Aspekte der Wirtschaftlickeit von Precision Farming

Transkript

1 Aspekte der Wirtschaftlickeit von Precision Farming Sensor f z?? EM 38 Ertrag Peter Wagner MLU-Halle, Professur für Landwirtschaftliche Betriebslehre

2 Precision Farming Exakte Dokumentation Teilschlagtechnik Flottenmanagement Feldrobotik Betriebsmittelverbräuche - Dünger - Pflanzenschutzmittel - Treibstoffe Ertragsmengen Lokale Applikation - Pflanzenschutzmittel - Düngemittel - Saatgut Transport / Organisation - Lohnunternehmer - Maschinenring Fahrzeugführung - Anschlussfahrten Geräteführung - Arbeitstiefe - Arbeitsbreite Maschinendaten - Einsatzzeiten - Einsatzflächen - Technische Parameter Geodaten - Feldvermessung - Bodenbeprobung Fahrzeugtrabanten - Mähdrusch - Bodenbearbeitung Lokale Zielsuche - Bodenbeprobung - Drainagen

3 Die Wirtschaftlichkeit von Precision Farming (insbesondere bei der Teilschlagbewirtschaftung) wird unter anderem von folgenden Determinanten bestimmt: Notwendige Investitionen für Precision Farming Betriebsgröße / Anbaufläche Heterogenität des Standortes und gegenwärtig praktiziertes Niveau der Düngung Anteil und Umfang der Fruchtarten im Produktionsprogramm Effiziend des Precision-Farming-Ansatztes (mapping / sensor / sensor mit map-overlay) Organisation des Technikeinsatzes (Einzelbetrieb / Gewannebewirtschaftung / Lohnunternehmer...) Produkt- und Faktorpreisniveau / Subventionen (Agrarpolitik) Ausmaß des Reduktion des Ertragsrisikos Managementfähigkeiten des Bedienpersonals (Arbeitszeitbedarf / Wissen)

4 Schätzung des Investitionsbedarfs für Precision Farming (Mapping-Ansatz) Investition Ausstattung Traktor m. Terminal und GPS Nachrüstung Düngetechnik Nachrüstung Drilltechnik Nachrüstung Pflanzenschutztechnik Nachrüstung Erntetechnik (ohne Terminal) Büroausstattung (Software) SUMME 1) ohne MwSt. 2) entfällt wegen serienmäßiger Ausstattung 1) (ca.werte) )

5 Deckungsbeiträge als Grundlage für die weiteren Berechnungen Kennzahl Leistung: Ertrag Preis Leistung variable Kosten: Saatgut Handelsdünger dar. N Pflanzenschutz dar. Herbizide dar. Fungizide Maschinen Sonstige Summe var. Kosten Deckungsbeitrag Einheit dt /dt /ha /ha /ha /ha /ha /ha /ha /ha /ha /ha /ha Weizen 1) 68,4 10, Körnermais 1) 93,9 10, Kartoffeln Winterraps 1) 29,2 21, Zuckerrüben 391,2 6, ,6 4, ) Weizen stellvertretend für Weizen, Roggen, Gerste; Körnermais stellvertretend für sonstiges Getreide; Winterraps stellvertretend für Öl-, Hülsenfrüchte und Faserpflanzen Quelle: KTBL (2004); KTBL (2002); KTBL, pers. Mitt.; eigene Berechnungen

