Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre Precision Farming - ein...

19
Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre www.landw.uni-halle.de/lb/ Precision Farming - ein Zwischenbericht aus informationsökonomischer Sicht -

Transcript of Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre Precision Farming - ein...

Page 1: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

Peter Wagner

MLU-Halle, Professur für Landwirtschaftliche Betriebslehrewww.landw.uni-halle.de/lb/

Precision Farming

- ein Zwischenbericht aus informationsökonomischer Sicht -

Page 2: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

I

O

Page 3: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.
Page 4: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

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)

Page 5: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

Häufigkeitsverteilung der Ertragsklassen 2004 (LVG Görzig, S550)

0,00 0,00 0,00 0,001,31

31,91

1,62

8,71 8,31

48,14

0

5

10

15

20

25

30

35

40

45

50

≤ 30 >30-40 >40-50 >50-60 >60-70 >70-80 >80-90 >90-100 >100-110 >110

Ertragsklassen (dt/ha)

Proz

ent

Page 6: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

einheitliche Bewirtschaftung(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Ertrags-klasse

Flächen-ant. inErtr.kl.

PF-Dng.kg / ha (100% korrekt)

PF-Düng.kg / ha(tats.)

N-Mengekg / Teil-flächen-

anteilErtragdt / ha

Ertragdt / Teil-fllächen-

anteil

einheitl.Düng.kg / ha

Ertragdt / ha

Ertragdt / Teil-fllächen-

anteil(4)*(2)/100 (6)*(2)/100 (9)*(2)/100

< 25 0,0 0 0 0,0 0,0 0,0 181,7 0,0 0,0> 25 - 35 0,0 0 0 0,0 0,0 0,0 181,7 0,0 0,0> 35 - 45 0,0 0 0 0,0 0,0 0,0 181,7 0,0 0,0> 45 - 55 0,0 0 0 0,0 0,0 0,0 181,7 0,0 0,0> 55 - 65 1,3 130 130 1,7 65,0 0,8 181,7 65,0 0,8> 65 - 75 8,7 150 150 13,1 75,0 6,5 181,7 75,0 6,5> 75 - 85 31,9 170 170 54,2 85,0 27,1 181,7 85,0 27,1> 85 - 95 48,2 190 190 91,6 95,0 45,8 181,7 90,8 43,8

> 95 - 105 8,3 210 210 17,4 105,0 8,7 181,7 90,8 7,5>105 - 115 1,6 230 230 3,7 115,0 1,8 181,7 90,8 1,5

100,0SUMME (bezogen auf 1 ha) 181,7 90,8 181,7 87,3Preis/Einheit (€) 0,6 12,0 0,6 12,0Kosten bzw. Leistung 109,0 1090,0 109,0 1047,1N-kostenfreie Leistung 981,0 938,1Differenz einheitl. zu teilschlagspezifisch 42,9

teilschlagspezifische Düngung

wirtschaftliche Effekte einer „idealen“ Teilschlag-N-Düngung- Qualität Entscheidungsregeln 100 % -

(„geringe“ Heterogenität)

Häufigkeitsverteilung der Ertragsklassen 2004 (LVG Görzig, S550)

0,00 0,00 0,00 0,001,31

31,91

1,62

8,71 8,31

48,14

0

5

10

15

20

25

30

35

40

45

50

≤ 30 >30-40 >40-50 >50-60 >60-70 >70-80 >80-90 >90-100 >100-110 >110

Ertragsklassen (dt/ha)

Proz

ent

Page 7: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

Häufigkeitsverteilung der Ertragsklassen 2003 (LVG Görzig, S550)

1,56

5,48

15,14

25,59

13,62

5,892,88

1,40 0,72

27,70

0

5

10

15

20

25

30

35

40

45

50

≤ 30 >30-40 >40-50 >50-60 >60-70 >70-80 >80-90 >90-100 >100-110 >110

Ertragsklassen (dt/ha)

Proz

ent

Page 8: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

einheitliche Bewirtschaftung(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Ertrags-klasse

Flächen-ant. inErtr.kl.

PF-Dng.kg / ha (100% korrekt)

PF-Düng.kg / ha(tats.)

