| dc.date.accessioned | 2023-02-03T11:22:58Z | |
| dc.date.available | 2023-02-03T11:22:58Z | |
| dc.date.issued | 2022 | |
| dc.identifier | doi:10.17170/kobra-202301187395 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/14397 | |
| dc.language.iso | eng | |
| dc.relation.haspart | doi:10.1007/s11119-018-9603-4 | |
| dc.relation.haspart | doi:10.3390/agronomy10121930 | |
| dc.relation.haspart | doi:10.13031/trans.14432 | |
| dc.rights | Urheberrechtlich geschützt | |
| dc.rights.uri | https://rightsstatements.org/page/InC/1.0/ | |
| dc.subject.ddc | 630 | |
| dc.title | Combining crop growth models with the Precision Agriculture concept of yield gap analysis to evaluate yield limiting and reducing factors | eng |
| dc.type | Dissertation | |
| dcterms.abstract | The agricultural sector is considered as one of the main elements of a “functional” society and its welfare for providing means to fulfil the most basic human need for food. In the past, an improved overall welfare of developed countries was directly related to early investment in conventional farming machinery parallel to the industrial development. With the expected future population increase and climate change, farm yield gaps are expected to increase and become more volatile. The awareness of negative externalities of agricultural production and yield maximisation led to many regulations e.g. in the EU aiming to control agricultural inputs to prevent ground water and environmental pollution. The problems arising from maintaining the balance between socio-economic and environmental aspects of agricultural production while maximising yield are complex and cannot be solved with one single solution.
For the studies conducted in this dissertation a simplified yield definition was used with a major focus on yield limiting (nutrient) and yield reducing factors (leaf disease). There are still major knowledge gaps in fully understanding dynamics of potential yield (attainable under fully controlled conditions on e.g. research stations or in controlled environments) and actual yield attained by farmers due to spatial and temporal heterogeneity occurring in the field on large scale crop production. As more insight into soil- and weather-related dynamics was gained with various technological solutions available for agricultural practices, a more detailed investigation of the variabilities affecting yield came about. These technologies include various remote- and near-sensing technologies specialised for measuring various aspects of crop growth and field spatial and temporal variabilities. The measurement range of remote- and near-sensing technologies is able to capture soil×crop×weather dynamics by direct (e.g. N status measuring sensors) and indirect measurement (e.g. measuring plant chlorophyll, multi-spectral reflectance etc.) of soil parameters, plant biomass accumulation (for predicting yield) and weather parameters affecting in-season crop growth. Decision support tools such as process oriented crop growth models (DSSAT-Decision Support System for Agrotechnlogy Transfer) have the potential to capture in-season dynamics and rely on feedback of various sensor data for more accurate depiction of plant growth and yield prediction. Some of the major problems related to crop growth models are the underlying mathematical abstractions of plant phenological development and required calibration of plant genetics. In the future, sensor-based N status can be used for checking the model prediction of plant N uptake and for adjusting further in-season N prescriptions on a site-specific level. Various sensors have also potential to be used for evaluating leaf disease status in the field for predicating yield losses. | eng |