6 Z Kennzahl Break-Even Analyse für einen spezialisierten Getreidebetrieb (Precision Farming nur auf Getreideflächen) 1 Investitionsbedarf für Precision Farming Abschreibung (5 Jahre) /Jahr Zins (bei 8 %) /Jahr Jährliche Kosten 3) /Jahr Jährliche Kosten pro ha /Jahr 69,88 6 notw. Erhöhung d. Naturalertr. 4) bis Break-Even % 14,4 7 notw. Reduktion einzelner variabler Kostenpositionen bis Break-Even 8 -Saatgut % 164,3 9 -Handelsdünger % 95,8 10 dar. mineralischer N-Dünger % 134,4 11 -Pflanzenschutz % 90,0 12 dar. Herbizide % 211,2 13 dar. Fungizide % 172, Summe Saatgut, Handelsdünger, Pflanzenschutz % 78,4 1) Fruchtartenanteil: Weizen 67,5%, Körnermais 8,4%, Raps 19,9%, Kartoffeln 0,3%, Zuckerrüben 3,9% 2) höhere Investitionen durch zusätzliche Ausstattung eines zweiten Schleppers 3) ohne Reparatur, Wartung und Arbeitskosten 4) bei gleichem Preisgerüst Einheit Anbaufläche insg. (ha) 1) ,47 3,6 41,1 24,0 33,6 22,5 52,8 43,1 19, ) ,61 2,2 25,0 14,6 20,4 13,7 32,1 26,2 11,9

7 Kalkulation der Kosten von Precision Farming (400 ha Anbaufläche) Maßnahme Beprobung DGPS-Empfänger Mobiler Rechner mit Software Mehraufwand Fahrzeug (0,54 h/ha, 10,20 /h) Mehraufwand Arbeitszeit (0,54 Akh/ha, 10 /AKh) Mehraufwand Analytik Summe: Ertragskartierung Nachrüstsatz Mähdrescher Grunddüngung Bordcomputer mit DGPS-Empfänger Zusatzausrüstung elektr. ansteuerbarer Streuer Summe: N-Düngung mit Sensor N-Sensor Packet (Yara Sensor) Zusatzausrüstung elektr. ansteuerbarer Streuer Summe: Datenmanagement/Kartenerstellung Büro PC Software Lohnkosten (10 Minuten/ha/Jahr) Summe: Nutzung Investition Jahre ,50 /ha 5,40 /ha 6,75 /ha /Akh AfA /Jahr Zins /Jahr Kosten /ha/jahr 1,24 0,47 1,98 1,95 2,43 8,08 5,04 14,24 12,34 26,59 16,69 3,86 20,55 1,19 2,67 3,33 7,19

8 Kalkulation der Kosten von Precision Farming (400 ha / 2000 ha) Maßnahme Beprobung DGPS-Empfänger Mobiler Rechner mit Software Mehraufwand Fahrzeug (0,54 h/ha, 10,20 /h) Mehraufwand Arbeitszeit (0,54 Akh/ha, 10 /AKh) Mehraufwand Analytik Summe: Ertragskartierung Nachrüstsatz Mähdrescher (bei 2000 ha für 3 MD) Grunddüngung Bordcomputer mit DGPS-Empfänger Zusatzausrüstung elektr. ansteuerbarer Streuer Summe: N-Düngung mit Sensor N-Sensor Packet (Yara Sensor) Zusatzausrüstung elektr. ansteuerbarer Streuer Summe: Datenmanagement/Kartenerstellung Büro PC Software Lohnkosten (10 Minuten/ha/Jahr) Summe: Investition ,50 /ha 5,40 /ha 6,75 /ha /Akh Kosten ( /ha/jahr) (400 ha) (2000 ha) 1,24 0,47 1,98 1,95 2,43 8,08 5,04 14,24 12,34 26,59 16,69 3,86 20,55 1,19 2,67 3,33 7,19 0,25 0,09 1,59 1,56 1,95 5,44 3,03 2,85 2,47 5,32 3,34 0,77 4,11 0,24 0,53 3,33 4,10

