Forscher stellen KI-Tool vor, das Olivenbauern bei der Vorhersage des Erntezeitpunkts helfen soll

Mithilfe von maschinellem Lernen und der Analyse einer Vielzahl von Datenpunkten aus Modellbetrieben gelang es den Forschern, den Zeitpunkt der Olivenernte mit einer Genauigkeit von 90 Prozent vorherzusagen.

Nach mehr als dreijähriger Entwicklungsarbeit wurden die Ergebnisse der Arbeitsgruppe „Predic 1“ im vergangenen Monat auf einer Konferenz in Mengíbar (Jaén) vorgestellt.

Die Gruppe hatte die Aufgabe, eine Plattform zu entwickeln, die in der Lage ist, Olivenernten eine ganze Saison im Voraus vorherzusagen – ein Ziel, das sie nach eigenen Angaben mit einer Genauigkeit von bis zu 90 Prozent erreicht hat.

Die Arbeit wurde von einem Konsortium durchgeführt, das sich aus der Universität Jaén, Cetemet, Citoliva, den Cooperativas Agro-alimentarias de Andalucía, einer Bauernvereinigung, und Nutesca zusammensetzte, wobei traditionelle Picual-Olivenhaine in Jaén, Córdoba und Granada als Testfälle dienten.

Siehe auch: Forscher in Andalusien entwickeln KI-Tool zur Verbesserung der Bewässerungseffizienz

Laut María Isabel Ramos, Professorin am Institut für Kartografie, Geodäsie und Photogrammetrie der Universität Jaén und korrespondierende Autorin einer Studie aus dem Jahr 2022 über diese Technologie, sind prädiktive Systeme für die Zukunft des Olivensektors von entscheidender Bedeutung.

„Auf wissenschaftlicher Ebene ist die Ernteprognose eines der komplexesten Probleme in der Präzisionslandwirtschaft“, sagte sie. „Es gibt mehrere Studien, die diese Vorhersagen auf der Grundlage des engen Zusammenhangs zwischen Pollenausstoß und Fruchtbildung treffen, andere basieren auf aerobiologischen, phänologischer und meteorologischer Variablen, die alle ab Juli eine effiziente und akzeptable Genauigkeit aufweisen.“

„Wir beabsichtigen, diese Vorhersage weiterzuentwickeln und in der Lage zu sein, optimale Vorhersagen im Zeitraum vor der Blüte zu treffen … lange bevor der Landwirt seine strategische Planung und wirtschaftlichen Investitionen in den Betrieb vornimmt“, fügte Ramos hinzu.

Die Gruppe nutzte Data-Mining-Methoden, die zuvor in Projekten zur prädiktiven Gesundheitsversorgung eingesetzt wurden, um Regressionsmodelle aus meteorologischen Daten und historischen Erntedaten aus dem gesamten ursprünglichen Zielgebiet zu erstellen.

Diese wurden mit aktuellen Daten von Drohnen kombiniert, die mit thermografischen Sensoren und Multispektralkameras ausgestattet waren, sowie mit Satellitenbildern, phänologischen Bewertungen, Blatt- und Bodenanalysen und Daten, die auf Modellbetrieben erhoben wurden.

Das Modell nutzt maschinelles Lernen, den am besten etablierten Bereich der künstlichen Intelligenz, der sich in der Landwirtschaft bereits bewährt hat, um Ernteerträge so genau wie möglich vorherzusagen.

Durch die Verwendung eines Support-Vector-Machine-Algorithmus wurde es möglich, mehrere Kernel zu nutzen, nämlich den linearen und den Gaußschen Kernel. Dadurch kann sich der Algorithmus leichter an die Beschaffenheit der Daten anpassen, was die Durchführung unendlicher Transformationen ermöglicht.

Die Plattform wird als webbasierte Anwendung ähnlich wie SIGPAC, das Geoinformationssystem der spanischen Regierung für landwirtschaftliche Parzellen, frei verfügbar sein.

Siehe auch: Forscher entwickeln Algorithmus zur Vorhersage des Erntepotenzials anhand von Klimadaten

Benutzer können eine interaktive grafische Darstellung der angeforderten Informationen anzeigen und die Daten exportieren.

Francisco Ramón Feito Higueruela, Lehrstuhlinhaber für Computergrafik und Geomatik an der Universität Jaén und technischer Koordinator des Projekts, erklärte, dass sich mit steigender Nutzerzahl und der Rückmeldung zukünftiger Ernteergebnisse in das System sich die Genauigkeit der Vorhersagen verbessern wird. Es werden effizientere, auf jedes Gebiet zugeschnittene Modelle möglich sein.

José Menar Pacheco von den Cooperativas Agro-alimentarias de Andalucía hob die Bedeutung der Rolle seiner Organisation bei der Verbreitung der Projektergebnisse und des Wissens an die Interessengruppen hervor.

Er hofft, eine breite Bekanntheit und Akzeptanz der Projektergebnisse zu gewährleisten, um die Betriebsführung und die Ressourcenoptimierung seiner Mitglieder zu verbessern. Diese Mitglieder erwirtschaften einen Jahresumsatz von mehr als 11 Millionen Euro und machen über 70 Prozent der gesamten Olivenölproduktion Andalusiens aus.

Das Projekt wird durch die europäischen Agrarfonds für die Entwicklung des ländlichen Raums und die andalusische Regionalregierung im Rahmen der Ausschreibung für regionale operative Gruppen der Europäischen Innovationspartnerschaft für landwirtschaftliche Produktivität und Nachhaltigkeit im Olivenanbau finanziert.

„Im Rahmen der Gemeinsamen Agrarpolitik wird eine Reihe neuer Reformen umgesetzt, darunter der Kampf gegen den Klimawandel mit diesen Umweltzielen, sowie die Schaffung eines nachhaltigen und wettbewerbsfähigen Agrarsektors durch die Unterstützung der Landwirte, und all dies mit einem starken Engagement für die Digitalisierung des Olivensektors, um diese Ziele zu erreichen“, sagte Ramos.

Sie fügte hinzu: „Die Erreichung dieser Ziele hängt von der richtigen Entscheidungsfindung jedes einzelnen Akteurs in diesem Sektor ab. Daher sind Vorhersagesysteme ein entscheidendes Instrument für das Management und die Entscheidungsfindung.“