Bundesanstalt für Landwirtschaft und Ernährung

Projekte in den Förderprogrammen des BMEL, betreut durch den Projektträger BLE (PT BLE)

Ergebnis der Suche

Zurück zum Suchergebnis

Titel: Verbundprojekt: Prognose und Detektion von Pilzerkrankungen im Weinbau durch feinmaschige Messung des Mikroklimas und Einsatz bildgebender Messverfahren (FungiSens) - Teilprojekt 4
Titel (englisch): Collaborative project: Prognosis and detection of fungal diseases in viticulture by fine-meshed microclimate assessment and application of imaging techniques (FungiSens) - subproject 4
Beschreibung (dt.): Durch klimatische Veränderungen wird auch in den Weinbaugebieten Deutschlands das Auftreten verschiedener Schädlinge und Pilzerkrankungen begünstigt. Vor allem der falsche Mehltau (auch: Peronospora) kann zu erheblichen Ertragseinbußen führen, wenn dieser nicht rechtzeitig identifiziert und behandelt wird. Die Behandlung erfolgt üblicherweise protektiv oder kurativ, nach positiver Indikation einer Infektion. Gängige Methoden sind jedoch entweder ungenau, teuer, zeitintensiv oder nur nach Ausbruch anwendbar. In den letzten Jahren haben sich Prognosemodelle, die Pilzbefall auf Grundlage von Wetterdaten berechnen, durchgesetzt. Die Aussagekraft dieser Modelle ist durch die geringe räumliche Verfügbarkeit von meteorologischen Daten jedoch stark beschränkt und lässt im Bestfall lediglich eine Prognose für einen Radius von mehreren Kilometern zu. Durch Mikrosensoren, die direkt im Bestand installiert werden, das Mikroklima an mehreren Positionen innerhalb eines Schlages erfassen und den Prognosemodellen zur Verfügung stellen lässt sich die Modellpräzision so stark erhöhen, dass Pflanzenschutzbehandlungen Schlag oder sogar Punktgenau geplant werden können. Durch den zusätzlichen Einsatz infraroter und hyperspektraler bildgebender Verfahren können physiologische Reaktionen der Weinrebe auf einen Pathogenbefall schnell und großflächig detektiert werden, die Aussagekraft der Mikrosensoren lässt sich so validieren, neue Zusammenhänge lassen sich erschließen und robuste Korrelationen für die Prognosemodelle können erstellt werden.
Beschreibung (engl.): Affected by climate change, the occurrence of pests and fungal diseases is also increasing in the wine growing areas of Germany. Above all, Peronospora can cause severe profit cuts, if not detected and treated in time. Crop protection treatment usually is scheduled with protective or curative strategies, following a positive indication of an infection. However, common planning methods are either imprecise, expensive, labor intensive or only applicable after an infestation has occurred. In the recent years, prognostic models, estimating fungal infestations based on weather data were generally accepted. However, the meaning of those models is limited by the restricted spatial availability of meteorological data and does only allow a general prognosis for a radius of multiple kilometers. Installation of multiple micro sensors directly in the rows of a vineyard does allow acquisition of the microclimate at multiple positions and thus can increase the precision of prognostic models in such a dimension, that crop protection can be scheduled for smaller scales, such as the vineyard or even the single vine level. By supplementary application of infra-red and hyperspectral imaging techniques, stress related physiological reactions of fungal infestations can be detected fast and for larger areas, which does allow a validation of the micro sensor based prognostic models. Also, unknown coherences can be detected and robust correlations for the prognostic models can be created by a combination of both methods.
Ergebnis (dt.): In den letzten Jahren haben sich im Weinbau Prognosemodelle wie Vitimeteo etabliert, die den Pilzbefall auf Grundlage von Wetterdaten abschätzen und so den Schutz der Reben optimieren können. Im Rahmen des Projektes FungiSens wurde ein echtzeit-drahtlos Messsystem für die Erfassung des Mikroklimas im Weinberg entwickelt, um die lokale Vorhersagepräzision zu erhöhen und auch kleinräumige Unterschiede in den Rebflächen abbilden zu können. Durch den Einsatz infraroter und hyperspektraler bildgebender Verfahren wurden physiologische Reaktionen der Weinrebe auf einen Pathogenbefall untersucht, um die Modellvorhersage zu verbessern. Durch die Integration der Projektergebnisse in das Prognosesystem Vitimeteo kann der Anwender Pflanzenschutzmaßnahmen im Weinberg optimieren und so Kosten und Umweltwirkungen reduzieren.
Ergebnis (engl.): In recent years, forecasting models such as Vitimeteo were established in viticulture, which can predict fungal infestations based on weather data and thus improve plant protection in vineyards. In the frame of the FungiSens project, a real-time wireless measurement system for measurement of the microclimate was developed, in order to increase the local prediction precision and also cover small-scale differences. With additional application of infrared and hyperspectral imaging techniques, physiological responses of grapevines to pathogen infestation were investigated to improve model prediction. By integrating the project results into the Vitimeteo prediction system, the user can optimize plant protection measures in vineyards and thus reduce costs and environmental impact.
Laufzeit: Beginn: 01.09.2018 / Ende: 28.02.2022
Ausf. Einrichtung: Felsengartenkellerei Besigheim eG, Hessigheim
Themenfelder: Pflanzenschutz, Pflanzengesundheit, crop protection, plant health
Förderprogramme: Programm zur Innovationsförderung des Bundesministeriums für Ernährung und Landwirtschaft
Schlagworte: Prognose, forecast, Nachhaltigkeit, sustainability, Ressourcenschutz, Ressourceneffizienz, resource protection, resource efficiency, Weinbau (inkl. Außenwirtschaft, Kellerei), viticulture (winery), Landtechnik, agricultural engineering, Digitalisierung, Digitale Welt, digital world, Rebe, vine, Monitoring
Förderkennzeichen: 281B205016
Dokument zum Download: Kein Dokument vorhanden!