9 Aussagen verschiedener Studien zur Wirtschaftlichkeit von Precision Farming Autor Gerhards (Deutschland, 1997) Timmermann et al. (Deutschland, 2003) Jäger/Merkel (Deutschland, 2003) Østergaard (Dänemark, 1997) Ludovicy et al. (Deutschland, 2002) Welsh et al. (England, 2003) Lisso (Deutschland, 2003) Schmerler/Jürschik (Deutschland, 1997) Untersuchungsgegenstand teilflächenspezifischer Pflanzenschutz in Getreide teilflächenspezifischer Pflanzenschutz in Getreide teilflächenspez. Aussaat zu Weizen und Gerste teilflächenspez. N,P,K und Kalk-Düngung in Getreide teilflächenspez. N-Düngung in Weizen ("Sensor"-Ansatz) teilflächenspezifische N-Düngung in Weizen teilflächenspez. Aussaat/ Pflanzenschutz / Düngung in Weizen ("Mapping"-Ansatz) Kostenkalkulation für GPS- Einsatz (Technik + Arbeit) für 2000 ha-betrieb Ergebnis % weniger Herbizideinsatz /ha (50-70%) weniger Herbizideinsatz 13 % weniger Saatgutaufwand, 4 bzw. 2 dt/ha Mehrertrag $/ha Ertragsvorteile und Einsparpotenziale im Ø 1,7 dt/ha (2,2 %) höhere Erträge und 0,14 % mehr Protein keine signifikanten Unterschiede durch "Mapping"-Ansatz ca. 6 / 13 / 15 /ha weniger Kosten f. Aussaat/Pflanzenschutz/Düngung bei gleichz. ca. 13 /ha Mehrertrag Mehrkosten von /ha und Jahr (incl. Kosten f. Arbeit)

10 Welche Faktoreinsparungen und Mehrerträge erzielbar sind, kann nur auf den eigenen Schlägen herausgefunden werden!

11 Der Einstieg in Precision Farming ist um so eher lohnend, je heterogener die Flächen sind. Die Heterogenität von Flächen lässt sich auf vielerlei Art und Weise bestimmen, z.b.: eigene Erfahrungen Schlaginformationen Bodenkarten Ertragskarten scheinbare elektrische Leitfähigkeit Luftbilder

12 LVG Görzig (MLU-Halle) Versuchsschlag S550, 66 ha, Winterweizen (2004)

13 scheinbare elektrische Leitfähigkeit (2004) (EM 38 Messung)

14 Luftbild und scheinbare elektrische Leitfähigkeit (2004)

15 Luftbild (2004) und Ertragskarte (2003)

16 Häufigkeitsverteilung der Ertragsklassen 2004 (LVG Görzig, S550) ,14 Prozent ,91 8,71 8,31 1,31 1,62 0,00 0,00 0,00 0,00 30 >30-40 >40-50 >50-60 >60-70 >70-80 >80-90 > > >110 Ertragsklassen (dt/ha)

17 Häufigkeitsverteilung der Ertragsklassen 2003 (LVG Görzig, S550) Prozent ,14 27,70 25,59 13, ,48 5,89 2,88 1,56 1,40 0,72 30 >30-40 >40-50 >50-60 >60-70 >70-80 >80-90 > > >110 Ertragsklassen (dt/ha)

18 wirtschaftliche Effekte einer idealen Teilschlag-N-Düngung (geringe Heterogenität) Ertragsklasse Flächenant. in Ertragskl. 0,0 0,0 0,0 0,0 1,3 8,7 31,9 48,2 8,3 1,6 teilschlagspezifische Düngung PF- N- Düng. Menge Ertrag Ertrag / ha / Teilfl. / ha / Teilfl. 0 0,0 0 0,0 0 0,0 0 0,0 0 0,0 0 0,0 0 0,0 0 0, ,7 65 0, ,1 75 6, , , , , , , , ,8 Prozent Häufigkeitsverteilung der Ertragsklassen 2004 (LVG Görzig, S550) 0,00 0,00 0,00 0,00 Ertragsklassen (dt/ha) einheitliche Bewirtschaftung einheitl. Düng. / ha Ertrag / ha Ertrag / Teilfl. 181,7 0,0 0,0 181,7 0,0 0,0 181,7 0,0 0,0 181,7 0,0 0,0 181,7 65,0 0,8 181,7 75,0 6,5 181,7 85,0 27,1 181,7 90,8 43,8 181,7 90,8 7,5 181,7 90,8 1,5 1,31 31,91 48,14 8,71 8,31 30 >30-40 >40-50 >50-60 >60-70 >70-80 >80-90 > > >110 1,62 SUMME (bez. auf 1 ha) 181,7 Preis/Einheit ( ) 0,6 Kosten bzw. Leistung ( ) 109,0 N-kostenfreie Leistung ( ) Differnz einheitlich zu teilschlagspezifisch ( ) 90,8 12,0 1090,0 981,0 181,7 0,6 109,0 87,3 12,0 1047,1 938,1 42,9