| dcterms.abstract | Der Agrarsektor gilt als eines der Hauptelemente einer "funktionierenden" Gesellschaft und ihres Wohlstands, da er Mittel zur Deckung des menschlichen Grundbedürfnisses nach Nahrung bereitstellt. In der Vergangenheit stand die Verbesserung des allgemeinen Wohlstands in den Industrieländern in direktem Zusammenhang mit dem Zeitpunkt der Investitionen in konventionelle landwirtschaftliche Maschinen parallel zur industriellen Entwicklung. Angesichts des erwarteten Bevölkerungswachstums und des Klimawandels wird erwartet, dass die Ertragsunterschiede in der Landwirtschaft in Zukunft weiter zunehmen und stärker schwanken werden. Das Bewusstsein für die negativen externen Effekte der landwirtschaftlichen Produktion und der Ertragsmaximierung führte zu zahlreichen Verordnungen, z. B. in der EU, die darauf abzielen, den landwirtschaftlichen Input zu kontrollieren, um Grundwasser- und Umweltverschmutzung zu vermeiden. Die Probleme, die sich aus der Aufrechterhaltung des Gleichgewichts zwischen sozioökonomischen und ökologischen Aspekten der landwirtschaftlichen Produktion bei gleichzeitiger Ertragsmaximierung ergeben, sind komplex und lassen sich nicht mit einer einzigen Lösung lösen. Für die in dieser Dissertation durchgeführten Studien wurde eine vereinfachte Ertragsdefinition verwendet, wobei der Schwerpunkt auf ertragsbegrenzenden Faktoren (Nährstoffe) und ertragsmindernden Faktoren (Blattkrankheiten) lag. Es gibt immer noch große Wissenslücken im Hinblick auf das vollständige Verständnis der Dynamik des potenziellen Ertrags (der unter vollständig kontrollierten Bedingungen, z. B. auf Forschungsstationen oder in kontrollierten Umgebungen, erzielt werden kann) und des tatsächlichen Ertrags, der von den Landwirten erzielt wird. Mit einem zunehmenden Einblick in die boden- und wetterbedingte Dynamik und den verschiedenen technologischen Lösungen, die für die landwirtschaftliche Praxis zur Verfügung stehen, wurde eine detailliertere Untersuchung der ertragsbeeinflussenden Schwankungen möglich. Zu diesen Technologien gehören verschiedene Fern- und Naherkundungstechnologien, die auf die Messung verschiedener Aspekte des Pflanzenwachstums und der räumlichen und zeitlichen Variabilität des Feldes spezialisiert sind. Das Messspektrum der Fern- und Naherkundungstechnologien ist in der Lage, die Dynamik von Boden, Pflanze und Wetter durch direkte (z. B. Sensoren zur Messung des N-Status) und indirekte Messungen (z. B. Messung des Chlorophylls der Pflanzen, multispektrale Reflexion usw.) von Bodenparametern, der pflanzlichen Biomasseakkumulation (zur Vorhersage des Ertrags) und von Wetterparametern, die sich auf das Pflanzenwachstum während der Saison auswirken, zu erfassen. Entscheidungshilfen wie prozessorientierte Pflanzenwachstumsmodelle (DSSAT - Decision Support System for Agrotechnlogy Transfer) haben das Potenzial, die Dynamik während der Saison zu erfassen, und stützen sich auf die Rückkopplung verschiedener Sensordaten für eine genauere Darstellung des Pflanzenwachstums und der Ertragsprognose. Einige der Hauptprobleme im Zusammenhang mit Pflanzenwachstumsmodellen sind die zugrundeliegenden mathematischen Abstraktionen der phänologischen Entwicklung von Pflanzen und die erforderliche Kalibrierung der Pflanzengenetik. In Zukunft soll der sensorgestützt erfasste N-Status zur Überprüfung der Modellvorhersage der pflanzlichen N-Aufnahme und zur Anpassung weiterer saisonaler N-Applikationen auf teilflächenspezifischer Ebene verwendet werden. Verschiedene Sensoren haben auch das Potenzial, zur Bewertung des Blattkrankheitsstatus im Feld eingesetzt zu werden, um Ertragsverluste vorherzusagen. | ger |
| dcterms.accessRights | open access | |
| dcterms.creator | Memic, Emir | |
| dcterms.dateAccepted | 2022-12-20 | |
| dcterms.extent | 130 Seiten | |
| dc.contributor.corporatename | Kassel, Universität Kassel, Fachbereich Ökologische Agrarwissenschaften | |
| dc.contributor.referee | Hensel, Oliver (Prof. Dr.) | |
| dc.contributor.referee | Graeff, Simone (Prof. Dr.) | |
| dc.contributor.referee | Griepentrog, Hans W. (Prof, Dr.) | |
| dc.subject.swd | Präzisionslandwirtschaft | ger |
| dc.subject.swd | Ernteertrag | ger |
| dc.subject.swd | Kombination | ger |
| dc.subject.swd | Modell | ger |
| dc.subject.swd | Pflanzenwachstum | ger |
| dc.type.version | publishedVersion | |
| kup.iskup | false | |
| ubks.epflicht | true | |
