WO2019081567A1 - Ertragsabschätzung beim anbau von kulturpflanzen - Google Patents

Ertragsabschätzung beim anbau von kulturpflanzen

Info

Publication number
WO2019081567A1
WO2019081567A1 PCT/EP2018/079132 EP2018079132W WO2019081567A1 WO 2019081567 A1 WO2019081567 A1 WO 2019081567A1 EP 2018079132 W EP2018079132 W EP 2018079132W WO 2019081567 A1 WO2019081567 A1 WO 2019081567A1
Authority
WO
WIPO (PCT)
Prior art keywords
weather
measures
field
data
course
Prior art date
Application number
PCT/EP2018/079132
Other languages
English (en)
French (fr)
Inventor
Ole Peters
Gang Zhao
Holger Hoffmann
Eva HILL
Ahmed Karim DHAOUADI
Christian BITTER
Fabian Johannes SCHAEFER
Original Assignee
Basf Se
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from PCT/EP2018/072662 external-priority patent/WO2019038325A1/de
Application filed by Basf Se filed Critical Basf Se
Priority to US16/756,317 priority Critical patent/US20200250593A1/en
Priority to EP18788783.1A priority patent/EP3701449A1/de
Publication of WO2019081567A1 publication Critical patent/WO2019081567A1/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01D—HARVESTING; MOWING
    • A01D91/00—Methods for harvesting agricultural products
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks

Definitions

  • the present invention relates to the technical field of cultivation of crops, in particular the preparation of forecasts of expected yield.
  • the yield of a grown crop is determined by a variety of parameters. Some of these may affect a farmer, such as tillage, variety, time and density of sowing, implementation of pest control measures, nutrient application, irrigation, and timing of harvest. Other parameters such as the weather are hardly influenceable.
  • the present invention provides such information to a farmer.
  • a first subject of the invention is a method preferably for determining expected yields in the cultivation of crops by means of a computer system, such as a server, in particular a server and a local or mobile computer system, comprising the steps
  • step (G) repeated execution of steps (B), (C), (D), (E) and (F) taking into account the actual course of the weather prevailing up to the moment in which the steps were carried out, the pests actually occurring and actually implemented measures, wherein preferably for step (B) weather data concerning an actual or prevailing course of the weather and for the steps (C), (D), (E) detected field-specific data, in particular harmful organism data concerning actually occurred Schadorgansimen, growth data concerning the real course of the actually occurring growth and / or action data relating to actually performed measures are provided, wherein preferably at least two different weather patterns in step (B) are predicted, and the steps (C), (D), (E) for each of the at least two different weather patterns be performed.
  • Another object of the present invention is a computer system preferably for determining expected yields in the cultivation of crops, comprising
  • (A) means for identifying a field on which cultivated plants are or are to be cultivated, wherein position data, in particular geocoordinates, are preferably provided, or a detection module which is configured to provide position data, in particular geocoordinates,
  • (B) means for providing a prediction of a weather pattern for the field for the upcoming or current growing period of crops to the planned harvest, taking into account the previous weather history, preferably the previous weather history and the predicted weather course merge seamlessly, or a weather module konfigu - is a prediction of a weather history for the field for the upcoming or current
  • (C) means for providing a prediction for the occurrence of one or more chimeras in the predicted weather history field, or a pest module configured to provide a prediction for the occurrence of one or more pests in the predicted weather history field .
  • (E) means for calculating the expected yields in the cultivation of the crops, assuming that the predictions of steps (B) and (C) arrive and the measures identified in step (D) are performed, or a yield module that is configured to calculate expected yields of crops on the assumption that the forecasts of steps (B) and (C) will be received and that the measures identified in step (D) will be carried out;
  • (F) means for displaying or providing the expected revenue, or an interface configured to display or provide expected revenue;
  • the computer system is configured to include steps (B), (C), (D), (E) and (F) taking into account the real course of the weather prevailing at the time of performing the steps occurring pest organisms and the measures actually carried out repeatedly,
  • step (B) weather data concerning an actual or prevailing course of the weather and for the steps (C), (D), (E) detected field-specific data, in particular harmful organism data concerning actually occurred pest organisms, growth data relating to the real Course of actual growth and / or policy data relating to actions actually taken, preferably predicting at least two different weather patterns in step (B), and steps (C), (D), (E) for each of the at least two different weather patterns are performed.
  • a further subject of the present invention is a computer program product preferably for determining expected yields in the cultivation of crops, comprising a computer-readable data carrier and program code stored on the data carrier and, when executed on a computer system, causing the computer system to perform the following steps :
  • step (E) calculate the expected yields of crops, assuming that the predictions of steps (B) and (C) are received and that the measures identified in step (D) are carried out
  • step (B) weather data concerning an actual or prevailing course of the weather and for the steps (C), (D), (E) detected field-specific data, in particular derive harmful organism data relating to actually occurring harmful organisms, growth data relating to the actual course of the growth actually occurring and / or measures data relating to measures actually carried out, preferably wherein at least two different weather patterns are predicted in step (B), and steps (C), ( D), (E) are performed for each of the at least two different weather patterns.
  • the inventive method is used to support a farmer in the cultivation of crop plants in a field.
  • field is understood to mean a spatially delimitable area of the earth's surface that is used for agriculture by planting crops, nourishing them and harvesting them in such a field.
  • cultiva plant is understood to mean a plant that is purposefully cultivated by the intervention of humans as a useful or ornamental plant.
  • the field is identified on which cultivated plants are grown or to be grown, and which is considered in the course of the method according to the invention in more detail.
  • the identification is based on geo-coordinates, which uniquely determine the position of the field.
  • the method according to the invention is usually carried out with the aid of a computer program installed on a computer system.
  • the geocoordinates of the field are therefore transferred to the computer program.
  • a user of the computer program could enter the geo-coordinates via a keyboard.
  • the user of the computer program can display geographic maps on a computer screen and draws the boundaries of the field to be viewed in such a map, for example with a computer mouse.
  • the area of the earth's surface is determined, which is considered in the further course of the method according to the invention.
  • (B) Prediction of a weather course In a further step, a prediction is made for the course of the weather for the pending or ongoing cultivation period of the crop until the planned harvest, taking into account the previous weather history, preferably the previous weather history and the predicted weather course seamlessly merge.
  • the purpose of weather forecasting is to predict as accurately as possible the distribution and corresponding probabilities of weather events for the upcoming or current growing season.
  • the weather for the next few days for example up to nine days
  • forecasts of the weather for a time in a few weeks or months, for example greater than nine days are comparatively inaccurate in the future.
  • historical weather data are therefore well suited to use trends that have been frequently observed in recent years as a basis for predicting future weather.
  • weather forecasts for the near future may be obtained from a variety of commercial suppliers.
  • seasonal weather forecasts are used. These predictions can be based on global, regional and global-regional coupled dynamic circulation models and / or the multi-annual statistics of historical weather data and / or a dynamic projection (circulation model) of individual climate variables combined with the stochastic weather simulation of other variables and / or pure stochastic Weather simulations based.
  • the seasonal forecasts may be provided by commercial providers and / or research facilities.
  • the decision on what kind of seasonal prediction is made depends on the predictive power of the models. For this an index such as e.g. the Brier score can be used. Below a certain limit, below which the added benefit of the modeled weather forecast is not significant compared to the long-term climate statistics, seasonal weather forecasts based on the long-term climate statistics are preferred.
  • a plurality of weather forecasts are created, which preferably cover the spectrum of the weather patterns that have occurred in recent years.
  • a probability for its occurrence is determined and indicated for each weather course, so that the weather patterns can be compared with each other.
  • prediction risks for one or more harmful organisms are determined in the prediction.
  • a "harmful organism” is meant an organism that appears in the cultivation of crops and can damage the crop, adversely affect the harvest of the crop, or compete with the crop for natural resources, such as weeds, grass weeds, animal pests such as beetles, caterpillars and worms, fungi and pathogens (eg bacteria and viruses) Even though viruses are not among the organisms from a biological point of view, they should nevertheless fall under the term harmful organism in the present case.
  • Drechslera tritici-repentis https://gd.eppo.int/taxon/PYRNTR) and Fusarium spp.
  • weeds refers to plants of the spontaneous vegetation (Segetalflora) in cultivated plant stands, grassland or gardens, which are not cultivated there and, for example, from the seed potential of the soil or over To come to development.
  • the term is not limited to herbs in the true sense, but also includes grasses, ferns, mosses or woody plants.
  • weed grass (plural: grass weeds) is often used to clarify a distinction to the herbaceous plants. This text uses the term weed as a generic term, which is to grasp the term weed grass.
  • Forecast models for the occurrence of one or more harmful organisms can be used, for example, which are described in the prior art.
  • the commercially available decision support system "expert” uses for prognosis data on the crops grown or grown (stage of development, growing conditions, plant protection measures), weather conditions (temperature, duration of sunshine, wind speed, precipitation) as well as the known harmful organisms / diseases (economic limits, pest / Disease pressure) and calculates a risk of infestation on the basis of these data (Newe M., Meier H., Johnen A., Volk T .: proPlant expert.com - an online consultation system on crop protection in cereals, rape, potatoes and sugarbeet.) EPPO Bulletin 2003, 33, 443-449; Johnen A., Williams LH., Nilsson C, Klukowski Z., Luik A., Ulber B .: The ProPlant Decision Support System: Phenological Models for the Major Pests of Oilseed Rape and Their Key Parasitoids in Europe, Biocontrol-Based Integrated Management
  • Predicting harmful organisms may also take into account actual past infestations.
  • the determination of infestation risks for those harmful organisms that have occurred in the past on the field under consideration and / or neighboring fields is preferably based on the determination of infestation risks for those harmful organisms that have occurred in the past on the field under consideration and / or neighboring fields.
  • the determination of the infestation risks is preferably site-specific. It is conceivable, for example, that due to their position some subareas of the field are particularly frequently and / or particularly severely affected by a harmful organism and / or that infestation with a harmful organism often starts from one or more defined subareas.
  • one or more digital maps of the field are generated in order to predict the course of the weather, in which the risk for infestation with one or more harmful organisms is or are plotted on a site-specific basis.
  • a defined harmful organism to generate a series of digital maps, for example a map for each month of the year, and to display on the maps by means of a color coding the risk of infestation of the subarea with the harmful organism in the month under consideration and the predicted weather.
  • the color "red” could stand for a risk of infestation greater than 90% and the color "green” for a risk of infestation less than 10%.
  • 10% and 90% different money and orange tones are used.
  • Other / further types of representation are conceivable.
  • “Damage threshold” is a term used in agriculture, forestry and horticulture, and indicates the infestation density with pathogens, diseases or the stocking of weeds, from which combating becomes economically sensible - up to this value is the additional economic effort through control If the infestation or the weed infection exceeds this value, the control costs are at least offset by the expected additional yield.
  • the damage threshold can be very different. In the case of harmful organisms or diseases which can only be combated with great effort and with negative side effects for further production, the damage threshold can be very high. However, if even a small infestation can become a source of spread that threatens to destroy the entire production, the damage threshold can be very low.
  • agricultural measures for the pending or current growing period of crops are determined until the planned harvest.
  • the term "agricultural measure” is understood to mean any measure in the crop field that is necessary or economically and / or ecologically sensible in order to obtain a crop product, examples of which are: tillage (eg plowing), spreading of the seed (Sowing), irrigation, application of growth regulators, control of weeds / grass weeds, application of nutrients (eg by fertilization), control of harmful organisms, crops.
  • the agricultural measures are measures for chemical culture management (application of pesticides or growth regulators), in particular the reduction of the predicted risk of infestation with a harmful organism.
  • the determination of the measures is preferably done site specific.
  • crop protection agent is understood to mean an agent which serves to protect plants or plant products from harmful organisms or to prevent their action, to destroy unwanted plants or plant parts, to inhibit unwanted growth of plants or to prevent such growth, and / or In other ways than nutrients, to influence the life processes of plants
  • crop protection agents are herbicides, fungicides and pesticides (eg insecticides).
  • those measures are determined which have a maximum benefit / cost ratio.
  • identifying the measures it is preferable to consider legal aspects and aspects of environmental protection. For example, it is conceivable that a selected crop protection product may be applied only at certain times and / or in certain maximum amounts. These and similar limitations are preferably taken into account when determining the measures.
  • the determination of the measures can be done, for example, based on the cultivated plants grown or grown. For example, it is conceivable that a user inputs information about the cultivated plants to be cultivated or grown in the computer system according to the invention, such as e.g. the name of the species, the date of sowing and the like. The computer system then determines, e.g.
  • the computer system preferably determines time periods in the future on the basis of stored information in which the measures should be usefully carried out.
  • the predicted weather course and / or the predicted occurrence of harmful organisms can be taken into account. For example, it would not make sense to harvest a crop when rain is predicted. Furthermore, an application of a control agent for a harmful organism would only be useful if there is a significant risk for the occurrence of the harmful organism.
  • the yields that are to be expected when cultivating the crops under the conditions of the scenarios considered are determined.
  • plant growth model is understood to mean a mathematical model that describes the growth of a plant as a function of intrinsic (genetics) and extrinsic (environmental) factors.
  • Plant growth models exist for a variety of crops Books i) "Mathematical Modeling and Simulation” by Marco Günther and Kai Velten, published by Wiley-VCH Verlag in October 2014 (ISBN: 978-3-527-41217-4), and ii) "Working with Dynamic Crop Models” by Daniel Wallach, David Makowski, James W. Jones and Francois Brun., Published 2014 in Academic Press (Elsevier), USA.
  • the plant growth model typically simulates the growth of an inventory of crops over a defined period of time. It is also conceivable to use a model based on a single plant, which simulates the energy and substance flows in the individual organs of the plant. In addition, mixed models can be used.
  • the growth of a crop is determined primarily by the local weather conditions over the life of the plant (quantity and spectral distribution of the incident sunbeams, temperature gradients, precipitation amounts, wind input), the condition of the soil and the nutrient supply.
  • the cultural measures already taken and any infestation with harmful organisms can exert an influence on plant growth and can be taken into account in the growth model.
  • the plant growth models are i.d.R. so-called dynamic process-based models (see “Working with Dynamic Crop Models” by Daniel Wallach, David Makowski, James W. Jones and Francois Brun., published 2014 in Academic Press (Elsevier), USA), but can also be entirely or partially rule-based or
  • the models are usually so-called point models, where the models are usually calibrated so that the output reflects the spatial representation of the input, is the input collected at one point in space, or interpolated for a point in space or estimated, it is generally assumed that the model output is valid for the entire adjoining field
  • point models calibrated at the field level to other, generally coarser, scales is known (see, for example, H. Hoffmann et al .: Impact of spatial soil and climate input data aggregation on regional yield simulations., 2016, PLoS ONE 1 1 (4): e0151782.
  • Weather daily rainfall sums, radiation sums, daily minimum and maximum air temperature, and ground temperature, soil temperature, wind speed, etc.
  • Soil Soil Type, Soil Texture, Soil Type, Field Capacity, Permanent Wilt Point, Organic Carbon, Mineral Nitrogen Content, Soil Storage, Van Genuchten Parameters, etc.
  • Cultivated plant species, variety, variety-specific parameters such as Specific leaf area index, temperature sums, maximum root depth, etc.
  • Cultivation measures seed, sowing date, sowing density, sowing depth, fertilizer, fertilizer amount, number of manure dates, fertilizing date, tillage, crop residues, crop rotation, distance to field of same culture in the previous year, irrigation, etc.
  • the prediction of the temporal evolution of cultivated crops is preferably carried out on a specific area.
  • the calculation of the expected yields is based on the assumption that the previously determined forecasts arrive (weather history, occurrence of harmful organisms) and that the identified agricultural measures are carried out.
  • the purpose of an agricultural measure may be to prevent the occurrence of a predicted harmful organism or to reduce the risk.
  • the statement "assuming that the predictions of steps (B) and (C) arrive and the measures determined in step (D) are performed” means that the weather history as predicted occurs a risk of occurrence
  • the identified agricultural measures will be implemented and will succeed, resulting in a reduced risk of pest organisms occurring in the control of pest organisms (which risk may also be negligible if the identified agricultural objective is to prevent the occurrence of harmful organisms).
  • the calculation of the expected yields may also be based on the assumption that the previously identified agricultural measures will not be taken. It is conceivable that the user of the computer program product according to the invention can study the influence of the measures on the expected yields on the computer by, for example, deselecting recommended measures and the computer program then calculates how the yield changes if the deselected measure is not performed. Preferably, the selection and deselection of measures is done site specific.
  • the expected returns are displayed to a user on a display device.
  • the display device is a screen that is part of the computer system according to the invention.
  • the expected yield is displayed for individual partial surfaces and / or the entire field.
  • the display can be graphically supported, e.g. with the help of bar graphs or the like.
  • the user can thus look at different scenarios on the computer screen and see what returns will result when a particular predicted weather history actually becomes real and / or what returns result when certain actions are taken or not taken.
  • the expected yields are preferably displayed on the computer screen in the form of digital maps, specifically for each area.
  • a prediction of the future weather course is created, which seamlessly follows the previous actual weather course, ie there are no jumps in the course of a parameter that describes the weather (temperature, air pressure, humidity, etc.).
  • the probability of occurrence of one or more harmful organisms is calculated for the determined weather history (past and future). It identifies agricultural measures that should be carried out on the field. In determining the agricultural measures, the determined weather course and / or the predicted harmful organisms can be taken into account.
  • the expected yields of cultivated crops are calculated, assuming that the weather forecast for the future is effective, that the risk of predicted harmful organisms actually exists as predicted, and that the identified agricultural measures are actually carried out; and successful, ie that the results to be achieved by the measures actually materialize.
  • the calculated returns are displayed to the user. The repetition can be initiated, for example, by the user of the computer system according to the invention whenever the user wishes to receive an updated yield determination.
  • the computer program product according to the invention is preferably configured such that it is automatically updated. Updating means that the actual course of weather up to the time of the respective update, the actual occurrence of harmful organisms and the measures actually taken are included in the calculation of the expected returns. For example, the update may automatically occur whenever the user launches or invokes the computer program. It is also conceivable, however, that the update takes place at a fixed time, for example every day or every week. However, it is also conceivable that an update takes place irregularly, for example whenever there is a significant deviation of the real from the predicted conditions.
  • step (B), (C), (D), (E) and (F) are repeated.
  • the user has run the computer program product according to the invention a first time at a first time and have the yields calculated for a predicted weather course and under the condition that the recommended measures from step (D) are actually taken.
  • the user calls the inventive computer program product again.
  • the computer program product according to the invention determines the actual weather profile and adapts the prediction for the risk of contamination to the actual weather profile.
  • one or more updated weather forecasts are created and the corresponding infestation risks are also updated.
  • model runs can be adapted to the reality with the aid of further observed state variables. Examples of such an adaptation are the adaptation of the model runs
  • NDVI NDVI
  • LAI leaf area index
  • a computer system includes one or more computers.
  • the term computer is understood to mean a universally program-controlled automaton for information processing.
  • a computer has at least one input unit via which data and control commands can be entered (mouse, trackpad, keyboard, scanner, webcam, joystick, microphone, barcode reader, etc.), a processing unit comprising main memory and processor, with which data and commands are processed , and an output unit to send data from the system (eg, screen, printer, speakers, etc.).
  • Today's computers are often subdivided into desktop computers, portable computers, laptops, notebooks, netbooks and tablet computers, and so-called handhelds (eg, smartphones, smartwatches).
  • a user Via an input unit, a user can select a field for which a yield forecast is to be created.
  • the computer system may provide the user with a digital map.
  • an input unit such as a computer mouse
  • the Netzer can change the section of the map and zoom in on the map or zoom out of the map, so that he can be displayed on the map a specific field.
  • the user can select a specific field by drawing field border.
  • field boundaries are automatically detected by means of image analysis and the user can select a detected field, for example by clicking with the mouse.
  • the user specifies by means of an input unit the cultivated plants which are (are) to be grown in the field.
  • the computer system of the present invention may be configured to self-generate weather forecasts or obtain weather forecasts over a connected network (e.g., the internal) from a provider.
  • a connected network e.g., the internal
  • the computer system according to the invention is designed such that it obtains weather forecasts from a provider.
  • the computer system according to the invention in such a case comprises a receiving unit for receiving weather forecasts for the specified field or region in which the specified field is located.
  • the computer system is connected to a network (e.g., the Internet).
  • the computer system according to the invention can also be connected to one or more databases in which information about the cultivated plants to be cultivated / cultivated is stored, such as agricultural measures for the crop plants.
  • the computer system according to the invention can be designed such that it can calculate probabilities for the occurrence of harmful organisms on the basis of the predicted weather course.
  • a forecasting model may be installed such that data characterizing the weather history (such as temperature history, precipitation, etc.) is received as an input parameter and outputs probabilities of occurrence of harmful organisms during the growing period as output quantities.
  • the computer system according to the invention accesses a prognosis model via the network in order to have infestation risks determined and obtained.
  • the computer system according to the invention preferably has a unit for calculating yields, which may be part of the processing unit.
  • Part of the yield calculation unit is again a plant growth model.
  • the yield calculation unit uses the weather history determined for the growing season as an input to calculate plant growth over the growing season using the plant growth model. Predicted harmful organisms and identified agricultural measures are also considered as input variables. The result is a yield forecast. If several weather patterns and / or different agricultural measures have been taken into account, there are correspondingly more yield forecasts.
  • the computer system has a display device (e.g., a screen) on which it can display the yield forecasts to a user.
  • a display device e.g., a screen
  • FIG. 1 shows an exemplary distributed computer system comprising a server, a local computer system, a mobile computer system, an agricultural machine and a satellite system.
  • FIG. 2 shows an exemplary method for determining the expected yields during cultivation of the crop using the decentralized computer system and in particular the server of FIG. 1,
  • FIG. 3 shows an exemplary method for updating the expected yields during cultivation of the cultivated plant with the aid of the decentralized computer system and in particular the server of FIG. 1
  • FIG. 4 shows a further exemplary method for updating the expected yields during cultivation of the cultivated plant with the aid of the decentralized computer system and in particular the server of FIG. 1.
  • FIG. 1 shows an exemplary distributed computer system 10 comprising a server 12, a local computer system 14, a mobile computer system 16, an agricultural machine 18, and a satellite system 20.
  • the server 12 may be a cloud server that provides an IT infrastructure for storage space, processing power or application software.
  • local computer systems 14 such as a desktop computer or mobile computer systems 16 such as a smartphone, drone, portable digital assistant (PDA), laptop or tablet can communicate over a network 22 such as the Internet.
  • agricultural machines 18 or satellite systems 20 may communicate with the server.
  • the local computer system 14 may act as a client and include a web-based application that orchestrates communication with the server 12. For example, requests for revenue determination are sent to the server 12, or requested data, such as determined revenues and scenarios for the determination, are received by the server 12.
  • the request for yield determination may comprise position data of the field, time data, field-specific data, in particular growth data, harmful organism data or action data.
  • the local computer system 14 may serve to visualize data on a screen, such as the determined yields and the assumptions or scenarios that led to the determined yields.
  • the mobile computer system 16 such as the smartphone, laptop, or tablet, may act as a client and include a web-based application that orchestrates communication with the server 12.
  • the mobile computer system 16, such as a smartphone or a drone can be deployed directly in the field to communicate field-specific data to the server 12.
  • a camera of the mobile computer system 16 can be used to generate image data.
  • local image data of the field can be detected with the aid of the mobile computer system 16 and transmitted to the server 12 in order to determine approximately yield forecasts.
  • the image data can be used to extract growth, infestation or agricultural measures using image and / or object analysis methods.
  • the image data can accordingly act as growth data, infestation data and / or action data, for example to determine yield forecasts.
  • credit scores can be captured with the aid of the mobile computer system 16 and transmitted to the server 12 in order to determine approximately yield forecasts.
  • agricultural machinery 18 can detect agricultural measures via sensors incorporated therein.
  • an agricultural machine 18 for sowing seed may capture position data of the application, type of seed, amount of seed applied, and time of application.
  • an agricultural harvesting machine 18 for harvesting crop protection agents may detect position data of the application, type of plant protection product, amount of plant protection product applied and time of application.
  • measures data can be recorded that, for example, specify seeding measures, fertilizer measures, soil tillage measures, crop protection measures or irrigation measures.
  • the detected action data can be transmitted to the server 12 in order to determine approximately yield forecasts.
  • measured values of satellite systems 20 can be detected and transmitted to the server 12.
  • Earth observation satellites for remote sensing can be acquired based on different measurement techniques, such as LI DAR, RADAR, hyper- or multispectral spectrometry or photography, weather data, or field-specific data such as growth data, infestation data, and / or policy data.
  • growth data can be extracted from satellite images, such as the biomass of a field or the leaf area index.
  • Navigation satellites can be used for locating or determining position data.
  • the acquired weather data or the detected field-specific data can be transmitted to an external database 24, which can be accessed by the server 12, or the acquired weather data or field-specific data can be transmitted directly to the server 12.
  • the server 12 may include an acquisition module 26 for sending and receiving data over a network, such as the Internet. Via the acquisition module 26, the server 12 may be connected to other network-enabled devices 14, 16, 18, 20, such as a desktop computer 14, a smartphone 16, an agricultural machine 18, or a satellite system 20 via a network such as the Internet. Thus, field-specific data may be transmitted via the acquisition module 26 from the mobile computer system 16, the agricultural machine 18, or the satellite system 20.
  • the server 12 is configured to determine the expected yield on the field to be considered.
  • the server comprises, in particular, a weather data module 28, a harmful organisms module 30, a measures module 32 and an income module 34.
  • the acquisition module 26 provides, for example, position data, time data, weather data, field-specific data or historical data.
  • the weather module 28 provides, for example, models for determining the weather profile and determines a predicted weather course, as described in Figures 2 to 4.
  • the weather module 28 may be in communication with the detection module 26, which provides corresponding weather data.
  • the harmful organism module 30 provides, for example, models for the occurrence of harmful organisms and determines a risk of infection, as described in FIGS. 2 to 4.
  • the pest organism module 30 may be in communication with the detection module 26, which provides corresponding pest organism data.
  • the action module 32 provides, for example, models for determining agricultural lent measures and determines agricultural measures, as described in FIGS. 2 to 4.
  • the action module 32 may be in communication with the capture module 26, which provides appropriate policy data.
  • the yield module 34 provides, for example, models for determining the expected yields and determines the expected yields as described in FIGS. 2 to 4.
  • the revenue module 34 may be in communication with the acquisition module 26, which provides corresponding growth data.
  • FIG. 2 shows an exemplary method for determining the expected yields during cultivation of the crop plants with the aid of the decentralized computer system 10 and in particular with the aid of the server 12 of FIG. 1.
  • the method as shown in FIG. 2 can be carried out before or at the time of sowing.
  • the current time is then before or at the sowing time and the method can be used in particular for planning the pending cultivation period.
  • position data identifying the field and time data specifying the current time and / or harvest time are provided.
  • the position data and time data may be generated on a local or mobile computer system 14, 16 and transmitted to the server 12.
  • the current time may specify a given time or the current time as detected by the local or mobile computer system 14, 16, for example.
  • the harvest time can specify a given time of the planned harvest or, with the help of a growth model, the optimal time of the planned harvest can be determined.
  • position data are detected with the aid of a mobile computer system 16, which comprises a position sensor, such as a GPS sensor.
  • a mobile computer system 16 which comprises a position sensor, such as a GPS sensor.
  • position data can be provided by means of an input module, such as a keyboard, a computer mouse or a touch-sensitive screen, of the local or mobile computer system 14, 16.
  • the position data can be transmitted from the local or mobile computer system 14, 16 to the server 12.
  • geographic maps such as satellite maps, may be provided on the local or mobile computer system 14, 16 to specify the field to be viewed.
  • the geocoordinates may include coordinates of the field boundary or a base coordinate and an associated field boundary shape.
  • weather data may be provided for the current time and for previous times that are before the current time.
  • the period of the previous time points can refer to the year of the pending cultivation period.
  • the weather data may be data collected in weather stations, such as temperature, sunshine duration, wind speed, precipitation, daily precipitation totals, radiation totals, daily minimum and maximum air temperature. temperature, near the ground, soil temperature.
  • the weather data may be transmitted by weather measuring stations to the server 12 or to an external database 24 accessible to the server. From the weather data, an actual or previous weather history can be determined up to the current time.
  • a predicted weather profile for a prediction period can be determined at least on the basis of the weather data provided up to the current time or the previous weather profile.
  • the prediction period may include a period between the current time and the harvest time.
  • the forecast period can consist of a period between the current time and the harvest time.
  • the prediction of the course of the weather for the upcoming cultivation period of the crops until harvest time can thus be carried out taking into account the previous weather history, preferably the previous weather history and the predicted weather course seamlessly merge.
  • the purpose of weather forecasting is to predict as accurately as possible the distribution and relative probabilities of weather events for the upcoming growing season.
  • the weather for the next few days can be predicted comparatively accurately, while predictions of the weather for a time in a few weeks or months, for example greater than nine days, are comparatively inaccurate in the future. Therefore, for periods when the weather can only be inaccurately predicted, historical weather data may be well suited to use trends that have been frequently observed in previous years as a basis for predicting future weather.
  • weather forecasts for the near future may be obtained from a variety of commercial suppliers.
  • the predicted weather history may include a short-term predicted weather history from the current time to a first time after the current time or for the near future or a period from the current time to a few days, up to about 9 days after the current time.
