aus informationsökonomischer Sicht -

Präsentation zum Thema: "aus informationsökonomischer Sicht -"—  Präsentation transkript:

1 aus informationsökonomischer Sicht -
Precision Farming - ein Zwischenbericht aus informationsökonomischer Sicht - Als ich mich vor über 10 Jahren begonnen habe mit PF zu beschäftigen war schnell klar, dass ein wesentliches Kriterium für die Akzeptanz von PF eine klare Anwendungslogik (Entscheidungsregeln) ist. Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre

2 O I

3 Als ich mich vor über 10 Jahren begonnen habe mit PF zu beschäftigen
war schnell klar, dass ein wesentliches Kriterium für die Akzeptanz von PF eine klare Anwendungslogik (Entscheidungsregeln) ist.

4 Der Erfolg einer PF-Strategie wird c.p. um so besser sein
je kleinräumiger wir die standörtlichen Gegebenheiten kennen (preisgünstige, hoch auflösende Sensorik) je kleinräumiger die Technik arbeiten kann (Reaktionsgeschwindigkeit und Arbeitsbreite/Teilbreite) je besser die Wirkung von standörtlichen Gegebenheiten und Input auf den Output (Produktionsfunktionen) in kleinräumigem Maßstab bekannt sind (Qualität der Entscheidungsregeln)

5

6 wirtschaftliche Effekte einer „idealen“ Teilschlag-N-Düngung
- Qualität Entscheidungsregeln 100 % - („geringe“ Heterogenität)

7

8 wirtschaftliche Effekte einer „idealen“ Teilschlag-N-Düngung
- Qualität Entscheidungsregeln 100 % - („hohe“ Heterogenität)

9 wirtschaftliche Effekte einer „suboptimalen“ Teilschlag-N-Düngung
- Qualität Entscheidungsregeln 90 % - („hohe“ Heterogenität) jede Teilschlagparzelle abwechselnd 10% überdungt oder 10 % unterdüngt – beachte Ertrag!

10 wirtschaftliche Effekte einer „suboptimalen“ Teilschlag-N-Düngung
- Qualität Entscheidungsregeln 80 % - („hohe“ Heterogenität) jede Teilschlagparzelle abwechselnd 10% überdungt oder 10 % unterdüngt – beachte Ertrag!

11 wirtschaftliche Effekte einer „suboptimalen“ Teilschlag-N-Düngung
- Qualität Entscheidungsregeln 70 % - („hohe“ Heterogenität) jede Teilschlagparzelle abwechselnd 10% überdungt oder 10 % unterdüngt – beachte Ertrag!

12 Wie funktioniert Precision Farming?
Ertragskartierung Leitfähigkeitsmessung Vegetationsindices Bodenprobenahme (z.B. pH-Wert) Entscheidungsregeln Data Mining (KNN): Aufspüren von bestehenden Mustern in großen Datenbankbeständen und deren anschließende Reproduktion Modellierung nichtlinearer Zusammenhänge Zusammenarbeit mit vielen Partner notwendig! Zielkriterium nicht Maximalertrag sondern maximaler spezialkostenfreie Leistung !!! Aussaat Grunddüngung N-Düngung Fungizid- u.WR-Einsatz Unkrautbekämpfung Bodenbearbeitung

13 Data Audit Variante Betrieb (homogene N-Gabe) Raster 10X10
hier: Zusammenhang zwischen Ertrag 2004 und ....

14 ??? !!! früher und heute heute und morgen Y Y N
Der Erfolg einer PF-Strategie wird c.p. um so besser sein je besser die wechselseitige Wirkung von standörtlichen Gegebenheiten und Input auf den Output (Produktionsfunktionen) in kleinräumigem Maßstab bekannt sind (Qualität der Entscheidungsregeln) Intensivierung nicht über mehr N sondern bessere/mehr Information !!! Y Y N N, Yh, EM38, REIP, pH, Information …

15 Entscheidungsregeln für Precision Farming
enthalten das „Know-how“ des Precision Farming sollten zu den „globalen“ Entscheidungsregeln des Anwenders passen Ziel: Maximierung des Nutzens; oftmals synonym mit „Gewinn“ unterschiedliche Entwicklungsstufen: ER 1. Generation ER 2. Generation Maximierung des pflanzen-baulichen Ertrags „Düngung nach Entzug“ Optimierung der ökonomischen Leistung  Berücksichtigung von Faktor-/Produktpreisrelationen Voraussetzung: Kenntnis über Input- Output Beziehung - sicherlich kann man nicht davon ausgehen, dass für alle Technologien Entscheidungsregeln der zweiten Generation zu entwickeln sind (bspw. Grunddüngung) [hier Optimierung der Bodenprobennahme?]

16 Karten-Ansatz Yara-N-Sensor Neuronales Netz
drei Strategien zur differenzierten N-Düngung Karten-Ansatz Einteilung des Feldes in unterschiedliche Ertragspotenzialzonen nach Abreifeluftbildern und Ertragskarten anwendbar ab 1. N-Teilgabe Yara-N-Sensor reflektionsoptische Messungen, Düngung N-Bedarf der Pflanzen anwendbar ab 2. N-Teilgabe Neuronales Netz Ertragsprognosen auf Grundlage vielfältiger teilflächenspezifischer Informationen jährliche Kosten: 3.084,6 € + 0,28 €/ha 6.397,7 € geschätzt: 8.368,9 € + 0,97 €/ha ER 1. Generation ER 2. Generation

17 jeweils im Vergleich zu “konstant einheitlich”
Ergebnisse der Feldversuche (alle Werte in €/ha1)) Feldversuch “Karte” “Sensor” “Netz” jeweils im Vergleich zu “konstant einheitlich” Δ N2) Δ Y3) Δ total 350_2005 - - 3.9 0.0 + 15.0 +15.0 432_2005 + 17.0 + 34.0 411_2006 -9.1 -49.4 -58.5 + 1.3 330_2006 -19.0 -19.5 -38.5 + 6.3 + 18.9 + 25.2 131_2006 + 15.2 432_2007 + 8.4 - 43.5 -35.1 + 10.3 631_2007 + 9.3 + 16.8 + 20.5 + 25.5 + 46.0 611_2007 + 2.9 + 12.0 211_2007 + 20.1 + 13.5 + 33.6 Mittelwerte: Karte Sensor Netz +25 1) Bewertung der Feldversuchsergebnisse auf Basis der jeweils erzielbaren Stickstoff- und Weizenpreise der einzelnen Versuchsjahre 2) „minus“ bedeutet: höhere Kosten (mehr N) und damit weniger Gewinnbeitrag 3) „minus“ bedeutet: weniger Ertrag und damit weniger Gewinnbeitrag

18 Fazit: Karte Sensor Netz Ergebnis: tendenziell negativ schwach positiv
deutlich positiv Kosten: niedrig mittel hoch Informationsbedarf: Zukunft: schwierig zu verbessern, da aktuelle Witterungsdaten fehlen schwierig zu verbessern, da ertragslimitierende Faktoren außer N nicht berücksichtigt werden können zu verbessern durch Hinzunahme weiterer Sensordaten Das Ergebnis der Entscheidungsregeln fiel um so besser aus, je mehr Information zielgerichtet verarbeitet werden konnte !

19 ENDE