19 wirtschaftliche Effekte einer idealen Teilschlag-N-Düngung (große Heterogenität) Ertragsklasse Flächenant. in Ertragskl. 1,6 5,5 15,1 27,7 25,6 13,6 5,9 2,9 1,4 0,7 PF- Düng. / ha teilschlagspezifische Düngung N- Menge / Teilfl. 0,8 3,9 13,6 30,5 33,3 20,4 10,0 5,5 2,9 1,6 Ertrag / ha Ertrag / Teilfl. 0,4 1,9 6,8 15,2 16,6 10,2 5,0 2,8 1,5 0,8 einheitl. Düng. / ha 122,5 122,5 122,5 122,5 122,5 122,5 122,5 122,5 122,5 122,5 Prozent ,56 Ertragsklassen (dt/ha) einheitliche Bewirtschaftung 5,48 Ertrag / ha 25,0 35,0 45,0 55,0 61,2 61,2 61,2 61,2 61,2 61,2 Häufigkeitsverteilung der Ertragsklassen 2003 (LVG Görzig, S550) 15,14 27,70 25,59 13,62 5,89 2,88 Ertrag / Teilfl. 0,4 1,9 6,8 15,2 15,7 8,3 3,6 1,8 0,9 0,4 1,40 0,72 30 >30-40 >40-50 >50-60 >60-70 >70-80 >80-90 > > >110 SUMME (bezogen auf 1 ha) 122,5 Preis/Einheit ( ) 0,6 Kosten bzw. Leistung 73,5 N-kostenfreie Leistung Differnz einheitlich zu teilschlagspezifisch ( ) 61,2 12,0 734,9 661,4 122,5 0,6 73,5 55,0 12,0 660,4 586,9 74,4

20 Welche Faktoreinsparungen und Mehrerträge erzielbar sind, kann nur auf den eigenen Schlägen herausgefunden werden! Stichwort: On Farm Research

21 ... was schiefgehen kann...

22 Versuchsziel: ökonomischer Vergleich verschiedener Düngevarianten (teilflächenspezifisch und nichtteilschlagspezifisch) Betrieb Sensor Mapping Sensor N_Steigerung Mapping Betrieb Sensor Mapping Betrieb LVG Görzig (MLU-Halle) Versuchsanlage (2004) S550; 65,7 ha, Winterweizen: Betrieb: Betriebsübliche Düngung, einheitlich Mapping: Düngung nach Ertragskarte Sensor: Düngung nach dem Yara-Sensor N_Steigerung: Stickstoff- Steigerungsversuch (als Datengrundlage für Neuronales Netz) N_Steigerung

23 Auswertung, Alternative 1: Einfacher Mittelwertvergleich der untersuchten Varianten über alle 10m x 10m Raster (2004) Betriebsüblich Sensor Mapping (N-Steigerung) N-gesamt [kg/ha] Ertrag [t/ha] NKL [ /ha] Ertrag 03 [t/ha] EM 38 [ms/m] NKL: stickstoffkostenfreie Leistung in /ha Winterweizenpreis: 12 /dt Stickstoffpreis: 0,60 /kg Ertrag 03: homogen gedüngt