  • Such briefly predicted weather patterns from the current time to a first time after the current time can be provided by an external database 24, which can be accessed by the server 12, and transmitted to the server 12 or determined on the server 12 ,
  • predicted weather patterns are determined on the basis of dynamic weather models and possibly taking into account the previous weather history or the weather data at the current time.
  • the predicted weather history may include a long-term predicted weather history until the scheduled harvest time from about the first time after the current time to the scheduled harvest time, where the long-term weather history is the distant future or a period from the current time or from the end - point, about the 9th day, of the short-term predicted weather course until the harvest time covers.
  • the more distant future eg more than one week or more than 9 days
  • seasonal weather forecasts are used.
  • predictions can be based on global, regional and globally-regional coupled dynamic circulation models and / or the multi-annual statistics of historical weather data and / or a dynamic projection (circulation model) of individual climate variables combined with the stochastic weather simulation of other variables and / or pure stochastic weather simulations based. Deciding what kind of seasonal prediction will be used may depend on the predictive power of the models. An index such as the Brier Score can be used for this. Below a certain limit, below which the added benefit of the modeled weather forecast over the long-term climate statistics or multi-annual statistics of historical weather data is not significant, seasonal weather forecasts based on the long-term climate statistics or multi-annual statistics of historical weather data can be preferred.
  • the long-term predicted weather course can follow the briefly predicted weather course, preferably connect seamlessly.
  • the short-term and long-term predicted weather patterns are determined such that they can be combined in a time series, preferably in a seamlessly passing time series.
  • a seamless transition designates that no jumps or other irregularities, which do not originate from the weather course itself and thus are artificial, occur in the predicted weather course in order to generate as robust and realistic forecasts as possible.
  • the long-term predicted weather profile follows the briefly predicted weather profile in such a way that the predicted weather course has a continuous course.
  • At least two or more predicted weather events or projections for the prediction period are determined based on the weather data provided up to the current time.
  • three predicted weather patterns can be determined, whereby a mean, a worst and a most favorable predicted weather course are determined.
  • a typical, eg the most probable, or a medium weather history, e.g. B. a mean of the weather patterns of a defined period of time, for example, the last three, four, five, six, seven, eight, nine, ten years, are determined.
  • certain seasonal weather forecasts that appear more likely than others may be determined.
  • a prediction for a - favorable weather history and / or an unfavorable weather pattern is made from agricultural perspective.
  • several weather forecasts can be created, which preferably cover the spectrum of the weather patterns that have occurred in recent years.
  • a probability of its occurrence can be determined for each weather course, so that the Weather patterns and the resulting yield estimates can be compared with each other.
  • the various weather history sections are merged into seamless time series ("seamless prediction").
  • the predicted weather history is determined such that the actual or previous weather history and the predicted weather history merge seamlessly
  • the actual or previous weather course and the predicted weather course can be summarized by a seamlessly merging time series, in which a seamless transition means that no jumps or other irregularities occur in the combined weather course in order to generate robust and realistic predictions the course of the weather is determined in such a way that the previous course of the weather, combined with the predicted weather course, results in a continuous progression
  • the occurrence of jumps or irregularities should be related in particular to the point of connection between the actual or previous weather course and the predicted weather course.
  • a seamless transition can be achieved by, for example, taking into account such years of historical weather data having a similar actual or past weather history as the previous or actual weather history up to the present time for the growing period to be considered.
  • model-based or dynamic approaches only those solutions for the predicted weather course can be taken into account, which seamlessly follow the actual or previous weather course up to the current time for the cultivation period to be considered.
  • periods of similar or matching statistics and matching transition without jumps lined up with appropriate weather conditions.
  • the time series of the individual time segments can be model-based or generated dynamically. If at least two predicted weather profiles are determined, each of the predicted weather profiles is determined in such a way that the actual or previous weather profile up to the current time for the cultivation period to be considered and the respective predicted weather profile for the prediction period can be combined in a seamlessly passing time series.
  • an infestation risk for the prediction period is determined based on the predicted weather course or multiple infestation risks in each case based on the at least two or more weather profiles (n).
  • prognosis models based on historical pest information can be used for this purpose.
  • the historical pest organism data may include satellite data, local image data or scores collected for the field under consideration or for an environment in a radius of several kilometers (km), approximately 1 to 10 km, around the field to be inspected.
  • the his- Toric pest data may have been transferred to the external database 24 accessible to the server 12 and transmitted directly to the server 12.
  • the historical harmful organism data and the associated prognosis models can thus be provided by an external database 24, which can be accessed by the server 12, or directly by the server 12.
  • one or more digital maps of the field are generated for prediction of the risk of infection, in which the risk for infestation with one or more harmful organisms is drawn in or specified on a site-specific basis.
  • area-specific refers to a division of the field to be considered into partial areas which have different characteristics influencing the risk of infestation.
  • a defined harmful organism to generate a series of digital maps, for example a map for each month of the year, and to display on the maps by means of color coding the risk of infestation of the partial area with the harmful organism in the one considered Month and / or predicted weather.
  • the color "red” could stand for a risk of infestation greater than 90% and the color "green” for a risk of infestation less than 10%.
  • agricultural measures for the prediction period are determined based on the predicted weather course and / or the predicted infestation risk. Corresponding different agricultural measures can be determined for different predicted weather patterns. For example, if the risk of fungal infestation increases at a first time for a first predicted weather pattern and exceeds the threshold level at a second time, an injection is determined at the second time. For example, if the risk of fungal infestation increases at a first time for a second predicted weather pattern and then decreases again due to the weather conditions, then in the case of the second predicted weather pattern no injection action is taken at the second time.
  • the expected yield of the crop at harvest time is determined on the basis of the predicted weather pattern, the predicted infestation risk and possibly the agricultural measures for the prediction period.
  • at least two or more predicted weather patterns can be assumed.
  • an expected yield can be calculated for each weather course.
  • a decision support can be generated, in which the effects of the weather on the risk of infestation and the resulting agricultural measures are predicted on the basis of the expected yield.
  • the calculation of the expected yields can be made under the assumption that the previously determined forecasts arrive (weather history, occurrence of harmful organisms) and the identified agricultural measures are carried out. It can be taken into account that there may be an interaction between the occurrence of harmful organisms and agricultural measures.
  • an agricultural measure may be to prevent the occurrence of a predicted harmful organism or to reduce the risk.
  • the statement "assuming that the previously determined predictions arrive" that the weather history as predicted means a risk for the occurrence of harmful organisms as predicted though due to the predicted weather history, but that the detected agricultural measures carried out will be successful, leading to a reduced risk of harmful organisms in terms of control of harmful organisms (the risk may also be negligible if the identified agricultural objective is to prevent the occurrence of harmful organisms).
  • the determination of the expected yields may also be made under the assumption that the previously identified agricultural measures will not be taken. Thus, the benefits of the identified agricultural measures and their impact on the expected yield can be made clear.
  • the determined expected yields for at least two or more predicted weather patterns, for the appropriately determined infestation risks and / or the correspondingly determined agricultural measures can be provided, for example, on the server side and transmitted, for example, to be displayed on the local or mobile computer system 14, 16 become.
  • the method can be used in particular for planning the upcoming cultivation period, for example to select the sowing time, to plan the agricultural measures or to forecast the planned optimal harvest time.
  • FIG. 3 shows an exemplary method for updating the expected yields during cultivation of the cultivated plant with the aid of the decentralized computer system 10 and, in particular, with the aid of the server 12 of FIG. 1.
  • the method as shown in Figure 3, be performed after the sowing time and before or after the scheduled harvest time.
  • the current time is then after the sowing time in the current growing period and before or after the planned harvest time of the current growing season.
  • the method can thus be used in particular for planning during the current growing period or for the retrospective evaluation after the growing period.
  • position data identifying the field and time data specifying the current time and / or harvest time are provided, as well as field-specific data acquired during the growing period.
  • the position data and time data are provided and used as described in connection with FIG.
  • field-specific data are provided which relate to the actual state of the field to be considered.
  • Field specific data includes, for example, pest organism data, policy data, and / or growth data.
  • the harmful organism data specify the real course of the actually occurring harmful organisms
  • the action data the real course of the measures actually carried out
  • the field-specific data, as described in connection with FIG. 1, are preferably detected.
  • field-specific data for the current time and past times in the current growing period that are before the current time can be provided.
  • field-specific data can be provided from further fields relating to analogous conditions. Analogous conditions may be present, for example, with respect to seeding, variety, weather, soil or pre-crop.
  • weather data for the current time and for past times in the current growing period, which are before the current time can be provided. The weather data provided are provided and used as described in connection with FIG.
  • a predicted weather profile for a prediction period can be determined on the basis of the weather data provided up to the current time.
  • the prediction of the course of the weather for the current cultivation period of the crop until the harvest time can thus be carried out taking into account the previous weather history, preferably the previous weather history and the predicted weather course seamlessly merge.
  • the predicted weather course or the at least two or more predicted weather profiles is / are determined, as described in connection with FIG. 2, on the basis of the weather data provided up to the current time.
  • a risk of infestation for the prediction period is determined based on the predicted weather course or infestation risks based on at least two or more predicted weather profiles (n).
  • the risk of infection is determined as described in connection with FIG.
  • harmful organism data and / or measures data can be taken into account in order to determine the risk of infestation on the basis of the actual course of the actually occurring harmful organisms and / or the actual course of the measures actually carried out.
  • the predicted infestation risk for the prediction period is determined based on the predicted weather history and based on pest organism data for the field to be considered.
  • the harmful organism data may include, for example, satellite data or image data on the basis of which an infestation can be detected.
  • the satellite data may be provided to the server 12 directly or transmitted to the server 12 directly via a satellite or indirectly via an external server or database 24 accessible to the server 12.
  • the image data can be transmitted via a mobile computer system 16, such as a smartphone or a tablet, with a Camera are provided to the server 12 or transmitted to the server 12.
  • the pest organism data may also include pest organism data in a radius of several kilometers (km), about 1 to 10 km, around the field to be observed.
  • the harmful organism data may also include those of other fields under analogous conditions. Thus, the risk of infection can be adapted to the real conditions during the growing season.
  • a fourth step S9 agricultural measures for the prediction period are determined based on the predicted weather course and / or the determined infestation risk.
  • the agricultural measures are determined as described in connection with FIG. Measures data may additionally be taken into account in order to determine agricultural measures for the prediction period on the basis of the measures actually taken in the course of the cultivation period so far.
  • the expected yields in the cultivation of the crops at harvest time are determined on the basis of the predicted weather pattern, the predicted infestation risk and the agricultural measures.
  • the expected yields are determined in the fifth step S1 1, as described in connection with Figure 2.
  • growth data can be taken into account in order to determine the expected yields on the basis of the actual course of the actually occurred growth.
  • a plant growth model can be used, which can be checked and, if necessary, adapted on the basis of the growth data.
  • the plant growth model simulates the growth of a crop of crops over a defined period of time. It is also conceivable to use a model based on a single plant, which simulates the energy and substance flows in the individual organs of the plant. In addition, mixed models can be used.
  • the growth of a crop in addition to the genetic characteristics of the plant mainly by the prevailing over the life of the plant local weather conditions (quantity and spectral distribution of incident sunbeams, temperature gradients, rainfall, wind input) determines the condition of the soil and nutrient supply.
  • Soil Soil Type, Soil Texture, Soil Type, Field Capacity, Permanent Wilt Point, Organic Carbon, Mineral Nitrogen Content, Soil Density, Van Genuchten Parameters, etc.
  • Cultivated Plant Species, Variety, Variety Specific Parameters such as Specific Leaf Area Index, Temperature Totals, Maximum Root Depth, etc.
  • Cultivation measures seed, sowing date, sowing density, sowing depth, fertilizer, fertilizer amount, number of fertilizer dates, fertilizing date, tillage, crop residues, crop rotation, distance to field of the same culture in the previous year, irrigation, u.a.
  • the prediction of the temporal evolution of cultivated crops is preferably made site specific for the field to be considered.
  • FIG. 4 shows a further exemplary method for determining the expected yield during cultivation of the crop with the aid of the decentralized computer system 10 of FIG. 1, the yield being determined on the basis of predetermined agricultural measures.
  • the method as shown in Figure 4, be performed before or after the sowing time.
  • the current time is then before or after the sowing time of the current growing period or before or after a planned harvest time of the current growing period.
  • the procedure can thus be used in particular for planning before or during the current growing season and for the retrospective evaluation of the past cultivation period.
  • the method according to FIG. 4 is carried out analogously to the method described in FIGS. 2 and 3 with analogous method steps S1 1 to S15.
  • defined action data are provided which predetermine the agricultural measures.
  • defined action data can be generated, for example, in a web-based application on the local or mobile computer system 14, 16 on the basis of a predetermined selection of agricultural measures.
  • the defined action data may be provided to the server 12.
  • the agricultural measures may be specified for the specific area to be considered.
  • the determination of the expected returns is based on the measures prescribed via the defined action data. If the procedure for determining the expected yields has already been carried out at least once for the field under consideration and / or for the growing period, the predefined measures for a previous determination of the agricultural measures can be adopted. Furthermore, a user may be offered, for example, on the client side agricultural measures, for example from a previous determination of the agricultural measures or from all available agricultural measures. The user can then choose about client-side agricultural measures. Based on the selection, defined action data can be generated and transmitted from the local or mobile computer system 14, 16 to the server 12. The procedure Ren for determining the expected yields can then be carried out server-side based on the predetermined measures.
  • the defined action data may specify in whole or in part agricultural measures for the prediction period. If agricultural measures are specified for the complete forecast period or if appropriately defined measures are provided, the step of determining the agricultural measures can be completely or partially omitted. If agricultural measures are specified for a first part of the forecast period or if correspondingly defined measures are provided, the procedure for determining expected yields will determine agricultural measures for a second part of the forecasting period. Here, the second part of the forecast period is different from the first part. In the second part of the forecast period, no further agricultural measures are specified. The method according to FIG. 4 thus makes it possible to determine the expected yields for different scenarios concerning the agricultural measures.
  • the method according to the invention makes it possible to define additional scenarios relating to the agricultural measures.
  • the management of the field under consideration can be simplified before and during the growing season.
  • a decision support can be provided that enables efficient management of the field under consideration.
  • Embodiment 1 a method comprising the steps
  • step (F) calculating the expected yields of crops under the assumption that the forecasts given in steps (C) and / or (D) are received and that the measures identified in step (E) are carried out and / or not carried out
  • Embodiment 2 The method of Embodiment 1, in which, in step (C), using the historical weather data provided in step (B), a weather forecast is generated which represents a mean weather pattern to be expected for the location of the field.
  • Embodiment 3 The method of Embodiment 1 or 2, wherein a plurality of weather forecasts are generated in step (C) using the historical weather data provided in step (B), one of which results in a comparatively high crop yield of cultivated crops and one at a time comparatively low crop yield of cultivated crops.
  • Embodiment 4 The method of any one of Embodiments 1 to 3, in which, in step (C), using the historical weather data provided in step (B), a plurality of weather forecasts are prepared which are the spectrum of the weather patterns as occurred in recent years. cover.
  • Embodiment 5 The method of one of Embodiments 1 to 4, in which the expected yields for each predicted weather history are calculated in step (F).
  • Embodiment 6 The method of Embodiments 1 to 5, in which, in step (D), risks for infestation of the field with one or more harmful organisms are calculated for each predicted weather course.
  • Embodiment 7 The method of Embodiments 1 to 6, wherein an agricultural measure in step (E) is a measure for controlling one or more harmful organisms.
  • Embodiment 8 The method of Embodiments 1 to 7, wherein in step (E), a measure for controlling one or more harmful organisms is determined when the risk of attack by a harmful organism exceeds a threshold level
  • Embodiment 9 A computer system comprising
  • (A) means of identifying a field on which crops are or will be grown
  • (C) means for providing a weather forecast for the field for the pending or current growing period of the crops
  • (D) means for providing prediction of pest infestation events for the predicted weather history
  • Embodiment 10 means for displaying the expected returns.
  • a computer program product comprising a computer readable medium and program code stored on the volume and executed on a computer system causes the computer system to perform the following steps:
  • step (F) calculating the expected yields of crops under the assumption that the forecasts given in steps (C) and / or (D) are received and that the measures identified in step (E) are carried out and / or not carried out
  • Embodiment 1 The computer program product of Embodiment 10 configured to allow a user to select and deselect agricultural measures on a display device by operating an input device and to calculate the yield on selection of an agricultural measure in case the selected agricultural crop is selected Measure is calculated, and the income from the deselection of an agricultural measure is calculated in case the selected agricultural measure is not carried out.
  • Embodiment 12 The computer program product of Embodiment 10 or 1 1 configured to incorporate the weather history actually occurred up to the time of using the computer program, the actual occurrence of pest infestation events, and the actions actually taken in the calculation of the expected returns.
  • Embodiment 13 The computer program product of Embodiment 10 to 12 configured to perform one or more of the methods recited in Claims 1 to 6.
  • field is understood to mean a spatially delimitable area of the earth's surface which is used for agriculture by cultivating, feeding and harvesting crops in such a field the people is purposefully cultivated as a useful or ornamental plant.
  • the field is identified on which cultivated plants are to be cultivated or cultivated, and which is considered in greater detail in the course of the method according to the invention.
  • the identification is based on geo-coordinates, which uniquely determine the position of the field.
  • the present method is usually performed by means of a computer program installed on a computer system.
  • the geocoordinates of the field are therefore transferred to the computer program.
  • a user of the computer program could enter the geo-coordinates via a keyboard.
  • the user of the computer program can display geographic maps on a computer screen and draws the boundaries of the field to be viewed in such a map, for example with a computer mouse.
  • the area of the earth's surface is determined, which in the further course of the earth
  • historical weather data is provided for the field.
  • historical weather data is provided by commercial providers.
  • a prediction for the course of the weather for the pending or ongoing cultivation period is determined. Whether a weather forecast is prepared for the upcoming growing period of the crops to be cultivated in the field or for the current growing period of the crops cultivated in the field depends on when the prediction is made: before the beginning of the growing period or after the start of the growing period. It is conceivable that several predictions are made. It is conceivable that using the historical weather data, a typical, ie mean weather course is determined.
  • the goal in predicting the weather can be to predict the weather as precisely as possible for the upcoming or ongoing growing season.
  • the weather for the next few days can be predicted comparatively accurately, while forecasts of the weather for a time in a few weeks or months in the future are comparatively inaccurate. Therefore, for periods when the weather can only be inaccurately predicted, historical meteorological data are well suited to use trends that have been frequently observed in previous years as a basis for predicting future weather.
  • a plurality of weather forecasts are created, which preferably include the spectrum of the weather patterns as used in the past. covered years ago.
  • a probability for its occurrence is determined and indicated for each weather course, so that the weather patterns can be compared with each other.
  • a prediction for the occurrence of one or more pest infestations takes place.
  • prediction risks for one or more harmful organisms are determined in the prediction.
  • a "harmful organism” means an organism that can appear in the cultivation of crops and damage the crop, adversely affect the harvest of the crop, or compete for natural resources with the crop.
  • harmful organisms are weeds, grass weeds, animal pests such as beetles, caterpillars and worms, fungi and pathogens (eg bacteria and viruses)
  • weed plural : Weeds
  • weed are plants of the spontaneous accompanying vegetation (Segetalflora) in cultivated plant stands, grassland or garden plants, which are not cultivated there and come for example from the seminal potential of the soil or via Zuflug to the development.
  • weed grass (plural: grass weeds) is often used to clarify a distinction to the herbaceous plants.
  • weeds is used as a generic term, which should also include the term weed grass Forecast pest infestation can be used, for example, in predictive models as described in the prior art
  • the commercially available decision support system "expert” uses data on the cultivated plants grown or grown (stage of development, growing conditions, plant protection measures) for weather forecasting to predict pest infestation (Temperature, duration of sunshine, wind speed, precipitation) and the known pests / diseases (economic limits, pest / disease pressure) and calculates based on these data a risk of infection (Newe M., Meier H., Johnen A., Volk T .: proPlant expert.com - an online consulta - system on crop protection cereals, rape, potatoes and sugarbeet.
  • the determination of the infestation risks is preferably site-specific. It is conceivable, for example, that due to their position, some subareas of the field are particularly frequently and / or particularly severely affected by a pest infestation and / or that the infestation with a pest organism frequently starts from one or more defined subareas.
  • one or more digital maps of the field are used to predict the weather history in which the risk for infestation with one or more harmful organisms is / are marked on a site-specific basis.
  • a defined pest to generate a series of digital maps, for example a map for each month of the year, and to display on the maps by color coding what the risk of infestation of the patch with the pest in the one considered Month and at the predicted weather history.
  • the color "red” could stand for a risk of infestation greater than 90% and the color "green” for a risk of infestation less than 10%.
  • the range between 10% and 90% different tones of money and orange could be used.
  • Other / further types of representation are conceivable.
  • Deective threshold is a term used in agriculture, forestry and horticulture, and indicates infestation density with pathogens, diseases or stocking with weeds Up to this value, the additional economic effort through control is greater than the crop loss to be feared If the infestation or the weeding exceeds this value, the control costs are at least offset by the expected additional yield In the case of pests or diseases that can only be combated with great effort and with negative side effects for further production, the threshold for damage can be very high, but even a small infestation can lead to it a source of spread that threatens to destroy all production, the damage threshold can be very low. There are many examples in the prior art for determining damage thresholds (see, for example, Claus M.
  • Brodersen Information in Damage Threshold Models, GIL Reports, Volume 7, pages 26 to 36, http://www.gilnet.de/Publikationen/ 7_26.pdf).
  • agricultural measures to increase the yield of cultivated crops are determined.
  • the term "agricultural measure” is understood to mean any measure in the crop field that is necessary or economically and / or ecologically sensible in order to obtain a crop product, examples of which are: tillage (eg plowing), spreading of the seed (Seeding), irrigation, weed / weed removal, fertilising, pest control, harvesting, etc.
  • the agricultural measures are measures to control the predicted pest infestations, and in particular the selection of a suitable plant protection product.
  • the determination of the time when the plant protection product should be applied and the determination of the amount of plant protection agent to be applied are preferably determined on a site-specific basis n, which serves to protect plants or plant products from harmful organisms or to prevent their action, to destroy unwanted plants or plant parts, to inhibit undesirable growth of plants or to prevent such growth, and / or in a manner other than nutrients the life processes of To influence plants.
  • Examples of crop protection agents are herbicides, fungicides and pesticides (eg insecticides).
  • those measures are determined which have a maximum benefit / cost ratio. at The determination of the measures will preferably take into account legal aspects and aspects of environmental protection.
  • a selected crop protection product may be applied only at certain times and / or in certain maximum amounts. These and similar limitations are preferably taken into account when determining the measures.
  • the yields that are to be expected when cultivating the crops under the conditions of the scenarios considered are determined. For this a plant growth model can be used.
  • plant growth mode H is understood to mean a mathematical model describing the growth of a plant as a function of intrinsic (genetics) and extrinsic (environmental) factors.
  • Vegetable growth models exist for a large number of crop plants Plant growth models, for example, include the books i) "Mathematical Modeling and Simulation” by Marco Günther and Kai Velten, published by Wiley-VCH Verlag in October 2014 (ISBN: 978-3-527-41217-4), and ii) "Working with Dynamic Crop Models "by Daniel Wallach, David Makowski, James W. Jones and Francois Brun., Published in Academic Press (Elsevier), USA in 2014.
  • the plant growth model typically simulates the growth of a crop of crops over a defined period of time Using a model based on a single plant that simulates the energy and material fluxes in the individual organs of the plant It is also possible to use mixed models.
  • the growth of a crop in addition to the genetic characteristics of the plant mainly by the prevailing over the life of the plant local weather conditions (quantity and spectral distribution of incident sunbeams, temperature gradients, rainfall, wind input) determines the condition of the soil and nutrient supply. Also, the cultural measures already taken and any infestation with harmful organisms can exert an influence on plant growth and can be taken into account in the growth model.
  • the plant growth models are usually so-called dynamic process-based models (see “Working with Dynamic Crop Models” by Daniel Wallach, David Makowski, James W. Jones and Francois Brun., Published 2014 in Academic Press (Elsevier), USA), but can also be entirely
  • the models are usually so-called point models, where the models are usually calibrated so that the output reflects the spatial representation of the input, is the input collected at one point in the room or is it used for one Point in space interpolated or estimated, it is generally assumed that the model output is valid for the entire adjacent field.
  • point models calibrated at the field level to other, usually coarser, scales is known (see, for example, H. Hoffmann et al.
  • Soil Soil Type, Soil Texture, Soil Type, Field Capacity, Permanent Wilt Point, Organic Carbon, Mineral Nitrogen Content, Soil Storage, Van Genuchten Parameters, etc.
  • Cultivated plant species, variety, variety-specific parameters such as Specific leaf area index, temperature sums, maximum root depth, etc.
  • Cultivation measures seed, sowing date, sowing density, sowing depth, fertilizer, fertilizer amount, number of manure dates, fertilizing date, tillage, crop residues, crop rotation, distance to field of same culture in the previous year, irrigation, etc.
  • the prediction of the temporal evolution of cultivated crops is preferably carried out on a specific area.
  • the calculation of the expected yields is based on the assumption that the previously determined forecasts arrive (weather history, pest infestation events).
  • the calculation of the expected income is further based on the assumption that the previously identified agricultural measures are taken and / or that they are not taken. It is conceivable that the user of the computer program product can study the influence of the measures on the expected yields on the computer, for example by deselecting recommended measures and then computing the computer program how the yield changes if the exempted measure is not carried out.
  • the selection and deselection of measures is done site specific.
  • the expected revenues are displayed to a user on a display device.
  • the display device is a screen that is part of the present computer system.
  • the expected yield is displayed for individual partial surfaces and / or the entire field.
  • the display can be graphically supported, eg with the aid of bar graphs or the like. The user can thus look at different scenarios on the computer and see what returns will result when a particular predicted weather history actually becomes real and / or what returns result when certain actions are taken or not taken.
  • the expected yields are displayed on the surface of the area in the form of digital maps on the computer.
  • said steps (C), (D), (E), (F) and (G) are repeated, wherein the prevailing until the respective time of performing the steps course of the weather, actually occurred pest infestations and actually agricultural measures are taken into account.
  • the present computer program product is preferably configured to be automatically updated. Updating means that the actual course of weather up to the time of the respective update, the actual occurrence of pest infestations and the measures actually taken (eg to combat pest infestations) are included in the calculation of the expected returns.
  • the update can be automatic whenever the user starts or calls the computer program. It is also conceivable, however, that the update takes place at a fixed time, for example every day or every week. It is also conceivable, however, that an update is made irregularly, for example, whenever there is a significant change. softness of the real from the predicted conditions. In an update, the above steps (C), (D), (E), (F) and (G) are repeated.
  • step (E) Assuming the user has run the present computer program product for a first time at a first time, and has the proceeds calculated for a predicted weather history and on the condition that the recommended actions of step (E) are actually taken. At a later second time, the user retrieves the present computer program product. In the meantime, there has been a definite course of weather that affects plant growth of cultivated crops and / or the risk of pest infestation.
  • the present computer program product determines the actual weather course and adjusts the prediction for the pest infestation risk to the actual weather course.
  • one or more updated weather forecasts are created and the corresponding pest infestation risks are also updated. Based on the updated pest infestation risks, new measures to control pests are identified. Finally, an updated expected return is calculated and displayed.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Environmental Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Primary Health Care (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Evolutionary Biology (AREA)
  • Biotechnology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Die vorliegende Erfindung betrifft das technische Gebiet des Anbaus von Kulturpflanzen, insbesondere die Erstellung von Vorhersagen zum erwarteten Ertrag.

