Trend-NEWS

Der Agrarsektor verbraucht weltweit jährlich schätzungsweise 70 % des verfügbaren Süßwassers für die Bewässerung von gerade einmal 25 % der Ackerflächen.

In diesem Zusammenhang umfassen smarte Bewässerungssysteme, die auch als intelligente oder digitale Bewässerungssysteme bezeichnet werden, die Integration bzw. Kombination von Kommunikations-, Informations- und Steuerungstechnologien im Bewässerungsprozess. Dies soll eine optimale Nutzung der Wasserressourcen sicherstellen und die genaue Wassermenge zum richtigen Zeitpunkt, am gewünschten Ort und mit der richtigen Methode bereitstellen. Dabei werden parametergestützte Überwachungs- und Steuerungssensoren bzw. -aktoren eingesetzt, die insbesondere den Wasserbedarf der Pflanze einschätzen und vorhersagen sowie die Steuerung der Bewässerungssysteme entsprechend managen. Wichtige Parameter für die Einschätzung des Wasserbedarfs der Pflanzen sind z. B. Indikatoren wie die Bodenfeuchtigkeit, die Evapotranspiration und der Pflanzenwasserstressindex. Aus aktuellen Forschungsarbeiten lassen sich insbesondere drei Forschungsschwerpunkte identifizieren.

Der erste Schwerpunkt ist vor allem auf die aktuelle Entwicklung der Kommunikationstechnologien, insbesondere das Internet der Dinge (IoT) und drahtlose Sensornetzwerke (WSN), zurückzuführen. Hierbei werden viele eingebettete Geräte als Sensoren eingesetzt, um verschiedene Parameter (wie Temperatur, Luftfeuchtigkeit, Luftqualität und Bodenfeuchtigkeit) in Echtzeit zu messen und zu überwachen. Diese Geräte sind miteinander verbunden und können entweder direkt oder indirekt miteinander bzw. mit übergeordneten Systemen kommunizieren. Obwohl diese Technologien große Potenziale im Monitoring der Pflanzen bieten, bestehen auch einige Herausforderungen und Forschungslücken. Als Herausforderung gilt zum Beispiel, dass für ihren großflächigen Einsatz hohe Installationskosten anfallen, welche aufgrund der Notwendigkeit einer spezifischen Kalibrierung auf die jeweiligen Boden- und Klimabedingungen weiter gesteigert werden. Forschungslücken umfassen etwa den Bedarf an kostengünstigen Sensoren, standardisierten Protokollen und skalierbaren Lösungen, die Integration von erneuerbaren Energiequellen für die Stromversorgung oder den Datenschutz. Diese Bedarfe werden in jüngsten Forschungsarbeiten über die genaue Bestimmung des Standorts von Sensoren mithilfe von Optimierungsalgorithmen oder über die Entwicklung von kostengünstigen, in die Cloud, Edge und Fog eingebettete Systeme, adressiert.

Der zweite Schwerpunkt liegt in der Entwicklung bzw. Anwendung von Remote Sensing Technologien, welche Informationen über Pflanzen und Felder aus der Ferne erfassen. Dabei werden satelliten-, luft- oder drohnengestützte Systeme relevante Daten gewonnen, ohne dass eine direkte physische Interaktion mit dem landwirtschaftlichen Boden erforderlich ist. Sie bieten Vorteile wie die großflächige Überwachung durch Satellitenbilder, die in verschiedenen Regionen verfügbar und anwendbar sind. Herausforderungen und Forschungslücken bestehen in den mit dem Erwerb und der Verarbeitung von Fernerkundungsdaten verbundenen Kosten, in der Komplexität der Interpretation solcher Daten und deren begrenzte räumliche und zeitliche Auflösung, die das Erfassen kurzfristiger Schwankungen erschwert.

KI-Methoden, die den dritten Schwerpunkt bilden, basieren auf Machine- und Deep-Learning-Modellen und sorgen für einen Übergang von traditionellen, statischen Bewässerungssystemen hin zu dynamischen, datengesteuerten Systemen. In Forschungsarbeiten werden KI-Modelle insbesondere für prädiktive Analysen, für adaptive Systeme samt Echtzeitanpassungen und für individuelle Entscheidungsunterstützungen entwickelt. So können Landwirte Bewässerungspläne proaktiv planen, um sicherzustellen, dass sie z. B. in Trockenperioden ausreichend Wasser zur Verfügung haben. Gleichzeitig können KI-Algorithmen die Bewässerungsinfrastruktur auf Lecks und Ineffizienzen überwachen und somit Wasserverluste verhindern oder die Bewässerung so planen, dass Spitzenzeiten der Stromversorgung vermieden werden, wodurch die Energiekosten gesenkt werden. Herausforderungen bestehen insbesondere im hohen Datenbedarf, der Erfordernis hochwertiger Daten, und dem Risiko von Analysefehlern bei unzureichendem Training oder unzureichender Repräsentation der Trainingsdaten.

Insgesamt sieht die Forschung in der Integration bzw. kombinierten Anwendung aller drei Schwerpunkt-Technologien ein großes Potenzial zur Weiterentwicklung von smarten Bewässerungssystemen. So könnten beispielsweise IoT-Sensoren auf einer kleinen landwirtschaftlichen Fläche installiert werden und diese hochpräzisen Daten dann zum Training und der Kalibrierung von KI-Modellen verwendet werden. Die so erhaltenen Vorhersagen können anschließend durch die Integration von durch Remote Sensing gewonnenen Datenmengen auf größere Flächen ausgeweitet werden. Smarte Bewässerungssysteme sind damit auf einem guten Weg in die Umsetzung und werden sich aufgrund der genannten Herausforderungen als unerlässliche Technologie für die Zukunft erweisen.