24 Auswertung, Alternative 2: Datenaufbereitung streifenweise f. Varianzanalyse Betrieb Sensor Mapping Sensor N_Steigerung Mapping Betrieb Sensor Mapping Betrieb N_Steigerung Betriebsüblich Streifen 0 Streifen 6 Streifen 9 Ertrag 04 [t/ha] NKL [ /ha] EC (EC Ø: 36,2) Ertrag 03 [t/ha] Mapping Streifen 2 Streifen 5 Streifen 8 Ertrag 04 [t/ha] NKL [ /ha] EC (EC Ø: 34,4) Ertrag 03 [t/ha] Sensor Streifen 1 Streifen 3 Streifen 7 Ertrag 04 [t/ha] NKL [ /ha] EC (EC Ø: 32,7) Ertrag 03 [t/ha]

25 Auswertung, Alternative 3: Auswertung nach EC-Klassen EC Klassen Mittel über alle ohne Klassen EC Klassen (Alternative 1) Betriebsüblich NKL VK des Ertrags 10.7% 4.7% 4.9% 4.8% 7.0% / 7.2% Mapping NKL VK des Ertrags 8.7% 6.9% 5.9% 5.8% 5.7% / 6.9% Sensor NKL VK des Ertrags 8.9% 6.3% 6.2% 6.9% 6.1% / 7.7% NKL: stickstoffkostenfreie Leistung in /ha, Winterweizenpreis: 12 /dt; Stickstoffpreis: 0,60 /kg VK: Variationskoeffizient EC-Klasseneinteilung: equal count, höhere Klassenziffer entspricht höherer Leitfähigkeit

26 Alternative 3: Varianzanalyse Varianzanalyse Mittelwert 1 Betriebsüblich 1050 Sensor 1022 Signifikanz * Betriebsüblich 1050 Mapping ** Varianzanalyse: 1 : Mittelwert der stickstoffkostenfreien Leistung *: signifikant **: hoch signifikant n.s.: nicht signifikant

27 Alternative 4: Kovarianzanalyse Varianzanalyse Kovarianzanalyse (EC 25) Kovarianzanalyse (Ertrag 03) Mittelwert 1 Signifikanz Mittelwert 1 Signifikanz Mittelwert 1 Signifikanz Betriebsüblich * Sensor n.s n.s. Betriebsüblich ** * Mapping ** 1 : Mittelwert der stickstoffkostenfreien Leistung *: signifikant **: hoch signifikant n.s.: nicht signifikant

28 Data Audit Variante Betrieb (homogene N-Gabe) Raster 10X10 hier: Zusammenhang zwischen Ertrag 2004 und... Field Graph TypeCorrelation Min Max Mean Std. Dev Skewness Unique Valid 1 N1 range N_2 range N3 range REIP32 range REIP49 range EM38 range ZUGKRAFT range ERTRAG03 range ERTRAG04 range N_Ges range N_Freie_L range

29 Data Audit Variante N-Steigerung Raster 10X10 Field Graph TypeCorrelation Min Max Mean Std. DevSkewness Unique Valid 1 N_2 range N1 range N3 range REIP32 range REIP49 range EM38 range VARIANTE set ZUGKRAFT range ERTRAG03 range ERTRAG04 range N_Ges range N_Freie_L range

30 ... wie man es vielleicht besser machen kann...