Description

Ertragsabschätzung beim Anbau von Kulturpflanzen
Die vorliegende Erfindung betrifft das technische Gebiet des Anbaus von Kulturpflanzen, insbesondere die Erstellung von Vorhersagen zum erwartetenden Ertrag.
Der Ertrag einer angebauten Kulturpflanze wird durch eine Vielzahl an Parametern bestimmt. Einige davon kann ein Landwirt beeinflussen, wie beispielsweise Bodenbearbeitung, Sorte, Zeitpunkt und Dichte der Aussaat, die Durchführung von Maßnahmen zur Bekämpfung von Schadorganismen, das Ausbringen von Nährstoffen, die Bewässerung und den Zeitpunkt der Ernte. Andere Parameter wie das Wetter sind kaum beeinflussbar.
Für den Landwirt wäre es vorteilhaft zu wissen, mit welchem Ertrag er am Ende einer Anbauperiode rechnen kann. Ferner wäre es günstig zu wissen, wie sich landwirtschaftliche Maßnahmen auf den Ertrag auswirken.
Die vorliegende Erfindung stellt derartige Informationen für einen Landwirt bereit.
Ein erster Gegenstand der Erfindung ist ein Verfahren vorzugsweise zum Ermitteln von zu erwartenden Erträgen beim Anbau von Kulturpflanzen mit Hilfe eines Computersystems, etwa eines Severs, insbesondere eines Servers und eines lokalen oder mobilen Computersystems, umfassend die Schritte
(A) Identifizieren eines Feldes, auf dem Kulturpflanzen angebaut werden oder werden sollen, wobei bevorzugt Positionsdaten, insbesondere Geokoordinaten, bereitgestellt werden,
(B) Vorhersage eines Wetterverlaufs für das Feld für die anstehende oder laufende Anbauperi- ode der Kulturpflanzen bis zur geplanten Ernte unter Berücksichtigung des bisherigen Wetterverlaufs, wobei bevorzugt der bisherige Wetterverlauf und der vorhergesagte Wetterverlauf nahtlos ineinander übergehen,
(C) Vorhersage für das Auftreten eines oder mehrerer Schadorganismen in dem Feld für den vorhergesagten Wetterverlauf,
(D) Ermitteln von landwirtschaftlichen Maßnahmen für die anstehende oder laufende Anbauperiode der Kulturpflanzen bis zur geplanten Ernte, wobei bevorzugt Maßnahmendaten bereitgestellt werden, die landwirtschaftliche Maßnahmen für die anstehende oder laufende Anbauperiode zumindest teilweise vorgegeben,
(E) Berechnen der zu erwartenden Erträge beim Anbau der Kulturpflanzen unter der Annahme, dass die Vorhersagen der Schritte (B) und (C) eintreffen und die in Schritt (D) ermittelten Maßnahmen durchgeführt werden,
(F) Bereitstellen oder Anzeigen der zu erwartenden Erträge,
(G) wiederholte Durchführung der Schritte (B), (C), (D), (E) und (F) unter Berücksichtigung des realen, bis zum jeweiligen Zeitpunkt der Durchführung der Schritte herrschenden Verlaufs des Wetters, der tatsächlich aufgetretenen Schadorgansimen und der tatsächlich durchgeführten Maßnahmen, wobei bevorzugt für Schritt (B) Wetterdaten betreffend einen tatsächlichen oder herrschenden Verlauf des Wetters und für die Schritte (C), (D), (E) erfasste Feld-spezifische Daten, insbesondere Schadorganismendaten betreffend tatsächlich aufgetretene Schadorgansimen, Wachstumsdaten betreffend den realen Verlauf des tatsächlich aufgetretenen Wachstums und/oder Maßnahmendaten betreffend tatsächlich durchgeführte Maßnahmen, bereitgestellt werden, wobei bevorzugt mindestens zwei unterschiedliche Wetterverläufe in Schritt (B) vorhergesagt werden, und die Schritte (C), (D), (E) für jeden der mindestens zwei unterschiedlichen Wetterverläufe durchgeführt werden. Ein weiterer Gegenstand der vorliegenden Erfindung ist ein Computersystem vorzugsweise zum Ermitteln von zu erwartenden Erträgen beim Anbau von Kulturpflanzen, umfassend
(A) Mittel zur Identifikation eines Feldes, auf dem Kulturpflanzen angebaut werden oder werden sollen, wobei bevorzugt Positionsdaten, insbesondere Geokoordinaten, bereitgestellt werden, oder ein Erfassungsmodul das konfiguriert ist, Positionsdaten, insbesondere Geokoordinaten, bereitzustellen,
(B) Mittel zur Bereitstellung einer Vorhersage eines Wetterverlaufs für das Feld für die anstehende oder laufende Anbauperiode der Kulturpflanzen bis zur geplanten Ernte unter Berücksichtigung des bisherigen Wetterverlaufs, wobei bevorzugt der bisherige Wetterverlauf und der vorhergesagte Wetterverlauf nahtlos ineinander übergehen, oder ein Wettermodul, das konfigu- riert ist, eine Vorhersage eines Wetterverlaufs für das Feld für die anstehende oder laufende
Anbauperiode der Kulturpflanzen bis zur geplanten Ernte unter Berücksichtigung des bisherigen Wetterverlaufs bereitzustellen, wobei bevorzugt der bisherige Wetterverlauf und der vorhergesagte Wetterverlauf nahtlos ineinander übergehen,
(C) Mittel zur Bereitstellung einer Vorhersage für das Auftreten eines oder mehrerer Schador- ganismen in dem Feld für den vorhergesagten Wetterverlauf, oder ein Schadorganismenmodul, das konfiguriert ist, eine Vorhersage für das Auftreten eines oder mehrerer Schadorganismen in dem Feld für den vorhergesagten Wetterverlauf bereitzustellen,
(D) Mittel zur Identifikation von landwirtschaftlichen Maßnahmen für die anstehende oder laufende Anbauperiode der Kulturpflanzen bis zur geplanten Ernte, wobei bevorzugt Maßnahmen- daten bereitgestellt werden, die landwirtschaftliche Maßnahmen für die anstehende oder laufende Anbauperiode zumindest teilweise vorgegeben, oder ein Maßnahmenmodul, das konfiguriert ist, landwirtschaftlichen Maßnahmen für die anstehende oder laufende Anbauperiode der Kulturpflanzen bis zur geplanten Ernte zu identifizieren, wobei bevorzugt Maßnahmendaten bereitgestellt werden, die landwirtschaftliche Maßnahmen für die anstehende oder laufende Anbaupe- riode teilweise vorgegeben,
(E) Mittel zum Berechnen der zu erwartenden Erträge beim Anbau der Kulturpflanzen unter der Annahme, dass die Vorhersagen der Schritte (B) und (C) eintreffen und die in Schritt (D) ermittelten Maßnahmen durchgeführt werden, oder ein Ertragsmodul, das konfiguriert ist, zu erwartenden Erträge beim Anbau der Kulturpflanzen unter der Annahme zu berechnen, dass die Vor- hersagen der Schritte (B) und (C) eintreffen und die in Schritt (D) ermittelten Maßnahmen durchgeführt werden, (F) Mittel zum Anzeigen oder Bereitstellen der zu erwartenden Erträge, oder eine Schnittstelle, die konfiguriert ist, zu erwartende Erträge anzuzeigen oder bereitzustellen,
wobei das Computersystem so konfiguriert ist, dass es die Schritte (B), (C), (D), (E) und (F) unter Berücksichtigung des realen, bis zum jeweiligen Zeitpunkt der Durchführung der Schritte herrschenden Verlaufs des Wetters, der tatsächlich aufgetretenen Schadorgansimen und der tatsächlich durchgeführten Maßnahmen wiederholt durchführt,
wobei bevorzugt für Schritt (B) Wetterdaten betreffend einen tatsächlichen oder herrschenden Verlauf des Wetters und für die Schritte (C), (D), (E) erfasste Feld-spezifische Daten, insbesondere Schadorganismendaten betreffend tatsächlich aufgetretene Schadorgansimen, Wachs- tumsdaten betreffend den realen Verlauf des tatsächlich aufgetretenen Wachstums und/oder Maßnahmendaten betreffend tatsächlich durchgeführte Maßnahmen, bereitgestellt werden, wobei bevorzugt mindestens zwei unterschiedliche Wetterverläufe in Schritt (B) vorhergesagt werden, und die Schritte (C), (D), (E) für jeden der mindestens zwei unterschiedlichen Wetterverläufe durchgeführt werden.
Ein weiterer Gegenstand der vorliegenden Erfindung ist ein Computerprogrammprodukt vorzugsweise zum Ermitteln von zu erwartenden Erträgen beim Anbau von Kulturpflanzen umfassend einen computerlesbaren Datenträger und Programmcode, der auf dem Datenträger gespeichert ist, und der beim Ausführen auf einem Computersystem das Computersystem dazu veranlasst, die folgenden Schritte auszuführen:
(A) Ermitteln eines Feldes, auf dem Kulturpflanzen angebaut werden oder werden sollen, , wobei bevorzugt Positionsdaten, insbesondere Geokoordinaten, bereitgestellt werden,
(B) Ermitteln eines Wetterverlaufs für das Feld für die anstehende oder laufende Anbauperiode der Kulturpflanzen bis zur geplanten Ernte unter Berücksichtigung des bisherigen Wetterver- laufs, wobei bevorzugt der bisherige Wetterverlauf und der vorhergesagte Wetterverlauf nahtlos ineinander übergehen,
(C) Ermitteln einer Vorhersage für das Auftreten eines oder mehrerer Schadorganismen in dem Feld für den vorhergesagten Wetterverlauf,
(D) Ermitteln von landwirtschaftlichen Maßnahmen für die anstehende oder laufende Anbaupe- riode der Kulturpflanzen bis zur geplanten Ernte, wobei bevorzugt Maßnahmendaten bereitgestellt werden, die landwirtschaftliche Maßnahmen für die anstehende oder laufende Anbauperiode zumindest teilweise vorgegeben,
(E) Berechnen der zu erwartenden Erträge beim Anbau der Kulturpflanzen unter der Annahme, dass die Vorhersagen der Schritte (B) und (C) eintreffen und die in Schritt (D) ermittelten Maß- nahmen durchgeführt werden
(F) Bereitstellen oder Anzeigen der zu erwartenden Erträge
(G) wiederholte Durchführung der Schritte (B), (C), (D), (E) und (F) unter Berücksichtigung des realen, bis zum jeweiligen Zeitpunkt der Durchführung der Schritte herrschenden Verlaufs des Wetters, der tatsächlich aufgetretenen Schadorgansimen und der tatsächlich durchgeführten Maßnahmen,
wobei bevorzugt für Schritt (B) Wetterdaten betreffend einen tatsächlichen oder herrschenden Verlauf des Wetters und für die Schritte (C), (D), (E) erfasste Feld-spezifische Daten, insbeson- dere Schadorganismendaten betreffend tatsächlich aufgetretene Schadorgansimen, Wachstumsdaten betreffend den realen Verlauf des tatsächlich aufgetretenen Wachstums und/oder Maßnahmendaten betreffend tatsächlich durchgeführte Maßnahmen, bereitgestellt werden, wobei bevorzugt mindestens zwei unterschiedliche Wetterverläufe in Schritt (B) vorhergesagt werden, und die Schritte (C), (D), (E) für jeden der mindestens zwei unterschiedlichen Wetterverläufe durchgeführt werden.
Die Erfindung wird nachstehend näher erläutert, ohne zwischen den Erfindungsgegenständen (Verfahren, Computersystem, Computerprogrammprodukt) zu unterscheiden. Die nachfolgen- den Erläuterungen sollen vielmehr für alle Erfindungsgegenstände in analoger Weise gelten, unabhängig davon, in welchem Kontext (Verfahren, Computersystem, Computerprogrammprodukt) sie erfolgen.
Das erfindungsgemäße Verfahren dient der Unterstützung eines Landwirts beim Anbau von Kul- turpflanzen auf einem Feld.
Unter dem Begriff„Feld" wird ein räumlich abgrenzbarer Bereich der Erdoberfläche verstanden, der landwirtschaftlich genutzt wird, indem auf einem solchen Feld Kulturpflanzen angepflanzt, mit Nährstoffen versorgt und geerntet werden.
Unter dem Begriff„Kulturpflanze" wird eine Pflanze verstanden, die durch das Eingreifen der Menschen zielgerichtet als Nutz- oder Zierpflanze angebaut wird.
(A) Identifizieren eines Feldes, auf dem Kulturpflanzen angebaut werden oder werden sollen
In einem ersten Schritt wird das Feld identifiziert, auf dem Kulturpflanzen angebaut werden oder angebaut werden sollen, und das im Verlauf des erfindungsgemäßen Verfahrens näher betrachtet wird.
Üblicherweise erfolgt die Identifizierung anhand von Geokoordinaten, welche die Lage des Fel- des eindeutig bestimmen. Das erfindungsgemäße Verfahren wird üblicherweise mit Hilfe eines Computerprogramms, das auf einem Computersystem installiert ist, ausgeführt. Üblicherweise werden die Geokoordinaten des Feldes daher in das Computerprogramm übertragen. Zum Beispiel könnte ein Nutzer des Computerprogramms die Geokoordinaten über eine Tastatur eingeben. Denkbar ist auch, dass der Nutzer des Computerprogramms sich an einem Computerbild- schirm geografische Karten anzeigen lässt und in einer solchen Karte zum Beispiel mit einer Computermaus die Grenzen des zu betrachtenden Feldes einzeichnet.
Durch die Identifikation des Feldes wird demnach der Bereich der Erdoberfläche festgelegt, der im weiteren Verlauf des erfindungsgemäßen Verfahrens betrachtet wird.
(B) Vorhersage eines Wetterverlaufs In einem weiteren Schritt erfolgt eine Vorhersage für den Verlauf des Wetters für die anstehende oder laufende Anbauperiode der Kulturpflanzen bis zur geplanten Ernte unter Berücksichtigung des bisherigen Wetterverlaufs, wobei bevorzugt der bisherige Wetterverlauf und der vorhergesagte Wetterverlauf nahtlos ineinander übergehen.
Ziel der Vorhersage des Wetterverlaufs ist es, die Verteilung und entsprechenden Wahrscheinlichkeiten von Wetterereignissen für die anstehende oder laufende Anbauperiode möglichst präzise vorherzusagen. Bekanntermaßen lässt sich das Wetter für die nächsten Tage, beispielsweise bis zu neun Tagen, vergleichsweise genau vorhersagen, während Vorhersagen des Wetters für einen Zeitpunkt in einigen Wochen oder Monaten, beispielsweise größer neun Tagen, in der Zukunft vergleichsweise ungenau sind. Für Zeiträume, in denen sich das Wetter nur noch ungenau vorhersagen lässt, sind daher historische Wetterdaten gut geeignet, um Tendenzen, die in vergange- nen Jahren häufig beobachtet worden sind, als Grundlage für die Vorhersage des zukünftigen Wetters zu verwenden.
Wettervorhersagen für die nähere Zukunft (z.B. von einem Tag bis etwa einer Woche oder bis etwa 9 Tage) können beispielsweise von einer Vielzahl an kommerziellen Anbietern bezogen werden.
Für die fernere Zukunft (z.B. mehr als eine Woche oder mehr als 9 Tage) innerhalb der Wachstumsperiode werden vorzugsweise saisonale Wettervorhersagen verwendet. Diese Vorhersagen können hierbei zum Beispiel auf globalen, regionalen und global-regional gekoppelten dy- namischen Zirkulationsmodellen und/oder der mehrjährigen Statistik historischer Wetterdaten und/oder einer dynamischen Projektion (Zirkulationsmodell) einzelner Klimavariablen kombiniert mit der stochastischen Wettersimulation weiterer Variablen und/oder rein stochastischen Wettersimulationen basieren. Insbesondere können die saisonalen Vorhersagen von kommerziellen Anbietern und/oder Forschungseinrichtungen zur Verfügung gestellt werden.
Die Entscheidung, welche Art der saisonalen Vorhersage genommen wird, hängt von der Vorhersagegüte der Modelle ab. Hierzu kann ein Index wie z.B. der Brier Score verwendet werden. Unterhalb eines bestimmten Grenzwertes, unterhalb dessen der Mehrnutzen der modellierten Wettervorhersage gegenüber der langjährigen Klimastatistik nicht signifikant ist, werden saisonale Wettervorhersagen basierend auf der langjährigen Klimastatistik bevorzugt.
Es ist denkbar, dass mehrere Vorhersagen, sog. Projektionen, erstellt werden. Es ist denkbar, dass unter Verwendung von historischen Wetterdaten ein typischer (z.B. der wahrscheinlichste) oder ein mittlerer Wetterverlauf (ein Mittel der Wetterverläufe einer definierten Zeitspanne, z.B. der letzten drei, vier, fünf, sechs, sieben, acht, neun, zehn Jahren ) ermittelt wird. Es ist denk- bar, dass aufgrund der rezenten Vergangenheit bestimmte saisonale Wettervorhersagen, die wahrscheinlicher erscheinen als andere, ermittelt werden.
Es ist denkbar, dass daneben anhand von historischen Wetterdaten eine Vorhersage für einen - aus landwirtschaftlicher Sicht - vergleichsweise günstigen Wetterverlauf und/oder einen vergleichsweise ungünstigen Wetterverlauf gemacht wird.
In einer bevorzugten Ausführungsform werden mehrere Wettervorhersagen erstellt, die vorzugsweise das Spektrum der Wetterverläufe, wie sie in den vergangenen Jahren aufgetreten sind, abdecken. In einer bevorzugten Ausführungsform wird für jeden Wetterverlauf auch eine Wahrscheinlichkeit für dessen Auftreten ermittelt und angegeben, so dass die Wetterverläufe untereinander verglichen werden können.
Die verschiedenen Wetterverläufe (historisch, Vorhersage nähere Zukunft, Saisonale Vorhersa- ge, Projektionen) werden in nahtlos übergehende Zeitreihen zusammengefügt („Seamless Pre- diction").
(C) Vorhersage für das Auftreten eines oder mehrerer Schadorganismen Für jeden vorhergesagten Wetterverlauf erfolgt in einem weiteren Schritt des erfindungsgemäßen Verfahrens eine Vorhersage für das Auftreten eines oder mehrerer Schadorganismen.
Vorzugsweise werden bei der Vorhersage Befallsrisiken für einen oder mehrere Schadorganismen ermittelt.
Unter einem„Schadorganismus" wird ein Organismus verstanden, der beim Anbau von Kulturpflanzen in Erscheinung treten und die Kulturpflanze schädigen, die Ernte der Kulturpflanze negativ beeinflussen oder mit der Kulturpflanze um natürliche Ressourcen konkurrieren kann. Beispiele für derartige Schadorganismen sind Unkräuter, Ungräser, tierische Schädlinge wie bei- spielsweise Käfer, Raupen und Würmer, Pilze und Krankheitserreger (z.B. Bakterien und Viren). Auch wenn Viren aus biologischer Sicht nicht zu den Organismen zählen, sollen sie dennoch vorliegend unter den Begriff Schadorganismus fallen.
Konkrete Beispiele für Schadorganismen sind: Septoria Trititici
(https://gd.eppo.int/taxon/SEPTTR), Erysiphe graminis (https://gd.eppo.int/taxon/ERYSGR), Puccinia recondite (https://gd.eppo.int/taxon/PUCCRE), Pyrenophora tritici-repentis bzw.
Drechslera tritici-repentis (https://gd.eppo.int/taxon/PYRNTR) und Fusarium spp.
(https://gd.eppo.int/taxon/FUSASP) an Winterweizen in Mitteleuropa.
Unter dem Begriff„Unkraut" (Mehrzahl: Unkräuter) werden Pflanzen der spontanen Begleitvege- tation (Segetalflora) in Kulturpflanzenbeständen, Grünland oder Gartenanlagen verstanden, die dort nicht gezielt angebaut werden und z.B. aus dem Samenpotential des Bodens oder über Zuflug zur Entwicklung kommen. Der Begriff ist nicht auf Kräuter im eigentlichen Sinne beschränkt, sondern umfasst auch Gräser, Farne, Moose oder holzige Pflanzen.
Im Bereich des Pflanzenschutzes wird häufig auch der Begriff„Ungras" (Mehrzahl: Ungräser) benutzt, um eine Abgrenzung zu den krautigen Pflanzen zu verdeutlichen. Im vorliegenden Text wird der Begriff Unkraut als Oberbegriff verwendet, der den Begriff Ungras mit erfassen soll.
Für die Vorhersage für das Auftreten eines oder mehrerer Schadorganismen können beispielsweise Prognosemodelle verwendet werden, die im Stand der Technik beschrieben sind. Das kommerziell verfügbare Entscheidungsunterstützungssystem "expert" verwendet zur Prognose Daten zu den angebauten oder anzubauenden Kulturpflanzen (Entwicklungsstadium, Wachstumsbedingungen, Pflanzenschutzmaßnahmen), zur Witterung (Temperatur, Sonnenscheindauer, Windgeschwindigkeit, Niederschlag) sowie zu den bekannten Schadorganismen / Krankheiten (ökonomische Grenzwerte, Schädlings-/Krankheitsdruck) und berechnet auf Basis dieser Daten ein Befallsrisiko (Newe M., Meier H., Johnen A., Volk T.: proPlant expert.com - an online consultation system on crop protection in cereals, rape, potatoes and sugarbeet. EPPO Bulletin 2003, 33, 443-449; Johnen A., Williams LH., Nilsson C, Klukowski Z., Luik A., Ulber B.: The proPlant Decision Support System: Phenological Models for the Major Pests of Oilseed Rape and Their Key Parasitoids in Europe, Biocontrol-Based Integrated Management of Oilseed Rape Pests (2010) Ed.: Ingrid H. Williams. Tartu 51014, Estonia. ISBN 978-90-481 - 3982-8. p. 381 - 403; www.proPlantexpert.com).
Zur Vorhersage von Schadorganismen können auch tatsächliche Befälle der Vergangenheit berücksichtigt werden.
Vorzugsweise erfolgt die Ermittlung von Befallsrisiken für diejenigen Schadorganismen, die in der Vergangenheit auf dem betrachteten Feld und/oder Nachbarfeldern aufgetreten sind.
Die Ermittlung der Befallsrisiken erfolgt vorzugsweise teilflächenspezifisch. Es ist beispielsweise denkbar, dass einige Teilflächen des Feldes aufgrund ihrer Lage besonders häufig und/oder besonders stark von einem Schadorganismus befallen sind und/oder dass der Befall mit einem Schadorganismus häufig von einer oder mehreren definierten Teilflächen ausgeht.
In einer bevorzugten Ausführungsform werden für eine Vorhersage des Wetterverlaufs eine o- der mehrere digitale Karten des Feldes erzeugt, in der/denen teilflächenspezifisch das Risiko für den Befall mit einem oder mehreren Schadorganismen eingezeichnet ist/sind. Es ist zum Beispiel denkbar für einen definierten Schadorganismus eine Reihe von digitalen Karten zu erzeugen, beispielsweise für jeden Monat im Jahr eine Karte, und auf den Karten mittels einer Farbkodierung anzuzeigen, wie hoch das Risiko für den Befall der Teilfläche mit dem Schadorga- nismus in dem betrachteten Monat und bei dem vorhergesagten Wetterverlauf ist. So könnte die Farbe "rot" beispielsweise für ein Befallsrisiko von größer als 90% und die Farbe "grün" für ein Befallsrisiko kleiner als 10% stehen. Für den Bereich zwischen 10% und 90% könnten ver- schiedene Geld- und Orangetöne verwendet werden. Andere/weitere Darstellungsarten sind denkbar.
In einer bevorzugten Ausführungsform wird für ermittelte Befallsrisiken ermittelt, ob eine Schad- schwelle überschritten ist oder nicht.
„Schadschwelle" ist ein Begriff aus der Landwirtschaft, der Forstwirtschaft und dem Gartenbau. Er gibt die Befallsdichte mit Schaderregern, Krankheiten oder den Besatz mit Unkräutern an, ab denen eine Bekämpfung wirtschaftlich sinnvoll wird. Bis zu diesem Wert ist der wirtschaftliche Mehraufwand durch eine Bekämpfung größer als der zu befürchtende Ernteausfall. Übersteigt der Befall oder die Verunkrautung diesen Wert, werden die Bekämpfungskosten durch den zu erwartenden Mehrertrag zumindest ausgeglichen.
Je nach dem Wesen eines Schadorganismus oder einer Krankheit kann die Schadschwelle sehr unterschiedlich sein. Bei Schadorganismen oder Krankheiten, die nur mit großem Aufwand und mit negativen Begleiterscheinungen für die weitere Produktion zu bekämpfen sind, kann die Schadschwelle sehr hoch sein. Kann jedoch schon ein geringer Befall zu einem Ausbreitungsherd werden, der die gesamte Produktion zu vernichten droht, kann die Schadschwelle sehr niedrig sein.
Im Stand der Technik finden sich viele Beispiele zur Ermittlung von Schadschwellen (siehe z.B. Claus M. Brodersen: Informationen in Schadschwellenmodellen, Berichte der GIL, Band 7, Seiten 26 bis 36, http://www.gil-net.de/Publikationen/7_26.pdf). (D) Ermitteln von landwirtschaftlichen Maßnahmen
In einem weiteren Schritt werden landwirtschaftliche Maßnahmen für die anstehende oder laufende Anbauperiode der Kulturpflanzen bis zur geplanten Ernte ermittelt. Unter dem Begriff„landwirtschaftliche Maßnahme" wird jede Maßnahme in dem Feld für Kulturpflanzen verstanden, die nötig oder wirtschaftlich und/oder ökologisch sinnvoll ist, um ein pflanzliches Erzeugnis zu gewinnen. Beispiele für landwirtschaftliche Maßnahmen sind: Bodenbearbeitung (z.B. Pflügen), Ausbringen des Saatguts (Aussaat), Bewässerung, Applikation von Wachstumsregulatoren, Bekämpfen von Unkräutern/Ungräsern, Ausbringen von Nährstoffen (z.B. durch Düngen), Bekämpfen von Schadorganismen, Ernten.
Vorzugsweise handelt es sich bei den landwirtschaftlichen Maßnahmen um Maßnahmen zur chemischen Kulturführung (Applikation von Pflanzenschutzmitteln oder Wachstumsregulatoren), insbesondere der Minderung des vorhergesagten Risikos eines Befalls mit einem Schad- Organismus. Zur Ermittlung der Maßnahmen zählen insbesondere die Auswahl eines geeigneten Pflanzenschutzmittels, die Festlegung von Zeitpunkten, wann das Pflanzenschutzmittel appli- ziert werden sollte, und die Festlegung der Menge an zu applizierendem Pflanzenschutzmittel. Die Ermittlung der Maßnahmen erfolgt vorzugsweise teilflächenspezifisch.
Unter dem Begriff„Pflanzenschutzmittel" wird ein Mittel verstanden, das dazu dient, Pflanzen oder Pflanzenerzeugnisse vor Schadorganismen zu schützen oder deren Einwirkung vorzubeugen, unerwünschte Pflanzen oder Pflanzenteile zu vernichten, ein unerwünschtes Wachstum von Pflanzen zu hemmen oder einem solchen Wachstum vorzubeugen, und/oder in einer anderen Weise als Nährstoffe die Lebensvorgänge von Pflanzen zu beeinflussen. Beispiele für Pflanzenschutzmittel sind Herbizide, Fungizide und Pestizide (z.B. Insektizide).
Es werden vorzugsweise diejenigen Maßnahmen ermittelt, die ein maximales Nutzen/Kosten- Verhältnis aufweisen.
Bei der Ermittlung der Maßnahmen werden vorzugsweise rechtliche Aspekte und Aspekte des Umweltschutzes berücksichtigt. So ist es beispielsweise denkbar, dass ein ausgewähltes Pflanzenschutzmittel nur zu bestimmten Zeitpunkten und/oder in bestimmten Höchstmengen appliziert werden darf. Diese und ähnliche Beschränkungen werden bei der Ermittlung der Maßnahmen vorzugsweise berücksichtigt. Die Ermittlung der Maßnahmen kann beispielsweise auf Basis der angebauten oder anzubauenden Kulturpflanzen geschehen. Es ist beispielsweise denkbar, dass ein Nutzer Informationen über die angebauten oder anzubauenden Kulturpflanzen in das erfindungsgemäße Computersystem eingibt, wie z.B. den Namen der Spezies, das Aussaatdatum und dergleichen. Das Computersystem ermittelt dann z.B. auf Basis von Informationen, die in einer Datenbank ge- speichert sind, welche Maßnahmen erforderlich und/oder wirtschaftlich sinnvoll und/oder ökologisch sinnvoll sind, um einen möglichst hohen Ertrag zu erzielen. Vorzugsweise bestimmt das erfindungsgemäße Computersystem auf Basis von gespeicherten Informationen Zeitspannen in der Zukunft, in denen die Maßnahmen sinnvollerweise durchgeführt werden sollten. Bei der Bestimmung der Zeitspannen kann der vorhergesagte Wetterverlauf und/oder das vorhergesagte Auftreten von Schadorganismen berücksichtigt werden. So wäre es beispielsweise nicht sinnvoll, die Ernte eines angebauten Getreides dann durchzuführen, wenn Regen vorhergesagt ist. Ferner wäre eine Applikation eines Bekämpfungsmittels für einen Schadorganismus nur dann sinnvoll, wenn ein signifikantes Risiko für das Auftreten des Schadorganismus besteht. (E) Berechnen der zu erwartenden Erträge
In einem weiteren Schritt werden die Erträge ermittelt, die beim Anbau der Kulturpflanzen unter den Bedingungen der betrachteten Szenarien zu erwarten sind.
Dazu kann ein Pflanzenwachstumsmodell eingesetzt werden. Unter dem Begriff„Pflanzenwachstumsmodell" wird ein mathematisches Modell verstanden, das das Wachstum einer Pflanze in Abhängigkeit von intrinsischen (Genetik) und extrinsischen (Umwelt) Faktoren beschreibt. Pflanzenwachstumsmodelle existieren für eine Vielzahl an Kulturpflanzen. Eine Einführung in die Erstellung von Pflanzenwachstumsmodellen bieten beispielsweise die Bücher i)„Mathematische Modellbildung und Simulation" von Marco Günther und Kai Velten, erschienen im Wiley- VCH Verlag im Oktober 2014 (ISBN: 978-3-527-41217-4), sowie ii)„Working with Dynamic Crop Models" von Daniel Wallach, David Makowski, James W. Jones und Francois Brun., erschienen 2014 in Academic Press (Elsevier), USA.
