A new version of this entry is available:

Loading...
Thumbnail Image
Doctoral Thesis
2023

Integrated technical approach for differentiated nitrogen application based on expert knowledge and multiple parameters

Abstract (English)

Variable rate nitrogen (N) application is subject to spatio-temporal dynamics of multiple parameters and a high dependency on specific local conditions. Furthermore, existing algorithms are barely capable of considering agronomic expert knowledge and common application technology limits the precise in-field realization. This work approached the complexity of site-specific N management in terms of the decision making, as well as the technical and organizational realization in a systemic manner. A commercial real-time N-sensor system’s behavior was transferred into a fuzzy expert system and extended with soil information. The incorporation into a real-time control included also the spatial synchronization of dose rate determination and realization. A digital process chain to facilitate decision making, data management and execution in the field was conceptualized and evaluated with a prototypical implementation. The N-sensor’s algorithms were precisely imitated with a maximum percentage root mean square error of 0.14%, while the multi-parametric system has implied more robust decisions. In field tests, the real-time control has shown acceptable synchronization errors largely below 1 m and with medians in the range of 0.25 m under realistic conditions. The integrated system architecture has shown a high consistency in terms of straightforward and situative expert knowledge acquisition, as well as the suitability for different sensor and application technologies. The work represents a systemic approach for a derivation and employment of machine-readable algorithms from agronomic expert knowledge defining the cause-effect relationships for a site-specific N application. Its generic properties allow a supplementation by other models and can in turn strengthen them further.

Abstract (German)

Die variable Ausbringung von Stickstoff (N) unterliegt zeitlich-räumlichen Dynamiken multipler Parameter sowie einer hohen Abhängigkeit von spezifischen lokalen Begebenheiten. Vorhandene Algorithmen sind kaum in der Lage, agronomisches Expertenwissen zu nutzen und gängige Applikationstechnologie limitiert die präzise Umsetzung im Feld. Diese Arbeit näherte sich der Komplexität von teilflächenspezifischem N-Management bezüglich der Entscheidungsfindung sowie der technischen und organisatorischen Umsetzung auf systemische Weise. Das Verhalten eines kommerziellen, in Echtzeit arbeitenden N-Sensorsystems wurde in ein Fuzzy-Expertensystem transferiert und mit kartierter Bodeninformation kombiniert. Die Umsetzung in einer Echtzeit-Steuerung beinhaltete auch die räumliche Synchronisation von Erfassung und Applikation der Düngermenge. Eine digitale Prozesskette zur Vereinfachung von Entscheidungsfindung, Datenmanagement und Ausführung im Feld wurde konzipiert und mithilfe einer prototypischen Implementierung evaluiert. Die Algorithmen des N-Sensors wurden präzise imitiert, wobei der prozentual ausgedrückte, mittlere quadratische Fehler bei maximal 0,14% lag, während das multi-parametrische System robustere Entscheidungen implizierte. Bei Tests im Feld zeigte die Echtzeit-Steuerung akzeptable Abweichungen in der räumlichen Synchronisation, wobei diese größtenteils unter 1 m lagen und unter realistischen Bedingungen Mediane im Bereich von 0,25 m aufwiesen. Die integrierte Systemarchitektur zeigte eine hohe Konsistenz in Bezug auf den einfachen und situativen Erwerb von Expertenwissen sowie die Eignung für unterschiedliche Sensor- und Applikationstechnologie. Die Arbeit stellt einen systemischen Ansatz für die Ableitung und Nutzung maschinenlesbarer Algorithmen aus agronomischem Expertenwissen dar, welches die Beziehung von Ursache und Wirkung für eine teilflächenspezifische N-Applikation beschreibt. Seine generischen Eigenschaften erlauben eine Ergänzung mit anderen relevanten Parametern und um andere Modelle, welche dadurch wiederum weiter gestärkt werden können.

File is subject to an embargo until

This is a new version of:

Notes

Publication license

Publication series

Published in

Faculty
Faculty of Agricultural Sciences
Institute
Institute of Agricultural Engineering

Examination date

2023-10-17

Edition / version

Citation

DOI

ISSN

ISBN

Language
English

Publisher

Publisher place

Classification (DDC)
630 Agriculture

Original object