesetzt, um ökonomisch optimierte Entscheidungsregeln zu erzeugen. Dazu werden die einzelnen Prozessschritte dieser Methode für den Bereich Precision Farming angepasst. Insgesamt werden fünf Feldversuche durchgeführt, um verschiedene Formen der Versuchsgestaltung, der Datenaufbereitung und der Validierung testen zu können. Kernstück dieses Prozesses ist die teilflächenspezifische Ertragsprognose für variable Stickstoff-Mengen, die mit Hilfe neuronaler Netzwerke erledigt wird. Die Ergebnisse zeigen, dass sich mit dieser Methode Entscheidungsregeln erzeugen lassen, die ökonomische Vorteile in der teilflächenspezifischen Düngung erwarten lassen. Weiterhin können Ableitungen für ein optimiertes Versuchsdesign gezogen werden.     «

Als ein Hemmnis für die Akzeptanz von Precision Farming können Wissensdefizite identifiziert werden. Es existieren bis dato nur wenige Algorithmen zur Umsetzung einer teilflächenspezifischen Bewirtschaftung, die überlegene ökonomische Ergebnisse erwarten lassen. Im Rahmen dieser Arbeit wird die Methode “Wissensentdeckung in Datenbanken” eingesetzt, um ökonomisch optimierte Entscheidungsregeln zu erzeugen. Dazu werden die einzelnen Prozessschritte dieser Methode für den Bereich Precision Farming...     »