N-Mengekg / Teil-flächen-

anteilErtragdt / ha

Ertragdt / Teil-fllächen-

anteil

einheitl.Düng.kg / ha

Ertragdt / ha

Ertragdt / Teil-fllächen-

anteil(4)*(2)/100 (6)*(2)/100 (9)*(2)/100

< 25 1,6 50 50 0,8 25,0 0,4 122,5 25,0 0,4> 25 - 35 5,5 70 70 3,9 35,0 1,9 122,5 35,0 1,9> 35 - 45 15,1 90 90 13,6 45,0 6,8 122,5 45,0 6,8> 45 - 55 27,7 110 110 30,5 55,0 15,2 122,5 55,0 15,2> 55 - 65 25,6 130 130 33,3 65,0 16,6 122,5 61,2 15,7> 65 - 75 13,6 150 150 20,4 75,0 10,2 122,5 61,2 8,3> 75 - 85 5,9 170 170 10,0 85,0 5,0 122,5 61,2 3,6> 85 - 95 2,9 190 190 5,5 95,0 2,8 122,5 61,2 1,8

> 95 - 105 1,4 210 210 2,9 105,0 1,5 122,5 61,2 0,9>105 - 115 0,7 230 230 1,6 115,0 0,8 122,5 61,2 0,4

100,0SUMME (bezogen auf 1 ha) 122,5 61,2 122,5 55,0Preis/Einheit (€) 0,6 12,0 0,6 12,0Kosten bzw. Leistung 73,5 734,9 73,5 660,4N-kostenfreie Leistung 661,4 586,9Differenz einheitl. zu teilschlagspezifisch 74,4

teilschlagspezifische Düngung

wirtschaftliche Effekte einer „idealen“ Teilschlag-N-Düngung- Qualität Entscheidungsregeln 100 % -

(„hohe“ Heterogenität)

Häufigkeitsverteilung der Ertragsklassen 2003 (LVG Görzig, S550)

1,56

5,48

15,14

25,59

13,62

5,892,88

1,40 0,72

27,70

0

5

10

15

20

25

30

35

40

45

50

≤ 30 >30-40 >40-50 >50-60 >60-70 >70-80 >80-90 >90-100 >100-110 >110

Ertragsklassen (dt/ha)

Proz

ent

Page 9: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

einheitliche Bewirtschaftung(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Ertrags-klasse

Flächen-ant. inErtr.kl.

PF-Dng.kg / ha (100% korrekt)

PF-Düng.kg / ha(tats.)

N-Mengekg / Teil-flächen-

anteilErtragdt / ha

Ertragdt / Teil-fllächen-

anteil

einheitl.Düng.kg / ha

Ertragdt / ha

Ertragdt / Teil-fllächen-

anteil(4)*(2)/100 (6)*(2)/100 (9)*(2)/100

< 25 1,6 50 55 0,9 25,0 0,4 122,5 25,0 0,4> 25 - 35 5,5 70 63 3,5 31,5 1,7 122,5 35,0 1,9> 35 - 45 15,1 90 99 14,9 45,0 6,8 122,5 45,0 6,8> 45 - 55 27,7 110 99 27,4 49,5 13,7 122,5 55,0 15,2> 55 - 65 25,6 130 143 36,6 65,0 16,6 122,5 61,3 15,7> 65 - 75 13,6 150 135 18,4 67,5 9,2 122,5 61,3 8,3> 75 - 85 5,9 170 187 11,0 85,0 5,0 122,5 61,3 3,6> 85 - 95 2,9 190 171 5,0 85,5 2,5 122,5 61,3 1,8

> 95 - 105 1,4 210 231 3,2 105,0 1,5 122,5 61,3 0,9>105 - 115 0,7 230 207 1,4 103,5 0,7 122,5 61,3 0,4

100,0SUMME (bezogen auf 1 ha) 122,4 58,1 122,5 55,0Preis/Einheit (€) 0,6 12,0 0,6 12,0Kosten bzw. Leistung 73,4 697,8 73,5 660,5N-kostenfreie Leistung 624,4 587,0Differenz einheitl. zu teilschlagspezifisch 37,4

teilschlagspezifische Düngung

wirtschaftliche Effekte einer „suboptimalen“ Teilschlag-N-Düngung- Qualität Entscheidungsregeln 90 % -

(„hohe“ Heterogenität)

Häufigkeitsverteilung der Ertragsklassen 2003 (LVG Görzig, S550)

1,56

5,48

15,14

25,59

13,62

5,892,88

1,40 0,72

27,70

0

5

10

15

20

25

30

35

40

45

50

≤ 30 >30-40 >40-50 >50-60 >60-70 >70-80 >80-90 >90-100 >100-110 >110

Ertragsklassen (dt/ha)

Proz

ent

Page 10: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

einheitliche Bewirtschaftung(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Ertrags-klasse

Flächen-ant. inErtr.kl.

PF-Dng.kg / ha (100% korrekt)

PF-Düng.kg / ha(tats.)

