Michael Marz   Photo von Michael Marz

Wissenschaftlicher Mitarbeiter

Professur für Landwirtschaftliche Betriebslehre
Karl-Freiherr-von-Fritsch-Straße 4
06099 Halle (Saale)
Tel:  +49 (0)345 55-22374
Fax: +49 (0)345 55-27109
Email: michael.marz@landw.uni-halle.de

Forschungsschwerpunkt

ZIM-Projekt: "Entwicklung eines robusten Messsystems zur vor-Ort-Analytik des pH-Werts direkt bei der Bodenprobenahme im teilflächenbezogenen Ackerbau und Ableitung der P- und K-Versorgung"

Die kleinräumige Ermittlung von Phosphor (P)- und Kaliumgehalten (K) im Boden ist für eine effiziente Düngung von Schlägen relevant, um zum einen optimale Erträge erzielen und zum anderen möglichst ressourcenschonend wirtschaften zu können. Gängige Methoden zur Bestimmung des Düngebedarfs dieser Makronährstoffe stützen sich auf eine Probennahme vor Ort und eine anschließende Laboranalyse. Diese arbeits- und kostenintensiven Verfahren könnten dahingehend sowohl in wirtschaftlicher Hinsicht als auch in der räumlichen Auflösung verbessert werden, indem die Analyse sensorgestützt vor Ort zum Zeitpunkt der Befahrung bzw. Begehung erfolgt. Praxisrelevante Lösungsansätze zur vor-Ort-Analytik von P und K, wie es bei anderen für den Ackerbau relevanten Parametern möglich ist, existieren jedoch noch nicht. Das an der MLU durchgeführte Teilprojekt gliedert sich ein in ein Projekt zur Entwicklung eines robusten Messsystems zur vor-Ort-Analytik des pH-Werts direkt bei der Bodenprobenahme im teilflächenbezogenen Ackerbau. Ausgehend vom kleinräumig erhobenen pH-Wert als Variable, sollen geeignete Methoden und Modelle des Data-Mining eruiert, angewandt und ggf. (weiter-)entwickelt werden, um die Makronährstoffe P/K zu schätzen. Zu Beginn werden historische (z.B. Messwerte, Bewirtschaftungsinformationen) sowie statische (Pedologie, Geländemodelle) Daten von Testflächen in die Datenbasis aufgenommen. Auf deren Grundlage erfolgen anschließend numerische und räumliche Analysen, die Gewichtungen und Abhängigkeiten von weiteren relevanten Variablen beschreiben. Anhand dieser Informationen können z.B. mittels Künstlicher Neuronaler Netze, Support Vector Machines und/oder weiterer geeigneter Modelle während der Vor-Ort-Analytik verlässliche Näherungswerte der Phosphor- und Kaliumgehalte im Boden errechnet werden.

Klaus Hank, 04.11.2014
Unterer Rand