31 Versuchsziel: ökonomischer Vergleich verschiedener Düngevarianten (teilflächenspezifisch und nichtteilschlagspezifisch) Länge ~ 1000 m Rest RestBetrieb Sensor Rest Rest Netz Injektor Sensor Netz Betrieb Rest Injektor Rest Breite (m): LVG Görzig (MLU-Halle) Versuchsanlage (2005) S350; 63,4 ha, Winterweizen: Betrieb: Betriebsübliche Düngung, einheitlich Injektor: Depotdünger über Injektorausbringung Sensor: Düngung nach dem Yara-Sensor Netz: Düngung nach Neuronalem Netz : Stickstoff- Steigerungsversuch (als Datengrundlage für Neuronales Netz)

32 Rest EM_38 Werte im 20m Raster Durchschnittlicher EC-Wert: Rest RestBetrieb Sensor Rest Injektor Sensor Betrieb Netz Rest Netz Injektor Rest (Mittelwert der Rasterflächen der einzelnen Varianten) Betrieb: 26,16 Injektor: 27,05 Sensor: 26,56 Netz: 26,

33 Rest Rest Injektor Betrieb Sensor Netz Injektor Rest Ertragswerte im 20m Raster Durchschnittlicher Ertrag in Getreideeinheiten aus 2003 u. 2004, in dt/ha, (Mittelwert der Rasterflächen der einzelnen Varianten) Betrieb: 84,53 Injektor: 84,20 Sensor: 84,60 Netz: 85,30 RestBetrieb Sensor Netz Rest Rest

34 Fazit Die Wirtschaftlichkeit von Precision Farming hängt von vielen Faktoren ab, insbesondere Heterogenität des Standortes Einsatzfläche für die Technologie Managementfähigkeiten des Bedienpersonals. Vieles deutet darauf hin, dass beim Einsatz von Precision Farming Technologien die Vorteile überwiegen. Generelle Aussagen sind nicht möglich, die Überprüfung der Wirtschaftlichkeit hat auf den eigenen Flächen zu erfolgen. Ein Einstieg in die Technologie über Dienstleister ist eher sinnvoll, Experimentierfreudigkeit des Landwirtes ist erforderlich. Vielen Dank für Ihre Aufmerksamkeit...

35

36

37

38

39

40

41 Beispiel: TF 01 Anwendung des Ertragsprognosemodelles zur Optimierung von N-Gaben Ertrag_96 Ertrag_98T_ForEM_ N_1 70 REIP_ N_ Ertrag N-Freie L.* N-Freie L. TF in *Preise: WW: 130 /t N: 0,65 /kg Optimale N-Gabe: 100 kg N/ha N-Gabe (in kg N/ha)

42 Entscheidungsbaum 1.N-Düngung + < 8.62 ERTRAG_98 >= ERTRAG_96 + ERTRAG_98 -- < 7.27 >= 7.27 < 9.03 >= EM_38 T_For T_For T_For < >= < >= < >= < >= Soll Menge in kg N/ha

43 Entscheidungsbaum 2.N-Düngung + < REIP_1 >= REIP_1 + REIP_1 -- < >= < >= REIP_1 T_For Ertrag_98 T_For < >= < >= < 7.65 >= 7.65 < >= Soll Menge in kg N/ha

44 ERTR98K < ERTR96K < EM38 < [ Mode: 50 ] => 50 EM38 >= [ Mode: 60 ] => 60 ERTR96K >= [ Mode: 40 ] T_For < [ Mode: 30 ] => 30 T_For >= [ Mode: 40 ] => 40 ERTR98K >= [ Mode: 30 ] ERTR98K < 9.03 [ Mode: 30 ] T_For < [ Mode: 30 ] => 30 T_For >= [ Mode: 50 ] => 50 ERTR98K >= 9.03 [ Mode: 20 ] (82) T_For < [ Mode: 20 ] => 20 T_For >= [ Mode: 30 ] => 30

45 Generierung von Entscheidungsregeln Analyse der Tupel (Faktorwerte / Optimale DNG) REI P 723,1;.. 730,5;..... EM-38 Hist. Ertr. Sensor ,79,50 80,77, (x1,x2,..,z1,z2,.. / DNG opt ); ( / );??... DNG opt Data-Mining- System (v.a. Entscheidungsbaum) Entscheidungsregel n: z.b.(fiktive Werte) WENN REIP > 728,9 UND ZUGKRAFT < 50 UND EM 38 > 23 DANN DNG opt = 190; Gefundene Regeln müssen von Pflanzenbauexperten analysiert werden Algorithmen aus extrahierten Regeln werden in Versuchen getestet