N-Mengekg / Teil-flächen-

anteilErtragdt / ha

Ertragdt / Teil-fllächen-

anteil

einheitl.Düng.kg / ha

Ertragdt / ha

Ertragdt / Teil-fllächen-

anteil(4)*(2)/100 (6)*(2)/100 (9)*(2)/100

< 25 1,6 50 60 1,0 25,0 0,4 122,5 25,0 0,4> 25 - 35 5,5 70 56 3,1 28,0 1,5 122,5 35,0 1,9> 35 - 45 15,1 90 108 16,3 45,0 6,8 122,5 45,0 6,8> 45 - 55 27,7 110 88 24,4 44,0 12,2 122,5 55,0 15,2> 55 - 65 25,6 130 156 39,9 65,0 16,6 122,5 61,3 15,7> 65 - 75 13,6 150 120 16,3 60,0 8,2 122,5 61,3 8,3> 75 - 85 5,9 170 204 12,0 85,0 5,0 122,5 61,3 3,6> 85 - 95 2,9 190 152 4,4 76,0 2,2 122,5 61,3 1,8

> 95 - 105 1,4 210 252 3,5 105,0 1,5 122,5 61,3 0,9>105 - 115 0,7 230 184 1,3 92,0 0,6 122,5 61,3 0,4

100,0SUMME (bezogen auf 1 ha) 122,2 55,1 122,5 55,0Preis/Einheit (€) 0,6 12,0 0,6 12,0Kosten bzw. Leistung 73,3 660,7 73,5 660,5N-kostenfreie Leistung 587,3 587,0Differenz einheitl. zu teilschlagspezifisch 0,3

teilschlagspezifische Düngung

wirtschaftliche Effekte einer „suboptimalen“ Teilschlag-N-Düngung- Qualität Entscheidungsregeln 80 % -

(„hohe“ Heterogenität)

Häufigkeitsverteilung der Ertragsklassen 2003 (LVG Görzig, S550)

1,56

5,48

15,14

25,59

13,62

5,892,88

1,40 0,72

27,70

0

5

10

15

20

25

30

35

40

45

50

≤ 30 >30-40 >40-50 >50-60 >60-70 >70-80 >80-90 >90-100 >100-110 >110

Ertragsklassen (dt/ha)

Proz

ent

Page 11: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

einheitliche Bewirtschaftung(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Ertrags-klasse

Flächen-ant. inErtr.kl.

PF-Dng.kg / ha (100% korrekt)

PF-Düng.kg / ha(tats.)

N-Mengekg / Teil-flächen-

anteilErtragdt / ha

Ertragdt / Teil-fllächen-

anteil

einheitl.Düng.kg / ha

Ertragdt / ha

Ertragdt / Teil-fllächen-

anteil(4)*(2)/100 (6)*(2)/100 (9)*(2)/100

< 25 1,6 50 65 1,0 25,0 0,4 122,5 25,0 0,4> 25 - 35 5,5 70 49 2,7 24,5 1,3 122,5 35,0 1,9> 35 - 45 15,1 90 117 17,7 45,0 6,8 122,5 45,0 6,8> 45 - 55 27,7 110 77 21,3 38,5 10,7 122,5 55,0 15,2> 55 - 65 25,6 130 169 43,3 65,0 16,6 122,5 61,3 15,7> 65 - 75 13,6 150 105 14,3 52,5 7,1 122,5 61,3 8,3> 75 - 85 5,9 170 221 13,0 85,0 5,0 122,5 61,3 3,6> 85 - 95 2,9 190 133 3,9 66,5 1,9 122,5 61,3 1,8

> 95 - 105 1,4 210 273 3,8 105,0 1,5 122,5 61,3 0,9>105 - 115 0,7 230 161 1,1 80,5 0,6 122,5 61,3 0,4

100,0SUMME (bezogen auf 1 ha) 122,1 52,0 122,5 55,0Preis/Einheit (€) 0,6 12,0 0,6 12,0Kosten bzw. Leistung 73,3 623,6 73,5 660,5N-kostenfreie Leistung 550,3 587,0Differenz einheitl. zu teilschlagspezifisch -36,7

teilschlagspezifische Düngung

wirtschaftliche Effekte einer „suboptimalen“ Teilschlag-N-Düngung- Qualität Entscheidungsregeln 70 % -

(„hohe“ Heterogenität)

Häufigkeitsverteilung der Ertragsklassen 2003 (LVG Görzig, S550)

1,56

5,48

15,14

25,59

13,62

5,892,88

1,40 0,72

27,70

0

5

10

15

20

25

30

35

40

45

50

≤ 30 >30-40 >40-50 >50-60 >60-70 >70-80 >80-90 >90-100 >100-110 >110

Ertragsklassen (dt/ha)

Proz

ent

Page 12: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

Wie funktioniert Precision Farming?