Das Pflanzenwachstumsmodell simuliert üblicherweise das Wachstum eines Bestands an Kulturpflanzen über einen definierten Zeitraum. Denkbar ist auch, ein Modell auf Basis einer einzelnen Pflanze zu verwenden, das die Energie- und Stoffflüsse in den einzelnen Organen der Pflanze simuliert. Es sind zudem Mischmodelle verwendbar.
Das Wachstum einer Kulturpflanze wird neben den genetischen Merkmalen der Pflanze vornehmlich durch die über die Lebensdauer der Pflanze herrschenden lokalen Witterungen (Quantität und spektrale Verteilung der einfallenden Sonnenstrahlen, Temperaturverläufe, Nie- derschlagsmengen, Windeintrag), dem Zustand des Bodens sowie das Nährstoffangebot bestimmt.
Auch die bereits erfolgten Kulturmaßnahmen und ein etwaig aufgetretener Befall mit Schadorganismen können einen Einfluss auf das Pflanzenwachstum ausüben und können in dem Wachstumsmodell berücksichtigt werden.
Die Pflanzenwachstumsmodelle sind i.d.R. sogenannte dynamische prozessbasierte Modelle (s.„Working with Dynamic Crop Models" von Daniel Wallach, David Makowski, James W. Jones und Francois Brun., erschienen 2014 in Academic Press (Elsevier), USA), können aber auch gänzlich oder teilweise regelbasiert oder statistisch bzw. datengestützt/empirisch sein. Die Modelle sind i.d.R. sogenannte Punktmodelle. Hierbei werden die Modelle i.d.R. so kalibriert, dass der Output die räumliche Repräsentanz des Inputs wiederspiegelt. Ist der Input an einem Punkt im Raum erhoben oder wird für einen Punkt im Raum interpoliert oder geschätzt, so wird i.d.R. angenommen, dass der Modelloutput für das gesamte angrenzende Feld gültig ist. Eine An- wendung von auf Feldebene kalibrierten sog. Punktmodellen auf weitere, i.d.R. gröbere Skalen ist bekannt (siehe z.B. H. Hoffmann et al.: Impact of spatial soil and climate input data aggrega- tion on regional yield simulations., 2016, PLoS ONE 1 1 (4): e0151782.
doi:10.1371/journal.pone.0151782). Eine Anwendung dieser sog. Punktmodelle auf mehrere Punkte innerhalb eines Feldes ermöglicht hierbei eine teilflächenspezifische Modellierung. Hier- bei werden allerdings räumliche Abhängigkeiten vernachlässigt, z.B. im Bodenwasserhaushalt. Andererseits existieren auch Systeme zur zeitlich-räumlich expliziten Modellierung. Hierbei werden räumliche Abhängigkeiten berücksichtigt. Beispiele für dynamische, prozessbasierte Pflanzenwachstumsmodelle sind Apsim, Lintul, Epic, Hermes, Monica, STICS u.a. In die Modellierung fließen vorzugsweise folgende Parameter ein (Input):
Wetter: tägliche Niederschlagssummen, Strahlungssummen, Tagesminimum und -maximum der Lufttemperatur sowie Temperatur in Bodennähe sowie Bodentemperatur, Windgeschwindigkeit, u.a.
Boden: Bodentyp, Bodentextur, Bodenart, Feldkapazität, Permanenter Welkepunkt, Organischer Kohlenstoff, mineralischer Stickstoffgehalt, Lagerungsdichte, Van-Genuchten-Parameter, u.a. Kulturpflanze: Art, Sorte, sortenspezifische Parameter wie z.B. Spezifischer Blattflächenindex, Temperatursummen, maximale Wurzeltiefe, u.a.
Kulturmaßnahmen: Saatgut, Aussaattermin, Aussaatdichte, Aussaattiefe, Düngemittel, Düngemenge, Anzahl an Düngeterminen, Düngetermin, Bodenbearbeitung, Ernterückstände, Frucht- folge, Distanz zum Feld gleicher Kultur im Vorjahr, Bewässerung, u.a.
Die Vorhersage der zeitlichen Entwicklung der angebauten Kulturpflanzen erfolgt vorzugsweise teilflächenspezifisch. Die Berechnung der zu erwartenden Erträge erfolgt unter der Annahme, dass die zuvor ermittelten Vorhersagen eintreffen (Wetterverlauf, Auftreten von Schadorganismen) und die ermittelten landwirtschaftlichen Maßnahmen durchgeführt werden. Dabei ist natürlich zu beachten, dass es eine Wechselwirkung zwischen dem Auftreten von Schadorganismen und den landwirtschaftlichen Maßnahmen geben kann. Eine landwirtschaftliche Maßnahme kann nämlich zum Ziel ha- ben, das Auftreten eines vorhergesagten Schadorganismus zu verhindern oder das Risiko zu vermindern. In einem solchen Fall bedeutet die Aussage "unter der Annahme, dass die Vorhersagen der Schritte (B) und (C) eintreffen und die in Schritt (D) ermittelten Maßnahmen durchgeführt werden", dass der Wetterverlauf wie vorhergesagt eintritt, ein Risiko für das Auftreten von Schadorganismen wie vorhergesagt zwar aufgrund des vorhergesagten Wetterverlaufs besteht, dass aber die ermittelten landwirtschaftlichen Maßnahmen durchgeführt werden und Erfolg haben werden, was in Bezug auf die Bekämpfung von Schadorganismen zu einem verminderten Risiko für das Auftreten von Schadorganismen führt (wobei das Risiko auch vernachlässigbar sein kann, wenn die ermittelte landwirtschaftliche zum Ziel hat, ein Auftreten von Schadorganismen zu verhindern).
Die Berechnung der zu erwartenden Erträge kann ferner unter der Annahme erfolgen, dass die zuvor ermittelten landwirtschaftlichen Maßnahmen nicht ergriffen werden. Denkbar ist, dass der Nutzer des erfindungsgemäßen Computerprogrammprodukts den Einfluss der Maßnahmen auf die zu erwartenden Erträge am Computer studieren kann, indem er beispielsweise empfohlene Maßnahmen abwählt und das Computerprogramm dann errechnet, wie sich der Ertrag verändert, wenn die abgewählte Maßnahme nicht durchgeführt wird. Vorzugsweise erfolgt die Aus- und Abwahl von Maßnahmen teilflächenspezifisch.
(F) Bereitstellen oder Anzeigen der zu erwartenden Erträge Die zu erwartenden Erträge werden einem Nutzer an einem Anzeigegerät angezeigt. Üblicherweise handelt es sich bei dem Anzeigegerät um einen Bildschirm, der Bestandteil des erfindungsgemäßen Computersystems ist.
Vorzugsweise wird für einzelne Teilflächen und/oder das gesamte Feld der zu erwartende Er- trag angezeigt. Die Anzeige kann grafisch unterstützt werden, z.B. mit Hilfe von Balkendiagrammen oder dergleichen.
Der Nutzer kann sich somit verschiedene Szenarien auf dem Computerbildschirm anschauen, und sehen, welche Erträge sich ergeben, wenn ein bestimmter vorhergesagter Wetter-Verlauf tatsächlich real wird und/oder welche Erträge sich ergeben, wenn bestimmte Maßnahmen ergriffen oder nicht ergriffen werden.
Vorzugsweise werden die zu erwartenden Erträge teilflächenspezifisch in Form von digitalen Karten auf dem Computerbildschirm angezeigt.
(G) wiederholte Durchführung der Schritte
In einem weiteren Schritt werden die genannten Schritte (B), (C), (D), (E) und (F) wiederholt, wobei der bis zum jeweiligen Zeitpunkt der Durchführung der Schritte herrschende Verlauf des Wetters, tatsächlich aufgetretene Schadorganismen und tatsächlich durchgeführte landwirtschaftliche Maßnahmen berücksichtigt werden.
Bei der wiederholten Durchführung wird der bisherige tatsächliche Wetterverlauf ermittelt. Es wird eine Vorhersage des zukünftigen Wetterverlaufs erstellt, die nahtlos an den bisherigen tat- sächlichen Wetterverlauf anknüpft, d.h. es gibt keinerlei Sprünge im Verlauf eines Parameters, der das Wetter beschreibt (Temperatur, Luftdruck, Luftfeuchte etc.). Für den ermittelten Wetterverlauf (bisheriger und zukünftiger) wird die Wahrscheinlichkeit für das Auftreten eines oder mehrerer Schadorganismen berechnet. Es werden landwirtschaftliche Maßnahmen ermittelt, die auf dem Feld durchgeführt werden sollten. Bei der Ermittlung der landwirtschaftlichen Maßnah- men könnend der ermittelte Wetterverlauf und/oder die vorhergesagten Schadorganismen berücksichtigt werden. Es werden die zu erwartenden Erträge der angebauten Kulturpflanzen errechnet, wobei für die Berechnung angenommen wird, dass der für die Zukunft vorhergesagte Wetterverlauf tatsächlich eintritt, das Risiko für das Auftreten vorhergesagter Schadorganismen tatsächlich wie vorhergesagt besteht und die ermittelten landwirtschaftlichen Maßnahmen tat- sächlich durchgeführt werden und erfolgreich sind, d.h., dass die durch die Maßnahmen zu erzielenden Ergebnisse tatsächlich eintreten. Die errechneten Erträge werden dem Nutzer gegenüber angezeigt. Die Wiederholung kann beispielsweise durch den Nutzer des erfindungsgemäßen Computersystems immer dann initiiert werden, wenn der Nutzer eine aktualisierte Ertragsbestimmung erhalten möchte.
Das erfindungsgemäße Computerprogrammprodukt ist vorzugsweise so konfiguriert, dass es automatisch aktualisiert wird. Aktualisierung bedeutet, dass der bis zum Zeitpunkt der jeweiligen Aktualisierung tatsächlich aufgetretene Wetterverlauf, die tatsächlich aufgetretenen Schadorganismen und die tatsächlich durchgeführten Maßnahmen in die Berechnung der zu erwartenden Erträge einfließen. Die Aktualisierung kann beispielsweise automatisch immer dann erfolgen, wenn der Nutzer das Computerprogramm startet oder aufruft. Denkbar ist aber auch, dass die Aktualisierung zu feststehenden Zeit, zum Beispiel jeden Tag oder jede Woche erfolgt. Denkbar ist aber auch, dass eine Aktualisierung unregelmäßig erfolgt, zum Beispiel immer dann, wenn es eine signifikante Abweichung der realen von den vorhergesagten Bedingungen gibt.
Bei einer Aktualisierung werden die oben aufgeführten Schritte (B), (C), (D), (E) und (F) wiederholt. Angenommen der Nutzer hat das erfindungsgemäße Computerprogrammprodukt ein erstes Mal zu einem ersten Zeitpunkt ausgeführt und die Erträge für einen vorgesagten Wetterverlauf und unter der Bedingung, dass die empfohlenen Maßnahmen aus Schritt (D) tatsächlich ergrif- fen werden, berechnen lassen. Zu einem späteren zweiten Zeitpunkt ruft der Nutzer das erfindungsgemäße Computerprogrammprodukt erneut auf. In der Zwischenzeit gab es einen definierten Wetterverlauf, der das Pflanzenwachstum der angebauten Kulturpflanzen und/oder das Risiko für einen Befall mit Schadorganismen beeinflusst. Das erfindungsgemäße Computerprogrammprodukt ermittelt den tatsächlichen Wetterverlauf und passt die Vorhersage für das Be- fallsrisiko an den tatsächlichen Wetterverlauf an. Zudem werden eine oder mehrere aktualisierte Wettervorhersagen erstellt und die entsprechenden Befallsrisiken ebenfalls aktualisiert. Auf Basis der aktualisierten Befallsrisiken werden neue Maßnahmen zur Bekämpfung der Schadorganismen ermittelt. Zudem können bei einer Wiederholung oder auch beim ersten Durchlauf der Schritte des erfindungsgemäßen Verfahrens Modellläufe mit Hilfe weiterer beobachteter Zustandsvariablen an die Realität angepasst werden. Beispiele einer solchen Anpassung sind das Anpassen der Modellläufe an
- den mithilfe von Satelliten beobachteten Vegetationsindex (z.B. NDVI) oder Blattflächen- index (LAI)
- tatsächliche beobachtete Infektionen im Pflanzenbestand (z.B. Bonituren)
- tatsächlich beobachtete Wachstumsstadien oder Reifegrad der Kultur
- tatsächlich erfolgte landwirtschaftliche Maßnahmen (Düngung, Pflanzenschutz, etc.)
- weitere beobachtete Umweltvariablen (z.B. Messungen der Bodenfeuchte).
Schließlich wird ein aktualisierter zu erwartender Ertrag berechnet und angezeigt. Hierbei können modellinterne Parameter oder berechnete Zustandsvariablen angepasst werden. Das erfindungsgemäße Verfahren kann ganz oder teilweise auf einem Computersystem (z.B. dem erfindungsgemäßen Computersystem) ausgeführt werden. Ein Computersystem umfasst einen oder mehrere Computer. Unter dem Begriff Computer wird ein universell programmgesteuerter Automat zur Informationsverarbeitung verstanden. Ein Computer verfügt über mindestens eine Eingabeeinheit, über die Daten und Steuerbefehle eingegeben werden können (Maus, Trackpad, Tastatur, Scanner, Webcam, Joystick, Mikrofon, Barcodeleser usw.), eine Verarbeitungseinheit umfassend Arbeitsspeicher und Prozessor, mit der Daten und Befehle verarbeitet werden, und eine Ausgabeneinheit, um Daten aus dem System zu senden (z.B. Bildschirm, Drucker, Lautsprecher usw.). Heutige Computer werden oft in Desktop-Computer, Portable Computer, Laptops, Notebooks, Netbooks und Tablet-Computer und so genannte Handheids (z.B. Smartphones, Smartwatches) unterteilt. Über eine Eingabeeinheit kann ein Nutzer ein Feld auswählen, für das eine Ertragsvorhersage erstellt werden soll. Das Computersystem kann dem Nutzer eine digitale Karte zur Verfügung stellen. Mittels einer Eingabeeinheit wie z.B. einer Computermaus kann der Netzer den Ausschnitt der Karte ändern und in die Karte hineinzoomen oder aus der Karte herauszoomen, so dass er sich auf der Karte ein bestimmtes Feld anzeigen lassen kann. In der Karte kann der Nutzer beispielsweise durch Einzeichnen von Feldgrenze ein spezielles Feld auswählen. Denkbar ist aber auch, dass Feldgrenzen mittels Bildanalyse automatisch erkannt werden und der Nutzer ein erkanntes Feld beispielsweise durch Anklicken mit der Maus auswählen kann.
Es ist denkbar, dass der Nutzer mittels einer Eingabeeinheit die Kulturpflanzen spezifiziert, die auf dem Feld angebaut werden (sollen).
Das erfindungsgemäße Computersystem kann so ausgestaltet sein, dass es Wettervorhersagen selbst erzeugt oder Wettervorhersagen über ein angeschlossenes Netzwerk (z.B. das Intern) von einem Anbieter bezieht.
Vorzugsweise ist das erfindungsgemäße Computersystem so ausgestaltet, dass es Wettervorhersagen von einem Anbieter bezieht. Das erfindungsgemäße Computersystem umfasst in einem solchen Fall eine Empfangseinheit zum Empfang von Wettervorhersagen für das spezifizierte Feld oder die Region, in der sich das spezifizierte Feld befindet. Vorzugsweise ist das Computersystem mit einem Netzwerk (z.B. dem Internet) verbunden.
Über ein Netzwerk kann das erfindungsgemäße Computersystem ferner mit einer oder mehreren Datenbanken verbunden sein, in der Informationen zu den angebauten/anzubauenden Kulturpflanzen gespeichert sind, wie beispielsweise landwirtschaftliche Maßnahmen für die Kultur- pflanzen. Das erfindungsgemäße Computersystem kann so ausgestaltet sein, dass es auf Basis des vorhergesagten Wetterverlaufs Wahrscheinlichkeiten für das Auftreten von Schadorganismen berechnen kann. In einem solchen Fall kann ein Prognosemodell installiert sein, dass Daten, die den Wetterverlauf charakterisieren (wie beispielsweise Temperaturverläufe, Niederschlagsmengen etc.) als Eingabeparameter empfängt und Wahrscheinlichkeiten für das Auftreten von Schadorganismen im Verlauf der Anbauphase als Ausgabegrößen ausgibt.
Denkbar ist aber auch, dass das erfindungsgemäße Computersystem auf ein Prognosemodell über das Netzwerk zugreift, um Befallsrisiken ermitteln zu lassen und zu beziehen.
Das erfindungsgemäße Computersystem weist vorzugsweise eine Einheit zur Berechnung von Erträgen auf, die Bestandteil der Verarbeitungseinheit sein kann. Bestandteil der Ertragsberechnungseinheit ist wiederum ein Pflanzenwachstumsmodell. Die Ertragsberechnungseinheit verwendet den für die Anbauperiode ermittelten Wetterverlauf als Eingangsgröße, um mittels des Pflanzenwachstumsmodells das Pflanzenwachstum über die Anbauperiode hinweg zu berechnen. Etwaig vorhergesagte Schadorganismen und ermittelte landwirtschaftliche Maßnahmen werden ebenfalls als Eingangsgrößen berücksichtigt. Das Ergebnis ist eine Ertragsvorhersage. Falls mehrere Wetterverläufe und/oder verschiedene landwirtschaftliche Maßnahmen berücksichtigt worden sind, ergeben sich entsprechend mehrere Ertragsvorhersagen.
Das Computersystem verfügt über eine Anzeigevorrichtung (z.B. einen Bildschirm), auf dem sie die Ertragsvorhersagen einem Nutzer gegenüber anzeigen kann.
Kurze Beschreibung der Zeichnungen
Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in den nachfolgenden Beschreibungen näher erläutert. Es zeigen:
Figur 1 ein beispielhaftes dezentrales Computersystem umfassend einen Server, ein lokales Computersystem, ein mobiles Computersystem, eine Landwirtschaftsmaschine und ein Satellitensystem,
Figur 2 ein beispielhaftes Verfahren zum Ermitteln der zu erwartenden Erträge beim Anbau der Kulturpflanze mit Hilfe des dezentralen Computersystems und insbesondere des Servers der Figur 1 ,
Figur 3 ein beispielhaftes Verfahren zum Aktualisieren der zu erwartenden Erträge beim Anbau der Kulturpflanze mit Hilfe des dezentralen Computersystems und insbesondere des Servers der Figur 1 , Figur 4 ein weiteres beispielhaftes Verfahren zum Aktualisieren der zu erwartenden Erträge beim Anbau der Kulturpflanze mit Hilfe des dezentralen Computersystems und insbesondere des Servers der Figur 1 . Kurze Beschreibung der Ausführungsformen
Figur 1 zeigt ein beispielhaftes dezentrales Computersystem 10 umfassend einen Server 12, ein lokales Computersystem 14, ein mobiles Computersystem 16, eine Landwirtschaftsmaschine 18 und ein Satellitensystem 20.
Dabei kann der Server 12 ein Cloud-Server sein, der eine IT-Infrastruktur für Speicherplatz, Rechenleistung oder Anwendungssoftware bereitstellt. Mit dem Server 12 können lokale Computersysteme 14 wie ein Desktopcomputer oder mobile Computersysteme 16 wie ein Smartphone, eine Drohne, ein tragbarer digitaler Assistent (Portable Digital Assistant, PDA), ein Laptop oder ein Tablet über ein Netzwerk 22 wie das Internet kommunizieren. Weiterhin können Landwirtschaftsmaschinen 18 oder Satellitensysteme 20 mit dem Server kommunizieren.
Das lokale Computersystem 14 kann als Client fungieren und eine web-basierte Anwendung umfassen, die die Kommunikation mit dem Server 12 orchestriert. Beispielsweise werden An- fragen zur Ertragsermittlung an den Server 12 gesendet oder angefragte Daten, wie ermittelte Erträge und Szenarien für die Ermittlung, von dem Server 12 empfangen. So kann die Anfrage zur Ertragsermittlung Positionsdaten des Feldes, Zeitdaten, Feld-spezifische Daten insbesondere Wachstumsdaten, Schadorganismendaten oder Maßnahmedaten umfassen. Weiterhin kann das lokale Computersystem 14 zur Visualisierung von Daten etwa den ermittelten Erträgen und den Annahmen oder Szenarien, die zu den ermittelten Erträgen geführt haben, auf einem Bildschirm dienen.
In analoger Weise kann das mobile Computersystem 16, wie das Smartphone, der Laptop oder Tablet, als Client fungieren und eine web-basierte Anwendung umfassen, die die Kommunikati- on mit dem Server 12 orchestriert. Weiterhin kann das mobile Computersystem 16, wie ein Smartphone oder einer Drohne, direkt im Feld eingesetzt werden, um Feld-spezifische Daten zum Server 12 zu kommunizieren. Beispielsweise kann eine Kamera des mobilen Computersystems 16 zum Generieren von Bilddaten genutzt werden. So können lokale Bilddaten des Feldes mit Hilfe des mobilen Computersystems 16 erfasst werden und an den Server 12 über- mittelt werden, um etwa Ertragsvorhersagen zu ermitteln. Aus den Bilddaten können mit Bild- und/oder Objektanalyseverfahren Wachstum, Befall oder landwirtschaftliche Maßnahmen extrahiert werden. Die Bilddaten können dementsprechend als Wachstumsdaten, Befallsdaten und/oder Maßnahmedaten fungieren, um etwa Ertragsvorhersagen zu ermitteln. Weiterhin können Bonituren mit Hilfe des mobilen Computersystems 16 erfasst werden und an den Server 12 übermittelt werden, um etwa Ertragsvorhersagen zu ermitteln. Zudem können Landwirtschaftsmaschinen 18 landwirtschaftliche Maßnahmen über darin verbauter Sensorik erfassen. Beispielsweise kann eine Landwirtschaftsmaschine 18 zum Ausbringen von Saatgut Positionsdaten der Ausbringung, Art des Saatguts, Menge des ausgebrachten Saatguts und Zeitpunkt der Ausbringung erfassen. In analoger Weise kann eine Landwirt- Schaftsmaschine 18 zum Ausbringen von Pflanzenschutzmitteln Positionsdaten der Ausbringung, Art des Pflanzenschutzmittels, Menge des ausgebrachten Pflanzenschutzmittels und Zeitpunkt der Ausbringung erfassen. So können Maßnahmendaten erfasst werden, die beispielsweise Saatmaßnahmen, Düngemaßnahmen, Bodenbearbeitungsmaßnahmen, Pflanzenschutzmaßnahmen oder Bewässerungsmaßnahmen spezifizieren. Die erfassten Maßnahmeda- ten können an den Server 12 übermittelt werden, um etwa Ertragsvorhersagen zu ermitteln.
Weiterhin können Messwerte von Satellitensystemen 20 erfasst werden und an den Server 12 übermittelt werden. So können Erdbeobachtungssatelliten zur Fernerkundung auf Basis unterschiedlicher Messtechniken, wie LI DAR, RADAR, hyper- oder multispektraler Spektrometrie oder Fotografie, Wetterdaten, oder Feld-spezifische Daten wie Wachstumsdaten, Befallsdaten und/oder Maßnahmendaten erfassen. Insbesondere können aus Satellitenaufnahmen Wachstumsdaten extrahiert werden, wie die Biomasse eines Feldes oder den Blattflächenindex. Navigationssatelliten können zur Ortung oder zum Ermitteln von Positionsdaten genutzt werden. Die erfassten Wetterdaten oder die erfassten Feld-spezifischen Daten können an eine externe Da- tenbank 24 übermittelt werden, auf die der Server 12 zugreifen kann, oder die erfassten Wetterdaten oder Feld-spezifischen Daten können direkt an den Server 12 übermittelt werden.
Weiterhin kann der Server 12 ein Erfassungsmodul 26 zum Senden und Empfangen von Daten über ein Netzwerk wie das Internet umfassen. Über das Erfassungsmodul 26 kann der Server 12 mit weiteren netzwerkfähigen Geräten 14, 16, 18, 20, wie einem Desktopcomputer 14, einem Smartphone 16, einer Landwirtschaftsmaschine 18 oder einem Satellitensystem 20, über ein Netzwerk wie das Internet verbunden sein. So können Feld-spezifische Daten über das Erfassungsmodul 26 von dem mobilen Computersystem 16, der Landwirtschaftsmaschine 18 oder dem Satellitensystem 20 übermittelt werden.
Der Server 12 ist konfiguriert, den zu erwartenden Ertrag auf dem zu betrachtenden Feld zu bestimmen. Dazu umfasst der Server insbesondere ein Wetterdatenmodul 28, ein Schadorganismenmodul 30, ein Maßnahmenmodul 32 und ein Ertragsmodul 34. Das Erfassungsmodul 26 stellt beispielsweise Positionsdaten, Zeitdaten, Wetterdaten, Feld-spezifische Daten oder histo- rische Daten bereit. Das Wettermodul 28 stellt beispielsweise Modelle zum Ermitteln des Wetterverlaufes bereit und ermittelt einen vorhergesagten Wetterverlauf, wie in Figuren 2 bis 4 beschrieben. Dazu kann das Wettermodul 28 in Kommunikation mit dem Erfassungsmodul 26 sein, das entsprechende Wetterdaten bereitstellt. Das Schadorganismenmodul 30 stellt beispielsweise Modelle zum Auftreten von Schadorganismen bereit und ermittelt ein Befallsrisiko, wie in den Figuren 2 bis 4 beschrieben. Dazu kann das Schadorganismenmodul 30 in Kommunikation mit dem Erfassungsmodul 26 sein, das entsprechende Schadorganismendaten bereitstellt. Das Maßnahmenmodul 32 stellt beispielsweise Modelle zum Ermitteln von landwirtschaft- liehen Maßnahmen bereit und ermittelt landwirtschaftliche Maßnahmen, wie in den Figuren 2 bis 4 beschreiben. Dazu kann das Maßnahmenmodul 32 in Kommunikation mit dem Erfassungsmodul 26 sein, das entsprechende Maßnahmendaten bereitstellt. Das Ertragsmodul 34 stellt beispielsweise Modelle zum Ermitteln der zu erwartenden Erträge bereit und ermittelt zu erwar- tende Erträge wie in den Figuren 2 bis 4 beschrieben. Dazu kann das Ertragsmodul 34 in Kommunikation mit dem Erfassungsmodul 26 sein, das entsprechende Wachstumsdaten bereitstellt.
Figur 2 zeigt ein beispielhaftes Verfahren zum Ermitteln der zu erwartenden Erträge beim Anbau der Kulturpflanzen mit Hilfe des dezentralen Computersystems 10 und insbesondere mit Hilfe des Servers 12 der Figur 1. Das Verfahren, wie in Figur 2 gezeigt, kann vor oder am Aussaatzeitpunkt durchgeführt werden. Der aktuelle Zeitpunkt liegt dann vor oder am Aussaatzeitpunkt und das Verfahren kann insbesondere zur Planung der anstehenden Anbauperiode genutzt werden. In einem ersten Schritt S1 werden Positionsdaten bereitgestellt, die das Feld identifizieren, und Zeitdaten, die den aktuellen Zeitpunkt und/oder einen Erntezeitpunkt spezifizieren. Die Positionsdaten und Zeitdaten können auf einem lokalen oder mobilen Computersystem 14, 16 generiert werden und an den Server 12 übertragen werden. Der aktuelle Zeitpunkt kann einen vorgegebenen Zeitpunkt oder die aktuelle Zeit spezifizieren, die etwa vom lokalen oder mobilen Computersystem 14, 16 erfasst wird. Der Erntezeitpunkt kann ein vorgegebener Zeitpunkt der geplanten Ernte spezifizieren oder mit Hilfe eines Wachstumsmodells der optimale Zeitpunkt der geplanten Ernte ermittelt werden.
In einer Ausführungsform werden Positionsdaten, insbesondere Geokoordinaten, mit Hilfe eines mobilen Computersystems 16 erfasst, das einen Ortungssensor, wie einen GPS-Sensor, um- fasst. Hierbei kann die Üebertragung der Positionsdaten vom mobilen Computersystem 16 an den Server 12 getriggert werden, wenn sich das mobile Computersystem 16 am Ort des Feldes befindet. Alternative können Positionsdaten, insbesondere Geokoordinaten, mit Hilfe eines Eingabemoduls, wie einer Tastatur, einer Computermaus oder eines berührungsempfindlichen Bildschirms, des lokalen oder mobilen Computersystems 14, 16 bereitgestellt werden. Dazu können die Positionsdaten vom lokalen oder mobilen Computersystem 14, 16 an den Server 12 übertragen werden. Insbesondere können geografische Karten, etwa Satellitenkarten, auf dem lokalen oder mobilen Computersystem 14, 16 bereitgestellt werden, um das zu betrachtende Feld zu spezifizieren. Die Geokoordinaten können Koordinaten der Feldgrenze oder eine Ba- siskoordinate und eine damit assoziierte Feldgrenzenform enthalten.
Weiter in dem ersten Schritt S1 können Wetterdaten für den aktuellen Zeitpunkt und für zurückliegende Zeitpunkte, die vor dem aktuellen Zeitpunkt liegen, bereitgestellt werden. Beispielsweise kann sich der Zeitraum der zurückliegenden Zeitpunkte auf das Jahr der anstehenden An- bauperiode beziehen. Die Wetterdaten können in Wettermessstationen erfasste Daten sein, die zum Beispiel Temperatur, Sonnenscheindauer, Windgeschwindigkeit, Niederschlag, tägliche Niederschlagssummen, Strahlungssummen, Tagesminimum und -maximum der Lufttempera- tur, Temperatur in Bodennähe, Bodentemperatur betreffen. Die Wetterdaten können von Wettermessstationen an den Server 12 oder an eine externe Datenbank 24, auf die der Server zugreifen kann, übermittelt werden. Aus den Wetterdaten kann ein tatsächlicher oder bisheriger Wetterverlauf bis zum aktuellen Zeitpunkt ermittelt werden.
In einem zweiten Schritt S2 kann ein vorhergesagter Wetterverlauf für einen Vorhersagezeitraum zumindest auf Basis der bis zum aktuellen Zeitpunkt bereitgestellten Wetterdaten oder des bisherigen Wetterverlaufes ermittelt werden. Hierbei kann der Vorhersagezeitraum einen Zeitraum zwischen dem aktuellen Zeitpunkt und dem Erntezeitpunkt umfassen. Der Vorhersa- gezeitraum kann aus einem Zeitraum zwischen dem aktuellen Zeitpunkt und dem Erntezeitpunkt bestehen. Die Vorhersage für den Verlauf des Wetters für die anstehende Anbauperiode der Kulturpflanzen bis zum Erntezeitpunkt kann damit unter Berücksichtigung des bisherigen Wetterverlaufs erfolgen, wobei bevorzugt der bisherige Wetterverlauf und der vorhergesagte Wetterverlauf nahtlos ineinander übergehen. Ziel der Vorhersage des Wetterverlaufs ist es, die Verteilung und entsprechenden Wahrscheinlichkeiten von Wetterereignissen für die anstehende Anbauperiode möglichst präzise vorherzusagen.
