Mais

Projekt NEffMais – Erste Ergebnisse zur UAV-basierten Schätzung relevanter Bestandesparameter

Mais stellt in vielen Bundesländern, so auch in Hessen, eine der anbaustärksten Ackerkulturen dar. Mit einem hohen Ertragspotential, aber einem dazu vergleichsweise geringen Stickstoff (N)­Bedarf verfügt Mais über eine hohe Effizienz der N-Nutzung. Dazu trägt auch bei, dass die Phase der stärksten N-Aufnahme von Mais normalerweise in einen Zeitraum fällt, der durch hohe Bodentemperaturen gekennzeichnet ist und in welchem die Mineralisation im Boden intensiv verläuft. Organische Düngung kann von Mais daher prinzipiell gut verwertet werden und in Jahren mit hoher N-Nachlieferung kann mineralische N-Düngung eingespart werden. Aufgrund einer hohen standort- und jahresbedingten Variation von N-Aufnahme und N-Nachlieferung aus Boden und organischer Düngung gestaltet sich die N-Düngung schwierig. Nach der Maisernte findet man daher öfters erhöhte Rest-N-Mengen (N_min) im Boden. Bleibt der Boden in einem solchen Fall über Winter unbedeckt oder kann die nach der Maisernte eingebrachte Folgefrucht im Herbst nicht mehr genügend N aufnehmen, besteht ein gesteigertes Risiko der Nitratverlagerung in das Grundwasser. Darüber hinaus bergen erhöhte N_min-Mengen nach der Maisernte das Risiko gesteigerter N₂O-Emissionen.

Der Praxis eine bessere Abschätzung des N-Angebotes im Boden und des N-Bedarfes von Mais an die Hand geben zu können, ist Ziel des FNR-geförderten Projektes NEffMais (Sensor- und modellgestützte Quantifizierung von N-Bedarf und N-Angebot zur Steigerung der N-Effizienz im Maisanbau), das in Ko­opera­tion der Universitäten Kiel und Göttingen mit dem Landesbetrieb Landwirtschaft Hessen durch­ge­führt wird.

Methodik

Im Projekt werden klassische N-Düngungsversuche (Standorte Bad Hersfeld, Wehnen, Hohen­schulen) mit dem Einsatz von Sensoren und Modellen kombiniert. Drohnenbasierte Mes­sungen der spektralen Reflektion von Maisbeständen werden genutzt, um die N-Versorgung zu quantifi­zieren. Die N-Nachlieferung aus dem Boden soll mittels NIRS-Spektren von Boden­proben abge­schätzt werden. Auf Basis neu angelegter Feldversuche und der Auswertung histori­scher N-Düngungsversuche wird die Beziehung zwischen optimaler N-Versorgung und Maisertrag sowie zwischen Standort-/Anbauparametern und der N-Nachlieferung ermittelt. Der Einfluss der Jahres­witterung auf Maisertrag und N-Nachlieferung wird über dynamische Modelle berück­sichtigt. Im Folgenden sollen erste Ergebnisse zur UAV (unmanned aerial vehicle)-basierten Schätzung von Bestandesparametern dar­gestellt werden, welche für die Schätzung des N-Bedarfs relevant sind.

Ergebnisse und Diskussion

Auf Basis eines umfangreichen Datensatzes, in welchen neben NEffMais weitere Da­tensätze eingingen, wurde die Beziehung zwischen dem Trockenmasse (TM)-Ertrag zur Ernte und verschie­denen, zu unterschiedlichen Entwicklungsstadien erfassten Bestandesparametern analysiert. Bestandes­flächenindex (green area index, GAI) und Bestandeshöhe zeigten die engste Beziehung zum Ernteertrag. Anhand dieser Parameter konnte bereits in relativ frühen Entwick­lungsstadien ein hoher Anteil der Ertragsvariation erklärt werden.

Abb. 1. Drohnenbefliegungen des Versuchsstandortes Bad Hersfeld, dargestellt am Beispiel des NDVI (normalized difference vegetation index) in Abhängigkeit des Befliegungstermins. Aussaat: 9.5.2022, Zeiternten ab 15.6.2022

Abb. 2. Kalibration und Validation der Schätzung des Green-Area Index (GAI) aus UAV-basierten Multispektraldaten

Um den GAI aus drohnengestützten Multispektral­daten schätzen zu können, wurden regelmäßige Befliegungen durchgeführt (Abb. 1) und eine Kalibration auf Basis destruktiver Probenahmen vor­genommen. Es konnte eine über die gesamte Vegetationszeit von Mais zuverlässige und robuste Kalibration entwickelt werden, für die auch die Validation mit unabhängigen Daten erfolgreich war (R² > 0,8), siehe Abb. 2. Zur Schätzung der Bestandeshöhe mittels Drohne wurden manuelle Messungen durch Befliegungen mit hochauflösenden RGB-Kameras begleitet. Über die Er­zeu­gung von 3D-Punktwolken konnten die Pflanzenhöhe und deren Variation auf Parzellen­ebene abgeleitet werden.

Eine UAV-basierte Schätzung von ertragsrelevanten Parametern ermöglicht nicht nur die Vor­her­sage der finalen Erntemenge, sondern auch der Qualität der Biomasse, da über die Kombination von Bestandes­höhe und Vegetationsindizes die aufgenommene N-Menge abgeschätzt werden kann. Somit könnte bei verhaltener N-Gabe zur Saat in der Vegetation eine besser an den Pflan­zen­bedarf angepasste Nachdüngung erfolgen. Entsprechende Auswertungen sind aktuell in Be­ar­beitung. Zusätzlich zu Multispektral- und RGB-Daten kann der Einsatz von drohnengestützten Messungen der Bestandestemperatur zu einem besser an Standort und Jahreswitterung ange­passten und somit nachhaltigeren Maisanbau beitragen. Entsprechende Untersuchungen werden vom Kooperationspartner Universität Kiel durch­ge­führt.

Fazit

Die vorliegenden Ergebnisse belegen das Potential der sensorgestützten Schätzung von Bestan­des­parametern, welche über Kombination mit einem dynamischen, prozessorientierten Wachs­tums­modell die Möglichkeit bieten, den N-Bedarf von Mais genauer abzuschätzen.