########################################################################################################################################################################################

######################

##########################################

###################

#########################

#########################

################################

#####################

####################

####################

###########################

#####################################

###################################################################################################################################################################

####################################################################################################################################################################################

######################

####################

############################

#########################

###################

#################################

##

###########

##########################################

######################

########################

#####################################

#########################

###############

################################################################################################################################################################

#############

#########################

###############################

##################

################################################################

###################################################################################################################################################

######################

###################

####################################

#####################

#################################### #############

####################################################################################################

#

###########################################################################################################################################################################

#####################################################################################################################################################

#########################################################################################################################

#################################################################################################################################################################################################################################################################################################################################

#######################################################################################################

##########################################################

#

######################################################################################

#########################################################################################################

#################################################################################################################

##################################################################################################

########################################################################################

######################################################################################################

##################################################################################################

#############################################################################################

#############################################################################################

######################################################################################

########################################################################################################################

#####################

########################

###################

####################

########################################################################################

# #######################

###############################

##########################

###

#####################################################################################

# #################################

################################

###############################

###########################

############################

####################################################################################

#############################

##########

#############################

# ############################################################################################################################################################################################################################################################

###################

##########

###########################################

############

###

##########

#########

##############

#############################################################################################################################################

###########################################################################################################################################

#####################

#####################################################################################################################################################

##########################

################################

#####################

########################

####################

###################################

############################

####################################

######################################

####

#

##############################################

################################################################################################################################################

##################################################################################################################################

################################################################################################################################

##############################################################################################################################

########################################################################################################################### #########

#######################################################################################################################################################################################################################################################

#################################################################################################################

############################################################################################################

##########################################################################################################

##############################################################################################################

##

#########################################################################################################

############################################################################################################

######################################################################################################

####################################################################################################################################################################################################################################################################################################################

# ##################################################################################################

#########################################################################################################

###############################################################################################

#

#####

###########################################################################################

######

#####################################################################################

########################################################################################

#################################################################################

#############################################################################################

#############################################################################################

#############################################################################

#########################################################

###

##########################################################################################################

#############################

############################################

###########################################################################################################################################################################################################################################################################################################################################################

############################################

#########

#########

#######

#######

########

########

#######

########

########

#####################

#########

##########

######

#######

#######################

#################################################

#################################

#########################

########################

########################

##############################

########################

#################################

########################

#############################################################################################################################################################################################################################################

######################################

############################

#####################################

##############################

###########################

##########################

################################################

################################################################################################################################################################################################################################################################################################

##########################

#####################################

################################

##############################

###############################

##############################################################################################################################################################################################################################################################################################

############################

########################################

################### #############

############################

########################################################

#######################################################################################################################################################################################################################################################################################

########################

#######################

#######################

###################################

#####################

######################

###############################################################################################################################################################################################################################

#############################

#######################

###############################

############################

##############################################################################################

#######################################################################################################################################################################################################################

####################################

##########################

############################################

#######################

########################################################################################################################################################################################################

#############################

#########################

########################

#############################

###########################

#######################

#############################################################################################################################################################################################################################################

#########################

##########################

########################

#######################

#########################

############################################################################################################################################################################################################################

########################

########################

#########################

######################

#######################

#######################

##############################################################################################################################################################################################################################

#################################

###############################

#######################

################################################################################################################################################################################################

######################

############################

#######################

########################

#################################################################################################################################################################################

#####################

############################

######################

######################

###########################################################################################################################################################################

###############################

#######################

#######################

############################################################################################################################################## ###############

#######################

######################

#######################

###########################################################################################################################

#################################

################################

#######################################################

####################

#################################

#######################################

##########

########################################################

###################################

############################

#########################################

###################################

########################################################################################################################################################################################################################################################

#####################

##############################

################################

##########################

#####################################

######################################################################################################################################################################################################################################

###############################

###############################

#####################

##########################################

################################################################################################################################################################################################################################################################

########################################################################################################################################################################################################################################################################################

############################################################

####################################

#####################################

##################################################################################################################################################################################################################################################################

#########################################################

###################################################################################################################################################################################################################################

############################

#########################################

########################################

##########################################################################################################################################################################################################################################################

##########################################

########################################################################################################################################################################################################################################################

#########################################

####################################################

################################

######################################################################################################################################################################################################################################

#############################

################################

##########################################

##########################################################################################################################################################################################################################