Bekanntermaßen lässt sich das Wetter für die nächsten Tage, beispielsweise bis zu neun Tagen, vergleichsweise genau vorhersagen, während Vorhersagen des Wetters für einen Zeit- punkt in einigen Wochen oder Monaten, beispielsweise größer neun Tagen, in der Zukunft vergleichsweise ungenau sind. Für Zeiträume, in denen sich das Wetter nur noch ungenau vorhersagen lässt, können daher historische Wetterdaten gut geeignet sein, um Tendenzen, die in vergangenen Jahren häufig beobachtet worden sind, als Grundlage für die Vorhersage des zukünftigen Wetters zu verwenden.
Wettervorhersagen für die nähere Zukunft (z.B. von einem Tag bis etwa einer Woche oder bis etwa 9 Tage) können beispielsweise von einer Vielzahl an kommerziellen Anbietern bezogen werden. Der vorhergesagte Wetterverlauf kann einen kurzzeitig vorhergesagten Wetterverlauf ab dem aktuellen Zeitpunkt bis zu einem ersten Zeitpunkt nach dem aktuellen Zeitpunkt oder für die nahe Zukunft oder einen Zeitraum vom aktuellen Zeitpunkt bis zu einigen Tagen, etwa bis zu 9 Tagen, nach dem aktuellen Zeitpunkt umfassen. Derartige kurzzeitig vorhergesagte Wetterverläufe ab dem aktuellen Zeitpunkt bis zu einem ersten Zeitpunkt nach dem aktuellen Zeitpunkt können von einer externen Datenbank 24, auf die der Server 12 zugreifen kann, bereitgestellt werden und an den Server 12 übertragen werden oder auf dem Server 12 ermittelt wer- den. Beispielsweise werden kurzzeitig vorhergesagte Wetterverläufe auf Basis von dynamischen Wettermodellen und ggf. unter Berücksichtigung des bisherigen Wetterverlaufs oder der Wetterdaten am aktuellen Zeitpunkt ermittelt.
Zusätzlich oder alternativ kann der vorhergesagte Wetterverlauf einen langzeitig vorhergesag- ten Wetterverlauf bis zum geplanten Erntezeitpunkt etwa ab dem ersten Zeitpunkt nach dem aktuellen Zeitpunkt bis zum geplanten Erntezeitpunkt umfassen, wobei der langzeitige Wetterverlauf die fernere Zukunft oder einen Zeitraum ab dem aktuellen Zeitpunkt oder ab dem End- punkt, etwa dem 9. Tag, des kurzzeitig vorhergesagten Wetterverlaufes bis zum Erntezeitpunkt abdeckt. Für die fernere Zukunft (z.B. mehr als eine Woche oder mehr als 9 Tage) innerhalb der Wachstumsperiode oder Anbauperiode werden vorzugsweise saisonale Wettervorhersagen verwendet. Diese Vorhersagen können auf globalen, regionalen und global-regional gekoppel- ten dynamischen Zirkulationsmodellen und/oder der mehrjährigen Statistik historischer Wetterdaten und/oder einer dynamischen Projektion (Zirkulationsmodell) einzelner Klimavariablen kombiniert mit der stochastischen Wettersimulation weiterer Variablen und/oder rein stochasti- schen Wettersimulationen basieren. Die Entscheidung, welche Art der saisonalen Vorhersage genommen wird, kann von der Vorhersagegüte der Modelle abhängen. Hierzu kann ein Index wie z.B. der Brier Score verwendet werden. Unterhalb eines bestimmten Grenzwertes, unterhalb dessen der Mehrnutzen der modellierten Wettervorhersage gegenüber der langjährigen Klimastatistik oder mehrjährigen Statistik historischer Wetterdaten nicht signifikant ist, können saisonale Wettervorhersagen basierend auf der langjährigen Klimastatistik oder mehrjährigen Statistik historischer Wetterdaten bevorzugt werden.
Zusätzlich kann der langzeitig vorhergesagte Wetterverlauf an den kurzzeitig vorhergesagten Wetterverlauf anschließen, bevorzugt nahtlos anschließen. Insbesondere werden der kurzzeitig und der langzeitig vorhergesagte Wetterverlauf derart ermittelt, dass sie in einer Zeitreihe, bevorzugt in einer nahtlos übergehenden Zeitreihe zusammengefasst werden können. Hierbei bezeichnet ein nahtloser Übergang, dass keine Sprünge oder sonstige Irregularitäten, die nicht aus dem Wetterverlauf selbst stammen und damit artifiziell sind, in dem vorhergesagten Wetterverlauf auftreten, um möglichst robuste und realitätsnahe Vorhersagen zu generieren. Beispielsweise schließt der langzeitig vorhergesagte Wetterverlauf an den kurzzeitig vorhergesagten Wetterverlauf derart an, dass der vorhergesagte Wetterverlauf einen kontinuierlichen Ver- lauf hat.
In einer weiteren Ausführungsform werden mindestens zwei oder mehrere vorhergesagte Wetterläufe oder Projektionen für den Vorhersagezeitraum auf Basis der bis zum aktuellen Zeitpunkt bereitgestellten Wetterdaten ermittelt. So können zum Beispiel drei vorhergesagte Wetterverläu- fe ermittelt werden, wobei ein mittlerer, ein ungünstigster und ein günstigster vorhergesagter Wetterverlauf ermittelt werden. So kann unter Verwendung von mehrjährigen historischen Wetterdaten ein typischer, z.B. der wahrscheinlichste, oder ein mittlerer Wetterverlauf, z. B. ein Mittel der Wetterverläufe einer definierten Zeitspanne, z.B. der letzten drei, vier, fünf, sechs, sieben, acht, neun, zehn Jahre, ermittelt werden. Alternativ oder zusätzlich können aufgrund der rezenten Vergangenheit bestimmte saisonale Wettervorhersagen, die wahrscheinlicher erscheinen als andere, ermittelt werden. Zusätzlich oder alternativ ist es möglich, dass anhand von mehrjährigen historischen Wetterdaten eine Vorhersage für einen - aus landwirtschaftlicher Sicht -günstigen Wetterverlauf und/oder einen ungünstigen Wetterverlauf gemacht wird. Weiter können mehrere Wettervorhersagen erstellt werden, die vorzugsweise das Spektrum der Wetterverläufe, wie sie in den vergangenen Jahren aufgetreten sind, abdecken. Zudem kann für jeden Wetterverlauf eine Wahrscheinlichkeit für dessen Auftreten ermittelt werden, so dass die Wetterverläufe und die sich daraus ergebenden Ertragsabschätzungen untereinander verglichen werden können.
Die verschiedenen Wetterverlaufsabschnitte (historisch, Vorhersage nähere Zukunft, Saisonale Vorhersage, Projektionen) werden in nahtlos übergehende Zeitreihen zusammengefügt („Seam- less Prediction"). Bevorzugt wird der vorhergesagte Wetterverlauf derart ermittelt, dass der tatsächliche oder bisherige Wetterverlauf und der vorhergesagte Wetterverlauf nahtlos ineinander übergehen. So können der tatsächliche oder bisherige Wetterverlauf und der vorhergesagte Wetterverlauf durch eine nahtlos ineinander übergehende Zeitreihe zusammengefasst werden. Hierbei bezeichnet ein nahtloser Üebergang, dass keine Sprünge oder sonstige Irregularitäten im zusammengefassten Wetterverlauf auftreten, um möglichst robuste und realitätsnahe Vorhersagen zu generieren. Beispielsweise kann der Wetterverlauf derart ermittelt, dass der bisherige Wetterverlauf zusammengefasst mit dem vorhergesagten Wetterverlauf einen kontinuierlichen Verlauf ergeben. Hierbei ist der kontinuierliche Verlauf bzw. das Auftreten von Sprüngen oder Irregularitäten insbesondere auf den Anknüpfungspunkt zwischen tatsächlichem oder bisherigem Wetterverlauf und vorhergesagtem Wetterverlauf bezogen sein. Sprünge oder Irregularitäten, die aus dem Wetterverlauf selbst rühren, wie zum Beispiel beim rapiden Termperaturab- fall beim Auftreten einer Kaltfront, sind nicht hierunter zu verstehen. Unter Verwendung von mehrjährigen historischen Wetterdaten kann ein nahtloser Üebergang erreicht werden, indem zum Beispiel solche Jahre von historischen Wetterdaten berücksichtigt werden, die einen ähnlichen tatsächlichen oder bisherigen Wetterverlauf aufweisen wie der bisherige oder tatsächliche Wetterverlauf bis zum aktuellen Zeitpunkt für die zu betrachtende Anbauperiode. Zusätzlich oder alternativ können für modellbasierte oder dynamische Ansätze nur solche Lösungen für den vorhergesagten Wetterverlauf berücksichtigt werden, die nahtlos an den tatsächlichen oder bisherigen Wetterverlauf bis zum aktuellen Zeitpunkt für die zu betrachtende Anbauperiode anknüpfen. Zusätzlich oder alternativ können Zeitabschnitte ähnlicher bzw. passender Statistik und passendem Üebergang ohne Sprünge, mit passenden Großwetterlagen aneinandergereiht werden. Die Zeitreihen der einzelnen Zeitabschnitte können dabei modellba- siert oder dynamisch erzeugt werden. Werden mindestens zwei vorhergesagte Wetterverläufe ermittelt, wird jeder der vorhergesagten Wetterverläufe derart bestimmt, dass der tatsächliche oder bisherige Wetterverlauf bis zum aktuellen Zeitpunkt für die zu betrachtende Anbauperiode und der jeweilige vorhergesagte Wetterverlauf für den Vorhersagezeitraum in einer nahtlos übergehenden Zeitreihe zusammengefasst werden können.
In einem dritten Schritt S3 wird ein Befallsrisiko für den Vorhersagezeitraum basierend auf dem vorhergesagten Wetterverlauf oder mehrere Befallsrisiken jeweils basierend auf den mindestens zwei bzw. mehreren Wetterverläufe(n) ermittelt. Hierfür können zudem Prognosemodelle eingesetzt werden, die beispielsweise auf historischen Schadorganismendaten beruhen. Die historischen Schadorganismendaten können Satellitendaten, lokale Bilddaten oder Bonituren umfassen, die für das zu betrachtende Feld oder für eine Umgebung in einem Radius von mehreren Kilometern (km), etwa 1 bis 10 km, um das zu betrachtende Feld erfasst wurden. Die his- torischen Schadorganismendaten können an die externe Datenbank 24, auf die der Server 12 zugreifen kann, und direkt auf dem Server 12 übertragen worden sein. Die historischen Schadorganismendaten und die dazugehörigen Prognosemodelle können damit von einer externen Datenbank 24, auf die der Server 12 zugreifen kann, oder direkt vom Server 12 bereitgestellt werden.
In einer Ausführungsform werden für eine Vorhersage des Befallsrisikos eine oder mehrere digitale Karten des Feldes erzeugt, in der/denen teilflächenspezifisch das Risiko für den Befall mit einem oder mehreren Schadorganismen eingezeichnet oder spezifiziert ist/sind. Hierbei be- zeichnet teilflächenspezifisch eine Aufteilung des zu betrachtenden Feldes in Teilflächen, die unterschiedliche das Befallsrisiko beeinflussende Charakteristika aufweisen. Es ist zum Beispiel denkbar für einen definierten Schadorganismus eine Reihe von digitalen Karten zu erzeugen, beispielsweise für jeden Monat im Jahr eine Karte, und auf den Karten mittels einer Farbkodierung anzuzeigen, wie hoch das Risiko für den Befall der Teilfläche mit dem Schadorganismus in dem betrachteten Monat und/oder bei dem vorhergesagten Wetterverlauf ist. So könnte die Farbe "rot" beispielsweise für ein Befallsrisiko von größer als 90 % und die Farbe "grün" für ein Befallsrisiko kleiner als 10 % stehen. Für den Bereich zwischen 10 % und 90 % könnten verschiedene Geld- und Orangetöne verwendet werden. Andere/weitere Darstellungsarten sind denkbar. In einer weiteren Ausführungsform wird für ermittelte Befallsrisiken ermittelt, ob eine Schadschwelle überschritten ist oder nicht.
In einem vierten Schritt S4 werden ggf. landwirtschaftliche Maßnahmen für den Vorhersagezeitraum basierend auf dem vorhergesagten Wetterverlauf und/oder dem vorhergesagten Befallsrisiko ermittelt. Für unterschiedliche vorhergesagte Wetterverläufe können entsprechende unter- schiedliche landwirtschaftliche Maßnahmen ermittelt werden. Wenn das Risiko für einen Pilzbefall zum Beispiel für einen ersten vorhergesagten Wetterverlauf zu einem ersten Zeitpunkt steigt und zu einem zweiten Zeitpunkt die Schadschwelle übersteigt, wird zum zweiten Zeitpunkt eine Spritzmaßnahme ermittelt. Wenn das Risiko für den Pilzbefall zum Beispiel für einen zweiten vorhergesagten Wetterverlauf zu einem ersten Zeitpunkt steigt und anschließend aufgrund der Wetterbedingungen wieder sinkt, wird für den Fall des zweiten vorhergesagten Wetterverlaufes keine Spritzmaßnahme am zweiten Zeitpunkt ermittelt.
In einem fünften Schritt S5 wird der zu erwartende Ertrag der Kulturpflanze zum Erntezeitpunkt auf Basis des vorhergesagten Wetterverlaufs, des vorhergesagten Befallsrisikos und ggf. der landwirtschaftlichen Maßnahmen für den Vorhersagezeitraum ermittelt. Hierbei können auch mindestens zwei oder mehrere vorhergesagte Wetterverläufe angenommen werden. So kann für jeden Wetterverlauf ein zu erwartender Ertrag berechnet werden. Damit kann eine Entscheidungshilfe generiert werden, in der die Auswirkungen des Wetters auf das Befallsrisiko und der daraus resultierenden landwirtschaftlichen Maßnahmen anhand des zu erwartenden Ertrages vorhergesagt werden. Die Berechnung der zu erwartenden Erträge kann unter der Annahme erfolgen, dass die zuvor ermittelten Vorhersagen eintreffen (Wetterverlauf, Auftreten von Schadorganismen) und die ermittelten landwirtschaftlichen Maßnahmen durchgeführt werden. Dabei kann berücksichtigt werden, dass es eine Wechselwirkung zwischen dem Auftreten von Schadorganismen und den landwirtschaftlichen Maßnahmen geben sein kann. Eine landwirtschaftliche Maßnahme kann nämlich zum Ziel haben, das Auftreten eines vorhergesagten Schadorganismus zu verhindern oder das Risiko zu vermindern. In einem solchen Fall bedeutet die Aussage "unter der Annahme, dass die zuvor ermittelten Vorhersagen eintreffen", dass der Wetterverlauf wie vorhergesagt eintritt, ein Risiko für das Auftreten von Schadorganismen wie vorhergesagt zwar aufgrund des vorhergesagten Wetterverlaufs besteht, dass aber die ermittelten landwirtschaftlichen Maßnahmen durchgeführt werden und Erfolg haben werden, was in Bezug auf die Bekämpfung von Schadorganismen zu einem verminderten Risiko für das Auftreten von Schadorganismen führt (wobei das Risiko auch vernachlässigbar sein kann, wenn die ermittelte landwirtschaftliche zum Ziel hat, ein Auftreten von Schadorganismen zu verhindern).
Die Ermittlung der zu erwartenden Erträge kann ferner unter der Annahme erfolgen, dass die zuvor ermittelten landwirtschaftlichen Maßnahmen nicht ergriffen werden. So kann der Nutzen der ermittelten landwirtschaftlichen Maßnahmen und deren Auswirkung auf den zu erwartenden Ertrag deutlich gemacht werden.
Die ermittelten zu erwartenden Erträge für mindestens zwei oder mehrere vorhergesagte Wetterverläufe, für die entsprechend ermittelten Befallsrisiken und/oder die entsprechend ermittelten landwirtschaftlichen Maßnahmen können beispielsweise Server-seitig bereitgestellt werden und übermittelt werden, um beispielsweise auf dem lokalen oder mobilen Computersystem 14, 16 angezeigt zu werden. So kann das Verfahren insbesondere zur Planung der bevorstehenden Anbauperiode genutzt werden, um beispielsweise den Aussaatzeitpunkt zu wählen, die landwirtschaftlichen Maßnahmen zu planen oder den geplanten optimalen Erntezeitpunkt zu prognostizieren. Figur 3 zeigt ein beispielhaftes Verfahren zum Aktualisieren der zu erwartenden Erträge beim Anbau der Kulturpflanze mit Hilfe des dezentralen Computersystems 10 und insebsondere mit Hilfe des Servers 12 der Figur 1 . Insbesondere kann das Verfahren, wie in Figur 3 gezeigt, nach dem Aussaatzeitpunkt und vor oder nach dem geplanten Erntezeitpunkt durchgeführt werden. Der aktuelle Zeitpunkt liegt dann nach dem Aussaatzeitpunkt in der laufenden Anbauperiode und vor oder nach dem geplanten Erntezeitpunkt der laufenden Anbauperiode. Das Verfahren kann damit insbesondere zur Planung während der laufenden Anbauperiode oder zur retrospektiven Bewertung nach der Anbauperiode genutzt werden.
In einem ersten Schritt S6 werden Positionsdaten, die das Feld identifizieren, und Zeitdaten, die den aktuellen Zeitpunkt und/oder den Erntezeitpunkt spezifizieren, sowie während der Anbauperiode erfasste Feld-spezifische Daten bereitgestellt. Die Positionsdaten und Zeitdaten werden, wie im Zusammenhang mit Figur 2 beschrieben, bereitgestellt und genutzt. Zudem werden Feld-spezifische Daten bereitgestellt, die den Ist-Zustand des zu betrachtenden Feldes betreffen. Feld-spezifische Daten umfassen zum Beispiel Schadorganismendaten, Maßnahmendaten und/oder Wachstumsdaten. Dabei spezifizieren die Schadorganismendaten den realen Verlauf der tatsächlich aufgetretenen Schadorgansimen, die Maßnahmendaten den realen Verlauf der tatsächlich durchgeführten Maßnahmen, die Wachstumsdaten den realen Verlauf des tatsächlich aufgetretenen Wachstums. Bevorzugt werden die Feld-spezifischen Daten, wie im Zusammenhang mit Figur 1 beschrieben, erfasst. Weiterhin können Feld-spezifische Daten für den aktuellen Zeitpunkt und zurückliegende Zeitpunkte in der laufenden Anbauperiode, die vor dem aktuellen Zeitpunkt liegen, bereitgestellt werden. Weiterhin können Feld-spezifische Daten von weiteren Feldern bereitgestellt werden, die analoge Bedingungen betreffen. Analoge Bedingungen können beispielsweise bezüglich Aussaat, Sorte, Witterung, Boden oder Vorfrucht vorliegen. Weiter im ersten Schritt S6 können Wetterdaten für den aktuellen Zeitpunkt und für zurückliegende Zeitpunkte in der laufenden Anbauperiode, die vor dem aktuellen Zeitpunkt liegen, bereitgestellt werden. Die bereitgestellten Wetterdaten werden, wie im Zusammenhang mit Figur 2 beschrieben, bereitgestellt und genutzt. In einem zweiten Schritt S7 kann ein vorhergesagter Wetterverlauf für einen Vorhersagezeitraum auf Basis der bis zum aktuellen Zeitpunkt bereitgestellten Wetterdaten ermittelt werden. Die Vorhersage für den Verlauf des Wetters für die laufende Anbauperiode der Kulturpflanzen bis zum Erntezeitpunkt kann damit unter Berücksichtigung des bisherigen Wetterverlaufs erfolgen, wobei bevorzugt der bisherige Wetterverlauf und der vorhergesagte Wetterverlauf nahtlos ineinander übergehen. Der vorhergesagte Wetterverlauf oder die mindestens zwei oder mehreren vorhergesagten Wetterverläufe wird/werden, wie im Zusammenhang mit Figur 2 beschrieben, auf Basis der bis zum aktuellen Zeitpunkt bereitgestellten Wetterdaten ermittelt.
In einem dritten Schritt S8 wird ein Befallsrisiko für den Vorhersagezeitraum basierend auf dem vorhergesagten Wetterverlauf oder Befallsrisiken basierend auf mindestens zwei oder mehreren vorhergesagten Wetterverläufe(n) ermittelt. Das Befallsrisiko wird, wie im Zusammenhang mit Figur 2 beschrieben, ermittelt. Hierbei können zusätzlich Schadorganismendaten und/oder Maßnahmendaten berücksichtigt werden, um das Befallsrisiko auf Basis des realen Verlaufs der tatsächlich aufgetretenen Schadorgansimen und oder des realen Verlaufs der tatsächlich durch- geführten Maßnahmen zu ermitteln. In einer Ausführungsform wird das vorhergesagte Befallsrisiko für den Vorhersagezeitraum basierend auf dem vorhergesagten Wetterverlauf und basierend auf Schadorganismendaten für das zu betrachtende Feld ermittelt. Die Schadorganismendaten können zum Beispiel Satellitendaten oder Bilddaten umfassen, auf deren Basis ein Befall erfasst werden kann. Die Satellitendaten können direkt über einen Satelliten oder indirekt über einen externen Server oder eine externe Datenbank 24, auf die der Server 12 zugreifen kann, dem Server 12 bereitgestellt werden oder an den Server 12 übertragen werden. Die Bilddaten können über ein mobiles Computersystem 16, wie ein Smartphone oder ein Tablet, mit einer Kamera dem Server 12 bereitgestellt werden oder an den Server 12 übertragen werden. Hierbei können die Schadorganismendaten auch Schadorganismendaten in einem Radius von mehreren Kilometern (km), etwa 1 bis 10 km, um das zu betrachtende Feld umfassen. Weiterhin können die Schadorganismendaten auch solche von weiteren Feldern unter analogen Bedingungen umfassen. So kann das Befallsrisiko an die realen Bedingungen in der Anbauperiode angepasst werden.
In einem vierten Schritt S9 werden landwirtschaftliche Maßnahmen für den Vorhersagezeitraum basierend auf dem vorhergesagten Wetterverlauf und/oder dem ermittelten Befallsrisiko ermit- telt. Die landwirtschaftlichen Maßnahmen werden, wie im Zusammenhang mit Figur 2 beschrieben, ermittelt. Hierbei können zusätzlich Maßnahmendaten berücksichtigt werden, um landwirtschaftliche Maßnahmen für den Vorhersagezeitraum auf Basis der tatsächlich durchgeführten Maßnahmen im bisherigen Verlauf der Anbauperiode zu ermitteln. In einem fünften Schritt S10 werden die zu erwartenden Erträge beim Anbau der Kulturpflanzen zum Erntezeitpunkt auf Basis des vorhergesagten Wetterverlaufs, des vorhergesagten Befallsrisikos und der landwirtschaftlichen Maßnahmen ermittelt. Die zu erwartenden Erträge werden in dem fünftenSchritt S1 1 , wie im Zusammenhang mit Figur 2 beschrieben, ermittelt. Hierbei können zusätzlich Wachstumsdaten berücksichtigt werden, um die zu erwartenden Erträge auf Basis des realen Verlaufs des tatsächlich aufgetretenen Wachstums zu ermitteln.
Dazu kann ein Pflanzenwachstumsmodell eingesetzt werden, das anhand der Wachstumsdaten geprüft und ggf. angepasst werden kann. Das Pflanzenwachstumsmodell simuliert das Wachstum eines Bestands an Kulturpflanzen über einen definierten Zeitraum. Denkbar ist auch, ein Modell auf Basis einer einzelnen Pflanze zu verwenden, das die Energie- und Stoffflüsse in den einzelnen Organen der Pflanze simuliert. Es sind zudem Mischmodelle verwendbar.
Das Wachstum einer Kulturpflanze wird neben den genetischen Merkmalen der Pflanze vornehmlich durch die über die Lebensdauer der Pflanze herrschenden lokalen Witterungen (Quantität und spektrale Verteilung der einfallenden Sonnenstrahlen, Temperaturverläufe, Niederschlagsmengen, Windeintrag), dem Zustand des Bodens sowie das Nährstoffangebot bestimmt.
Auch die bereits erfolgten Kulturmaßnahmen und ein etwaig aufgetretener Befall mit Schador- ganismen können einen Einfluss auf das Pflanzenwachstum ausüben. Wachstumsdaten, Schadorganismendaten und Maßnahmendaten können somit in dem Wachstumsmodell berücksichtigt werden.
In die Modellierung fließen vorzugsweise folgende Parameter ein (Input):
Wetter: tägliche Niederschlagssummen, Strahlungssummen, Tagesminimum und -maximum der Lufttemperatur sowie Temperatur in Bodennähe sowie Bodentemperatur, Windgeschwindigkeit, u.a. Boden: Bodentyp, Bodentextur, Bodenart, Feldkapazität, Permanenter Welkepunkt, Organischer Kohlenstoff, mineralischer Stickstoffgehalt, Lagerungsdichte, Van-Genuchten-Parameter, u.a. Kulturpflanze: Art, Sorte, sortenspezifische Parameter wie z.B. Spezifischer Blattflächenindex, Temperatursummen, maximale Wurzeltiefe, u.a.
Kulturmaßnahmen: Saatgut, Aussaattermin, Aussaatdichte, Aussaattiefe, Düngemittel, Düngemenge, Anzahl an Düngeterminen, Düngetermin, Bodenbearbeitung, Ernterückstände, Fruchtfolge, Distanz zum Feld gleicher Kultur im Vorjahr, Bewässerung, u.a.
Die Vorhersage der zeitlichen Entwicklung der angebauten Kulturpflanzen erfolgt vorzugsweise teilflächenspezifisch für das zu betrachtende Feld.
Figur 4 zeigt ein weiteres beispielhaftes Verfahren zum Ermittelten des zu erwartenden Ertrages beim Anbau der Kulturpflanze mit Hilfe des dezentralen Computersystems 10 der Figur 1 , wobei der Ertrag auf Basis von vorgegebenen landwirtschaftlichen Maßnahmen ermittelt wird. Insbesondere kann das Verfahren, wie in Figur 4 gezeigt, vor oder nach dem Aussaatzeitpunkt durchgeführt werden. Der aktuelle Zeitpunkt liegt dann vor oder nach dem Aussaatzeitpunkt der laufenden Anbauperiode oder vor oder nach einem geplanten Erntezeitpunkt der laufenden Anbauperiode. Das Verfahren kann damit insbesondere zur Planung vor oder während der laufenden Anbauperiode sowie zur retrospektiven Bewertung der vergangenen Anbauperiode genutzt werden.
Das Verfahren gemäß Figur 4 wird analog zu den in Figuren 2 und 3 beschriebenen Verfahren mit analogen Verfahrensschritten S1 1 bis S15 ausgeführt. Im Unterschied zu den in Figuren 2 und 3 beschriebenen Verfahren, werden in dem in Figur 4 gezeigten Verfahren zusätzlich defi- nierte Maßnahmendaten bereitgestellt, die die landwirtschaftlichen Maßnahmen vorgegeben. Hierzu können definierte Maßnahmendaten etwa in einer web-basierten Anwendung auf dem lokalen oder mobilen Computersystem 14, 16 auf Basis einer vorgegebenen Auswahl von landwirtschaftlichen Maßnahmen generiert werden. Die definierten Maßnahmedaten können dem Server 12 bereitgestellt werden. Insbesondere können die landwirtschaftlichen Maßnah- men teilflächenspezifisch für das zu betrachtende Feld spezifiziert sein.
Werden definierte Maßnahmendaten in einem ersten Schritt S1 1 bereitgestellt, so erfolgt die Ermittlung der zu erwartenden Erträge auf Basis der über die definierten Maßnahmendaten vorgegebenen Maßnahmen. Wurde das Verfahren zur Ermittlung der zu erwartenden Erträge be- reits mindestens einmal für das zu betrachtende Feld und/oder für die Anbauperiode ausgeführt, können die vorgegebenen Maßnahmen einer vorangegangenen Ermittlung der landwirtschaftlichen Maßnahmen übernommen werden. Weiterhin können einem Nutzer etwa Client-seitig landwirtschaftliche Maßnahmen vorgeschlagenen werden, etwa aus einer vorangegangenen Ermittlung der landwirtschaftlichen Maßnahmen oder aus allen verfügbaren landwirtschaftlichen Maßnahmen. Der Nutzer kann dann etwa Client-seitig landwirtschaftliche Maßnahmen auswählen. Basierend auf der Auswahl können definierte Maßnahmendaten generiert werden und vom lokalen oder mobilen Computersystem 14, 16 an den Server 12 übermittelt werden. Das Verfah- ren zum Ermitteln der zu erwartenden Erträge kann dann Server-seitig basierend auf den vorgegebenen Maßnahmen durchgeführt werden.
Weiterhin können die definierten Maßnahmendaten landwirtschaftliche Maßnahmen für den Vorhersagezeitraum vollständig oder teilweise spezifizieren. Sind landwirtschaftliche Maßnahmen für den vollständigen Vorhersagezeitraum vorgegeben bzw. entsprechend definierte Maßnahmedaten bereitgestellt, kann der Schritt des Ermitteins der landwirtschaftlichen Maßnahmen ganz oder teilweise entfallen. Sind landwirtschaftliche Maßnahmen für einen ersten Teil des Vorhersagezeitraums vorgegeben bzw. entsprechend definierte Maßnahmedaten bereitgestellt, werden im Verfahren zum Ermitteln von zu erwartenden Erträgen landwirtschaftliche Maßnahmen für einen zweiten Teil des Vorhersagezeitraums ermittelt. Hierbei ist der zweite Teil des Vorhersagezeitraums unterschiedlich zum ersten Teil. Im zweiten Teil des Vorhersagezeitraums sind weiterhin keine landwirtschaftlichen Maßnahmen vorgegeben. Das Verfahren gemäß Figur 4 gibt damit die Möglichkeit die zu erwartenden Erträge für unterschiedlich Szenarien betreffend die landwirtschaftlichen Maßnahmen zu ermitteln. Somit ermöglicht das erfindungsgemäße Verfahren neben den Szenarien betreffend die unterschiedlichen vorhergesagten Wetterverläufe zusätzliche Szenarien betreffend die landwirtschaftlichen Maßnahmen zu definieren. So kann die Bewirtschaftung des zu betrachtenden Feldes vor und wäh- rend der Anbauperiode vereinfacht werden. Mit Hilfe der unterschiedlichen Szenarien und der dazugehörigen zu erwartenden Erträge kann eine Entscheidungshilfe bereitgestellt werden, die eine effiziente Bewirtschaftung des zu betrachtenden Feldes ermöglicht.