Kontakt:

Benutzen Sie unser Kontaktformular
oder E-Mail an
innovation@ble.de

Such-Tipps:

Stichwortsuche:

Mehrere Begriffe werden automatisch verknüpft. Auch Wortbestandteile werden in folgenden Datenfeldern gesucht:

Projekttiteln und Beschreibungen (in deutsch, englisch, französich), Förderkennzeichen, Schlagworten und Zielländern.

Die folgenden Beispiele veranschaulichen einige Such-Strings, die boolesche Volltextoperatoren verwenden:

Weizen Stroh

Findet Datensätze, die mindestens eines der beiden Wörter enthalten.

+Weizen +Züchtung

Findet Datensätze, die beide Wörter enthalten.

Weizen +Sorte

Findet Datensätze, die das Wort "Weizen" enthalten, stuft aber solche Datensätze höher ein, die auch "Sorte" enthalten.

+Weizen -Gerste

Findet Datensätze, die das Wort "Weizen", aber nicht das Wort "Gerste" enthalten.

Weizen*

Findet Datensätze, die Wörter wie "Weizen", "Weizenmehl", "Weizenbier" oder "Weizenanbau" enthalten.

"Kleegras und Grünland"

Findet Datensätze, die die exakte Phrase "Kleegras und Grünland" enthalten. Dies wäre etwa "Stickstoffkreisläufe in Kleegras und Grünland", nicht aber "Stickstoffkreisläufe in Kleegras oder Grünland".

Beachten Sie, dass die (")-Anführungszeichen, die die Phrase umschließen, Operatorzeichen sind, die der Trennung der Phrase dienen. Es handelt sich hierbei nicht um Anführungszeichen, die den Such-String selbst umfassen.

Erweiterte Suche

Hier gibt es die Möglichkeit, nach Stichworten, Themenfeldern, Projektstatus, Förderprogrammen, Laufzeiten und Einrichtungen zu suchen:

Erweiterte Suche.