8 von 10 Landwirten nutzen auf Ihren Betrieben digitale Technologien. In den Medien und bei den Herstellern werden zunehmend die Begriffe Precision Farming und Smart Farming als Synonyme verwendet. Doch wo genau liegt der Unterschied zwischen den Fachbegriffen?

Digital Farming

Die digitale Landwirtschaft (digital Farming) kann als Oberbegriff aller Verfahren angesehen werden, welche Elemente digitaler Technologien beinhalten. Somit findet dieser Sammelbegriff Anwendung im pflanzenbaulichen Bereich, im Tierhaltungsbereich, sowie im Management und Büroalltag von landwirtschaftlichen Betrieben.

Precision Farming

Die Präzisionslandwirtschaft (Precision Farming) ist dabei Teil der digitalen Landwirtschaft. Dieser Begriff, welcher ab 1990er Jahren auftrat, beschreibt die ortspezifische, digitale Anwendung im Agrarbereich. Precision-Farming kennzeichnet sich durch den Einsatz von folgenden Kerntechnologien:

• Exakte Ortsbestimmung (GPS-Ortung)
• Steuerung (Bordcomputer, Isobus-Terminal)
• Variable Arbeitsbreite (Section Control)

Precision Farming selbst ist dabei ein weit gefasster Begriff. Auf der einen Seite kann dieser eine exakte uniforme Bearbeitung (Applikation) eines Schlages ohne Überlappungen oder Doppel-Applikationen bedeuten.
Im Extremfall kann dies auch eine bedarfsgerechte Anpassung der Bearbeitung innerhalb eines Schlages bedeuten (teilflächenspezifische Bewirtschaftung).

Precision Farming trifft allerdings keine eigenen Entscheidungen, sondern passt die Bearbeitung nur anhand eines vorher dem Ort zugewiesenen Parametern an, wie zum Beispiel bei variablen Düngekarten. Die Düngekarten werden vor der Befahrung des Schlags berechnet und beinhalten z.B. Informationen aus Satelittendaten, Bodenproben oder auch der Erfahrung des Betriebsleiters. Im Vergleich zu Smart Farming stellt Precision Farming eine „dumme“ Maschine dar.

Smart Farming

Der Begriff Smart Farming wurde vermehrt ab 2000er Jahren verwendet. Smart Farming (Smarte/intelligente Landwirtschaft) beinhaltet Technologien des Precision Farmings, ist allerdings in der Lage selbständig Signale aus der Umwelt zu erfassen (Kameras/NIR Sensoren), diese zu verrechnen (Computer) und die daraus abgeleiteten Entscheidungen umzusetzen (Regelung).
So passt bei der Düngeapplikation (Online-Verfahren) der Jobrechner die Düngemenge an den vom NDVI Sensor erfassten Bestandszustand selbständig an.

Wie bereits erwähnt stellt Precision Farming im Vergleich zu Smart Farming eine „dumme“ Maschine dar, während Smart Farming ein schlaues (smartes) Netzwerk aus Sensoren, Rechnern, sowie Ausführenden Regeltechniken (Servomotoren) darstellt. (Internet der Dinge, IoT, Agrar4.0)

Viele Anbieter werben mit der Erstellung von variablen Applikationskarten, was für viele Betriebe einen einfachen Einstieg in die teilflächenspezifische Bewirtschaftung darstellt. Doch was steckt hinter der Technologie, woher kommen diese Daten und welche Vor- und Nachteile haben diese Art der Applikationskarten?

Multispektralkameras können mehr Lichtwellenbereiche aufnehmen als das menschliche Auge. Besonders im nahen Infrarotbereich werden viele phänotypische Merkmale von Pflanzen sichtbar, welche dem menschlichen Auge verborgen bleiben. Um diesen Unterschieden einen einheitlichen Wert zuzuweisen wurde der NDVI entwickelt.

NDVI = Normalized Difference Vegetation Index
dt: normierte differenzierte Vegetationsindex

Zur Geschichte

In den 1970er Jahren wurde in einer Studie unter Verwendung der ersten Landsat Satelittendaten der Nasa erstmals der NDVI angewendet. Dieser diente dazu Daten von pflanzlicher Vegetation zu erkennen sowie ihren Entwicklungszustand zu beurteilen.

Die Berechnung

Daraus ergeben sich Werte von -1 bis +1, wobei negative Werte Wasserflächen bedeuten, Werte von 0 bis 0,2 vegetationsfreie Bodenflächen und ein Wert von 1 stellt den Optimalwert für Vegetationsflächen dar.

Der NDVI in der Landwirtschaft

Etwa alle 5 bis 6 Tage überfliegen die Sentinel-2-Satelliten Deutschland und zeichnen dabei mit ihren Multispektralkameras die Reflektion unserer Flächen auf.

Diese Daten stehen jedermann frei zur Verfügung, jedoch wird einiges an Rechenkapazität und ein guter Algorithmus benötigt um daraus pflanzenbaulich sinnvolle Datensätze zu erstellen. Zudem erschweren Wolkenbedeckungen einheitliche Werte.

Die Anbieter geben jedoch im Normalfall die Möglichkeit automatisch die Wolkenbilder herauszufiltern und die Daten über mehrerer Jahre zu verschneiden. Somit ergibt sich ein Datensatz, unverfälscht von untypischen Wetterbedingungen und Wolkenbedeckungen.

Die Zonierung

Im Normalfall wird anhand der NDVI Daten daraufhin der Schlag in verschiedene Zonen eingeteilt, welchen im Anschluss eine bestimmte Applikationsmenge zugewiesen wird. Daraufhin kann diese Applikationskarte in einem einheitlichen Datenformat (z.B. SHP/Shape-Dateien) exportiert werden und beispielsweise per USB-Stick auf dem Schlepperterminal importiert werden.

Die Nachteile

Jeder Anbieter dieser NDVI-Karten auf Basis von Sentinel-Daten verwendet den identischen Datensatz. Jedoch kann es durch Variation des Berechnungsalgorithmus zu unterschiedlichen Applikationskarten kommen. Zudem könnten Saatgut oder Düngemittelhersteller, welche auch Applikationskarten anbieten, dass Ziel verfolgen ihren Absatz langfristig durch ein angepasstes Berechnungsverfahren zu sichern. Des Weiteren lassen sich aufgrund der großen zeitlichen Lücken zwischen den Messungen keine Handlungsempfehlungen in Echtzeit ableiten. Auch Der Export des richtigen Dateiformats und die Übertragung auf das Schlepperterminal kann sich schwierig gestalten.

Die Vorteile

Laut befragten Landwirten ist durch teilflächenspezifische Bewirtschaftung mit einem Gewinnzuwachs von 11%, mit einem Anteil der Kostenreduktion von 7% zu rechnen. (pwc.de, 2016)

Laut der aktuellen Bitkom-Studie (April 2020) setzen 32% der befragten Landwirte bereits teilflächenspezifische Bewirtschaftung bereits ein. Weitere 42% der Landwirte planen den Einsatz solcher Technologien.

Wie sieht es auf Ihrem Betrieb aus? Welche Anbieter von Applikationskarten verwenden Sie und wie ist ihre Zufriedenheit?