Ausführungsformen der Erfindung sind weiterhin
Ausführungsform 1 : ein Verfahren umfassend die Schritte
(A) Identifizieren eines Feldes, auf dem Kulturpflanzen angebaut werden oder werden sollen
(B) Bereitstellen von historischen Wetterdaten für das Feld
(C) Vorhersage eines Wetterverlaufs für das Feld für die anstehende oder laufende Anbauperiode der Kulturpflanzen
(D) Vorhersage von Schädlingsbefall-Ereignissen für den vorhergesagten Wetterverlauf
(E) Ermitteln von landwirtschaftlichen Maßnahmen zur Erhöhung des Ertrags der angebauten Kulturpflanzen
(F) Berechnen der zu erwartenden Erträge beim Anbau der Kulturpflanzen unter der Annahme, dass die in den Schritten (C) und/oder (D) genannten Vorhersagen eintreffen und die in Schritt (E) ermittelten Maßnahmen durchgeführt und/oder nicht durchgeführt werden
(G) Anzeigen der zu erwartenden Erträge
(H) wiederholte Durchführung der Schritte (C), (D), (E), (F) und (G) unter Berücksichtigung des realen, bis zum jeweiligen Zeitpunkt der Durchführung der Schritte herrschenden Verlaufs des Wetters, der tatsächlich aufgetretenen Schädlingsbefall-Ereignisse und der tatsächlich durchge- führten Maßnahmen, Ausführungsform 2: Das Verfahren der Ausführungsform 1 , in dem in Schritt (C) unter Verwendung der in Schritt (B) bereitgestellten historischen Wetterdaten eine Wettervorhersage erzeugt wird, die einen mittleren für den Ort des Feldes zu erwartenden Wetterverlauf darstellt.
Ausführungsform 3: Das Verfahren der Ausführungsformen 1 oder 2, in dem in Schritt (C) unter Verwendung der in Schritt (B) bereitgestellten historischen Wetterdaten mehrere Wettervorhersagen erzeugt werden, von denen eine zu einem vergleichsweise hohen Ernteertrag der angebauten Kulturpflanzen führt und eine zu einem vergleichsweise niedrigen Ernteertrag der angebauten Kulturpflanzen führt.
Ausführungsform 4: Das Verfahren einer der Ausführungsformen 1 bis 3, in dem in Schritt (C) unter Verwendung der in Schritt (B) bereitgestellten historischen Wetterdaten mehrere Wettervorhersagen erstellt werden, die das Spektrum der Wetterverläufe, wie sie in den vergangenen Jahren aufgetreten sind, abdecken.
Ausführungsform 5: Das Verfahren einer der Ausführungsformen 1 bis 4, in dem in Schritt (F) die zu erwartenden Erträge für jeden vorhergesagten Wetterverlauf berechnet werden.
Ausführungsform 6: Das Verfahren der Ausführungsformen 1 bis 5, in dem in Schritt (D) Risiken für den Befall des Feldes mit einem oder mehreren Schadorganismen für jeden vorhergesagten Wetterverlauf berechnet werden.
Ausführungsform 7: Das Verfahren der Ausführungsformen 1 bis 6, in dem es sich bei einer landwirtschaftlichen Maßnahme in Schritt (E) um eine Maßnahme zur Bekämpfung eines oder mehrerer Schadorganismen handelt.
Ausführungsform 8: Das Verfahren der Ausführungsformen 1 bis 7, in dem in Schritt (E) eine Maßnahme zur Bekämpfung eines oder mehrerer Schadorganismen ermittelt wird, wenn das Risiko für den Befall mit einem Schadorganismus eine Schadschwelle überschreitet, Ausführungsform 9: ein Computersystem, umfassend
(A) Mittel zur Identifikation eines Feldes, auf dem Kulturpflanzen angebaut werden oder werden sollen
(B) Mittel zur Bereitstellung von historischen Wetterdaten für das Feld
(C) Mittel zur Bereitstellung einer Vorhersage eines Wetterverlaufs für das Feld für die anste- hende oder laufende Anbauperiode der Kulturpflanzen
(D) Mittel zur Bereitstellung einer Vorhersage von Schädlingsbefall-Ereignissen für den vorhergesagten Wetterverlauf
(E) Mittel zur Identifikation von landwirtschaftlichen Maßnahmen zur Erhöhung des Ertrags der angebauten Kulturpflanzen
(F) Mittel zum Berechnen der zu erwartenden Erträge beim Anbau der Kulturpflanzen unter der Annahme, dass die in den Schritten (C) und/oder (D) genannten Vorhersagen eintreffen und die in Schritt (E) ermittelten Maßnahmen durchgeführt und/oder nicht durchgeführt werden
(G) Mittel zum Anzeigen der zu erwartenden Erträge. Ausführungsform 10: ein Computerprogrammprodukt umfassend einen computerlesbaren Datenträger und Programmcode, der auf dem Datenträger gespeichert ist, und der beim Ausführen auf einem Computersystem das Computersystem dazu veranlasst, die folgenden Schritte auszuführen:
(A) Ermitteln eines Feldes, auf dem Kulturpflanzen angebaut werden oder werden sollen
(B) Ermitteln von historischen Wetterdaten für das Feld
(C) Ermitteln einer Vorhersage eines Wetterverlaufs für das Feld für die anstehende oder laufende Anbauperiode der Kulturpflanzen
(D) Ermitteln einer Vorhersage von Schädlingsbefall-Ereignissen für den vorhergesagten Wetterverlauf
(E) Ermitteln von landwirtschaftlichen Maßnahmen zur Erhöhung des Ertrags der angebauten Kulturpflanzen
(F) Berechnen der zu erwartenden Erträge beim Anbau der Kulturpflanzen unter der Annahme, dass die in den Schritten (C) und/oder (D) genannten Vorhersagen eintreffen und die in Schritt (E) ermittelten Maßnahmen durchgeführt und/oder nicht durchgeführt werden
(G) Anzeigen der zu erwartenden Erträge
(H) wiederholte Durchführung der Schritte (C), (D), (E), (F) und (G) unter Berücksichtigung des realen, bis zum jeweiligen Zeitpunkt der Durchführung der Schritte herrschenden Verlaufs des Wetters, der tatsächlich aufgetretenen Schädlingsbefall-Ereignisse und der tatsächlich durchgeführten Maßnahmen. Ausführungsform 1 1 : Das Computerprogrammprodukt der Ausführungsform 10, das so konfiguriert ist, dass ein Nutzer an einem Anzeigegerät durch Betätigen eines Eingabegeräts landwirtschaftliche Maßnahmen aus- und abwählen kann und der Ertrag bei Auswahl einer landwirtschaftlichen Maßnahme für den Fall berechnet wird, dass die ausgewählte landwirtschaftliche Maßnahme durchgeführt wird, und der Ertrag bei Abwahl einer landwirtschaftlichen Maßnahme für den Fall berechnet wird, dass die abgewählte landwirtschaftliche Maßnahme nicht durchgeführt wird.
Ausführungsform 12: Das Computerprogrammprodukt der Ausführungsform 10 oder 1 1 , das so konfiguriert ist, dass der bis zum Zeitpunkt der Nutzung des Computerprogramms tatsächlich aufgetretene Wetterverlauf, die tatsächlich aufgetretenen Schädlingsbefall-Ereignisse und die tatsächlich durchgeführten Maßnahmen in die Berechnung der zu erwartenden Erträge einfließen.
Ausführungsform 13: Das Computerprogrammprodukt der Ausführungsform 10 bis12, das so konfiguriert ist, dass es einen oder mehrere der in den Ansprüchen 1 bis 6 aufgeführten Verfahren durchführt.
Weitere Ausführungsformen sind nachstehend näher erläutert, ohne zwischen den Gegenständen (Verfahren, Computersystem, Computerprogrammprodukt) zu unterscheiden. Die nachfolgenden Erläuterungen sollen vielmehr für alle Gegenstände in analoger Weise gelten, unabhängig davon, in welchem Kontext (Verfahren, Computersystem, Computerprogrammprodukt) sie erfolgen. Unter dem Begriff„Feld" wird ein räumlich abgrenzbarer Bereich der Erdoberfläche verstanden, der landwirtschaftlich genutzt wird, indem auf einem solchen Feld Kulturpflanzen angepflanzt, mit Nährstoffen versorgt und geerntet werden. Unter dem Begriff„Kulturpflanze" wird eine Pflanze verstanden, die durch das Eingreifen der Menschen zielgerichtet als Nutz- oder Zierpflanze angebaut wird.
In einem ersten Schritt wird das Feld identifiziert, auf dem Kulturpflanzen angebaut werden oder angebaut werden sollen, und das im Verlauf des erfindungsgemäßen Verfahrens näher betrach- tet wird.
Üblicherweise erfolgt die Identifizierung anhand von Geokoordinaten, welche die Lage des Feldes eindeutig bestimmen. Das vorliegende Verfahren wird üblicherweise mit Hilfe eines Computerprogramms, das auf einem Computersystem installiert ist, ausgeführt. Üblicherweise werden die Geokoordinaten des Feldes daher in das Computerprogramm übertragen. Zum Beispiel könnte ein Nutzer des Computerprogramms die Geokoordinaten über eine Tastatur eingeben. Denkbar ist auch, dass der Nutzer des Computerprogramms sich an einem Computerbildschirm geografische Karten anzeigen lässt und in einer solchen Karte zum Beispiel mit einer Computermaus die Grenzen des zu betrachtenden Feldes einzeichnet. Durch die Identifikation des Feldes wird demnach der Bereich der Erdoberfläche festgelegt, der im weiteren Verlauf des
Verfahrens betrachtet wird. In einem weiteren Schritt werden für das Feld historische Wetterdaten bereitgestellt. Historische Wetterdaten werden beispielswiese von kommerziellen Anbietern zur Verfügung gestellt. Anhand der historischen Wetterdaten erfolgt in einem weiteren Schritt eine Vorhersage für den Verlauf des Wetters für die anstehende oder laufende Anbauperiode. Ob eine Wettervorhersage für die anstehende Anbauperiode der auf dem Feld anzubauenden Kulturpflanzen oder für die laufende Anbauperiode der auf dem Feld angebauten Kulturpflanzen erstellt wird, richtet sich danach, zu welchem Zeitpunkt die Vorhersage gemacht wird: vor Beginn der anstehenden Anbauperiode oder nach Beginn der Anbauperiode. Es ist denkbar, dass mehrere Vorhersagen gemacht werden. Es ist denkbar, dass unter Verwendung der histori- sehen Wetterdaten ein typischer, d.h. mittlerer Wetterverlauf ermittelt wird. Es ist denkbar, dass daneben anhand der historischen Wetterdaten eine Vorhersage für einen - aus landwirtschaftlicher Sicht - vergleichsweise günstigen Wetterverlauf und/oder einen vergleichsweise ungünstigen Wetterverlauf gemacht wird. Ziel bei der Vorhersage des Wetterverlaufs kann es sein, das Wetter für die anstehende oder laufende Anbauperiode möglichst präzise vorherzusagen. Be- kanntermaßen lässt sich das Wetter für die nächsten Tage vergleichsweise genau vorhersagen, während Vorhersagen des Wetters für einen Zeitpunkt in einigen Wochen oder Monaten in der Zukunft vergleichsweise ungenau sind. Für Zeiträume, in denen sich das Wetter nur noch ungenau vorhersagen lässt, sind daher historische Wetterdaten gut geeignet, um Tendenzen, die in vergangenen Jahren häufig beobachtet worden sind, als Grundlage für die Vorhersage des zu- künftigen Wetters zu verwenden. In einer bevorzugten Ausführungsform werden mehrere Wettervorhersagen erstellt, die vorzugsweise das Spektrum der Wetterverläufe, wie sie in den ver- gangenen Jahren aufgetreten sind, abdecken. In einer bevorzugten Ausführungsform wird für jeden Wetterverlauf auch eine Wahrscheinlichkeit für dessen Auftreten ermittelt und angegeben, so dass die Wetterverläufe untereinander verglichen werden können. Für jeden vorhergesagten Wetterverlauf erfolgt in einem weiteren Schritt des vorliegenden Verfahrens eine Vorhersage für das Auftreten eines oder mehrerer Schädlingsbefälle. Vorzugsweise werden bei der Vorhersage Befallsrisiken für einen oder mehrere Schadorganismen ermittelt. Unter einem„Schadorganismus" wird ein Organismus verstanden, der beim Anbau von Kulturpflanzen in Erscheinung treten und die Kulturpflanze schädigen, die Ernte der Kulturpflanze negativ beeinflussen oder mit der Kulturpflanze um natürliche Ressourcen konkurrieren kann. Beispiele für derartige Schador- ganismen sind Unkräuter, Ungräser, tierische Schädlinge wie beispielsweise Käfer, Raupen und Würmer, Pilze und Krankheitserreger (z.B. Bakterien und Viren). Auch wenn Viren aus biologischer Sicht nicht zu den Organismen zählen, sollen sie dennoch vorliegend unter den Begriff Schadorganismus fallen. Unter dem Begriff„Unkraut" (Mehrzahl: Unkräuter) werden Pflanzen der spontanen Begleitvegetation (Segetalflora) in Kulturpflanzenbeständen, Grünland oder Gar- tenanlagen verstanden, die dort nicht gezielt angebaut werden und z.B. aus dem Samenpotential des Bodens oder über Zuflug zur Entwicklung kommen. Der Begriff ist nicht auf Kräuter im eigentlichen Sinne beschränkt, sondern umfasst auch Gräser, Farne, Moose oder holzige Pflanzen. Im Bereich des Pflanzenschutzes wird häufig auch der Begriff„Ungras" (Mehrzahl: Ungräser) benutzt, um eine Abgrenzung zu den krautigen Pflanzen zu verdeutlichen. Im vorliegenden Text wird der Begriff Unkraut als Oberbegriff verwendet, der den Begriff Ungras mit erfassen soll. Für die Vorhersage eines Schädlingsbefalls können beispielsweise Prognosemodelle verwendet werden, die im Stand der Technik beschrieben sind. Das kommerziell verfügbare Ent- scheidungsunterstützungssystem "expert" verwendet zur Prognose eines Schädlingsbefalls Daten zu den angebauten oder anzubauenden Kulturpflanzen (Entwicklungsstadium, Wachstums- bedingungen, Pflanzenschutzmaßnahmen), zur Witterung (Temperatur, Sonnenscheindauer, Windgeschwindigkeit, Niederschlag) sowie zu den bekannten Schädlingen / Krankheiten (ökonomische Grenzwerte, Schädlings-/Krankheitsdruck) und berechnet auf Basis dieser Daten ein Befallsrisiko (Newe M., Meier H., Johnen A., Volk T.: proPlant expert.com - an online consulta- tion system on crop protection in cereals, rape, potatoes and sugarbeet. EPPO Bulletin 2003, 33, 443-449; Johnen A., Williams LH., Nilsson C, Klukowski Z., Luik A., Ulber B.: The proPlant Decision Support System: Phenological Models for the Major Pests of Oilseed Rape and Their Key Parasitoids in Europe, Biocontrol-Based Integrated Management of Oilseed Rape Pests (2010) Ed.: Ingrid H. Williams. Tartu 51014, Estonia. ISBN 978-90-481 -3982-8. p. 381 - 403; www.proPlantexpert.com). Zur Vorhersage der Schädlingsbefall-Ereignisse können auch tat- sächliche Schädlingsbefall-Ereignisse der Vergangenheit berücksichtigt werden. Vorzugsweise erfolgt die Ermittlung von Befallsrisiken für diejenigen Schädlinge, die in der Vergangenheit auf dem betrachteten Feld und/oder Nachbarfeldern aufgetreten sind. Die Ermittlung der Befallsrisiken erfolgt vorzugsweise teilflächenspezifisch. Es ist beispielsweise denkbar, dass einige Teilflächen des Feldes aufgrund ihrer Lage besonders häufig und/oder besonders stark von einem Schädlingsbefall betroffen sind und/oder dass der Befall mit einem Schadorganismus häufig von einer oder mehreren definierten Teilflächen ausgeht. In einer bevorzugten Ausführungsform werden für eine Vorhersage des Wetterverlaufs eine oder mehrere digitale Karten des Feldes erzeugt, in der/denen teilflächenspezifisch das Risiko für den Befall mit einem oder mehreren Schadorganismen eingezeichnet ist/sind. Es ist zum Beispiel denkbar für einen definierten Schädling eine Reihe von digitalen Karten zu erzeugen, beispielsweise für jeden Monat im Jahr eine Karte, und auf den Karten mittels einer Farbkodierung anzuzeigen, wie hoch das Risiko für den Befall der Teilfläche mit dem Schädling in dem betrachteten Monat und bei dem vorhergesagten Wetterverlauf ist. So könnte die Farbe "rot" beispielsweise für ein Befallsrisiko von größer als 90% und die Farbe "grün" für ein Befallsrisiko kleiner als 10% stehen. Für den Bereich zwischen 10% und 90% könnten verschiedene Geld- und Orangetöne verwendet werden. Andere/weitere Darstellungsarten sind denkbar. In einer bevorzugten Ausführungsform wird für ermit- telte Befallsrisiken ermittelt, ob eine Schadschwelle überschritten ist oder nicht.„Schadschwelle" ist ein Begriff aus der Landwirtschaft, der Forstwirtschaft und dem Gartenbau. Er gibt die Befallsdichte mit Schaderregern, Krankheiten oder den Besatz mit Unkräutern an, ab denen eine Bekämpfung wirtschaftlich sinnvoll wird. Bis zu diesem Wert ist der wirtschaftliche Mehraufwand durch eine Bekämpfung größer als der zu befürchtende Ernteausfall. Übersteigt der Befall oder die Verunkrautung diesen Wert, werden die Bekämpfungskosten durch den zu erwartenden Mehrertrag zumindest ausgeglichen. Je nach dem Wesen eines Schädlings oder einer Krankheit kann die Schadschwelle sehr unterschiedlich sein. Bei Schädlingen oder Krankheiten, die nur mit großem Aufwand und mit negativen Begleiterscheinungen für die weitere Produktion zu bekämpfen sind, kann die Schadschwelle sehr hoch sein. Kann jedoch schon ein geringer Befall zu einem Ausbreitungsherd werden, der die gesamte Produktion zu vernichten droht, kann die Schadschwelle sehr niedrig sein. Im Stand der Technik finden sich viele Beispiele zur Ermittlung von Schadschwellen (siehe z.B. Claus M. Brodersen: Informationen in Schadschwellenmodellen, Berichte der GIL, Band 7, Seiten 26 bis 36, http://www.gil- net.de/Publikationen/7_26.pdf). In einem weiteren Schritt werden landwirtschaftliche Maßnah- men zur Erhöhung des Ertrags der angebauten Kulturpflanzen ermittelt. Unter dem Begriff „landwirtschaftliche Maßnahme" wird jede Maßnahme in dem Feld für Kulturpflanzen verstanden, die nötig oder wirtschaftlich und/oder ökologisch sinnvoll ist, um ein pflanzliches Erzeugnis zu gewinnen. Beispiele für landwirtschaftliche Maßnahmen sind: Bodenbearbeitung (z.B. Pflügen), Ausbringen des Saatguts (Aussaat), Bewässerung, Entfernen von Unkräutern/Ungräsern, Düngen, Bekämpfen von Schadorganismen, Ernten. Vorzugsweise handelt es sich bei den landwirtschaftlichen Maßnahmen um Maßnahmen zur Bekämpfung der vorhergesagten Schädlingsbefall-Ereignisse. Zur Ermittlung der Maßnahmen zählen insbesondere die Auswahl eines geeigneten Pflanzenschutzmittels, die Festlegung von Zeitpunkten, wann das Pflanzenschutzmittel appliziert werden sollte, und die Festlegung der Menge an zu applizierendem Pflanzen- Schutzmittel. Die Ermittlung der Maßnahmen erfolgt vorzugsweise teilflächenspezifisch. Unter dem Begriff„Pflanzenschutzmittel" wird ein Mittel verstanden, das dazu dient, Pflanzen oder Pflanzenerzeugnisse vor Schadorganismen zu schützen oder deren Einwirkung vorzubeugen, unerwünschte Pflanzen oder Pflanzenteile zu vernichten, ein unerwünschtes Wachstum von Pflanzen zu hemmen oder einem solchen Wachstum vorzubeugen, und/oder in einer anderen Weise als Nährstoffe die Lebensvorgänge von Pflanzen zu beeinflussen. Beispiele für Pflanzenschutzmittel sind Herbizide, Fungizide und Pestizide (z.B. Insektizide). Es werden vorzugsweise diejenigen Maßnahmen ermittelt, die ein maximales Nutzen/Kosten-Verhältnis aufweisen. Bei der Ermittlung der Maßnahmen werden vorzugsweise rechtliche Aspekte und Aspekte des Umweltschutzes berücksichtigt. So ist es beispielsweise denkbar, dass ein ausgewähltes Pflanzenschutzmittel nur zu bestimmten Zeitpunkten und/oder in bestimmten Höchstmengen appliziert werden darf. Diese und ähnliche Beschränkungen werden bei der Ermittlung der Maßnahmen vorzugsweise berücksichtigt. In einem weiteren Schritt werden die Erträge ermittelt, die beim Anbau der Kulturpflanzen unter den Bedingungen der betrachteten Szenarien zu erwarten sind. Dazu kann ein Pflanzenwachstumsmodell eingesetzt werden. Unter dem Begriff„Pflanzen- wachstumsmodeH" wird ein mathematisches Modell verstanden, das das Wachstum einer Pflanze in Abhängigkeit von intrinsischen (Genetik) und extrinsischen (Umwelt) Faktoren be- schreibt. Pflanzenwachstumsmodelle existieren für eine Vielzahl an Kulturpflanzen. Eine Einführung in die Erstellung von Pflanzenwachstumsmodellen bieten beispielsweise die Bücher i)„Mathematische Modellbildung und Simulation" von Marco Günther und Kai Velten, erschienen im Wiley-VCH Verlag im Oktober 2014 (ISBN: 978-3-527-41217-4), sowie ii)„Working with Dynamic Crop Models" von Daniel Wallach, David Makowski, James W. Jones und Francois Brun., erschienen 2014 in Academic Press (Elsevier), USA. Das Pflanzenwachstumsmodell simuliert üblicherweise das Wachstum eines Bestands an Kulturpflanzen über einen definierten Zeitraum. Denkbar ist auch, ein Modell auf Basis einer einzelnen Pflanze zu verwenden, das die Energie- und Stoffflüsse in den einzelnen Organen der Pflanze simuliert. Es sind zudem Mischmodelle verwendbar. Das Wachstum einer Kulturpflanze wird neben den genetischen Merkmalen der Pflanze vornehmlich durch die über die Lebensdauer der Pflanze herrschenden lokalen Witterungen (Quantität und spektrale Verteilung der einfallenden Sonnenstrahlen, Temperaturverläufe, Niederschlagsmengen, Windeintrag), dem Zustand des Bodens sowie das Nährstoffangebot bestimmt. Auch die bereits erfolgten Kulturmaßnahmen und ein etwaig aufgetretener Befall mit Schadorganismen können einen Einfluss auf das Pflanzenwachstum ausüben und können in dem Wachstumsmodell berücksichtigt werden. Die Pflanzenwachstumsmodelle sind i.d.R. sogenannte dynamische prozessbasierte Modelle (s.„Working with Dynamic Crop Models" von Daniel Wallach, David Makowski, James W. Jones und Francois Brun., erschienen 2014 in Academic Press (Elsevier), USA), können aber auch gänzlich oder teilweise regelbasiert oder statistisch bzw. datengestützt/empirisch sein. Die Modelle sind i.d.R. sogenannte Punktmodelle. Hierbei werden die Modelle i.d.R. so kalibriert, dass der Output die räumliche Repräsentanz des Inputs wiederspiegelt. Ist der Input an einem Punkt im Raum erhoben oder wird für einen Punkt im Raum interpoliert oder geschätzt, so wird i.d.R. angenommen, dass der Modelloutput für das gesamte angrenzende Feld gültig ist. Eine Anwendung von auf Feldebene kalibrierten sog. Punktmodellen auf weitere, i.d.R. gröbere Skalen ist bekannt (siehe z.B. H. Hoffmann et al.: Impact of spatial soil and climate input data aggregation on regional yield simulations., 2016, PLoS ONE 1 1 (4): e0151782. doi:10.1371/journal.pone.0151782). Eine Anwendung dieser sog. Punktmodelle auf mehrere Punkte innerhalb eines Feldes ermöglicht hierbei eine teilflächen- spezifische Modellierung. Hierbei werden allerdings räumliche Abhängigkeiten vernachlässigt, z.B. im Bodenwasserhaushalt. Andererseits existieren auch Systeme zur zeitlich-räumlich expli- ziten Modellierung. Hierbei werden räumliche Abhängigkeiten berücksichtigt. Beispiele für dynamische, prozessbasierte Pflanzenwachstumsmodelle sind Apsim, Lintul, Epic, Hermes, Moni- ca, STICS u.a. In die Modellierung fließen vorzugsweise folgende Parameter ein (Input): Wetter: tägliche Niederschlagssummen, Strahlungssummen, Tagesminimum und -maximum der Lufttemperatur sowie Temperatur in Bodennähe sowie Bodentemperatur, Windgeschwindigkeit, u.a.
Boden: Bodentyp, Bodentextur, Bodenart, Feldkapazität, Permanenter Welkepunkt, Organischer Kohlenstoff, mineralischer Stickstoffgehalt, Lagerungsdichte, Van-Genuchten-Parameter, u.a. Kulturpflanze: Art, Sorte, sortenspezifische Parameter wie z.B. Spezifischer Blattflächenindex, Temperatursummen, maximale Wurzeltiefe, u.a.
Kulturmaßnahmen: Saatgut, Aussaattermin, Aussaatdichte, Aussaattiefe, Düngemittel, Düngemenge, Anzahl an Düngeterminen, Düngetermin, Bodenbearbeitung, Ernterückstände, Frucht- folge, Distanz zum Feld gleicher Kultur im Vorjahr, Bewässerung, u.a.
Die Vorhersage der zeitlichen Entwicklung der angebauten Kulturpflanzen erfolgt vorzugsweise teilflächenspezifisch. Die Berechnung der zu erwartenden Erträge erfolgt unter der Annahme, dass die zuvor ermittelten Vorhersagen eintreffen (Wetterverlauf, Schädlingsbefall-Ereignisse). Die Berechnung der zu erwartenden Erträge erfolgt ferner unter der Annahme, dass die zuvor ermittelten landwirtschaftlichen Maßnahmen ergriffen werden und/oder dass sie nicht ergriffen werden. Denkbar ist, dass der Nutzer des Computerprogrammprodukts den Einfluss der Maßnahmen auf die zu erwartenden Erträge am Computer studieren kann, indem er beispielsweise empfohlene Maßnahmen abwählt und das Computerprogramm dann errechnet, wie sich der Ertrag verändert, wenn die abgewählte Maßnahme nicht durchgeführt wird. Vorzugsweise erfolgt die Aus- und Abwahl von Maßnahmen teilflächenspezifisch. Die zu erwartenden Erträge werden einem Nutzer an einem Anzeigegerät angezeigt. Üblicherweise handelt es sich bei dem Anzeigegerät um einen Bildschirm, der Bestandteil des vorliegende Computersystems ist. Vorzugsweise wird für einzelne Teilflächen und/oder das gesamte Feld der zu erwartende Ertrag ange- zeigt. Die Anzeige kann grafisch unterstützt werden, z.B. mit Hilfe von Balkendiagrammen oder dergleichen. Der Nutzer kann sich somit verschiedene Szenarien am Computer anschauen, und sehen, welche Erträge sich ergeben, wenn ein bestimmter vorhergesagter Wetter-Verlauf tatsächlich real wird und/oder welche Erträge sich ergeben, wenn bestimmte Maßnahmen ergriffen oder nicht ergriffen werden. Vorzugsweise werden die zu erwartenden Erträge teilflächenspezi- fisch in Form von digitalen Karten am Computer angezeigt. In einem weiteren Schritt werden die genannten Schritte (C), (D), (E), (F) und (G) wiederholt, wobei der bis zum jeweiligen Zeitpunkt der Durchführung der Schritte herrschenden Verlauf des Wetters, tatsächlich aufgetretene Schädlingsbefall-Ereignisse und tatsächlich landwirtschaftliche Maßnahmen berücksichtigt werden. Das vorliegende Computerprogrammprodukt ist vorzugsweise so konfiguriert, dass es au- tomatisch aktualisiert wird. Aktualisierung bedeutet, dass der bis zum Zeitpunkt der jeweiligen Aktualisierung tatsächlich aufgetretene Wetterverlauf, die tatsächlich aufgetretenen Schädlingsbefall-Ereignisse und die tatsächlich durchgeführten Maßnahmen (z.B. zur Bekämpfung von Schädlingsbefall-Ereignissen) in die Berechnung der zu erwartenden Erträge einfließen. Die Aktualisierung kann beispielsweise automatisch immer dann erfolgen, wenn der Nutzer das Com- puterprogramm startet oder aufruft. Denkbar ist aber auch, dass die Aktualisierung zu feststehenden Zeit, zum Beispiel jeden Tag oder jede Woche erfolgt. Denkbar ist aber auch, dass eine Aktualisierung unregelmäßig erfolgt, zum Beispiel immer dann, wenn es eine signifikante Ab- weichung der realen von den vorhergesagten Bedingungen gibt. Bei einer Aktualisierung werden die oben aufgeführten Schritte (C), (D), (E), (F) und (G) wiederholt. Angenommen der Nutzer hat das vorliegende Computerprogrammprodukt ein erstes Mal zu einem ersten Zeitpunkt ausgeführt und die Erträge für einen vorgesagten Wetterverlauf und unter der Bedingung, dass die empfohlenen Maßnahmen aus Schritt (E) tatsächlich ergriffen werden, berechnen lassen. Zu einem späteren zweiten Zeitpunkt ruft der Nutzer das vorliegende Computerprogrammprodukt erneut auf. In der Zwischenzeit gab es einen definierten Wetterverlauf, der das Pflanzenwachstum der angebauten Kulturpflanzen und/oder das Risiko für einen Schädlingsbefall beeinflusst. Das vorliegende Computerprogrammprodukt ermittelt den tatsächlichen Wetterverlauf und passt die Vorhersage für das Schädlingsbefallsrisiko an den tatsächlichen Wetterverlauf an. Zudem werden eine oder mehrere aktualisierte Wettervorhersagen erstellt und die entsprechenden Schädlingsbefallsrisiken ebenfalls aktualisiert. Auf Basis der aktualisierten Schädlingsbefallsrisiken werden neue Maßnahmen zur Bekämpfung der Schädlinge ermittelt. Schließlich wird ein aktualisierter zu erwartenender Ertrag berechnet und angezeigt.

