Wheat Advisor – Standortangepasste Sortenwahl für Winterweizen

• Research unit: FOAG
• Project number: 19.03

Key words (German)

Sortenwahl, Winterweizen, Modellierung gemischter Effekte, digitale Landwirtschaft, maschinelles Lernen

Key words (English)

Variety selection, winter wheat, modelling of mixed effects, digital agriculture, machine learning

Key words (French)

Sélection variétale, blé d'hiver, modélisation des effets mixtes, agriculture numérique, apprentissage machine

Key words (Italian)

Selezione varietale, frumento invernale, modellazione a effetti misti, agricoltura digitale, machine learning

Short description (German)

Die schweizerische Getreidebranche unternimmt seit längerem gemeinsame Anstrengungen zur Verbesserung der Brotweizenqualität. Im Rahmen ihrer Qualitätsstrategiewurde bspw. die Proteinbezahlung für TOP-Weizen eingeführt und weiterentwickelt. Die standortgerechte Weizenproduktion soll vor den bestehenden Anforderungen z.B. betreffend Nachhaltigkeit oder Ressourceneffizienz weiter gefördert werden. Dazu wurde von der Branche dieses Forschungsprojekt initiiert. Die bestehenden Lücken möchte swiss granum zusammen mit den Forschungsinstituten IDIAP (Kernkompetenz künstliche Intelligenz / maschinelles Lernen) und Agroscope schliessen. Mit dem Forschungsprojekt wird eine Methodik entwickelt und getestet, mit welcher die Sortenempfehlung weiterentwickelt wird. Konkret wird mittels datenbasierter Modellierung anhand validierter Versuchsergebnisse die bestehende Charakterisierung der TOP-Weizensorten verbessert. Dadurch werden ein standortgerechter Anbau sowie eine optimierte Düngung durch parzellenspezifische Sortenwahl und N-Düngung gefördert. Mit Hilfe von künstlicher Intelligenz (machine learning) werden Vorhersagen und damit weitere Verbesserungen ermöglicht. Mit der richtigen Sorte am richtigen Standort und der mengenmässig richtigen Düngung resultiert ein optimierter Ertrag für die Landwirte und eine bedarfsgerechte Qualität für die Abnehmer. Von der Verbesserung der Weizenqualität und erhöhten Ressourceneffizienz profitieren neben den Produzenten die ganze Wertschöpfungskette und die Umwelt.

Project aims (German)

Mit dem Gesamtprojekt werden folgende Ziele verfolgt:

Charakterisierung der Qualitätsparameter von ausgewählten TOP-Weizensorten für eine sortenspezifische N-Düngung (TP I)

Modellierung der Qualitätsparameter von ausgewählten TOP-Weizensorten für eine sortenspezifische, feldangepasste N-Düngung basierend auf Fernerkundung und Feldversuchen (TP I)

Verifikation der GeoSys Satellitenbilder mittels Fernerkundung und Modellierung (TP I)

Unter Einsatz von künstlicher Intelligenz (machine learning) und Überprüfung durch Feldversuche (TP II) : 

- Entwicklung von Prädiktionsverfahren und Distanz-/Kernmethoden für den modellierten Ertrag und die Qualitätsparameter / die N-Düngung. Dies ermöglicht eine N-Düngung für neue Sorten, die in Zukunft auf den Markt kommen werden, mit geringem Aufwand bereits bei deren Markteinführung zu empfehlen.

- Modellierung der Qualitätsparameter inkl. Bestandesführung von TOP-Weizensorten (Kultur- und Sortenebene). Da der Stickstoffbedarf je nach Sorte anders sein kann, ist es wichtig eine robuste und zuverlässige Methode zu entwickeln, welche den Bedürfnissen von diversen Sorten Rechnung trägt.

- Entwicklung von „Wheat Advisor“ zur Weiterverwendung der Ergebnisse in der Praxis (z.B. für eine optimierte N-Weizendüngung)