Sensorik für einen präzisierten Pflanzenschutz

ZusammenfassungPrecision Agriculture ist ein informationsgeleitetes Managementkonzept der landwirtschaftlichen Produktion. Bei der teilschlagspezifischen Pflanzenproduktion werden Boden, Pflanzenbestand und Mikroklima mit satellitengestützten Ortungssystemen (GPS) und verschiedensten Sensoren zur Datenerfassung überwacht und in Geoinformationssysteme (GIS) zusammengeführt. Pflanzenschutz stellt einen wichtigen Produktionsfaktor dar, der in intensiven Anbausystemen derzeit fast ausschließlich einheitlich auf der gesamten Fläche ausgeführt wird, obwohl die Notwendigkeit von Bekämpfungsmaßnahmen aufgrund der Variabilität des Auftretens von Unkräutern, Schadtieren und Krankheiten teilschlagspezifisch sehr unterschiedlich sein kann. Die frühzeitige Erfassung und Identifizierung von Schaderregern, Prognose der Befallsentwicklung und des Schadens, Nutzung von Expertensystemen sowie Auswahl und Formulierung geeigneter Wirkstoffe können mit neuen Sensortechnologien optimiert werden. Die Nutzung von GPS zur Geocodierung von Informationen, Nah- und Fernerkundung mit hoch auflösenden Sensoren, digitaler Bildaufnahme und PC-gestützten Bildanalyseverfahren in Kombination mit komplexen Experten- und Entscheidungssystemen ermöglichen eine neue Qualität der Durchführung und Dokumentation von Pflanzenschutzmaßnahmen. Lösungsansätze sind derzeit die Erfassung befallsrelevanter Witterungsdaten bzw. der Heterogenität des Mikroklimas im Bestand und der typischen Symptome der Krankheiten an den Nutzpflanzen mit Nah- und Fernerkundungssensoren (Multi,- Hyperspektralkamera, Thermografie, Chlorophyllfluoreszenz etc.), die dargestellt werden. Moderne Verfahren der Sensortechnik können dazu beitragen, die auch politisch geforderte Reduktion der Aufwandmenge an Pflanzenschutzmitteln im intensiven Pflanzenbau ohne wirtschaftlich inakzeptable Einbußen an Produktionsintensität zu verwirklichen.AbstractPrecision agriculture is a management concept depending on information technologies related to within-field variability. Site-specific plant production requires the use of technologies, such as global positioning systems, sensors, and information management tools to assess variations in soil, crop canopy and micro-climate. Crop protection is an important production factor, which at present is applied in high-input cropping systems homogeneously in the field despite of site-specific heterogeneity in the incidence and distribution of weeds, pests and pathogens. The spatial and temporal heterogeneity of pests in the field is assessed using remote sensing techniques linked to global positioning systems. The generation and management of information on pest incidence with high spatial resolution and its conversion into precise control systems will enable a targeted and resource-preserving integrated pest management system under high productivity conditions, which is economically successful, environmentally sound and socially acceptable. The recording of disease-related weather data and the assessment of spatial heterogeneity of micro-climate in the field as well as the detection of disease specific symptoms with remote and near range sensors (multispectral and hyperspectral cameras, thermography, chlorophyll fluorescence etc.) have the potential to make crop protection more precise in space and time. Innovative approaches are discussed in detail.

[1]  Rainer Laudien,et al.  ANALYSIS OF HYPERSPECTRAL FIELD DATA FOR DETECTION OF SUGAR BEET DISEASES , 2003 .

[2]  Richard J. Ewen,et al.  The development of a sensor system for the early detection of soft rot in stored potato tubers , 2000 .

[3]  Walter Kühbauch,et al.  Distinguishing nitrogen deficiency and fungal infection of winter wheat by laser-induced fluorescence , 2006, Precision Agriculture.

[4]  W. Lüdeker,et al.  Detection of Fungal Infection of Plants by Laser-induced Fluorescence: An Attempt to Use Remote Sensing , 1996 .

[5]  X. Vanrobaeys,et al.  Early detection of nutrient and biotic stress in Phaseolus vulgaris , 2007 .

[6]  A. V. Van Bruggen,et al.  Spatial analysis of lettuce downy mildew using geostatistics and geographic information systems. , 2001, Phytopathology.

[7]  Ismael Moya,et al.  Ultraviolet-induced fluorescence for plant monitoring: present state and prospects , 1999 .

[8]  D. Hunter,et al.  Aerial detection of nymphal bands of the Australian plague locust (Chortoicetes terminifera (Walker)) (Orthoptera: Acrididae) , 2008 .

[9]  J. V. Stafford,et al.  Disease maps and site-specific fungicide application in winter wheat. , 1999 .

[10]  Gunter Menz,et al.  Multi-temporal wheat disease detection by multi-spectral remote sensing , 2007, Precision Agriculture.

[11]  H. Ramon,et al.  Simultaneous identification of plant stresses and diseases in arable crops using proximal optical sensing and self-organising maps , 2006, Precision Agriculture.

[12]  Koen Langendoen,et al.  Wireless sensor networks for precise Phytophthora decision support , 2005 .

[13]  Yibin Ying,et al.  Near-infrared Spectroscopy in detecting Leaf Miner Damage on Tomato Leaf , 2007 .

[14]  J. V. Stafford,et al.  Early detection of leaf rust and powdery mildew infections on wheat leaves by PAM fluorescence imaging. , 2007 .

[15]  Eva Rosenqvist,et al.  Applications of chlorophyll fluorescence can improve crop production strategies: an examination of future possibilities. , 2004, Journal of experimental botany.

[16]  D. Hagenbeek,et al.  Thermal and chlorophyll-fluorescence imaging distinguish plant-pathogen interactions at an early stage. , 2004, Plant & cell physiology.

[17]  Rainer Laudien,et al.  COMPARISON OF REMOTE SENSING BASED ANALYSIS OF CROP DISEASES BY USING HIGH RESOLUTION MULTISPECTRAL AND HYPERSPECTRAL DATA - CASE STUDY: RHIZOCTONIA SOLANI IN SUGAR BEET - , 2004 .

[18]  R. Gerhards,et al.  Precision farming for weed management: techniques , 2008, Gesunde Pflanzen.

[19]  D. Moshou,et al.  The potential of optical canopy measurement for targeted control of field crop diseases. , 2003, Annual review of phytopathology.

[20]  David Lamb,et al.  PA—Precision Agriculture: Remote-Sensing and Mapping of Weeds in Crops , 2001 .

[21]  H. Muhammed,et al.  Measuring crop status using multivariate analysis of hyperspectral field reflectance with application to disease severity and plant density , 2007, Precision Agriculture.

[22]  D. Straeten,et al.  Imaging techniques and the early detection of plant stress. , 2000, Trends in plant science.

[23]  S. Schütz,et al.  An insect-based BioFET as a bioelectronic nose , 2000 .