Welche Rebsorte kann ich in den nächsten Jahrzehnten auf meinem Land anbauen?
Zunehmende Veränderungen der Umweltsituation stellen Verantwortliche in Land- und Forstwirtschaft vor neue Herausforderungen. Kompetente Entscheidungen zum Umgang mit den sich verändernden Umweltbedingungen können nur getroffen werden, wenn ausreichend Wissen über die Gegenwart und Zukunft von Naturressourcen und Naturrisiken in der betroffenen Region vorliegt. In der Praxis ist der Abruf dieses Wissens jedoch oft umständlich, unübersichtlich oder unverständlich. Das Projekt BigData@Geo 2.0, welches im Zeitraum von 2023 bis 2027 durch den Europäischen Fonds für Regionale Entwicklung (EFRE) gefördert wird, zielt auf eine maßgeblich erhöhte Resilienz von kleinen und mittleren Unternehmen (KMU) im nordbayerischen Agrarsektor durch einfach zugängliche, maßgeschneiderte und räumlich wie betrieblich detailliert aufgeschlüsselte Anpassungsmaßnahmen im regionalen Klimawandel ab.
Im Vorgängerprojekt BigData@Geo haben Mitarbeitende der Julius-Maximilians-Universität Würzburg von 2017 bis 2022 unter Anwendung von innovativen Verfahren der Modellierung und Künstlichen Intelligenz (KI) ein interaktives webbasiertes Nutzerportal entwickelt und leicht zugänglich bereitgestellt, welches für den Agrarsektor in der Region Unterfranken relevante Indikatoren zum Klimawandel verfügbar macht. Dazu gehört zum Einen ein interaktiver Klimaatlas Klimaatlas, welcher Projektionen aus Erdmodellen für die Region Unterfranken übersichtlich darstellt. Des Weiteren wurden ein regionaler Klimabericht und eine zugehörige intelligente Suchfunktion erarbeitet, mit der natürlichsprachlich formulierte Fragen bezüglich des Klimaberichts direkt beantwortet werden können. So wurde die Möglichkeit einer langfristigen und nachhaltigen Planung für die 15 kooperierenden KMU stark vereinfacht und die Zukunftsfähigkeit der regionalen Wirtschaft unterstützt (mehr zum Vorgängerprojekt hier)
Das Bayerische Staatsministerium für Wissenschaft und Kunst (StMWK) hat nun die Förderung eines weiteren Projekts - BigData@Geo 2.0 - über den EFRE bewilligt. In diesem Nachfolgeprojekt werde von 2023 bis 2027 die vorangegangenen Arbeiten verbessert und ausgebaut werden, sodass basierend auf den vorherigen Ergebnissen ein praxisnahes, nutzerfreundliches Unterstützungssystem für betriebliche Entscheidungen im Anpassungsprozess an den Klimawandel aufgebaut wird. Hierbei wird das Ziel verfolgt, sinnvolle und praxisrelevante Informationen für eine größere Anzahl an KMU sowie hinsichtlich weiterer Anbaukulturen bereitzustellen und neben Unterfranken auch die Regionen Ober- und Mittelfranken einzubeziehen.
Dafür werden wissenschaftlich und methodisch gut abgesicherte, neuartige Module entwickelt, die die sich verändernden Klimaindikatoren wie Hitzestress, Trockenstress, UV-Belastung, Spätfrost und Starkregenereignisse in betriebsrelevante Kennwerte wie Pflanzengesundheit, Stressfaktoren von Nutzpflanzen, Risikoexposition, Ernteerträge und Einkommen nutzerfreundlich übersetzen. Somit können betriebsrelevante Kennwerte wie Pflanzengesundheit, Ernteertrag und Einkommen über die zukünftigen Jahrzehnte abgeschätzt werden. Der wissenschaftlich-methodische Ansatz basiert auf einer völlig neuartigen KI-gestützten Kombination von Big Data-Anwendungen aus den Bereichen der hochaufgelösten Klimamodellierung und der drohnen- und satellitengestützten Erdbeobachtung, welche mit betrieblichen Daten der KMU, statistischen Datensätze der bayerischen Landesämter, sowie webbasierten Informationen insbesondere aus sozialen Netzwerken, vervollständigt werden.
Wie wahrscheinlich wird Spätfrost in den nächsten Jahrzehnten?
Arbeitsschema zum methodischen Ansatz von BigData@Geo 2.0 im Hinblick auf das Leitmotiv From Data to Action.
Hier finden Sie die neuesten drei Ankündigungen des Projekts. Eine Übersicht über alle Neuigkeiten gibt es hier.
Im Rahmen des EU-kofinanzierten Projekts BigData@Geo 2.0 wurde ein neues Sensorsystem für Drohnenbefliegungen erworben. Dabei handelt es sich um ein kompaktes radiometrisches VNIR-Hyperspektralsystem für die Fernerkundung, den Headwall Nano HP VNIR mit integriertem LiDAR (Light Detection and Ranging), der an einem Gremsy H16 V2 Gimbal für die Drohne DJI M600 montiert ist. Mit diesem System werden räumlich und spektral höchst aufgelöste Aufnahmen von Agrarflächen ermöglicht, bei gleichzeitiger Abbildung der digitalen Geländeoberfläche. In einem spannenden, intensiven Training beim deutschen Vertriebspartner des Headwall Nano HP VNIR, der geo-konzept GmbH, absolvierte das UAS-Team des Earth Observation Research Clusters an der Universität Würzburg die ersten Flüge und widmete sich der Verarbeitung der Hyperspektraldaten. Wir freuen uns auf die Anwendung des Sensorsystems, z.B. bei der Erkennung von Vegetationsstressoren in Wäldern und der Landwirtschaft, wie im Projekt BigData@Geo 2.0.
Nach dem Anlauf der zweiten Phase des von der europäischen Union kofinanzierten Projekts BigData@Geo 2.0 Mitte letzten Jahres, fanden sich am 19.01.24 nun erstmals die beteiligten Wissenschaftler, Vertreter der KMU (Kleine und Mittlere Unternehmen) aus den Bereichen Landwirtschaft, Forstwirtschaft und Weinbau, sowie Vertreter von landwirtschaftlichen Landesanstalten, Behörden und der Regierung von Unterfranken zu einem gemeinsamen Kick-Off Workshop an der Universität Würzburg ein.
BigData@Geo 2.0 ist das Nachfolgeprojekt zu BigData@Geo, welches im Zeitraum von 2023 bis 2027 durch den Europäischen Fonds für Regionale Entwicklung (EFRE) gefördert wird. Wir haben zum Projektauftakt Ende des Jahres 2023 die Homepage aktualisiert, sodass aktuelle Informationen zu Bigdata@Geo 2.0 auf dieser Website ab jetzt zur Verfügung stehen. Auf der Website sind nun sowohl die Projektbeschreibung von BigData@Geo 2.0 als auch die Vorhaben der beteiligten Lehrstühle an der Julius-Maximilians-Universität Würzburg verfügbar. Neuigkeiten zum Projekt und interessante Ergebnisse werden fortlaufend auf dieser Website veröffentlicht. Selbstverständlich bleiben die Resultate des Vorgängerprojekts BigData@Geo wie der Klimabericht und der Klimaatlas weiter zugänglich.