Claims

Patentansprüche
1 . Verfahren zum Ermitteln zu erwartender Erträge beim Anbau von Kulturpflanzen mit Hilfe eines Computersystems (10) umfassend die Schritte
(A) Identifizieren (S1 , S6, S1 1 ) eines Feldes, auf dem Kulturpflanzen angebaut werden oder werden sollen
(B) Vorhersage (S2, S7, S12) eines Wetterverlaufs für das Feld für die anstehende oder laufende Anbauperiode der Kulturpflanzen bis zur geplanten Ernte unter Berücksichtigung des bisherigen Wetterverlaufs,
(C) Vorhersage (S3, S8, S13) für das Auftreten eines oder mehrerer Schadorganismen in dem Feld für den vorhergesagten Wetterverlauf
(D) Ermitteln (S4, S9, S14) von landwirtschaftlichen Maßnahmen für die anstehende oder laufende Anbauperiode der Kulturpflanzen bis zur geplanten Ernte
(E) Berechnen (S5, S10, S15) des zu erwartenden Ertrages beim Anbau der Kulturpflanzen unter der Annahme, dass die Vorhersagen der Schritte (B) und (C) eintreffen und die in Schritt
(D) ermittelten Maßnahmen durchgeführt werden
(F) Anzeigen des zu erwartenden Ertrages
(G) wiederholte Durchführung der Schritte (B), (C), (D), (E) und (F) unter Berücksichtigung des realen, bis zum jeweiligen Zeitpunkt der Durchführung der Schritte herrschenden Verlaufs des Wetters, der tatsächlich aufgetretenen Schadorgansimen und der tatsächlich durchgeführten Maßnahmen, wobei für Schritt (B) Wetterdaten betreffend einen herrschenden Verlauf des Wetters und für die Schritte (C), (D), (E) erfasste Feld-spezifische Daten, insbesondere Schadorganismendaten betreffend tatsächlich aufgetretener Schadorgansimen, Wachstumsdaten betreffend den realen Verlauf des tatsächlich aufgetretenen Wachstums und/oder Maßnahmendaten betreffend tatsächlich durchgeführter Maßnahmen, bereitgestellt werden.
2. Verfahren gemäß Anspruch 1 , dadurch gekennzeichnet, dass Maßnahmendaten bereitgestellt werden, die landwirtschaftliche Maßnahmen für die anstehende oder laufende Anbauperiode zumindest teilweise vorgegeben und in Schritt (E) der zu erwartende Ertrag auf Basis der vor- gegebenen und der ggf. in Schritt (D) ermittelten Maßnahmen ermittelt wird.
3. Verfahren gemäß Anspruch 1 oder 2, dadurch gekennzeichnet, dass mindestens zwei unterschiedliche Wetterverläufe in Schritt (B) vorhergesagt werden, und die Schritte (C), (D), (E), (F) für jeden der mindestens zwei unterschiedlichen Wetterverläufe durchgeführt werden.
4. Verfahren gemäß einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass in Schritt (E) der zu erwartende Ertrag für den Fall berechnet wird, dass eine oder mehrere ermittelte landwirtschaftliche Maßnahme nicht durchgeführt wird/werden.
5. Verfahren gemäß einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass in Schritt (E) ein dynamisches, prozessbasiertes Pflanzenwachstumsmodell eingesetzt wird.
6. Verfahren gemäß einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass in Schritt (E) ein Pflanzenwachstumsmodell eingesetzt wird, das das Wachstum eines Bestands an Kulturpflanzen oder einer Einzelpflanze über einen definierten Zeitraum ermittelt.
7. Verfahren gemäß einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass in Schritt (E) ein Pflanzenwachstumsmodell eingesetzt wird, das neben genetischen Merkmalen der Kulturpflanze die über die Lebensdauer der Kulturpflanze herrschenden lokalen Witterungen, den Zustand des Bodens sowie das Nährstoffangebot berücksichtigt.
8. Verfahren gemäß einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass in Schritt (E) ein Pflanzenwachstumsmodell eingesetzt wird, das erfolgte landwirtschaftliche Maßnahmen und einen Befall mit Schadorganismen berücksichtigt.
9. Verfahren gemäß einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass bei der wiederholten Durchführung gemäß Schritt (G) modellinterne Parameter oder berechnete Zustands- variablen angepasst werden.
10. Verfahren gemäß einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass die Feldspezifischen Daten mindestens eine der folgenden Größen umfassen:
Vegetationsindex (z.B. NDVI) oder Blattflächenindex (LAI),
tatsächliche beobachtete Infektionen im Pflanzenbestand,
tatsächlich beobachtete Wachstumsstadien oder Reifegrad der Kultur,
· tatsächlich erfolgte landwirtschaftliche Maßnahmen,
tatsächlich beobachtete Umweltvariablen.
1 1 . Computersystem (10, 12), umfassend
(A) Mittel (26) zur Identifikation eines Feldes, auf dem Kulturpflanzen angebaut werden oder werden sollen
(B) Mittel (28) zur Bereitstellung einer Vorhersage eines Wetterverlaufs für das Feld für die anstehende oder laufende Anbauperiode der Kulturpflanzen bis zur geplanten Ernte unter Berücksichtigung des bisherigen Wetterverlaufs,
(C) Mittel (30) zur Bereitstellung einer Vorhersage für das Auftreten eines oder mehrerer Scha- dorganismen in dem Feld für den vorhergesagten Wetterverlauf (D) Mittel (32) zur Identifikation von landwirtschaftlichen Maßnahmen für die anstehende oder laufende Anbauperiode der Kulturpflanzen bis zur geplanten Ernte
(E) Mittel (34) zum Berechnen des zu erwartenden Ertrages beim Anbau der Kulturpflanzen unter der Annahme, dass die Vorhersagen der Schritte (B) und (C) eintreffen und die in Schritt (D) ermittelten Maßnahmen durchgeführt werden
(F) Mittel (26) zum Anzeigen des zu erwartenden Ertrages
wobei das Computersystem so konfiguriert ist, dass es die Schritte (B), (C), (D), (E) und (F) unter Berücksichtigung des realen, bis zum jeweiligen Zeitpunkt der Durchführung der Schritte herrschenden Verlaufs des Wetters, der tatsächlich aufgetretenen Schadorgansimen und der tatsächlich durchgeführten Maßnahmen wiederholt durchführt, wobei für Schritt (B) Wetterdaten betreffend einen herrschenden Verlauf des Wetters und für die Schritte (C), (D), (E) erfasste Feld-spezifische Daten, insbesondere Schadorganismendaten betreffend tatsächlich aufgetretener Schadorgansimen, Wachstumsdaten betreffend den realen Verlauf des tatsächlich aufgetretenen Wachstums und/oder Maßnahmendaten betreffend tatsächlich durchgeführter Maß- nahmen, bereitgestellt werden.
12. Computersystem (10, 12) nach Anspruch 1 1 , umfassend
eine Eingabeeinheit (26), über die Daten und Steuerbefehle in das Computersystem eingegeben werden können, wobei das Computersystem so konfiguriert ist, dass ein Nutzer mittels der Eingabeeinheit ein Feld spezifizieren kann und Informationen über die im Feld angebauten oder anzubauenden Kulturpflanzen eingeben kann,
eine Empfangseinheit (26) zum Empfang von Wettervorhersagen für das spezifizierte Feld, eine Datenbank (24) mit Informationen zu den angebauten oder anzubauenden Kulturpflanzen eine Verarbeitungseinheit (34), die so konfiguriert ist, dass sie auf Basis von Wettervorhersagen Wahrscheinlichkeiten für das Auftreten eines oder mehrere Schadorganismen berechnen kann, und die so konfiguriert ist, dass sie für die angebauten oder anzubauenden Kulturpflanzen landwirtschaftliche Maßnahmen aus der Datenbank abrufen kann, und die so konfiguriert ist, dass sie auf Basis der vorhergesagten Wetterverläufe, Schadorganismen und ermittelten landwirtschaftlichen Maßnahmen erwartete Erträge für die Kulturpflanze berechnen kann, und eine Anzeigevorrichtung (14, 16), auf dem die Ertragsvorhersagen einem Nutzer gegenüber angezeigt werden können.
13. Computerprogrammprodukt umfassend einen computerlesbaren Datenträger und Programmcode, der auf dem Datenträger gespeichert ist, und der beim Ausführen auf einem Com- putersystem das Computersystem dazu veranlasst, die folgenden Schritte auszuführen:
(A) Ermitteln eines Feldes (S1 , S6, S1 1 ), auf dem Kulturpflanzen angebaut werden oder werden sollen
(B) Ermitteln eines Wetterverlaufs (S2, S7, S12) für das Feld für die anstehende oder laufende Anbauperiode der Kulturpflanzen bis zur geplanten Ernte unter Berücksichtigung des bisherigen Wetterverlaufs,
(C) Ermitteln einer Vorhersage (S3, S8, S13) für das Auftreten eines oder mehrerer Schadorganismen in dem Feld für den vorhergesagten Wetterverlauf (D) Ermitteln von landwirtschaftlichen Maßnahmen (S4, S9, S14) für die anstehende oder laufende Anbauperiode der Kulturpflanzen bis zur geplanten Ernte
(E) Berechnen des zu erwartenden Ertrages (S5, S10, S15) beim Anbau der Kulturpflanzen unter der Annahme, dass die Vorhersagen der Schritte (B) und (C) eintreffen und die in Schritt (D) ermittelten Maßnahmen durchgeführt werden
(F) Anzeigen des zu erwartenden Ertrages
(G) wiederholte Durchführung der Schritte (B), (C), (D), (E) und (F) unter Berücksichtigung des realen, bis zum jeweiligen Zeitpunkt der Durchführung der Schritte herrschenden Verlaufs des Wetters, der tatsächlich aufgetretenen Schadorgansimen und der tatsächlich durchgeführten Maßnahmen, wobei für Schritt (B) Wetterdaten betreffend einen herrschenden Verlauf des Wetters und für die Schritte (C), (D), (E) erfasste Feld-spezifische Daten, insbesondere Schadorganismendaten betreffend tatsächlich aufgetretener Schadorgansimen, Wachstumsdaten betreffend den realen Verlauf des tatsächlich aufgetretenen Wachstums und/oder Maßnahmendaten betreffend tatsächlich durchgeführter Maßnahmen, bereitgestellt werden.
14. Computerprogrammprodukt nach Anspruch 13, das so konfiguriert ist, dass es einen oder mehrere der in den Ansprüchen 1 bis 10 aufgeführten Verfahren durchführt.
15. Computerprogrammprodukt nach einem der Ansprüche 13 bis14, das so konfiguriert ist, dass ein Nutzer an einem Anzeigegerät durch Betätigen eines Eingabegeräts landwirtschaftliche Maßnahmen aus- und abwählen kann und der Ertrag bei Auswahl einer landwirtschaftlichen Maßnahme für den Fall berechnet wird, dass die ausgewählte landwirtschaftliche Maßnahme durchgeführt wird, und der Ertrag bei Abwahl einer landwirtschaftlichen Maßnahme für den Fall berechnet wird, dass die abgewählte landwirtschaftliche Maßnahme nicht durchgeführt wird.
PCT/EP2018/079132 2017-10-26 2018-10-24 Ertragsabschätzung beim anbau von kulturpflanzen WO2019081567A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US16/756,317 US20200250593A1 (en) 2017-10-26 2018-10-24 Yield estimation in the cultivation of crop plants
EP18788783.1A EP3701449A1 (de) 2017-10-26 2018-10-24 Ertragsabschätzung beim anbau von kulturpflanzen

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
EP17198464.4 2017-10-26
EP17198464 2017-10-26
PCT/EP2018/072662 WO2019038325A1 (de) 2017-08-22 2018-08-22 Ertragsabschätzung beim anbau von kulturpflanzen
EPPCT/EP2018/072662 2018-08-22

Publications (1)

Publication Number Publication Date
WO2019081567A1 true WO2019081567A1 (de) 2019-05-02

Family

ID=60191147

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2018/079132 WO2019081567A1 (de) 2017-10-26 2018-10-24 Ertragsabschätzung beim anbau von kulturpflanzen

Country Status (4)

Country Link
US (1) US20200250593A1 (de)
EP (1) EP3701449A1 (de)
AR (1) AR113806A1 (de)
WO (1) WO2019081567A1 (de)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111915096A (zh) * 2020-08-14 2020-11-10 中国科学院地理科学与资源研究所 基于作物模型、遥感数据和气候预测信息的作物产量早期预报技术
WO2021180925A1 (en) * 2020-03-13 2021-09-16 Basf Agro Trademarks Gmbh Method and system for determining a plant protection treatment plan of an agricultural plant
US11823448B2 (en) 2021-04-29 2023-11-21 International Business Machines Corporation Agricultural crop identification using satellite and crop rotation
CN117636056A (zh) * 2023-12-13 2024-03-01 中南大学 基于大数据的农业信息监控方法及系统

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2987761A1 (en) * 2017-12-06 2019-06-06 South Country Equipment Ltd. Water-driven crop yield potential forecasting
US12069978B2 (en) 2018-10-26 2024-08-27 Deere & Company Predictive environmental characteristic map generation and control system
US11589509B2 (en) * 2018-10-26 2023-02-28 Deere & Company Predictive machine characteristic map generation and control system
JP7281133B2 (ja) * 2019-07-04 2023-05-25 オムロン株式会社 植物の栽培管理システム及び、植物の栽培管理装置
US20220129997A1 (en) * 2020-10-23 2022-04-28 Dowdy Crop Innovations, LLC Systems and methods for crop management
CN112840977A (zh) * 2020-12-31 2021-05-28 航天信息股份有限公司 一种基于小麦关键生育时期预测小麦产量的方法及系统
CN112836903B (zh) * 2021-03-25 2022-01-28 中化现代农业有限公司 病虫害风险预测方法
EP4341874A1 (de) * 2021-05-19 2024-03-27 BASF Agro Trademarks GmbH Verfahren zur bestimmung einer rangfolge von behandlungsparametern (wie pflanzenschutzmittel) zur behandlung eines landwirtschaftlichen feldes
CN116579521B (zh) * 2023-05-12 2024-01-19 中山大学 产量预测时间窗口确定方法、装置、设备及可读存储介质
CN116485040B (zh) * 2023-06-13 2023-09-08 中国农业大学 种子活力预测方法、系统、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140012732A1 (en) * 2010-10-25 2014-01-09 Trimble Navigation Limited Generating a crop recommendation
US20160078375A1 (en) * 2014-09-12 2016-03-17 The Climate Corporation Methods and systems for recommending agricultural activities

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140012732A1 (en) * 2010-10-25 2014-01-09 Trimble Navigation Limited Generating a crop recommendation
US20160078375A1 (en) * 2014-09-12 2016-03-17 The Climate Corporation Methods and systems for recommending agricultural activities

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
CLAUS M. BRODERSEN: "Informationen in Schadschwellenmodellen", BERICHTE DER GIL, vol. 7, pages 26 - 36, Retrieved from the Internet <URL:http://www.gil-net.de/Publikationen/7 _26.pdf>
CLAUS M. BRODERSEN: "Informationen in Schadschwellenmodellen", BERICHTE DER GIL, vol. 7, pages 26 - 36, Retrieved from the Internet <URL:http://www.gil-net.de/Publikationen/7_26.pdf>
DANIEL WALLACH; DAVID MAKOWSKI; JAMES W. JONES; FRANCOIS BRUN: "Working with Dynamic Crop Models", 2014, ACADEMIC PRESS
H. HOFFMANN ET AL.: "Impact of spatial soil and climate input data aggregation on regional yield simulations", PLOS ONE, vol. 11, no. 4, 2016, pages e0151782, XP055352040, DOI: doi:10.1371/journal.pone.0151782
JOHNEN A.; WILLIAMS I.H.; NILSSON C.; KLUKOWSKI Z.; LUIK A.; ULBER B.: "Biocontrol-Based Integrated Management of Oilseed Rape Pests", 2010, article "The proPlant Decision Support System: Phenological Models for the Major Pests of Oilseed Rape and Their Key Parasitoids in Europe", pages: 381 - 403
JOHNEN A.; WILLIAMS I.H.; NILSSON C.; KLUKOWSKI Z.; LUIK A.; ULBER B.: "The proPlant Decision Support System: Phenological Models for the Major Pests of Oilseed Rape and Their Key Parasitoids in Europe", BIOCONTROL-BASED INTEGRATED MANAGEMENT OF OILSEED RAPE PESTS, 2010, pages 381 - 403
MARCO GÜNTHER; KAI VELTEN: "Mathematische Modellbildung und Simulation", October 2014, WILEY-VCH VERLAG
NEWE M.; MEIER H.; JOHNEN A.; VOLK T.: "proPlant expert.com - an online consultation system on crop protection in cereals, rape, potatoes and sugarbeet", EPPO BULLETIN, vol. 33, 2003, pages 443 - 449, XP055315178, DOI: doi:10.1111/j.1365-2338.2003.00678.x

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021180925A1 (en) * 2020-03-13 2021-09-16 Basf Agro Trademarks Gmbh Method and system for determining a plant protection treatment plan of an agricultural plant
CN111915096A (zh) * 2020-08-14 2020-11-10 中国科学院地理科学与资源研究所 基于作物模型、遥感数据和气候预测信息的作物产量早期预报技术
US11823448B2 (en) 2021-04-29 2023-11-21 International Business Machines Corporation Agricultural crop identification using satellite and crop rotation
CN117636056A (zh) * 2023-12-13 2024-03-01 中南大学 基于大数据的农业信息监控方法及系统

Also Published As

Publication number Publication date
EP3701449A1 (de) 2020-09-02
AR113806A1 (es) 2020-06-10
US20200250593A1 (en) 2020-08-06

Similar Documents

Publication Publication Date Title
WO2019081567A1 (de) Ertragsabschätzung beim anbau von kulturpflanzen
EP3700320B1 (de) Erstellung digitaler bearbeitungskarten
EP3528608B2 (de) Planung und ausführung landwirtschaftlicher massnahmen
WO2019038325A1 (de) Ertragsabschätzung beim anbau von kulturpflanzen
WO2018036909A1 (de) Bekämpfung von schadorganismen auf basis der vorhersage von befallsrisiken
US11716985B2 (en) Method for remediating developmentally delayed plants
EP3512333A1 (de) Bestimmung des bedarfs an pflanzenschutzmittel
EP3516580B1 (de) Bekämpfung von schadorganismen
DE102021107320A1 (de) Informationenbereitstellungsvorrichtung, mähfahrzeug und mähverwaltungssystem
US20230360150A1 (en) Computer implemented method for providing test design and test instruction data for comparative tests on yield, gross margin, efficacy or vegetation indices for at least two products or different application timings of the same product
Medauar et al. Monitoring of eucalyptus sprouts control using digital images obtained by unmanned aerial vehicle
WO2022094698A1 (en) Advanced crop manager for crops stress mitigation
WO2019034785A1 (de) Nutzung von daten aus feldversuchen im pflanzenschutz zur kalibrierung und optimierung von vorhersagemodellen
DE102023132031A1 (de) Intelligente unkrautbehandlung
EP3468339B1 (de) Verfahren zur ermittlung von pflanzeneigenschaften einer nutzpflanze
WO2022167240A1 (de) Vorhersage von pflanzenschutzmittel-rückständen in ernteprodukten
Siemers et al. Interactive APEX (i_APEX) User’s Guide Using APEX2110 and APEX0806
WO2021023727A9 (de) Vorhersage von pflanzenschutzmittel-rückständen in ernteprodukten
Ferraz Using GIS as a means of modelling work rates and as a decision support tool in alien plant control management: the case study of the eMpofana river, KwaZulu-Natal Midlands.
Assessment Agricultural Policies and Soil Degradation

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18788783

Country of ref document: EP

Kind code of ref document: A1

DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)
NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018788783

Country of ref document: EP

Effective date: 20200526