46 Beispiel zur Entwicklung von Entscheidungsregeln nh REIP (nm) Zugkraft (kn) EM-38 (ms/m) Hist. Ertr. (dt/ha) Sensor X NR X Düngung (kg N/ha) Ernte (dt/ha) TF ,1; ,79,50?? 60,70,60 53 TF ,5; ,77,65?? 80,40,90 71 TF ,3; ,51,60?? 90,60, Standortspezifische Fakoren (x1,x2,..) Nicht-Räumliche Faktoren (z1,z2,..) variabler Input- Faktor (DNG) Implizite standortspezifische Ertragsfunktion: Y x1,x2,..z1,z2,.. (DNG) Output (Y) Die standortspezifische Ertragsfunktion wird mit einem neuronalen Netz abgeschätzt w Datensätze zum Training des neuronalen Netzes werden über ein GIS aus der normalen Bewirtschaftung bzw. aus Versuchen gewonnen

47 Auswertung H : Streifenversuch Schafhof 2001/2002 Versuchsaufbau: Jeweils benachbarten Streifen mit halber Fahrgassenbreite wird eine der vier Dünge-Variationen zugelost (9 Wiederholungen à 4 Streifen): 20 x 7,5m N Precision Farming Homogen Variation 1 (betriebsüblich): Durchgängig mit 180 kg N Variation 2 (Vergleich zu V4): Durchgängig mit 192 kg N Variation 3: Ausbringung in Abhängigkeit von der Ertragszone: Niedrigertragszone: 160 kg N Mittelertragszone: 180 kg N Hochertragszone: 200 kg N Map Approach, Ø 180 kg N Variation 4: Ausbringung in Abhängigkeit von Ertragsdaten und Sensorwerten Sensor Approach with Map Overlay, Ø 192 kg N z.b. z.b. z.b. z.b. N H kg N/ha M N H

48 Auswertung Schafhof-Versuch 2002 Gesamt (n = 83): durchschn. Ertrag (dt TS) Standardabweichung (dt) durchschn. N-Freie Leistung (Euro) Variante 1: (Homogene Düngung mit 180 N) Variante 2: (Homogene Düngung mit 192 kg N) Variante 3: (Map Approach durchschn.180 N) Variante 4: (Sensor Approach with Map Overlay, 192 kg N) Einzelauswertung: Niedrigertrag (n = 14): Variante 1: (Homogene Düngung mit 180 N) Variante 2: (Homogene Düngung mit 192 kg N) Variante 3: (Map Approach) Variante 4: (Sensor Approach with Map Overlay) Mittelertrag (n = 51): Variante 1: (Homogene Düngung mit 180 N) Variante 2: (Homogene Düngung mit 192 kg N) Variante 3: (Map Approach) Variante 4: (Sensor Approach with Map Overlay) Hochertrag (n = 18) Variante 1: (Homogene Düngung mit 180 N) Variante 2: (Homogene Düngung mit 192 kg N) Variante 3: (Map Approach) Variante 4: (Sensor Approach with Map Overlay)

49 GIS-unterstützte Auswertungen zur Entwicklung von Entscheidungsregeln Auswertung H - hypothesengesteuert - Testen von Hypothesen bzw. Algorithmen in speziellen Versuchen vgl. Streifenversuch Schafhof 2002 Auswertung nh - nicht hypothesengesteuert - Ex-post Analyse von On-Farm-Research Daten Data Mining Teilflächenspezifisch Leistungs- und Kostenrechnung Expertenwissen Entscheidungsregeln zur Erprobung On Farm Research 03

50

51