Steigerung der N-Effizienz durch den Einsatz Künstlicher Neuronaler Netze und Support-Vector-Machines zur kleinräumig differenzierten Stickstoffdüngung im Winterweizen

Abstract

Die Anforderungen an die moderne Landwirtschaft bedingen einen effizienten Ressourceneinsatz, auch bei der N-Düngung. Ökonomisch optimierte Entscheidungsregeln wurden mit Künstlichen Neuronalen Netzen (KNN) und Support-Vector-Machines (SVM) erzeugt und in der Anwendung mit einer betriebseinheitlichen Variante verglichen. Es zeigte sich, dass Einsparpotentiale von bis zu 69 kg N/ha möglich sind (KNN), diese aber unter geostatistischer Beurteilung mit einer signifikanten Ertragsminderung einhergehen. Das SVM-Modell appliziert, bei gleichem Ertrag wie in der betriebseinheitlichen Variante, 20 kg N/ha weniger. Die Stickstoffeffizienz steigt um 10\% auf 17.5 kg N/t Ertrag (SVM) bzw. um 30\% auf 13.7 kg N/t Ertrag (KNN) im Vergleich zur betriebsüblichen Variante (19.5 kg N/t Ertrag).