Präzisionslandwirtschaft mit Hilfe hochauflösender Satellitenbilder

Quick Check

Ausgangssituation

Ritter Sport möchte durch den Einsatz und die KI-gestützte Auswertung von Satellitenbildern pflanzenphysiologische sowie bodenchemische Zustände und Veränderungen erkennen. Auf Basis der gewonnenen Erkenntnisse soll eine ressourcenschonende und bedarfsgerechte Präzisionslandwirtschaft gesteuert werden.

Das frühzeitige Erkennen pflanzenbaulicher Parameter in Kombination mit möglichen Handlungsalgorithmen soll zu einer Ertragssteigerung und im Rahmen eines Früherkennungssystems zu Mittelaufwandssenkungen führen.

Das Untersuchungsgebiet ist die Kakaoplantage Finca El Cacao von Ritter Sport in Nicaragua.

Lösungsidee

Satellitendaten und Wetterinformationen werden gemeinsam für das Untersuchungsgebiet ausgewertet, um relevante pflanzen- und bodenphysiologischen Veränderungen für Kakaoplantagen schnell zu erkennen. Dabei soll die Auswertung der Satellitenbilder mit dafür geeigneten KI-Verfahren erfolgen. Darauf aufbauend sollen über die Anwendung von Handlungsalgorithmen mit einer KI-gesteuerten Maßnahmenauswahl kurzfristig optimale Entscheidungsvorlagen erarbeiten werden.

© Fraunhofer IAO

Nutzen

  • Frühzeitiges Erkennen von eintretenden Veränderungen von gestressten Pflanzen mit Unterstützung von Satellitendaten.
  • Reduzierte Mittelaufwandsmenge und mögliche Ertragssteigerung.
  • Sicherstellung eines langfristig stabilen Ertragsniveaus.

Das bedeutet eine geringere Belastung der natürlichen Ressourcen bei gleichzeitiger Sicherstellung des Ertragsniveaus durch optimales und schnelles Eingreifen.

Anwendung der KI-Applikation

Recherche verfügbarer Satellitendaten für die Kakaoplantage Finca El Cacao von Ritter Sport in Nicaragua:

  • Recherche – Kriterien: Räumliche Auflösung, Zeitliche Auflösung (revisit time), Kosten
  • Ergebnis: Übersicht von frei und kommerziell verfügbarer Erdbeobachtungs-Satellitendaten

Konzeptentwicklung für ein KI-Modell zur Auswertung der Satellitenbilder:

  • Robuste Detektion von gestressten Pflanzen (Abnormalitäten) in Fernerkundungsdaten.
  • Labeling der Datensätze mit den detektierten Abnormalitäten für KI-Modelle zur Bilderkennung.

Fazit:

Der Quick Check hat gezeigt, dass die Auflösungen der Satellitendaten nicht ausreicht um im Untersuchungsgebiet kleinflächige pflanzen- und bodenphysiologischen Veränderungen auf Kakaoplantagen zu erkennen. Die Empfehlung ist daher eine Kombination verschiedener Plattformen für Bilddaten (z.B. Satellitendaten, Drohnen, Webcams). Eine Wiederaufnahme des Projekts ist vorgesehen, wenn die erforderliche Datenbasis verfügbar ist.