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

dc.contributor.advisorGriepentrog, Hansde
dc.contributor.authorHeiß, Andreasde
dc.date.accepted2023-10-17
dc.date.accessioned2024-04-08T09:05:38Z
dc.date.available2024-04-08T09:05:38Z
dc.date.created2024-03-06
dc.date.issued2023
dc.description.abstractVariable 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.en
dc.description.abstractDie 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.de
dc.identifier.swb188277034X
dc.identifier.urihttps://hohpublica.uni-hohenheim.de/handle/123456789/6932
dc.identifier.urnurn:nbn:de:bsz:100-opus-22799
dc.language.isoeng
dc.rights.licensepubl-ohne-poden
dc.rights.licensepubl-ohne-podde
dc.rights.urihttp://opus.uni-hohenheim.de/doku/lic_ubh.php
dc.subjectSite-specific N managementen
dc.subjectFuzzy expert systemsen
dc.subjectReal-time sensor systemsen
dc.subjectMulti-parametric data fusionen
dc.subjectApplication accuracyen
dc.subjectTeilflächenspezifisches N-Managementde
dc.subjectFuzzy Expertensystemede
dc.subjectEchtzeit-Sensorsystemede
dc.subjectMehrparametrische Datenfusionde
dc.subjectApplikationsgenauigkeitde
dc.subject.ddc630
dc.subject.gndPräzisionslandwirtschaftde
dc.subject.gndTeilschlagbewirtschaftungde
dc.subject.gndStickstoffdüngungde
dc.subject.gndFuzzy Logikde
dc.subject.gndExpertensystemde
dc.subject.gndSensorsystemde
dc.subject.gndDatenfusionde
dc.titleIntegrated technical approach for differentiated nitrogen application based on expert knowledge and multiple parametersde
dc.title.dissertationIntegrierter technischer Ansatz für differenzierte Stickstoffapplikation basierend auf Expertenwissen und mehreren Parameternde
dc.type.dcmiTextde
dc.type.diniDoctoralThesisde
local.accessuneingeschränkter Zugriffen
local.accessuneingeschränkter Zugriffde
local.bibliographicCitation.publisherPlaceUniversität Hohenheimde
local.faculty.number2de
local.institute.number440de
local.opus.number2279
local.universityUniversität Hohenheimde
local.university.facultyFaculty of Agricultural Sciencesen
local.university.facultyFakultät Agrarwissenschaftende
local.university.instituteInstitute of Agricultural Engineeringen
local.university.instituteInstitut für Agrartechnikde
thesis.degree.levelthesis.doctoral

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
2023_Heiss_Dissertation_OPUS.pdf
Size:
6.84 MB
Format:
Adobe Portable Document Format
Description:
Open Access Fulltext