###############################

##############################

########################################################################################################################################################################################################

#########################################

#######################

##############################

######################################################################################################################################################################################################

##########################

########################################################################################################################################################################################################

###########################

######################################

###########################################################################################################################################################################

######################################

############################

########################################################################################################################

#######################

###########################################################################################################################

########################

########################

#######

###########

######################################################################

###############################################################################

Entscheidungsregeln

Ertragskartierung Leitfähigkeitsmessung Vegetationsindices Bodenprobenahme (z.B. pH-Wert)

Aussaat Grunddüngung N-Düngung Fungizid- u.WR-Einsatz BodenbearbeitungUnkrautbekämpfung

Page 13: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

Field Graph Type Correlation Min Max Mean Std. Dev Skewness Unique Valid

1 N1 range 0.123 58.210 64.480 60.039 0.490 5.365 -- 660

2 N_2 range 0.078 30.469 52.032 39.941 1.436 0.376 -- 660

3 N3 range 0.039 30.470 52.030 39.798 1.416 0.560 -- 660

4 REIP32 range 0.225 723.410 727.180 725.803 0.580 -0.884 -- 660

5 REIP49 range 0.436 725.760 728.990 727.920 0.456 -0.891 -- 660

6 EM38 range 0.532 21.770 39.990 33.916 3.841 -0.717 -- 660

7 ZUGKRAFT range 0.032 2007.420 2339.440 2208.064 48.335 -0.319 -- 660

8 ERTRAG03 range 0.643 1.588 11.280 6.460 1.528 0.347 -- 660

9 ERTRAG04 range -- 6.629 10.978 9.411 0.637 -1.118 -- 660

10 N_Ges range 0.079 120.939 164.062 139.778 2.900 0.322 -- 660

11 N_Freie_L range 1.000 711.732 1234.223 1045.463 76.374 -1.113 -- 660

Data Audit Variante Betrieb (homogene N-Gabe) Raster 10X10hier: Zusammenhang zwischen Ertrag 2004 und ....

Page 14: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

!!! ???

früher und heute heute und morgen

Y Y

N N, Yh, EM38, REIP, pH, Information …

Page 15: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

• 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

Entscheidungsregeln für Precision Farming

Page 16: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

Karten-Ansatz

Field Boundary

3-Zonenkarte123

0 500 1000 1500 Meters

N

• 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

• anwendbar ab 1. N-Teilgabe

.

.

.

.

.

.

Eingabeschicht verdeckte Schicht Ausgabeschicht

.

.

....

.

.

.

Eingabeschicht verdeckte Schicht Ausgabeschicht

.

.

.

jährliche Kosten:

3.084,6 € + 0,28 €/ha

jährliche Kosten:

6.397,7 €

geschätzt:

jährliche Kosten:

8.368,9 € + 0,97 €/haER 1.

GenerationER 1.

GenerationER 2.

Generation

drei Strategien zur differenzierten N-Düngung

Page 17: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

Feldversuch

“Karte” “Sensor” “Netz”jeweils im Vergleich zu “konstant einheitlich”

Δ N2) Δ Y3) Δ total Δ N2) Δ Y3) Δ total Δ N2) Δ Y3) Δ total

350_2005 - - - - 3.9 0.0 - 3.9 + 15.0 0.0 +15.0

432_2005 + 17.0 0.0 + 17.0 + 34.0 0.0 + 34.0 - - -

411_2006 -9.1 -49.4 -58.5 + 1.3 0.0 + 1.3 - - -

330_2006 - - - -19.0 -19.5 -38.5 + 6.3 + 18.9 + 25.2

131_2006 - - - - - - + 15.2 0.0 + 15.2

432_2007 + 8.4 - 43.5 -35.1 + 10.3 0.0 + 10.3 - - -

631_2007 + 9.3 0.0 + 9.3 + 16.8 0.0 + 16.8 + 20.5 + 25.5 + 46.0

611_2007 - - - + 2.9 0.0 + 2.9 + 12.0 0.0 + 12.0

211_2007 - - - - - - + 20.1 + 13.5 + 33.6

Ergebnisse der Feldversuche (alle Werte in €/ha1))

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 Gewinnbeitrag3) „minus“ bedeutet: weniger Ertrag und damit weniger Gewinnbeitrag

Page 18: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

Fazit:

Karte Sensor Netz

Ergebnis: tendenziell negativ schwach positiv deutlich positiv

Kosten: niedrig mittel hoch

Informationsbedarf: niedrig niedrig hoch

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 !

Page 19: Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre  Precision Farming - ein Zwischenbericht aus informationsökonomischer.

ENDE