Das zweite Quartal 2025 stand im Zeichen intensiver Entwicklungsarbeit. Die Kombination aus Softwareentwicklung und Versuchsdurchführung entfaltet zunehmend ihre Wirkung und macht deutlich, wie groß das Potenzial zielgerichteter, praxisorientierter und digital gestützter Planung, Datenaufbereitung und Auswertung für On-Farm-Experimente ist.
Zentraler Fokus in den vergangenen Monaten war die Erweiterung der digitalen Toolbox entlang der Prozesskette der On-Farm-Forschung. Das QGIS-Plugin zur Filterung und Attributierung von Punktdaten wurde entscheidend weiterentwickelt: Die neue Testversion erlaubt nicht nur eine differenzierte Filterung über die Standardabweichung und die automatische Zuweisung von Versuchsattributen basierend auf der räumlichen Lage, sondern ermöglicht auch die manuelle Anpassung und Ergänzung von Attributen direkt im Plugin.
Abbildung 1. Versuchsattribute können direkt an einen Punktdatensatz übergeben werden.
Ein besonderes Highlight ist die neu eingeführte automatische Dokumentation sämtlicher Verarbeitungsschritte. Ohne zusätzlichen Aufwand werden alle durchgeführten Arbeitsschritte – von der Filterung bis zur Attributzuweisung – strukturiert als maschinenlesbare Log-Datei gespeichert. Diese Neuerung stellt nicht nur ein wichtiges Instrument für Transparenz und Nachvollziehbarkeit dar, sondern bildet auch die Grundlage für eine künftige Standardisierung in der digitalen Versuchsauswertung.
Abbildung 2. Automatische Dokumentation des Zuschnitts und der Filterung von im Versuch erhobenen Messdaten.
Nachdem es nun möglich ist, die während der Versuche erhobenen Daten – wie Ertragsmessungen oder die scheinbare elektrische Leitfähigkeit des Bodens – aufzubereiten und vorzubereiten, gilt es, die unterschiedlichen Datenquellen für die Auswertung zusammenzuführen. Das dazu neu eingeführte QGIS-Plugin bedient sich des geostatistischen Verfahrens des Ordinary Kriging und ermöglicht nicht nur die Interpolation von Messwerten an vorgegebene Positionen, etwa die Interpolation der EM38-Messwerte auf die Position der Ertragsmesswerte, sondern auch die Interpolation in kontinuierliche Rasterkarten. Die zugrunde liegende Variogrammanalyse erfolgt dabei automatisch, lässt jedoch eine manuelle Justierung zu.
Abbildung 3. Zusammenführen der erhobenen Daten durch Interpolation.
In der aktuellen Testversion werden bereits alle bei der Rasterinterpolation verwendeten Parameter automatisch dokumentiert – bald auch für die Punktinterpolation. In Vorbereitung sind darüber hinaus neue Funktionen zur Verknüpfung mit Zoneninformationen und zur punktweisen Zuordnung von Störgrößen auf Basis räumlicher Nähe. Damit wächst das Plugin zunehmend zu einem zentralen Bindeglied zwischen den vorverarbeiteten Messdaten und der Versuchsauswertung.
Zur Vervollständigung der Prozesskette fehlt somit noch ein QGIS-Plugin zur statistischen Auswertung. Die Konzeption dafür wurde im zweiten Quartal vorangetrieben, und die programmiertechnische Umsetzung wird in Kürze beginnen – zunächst mit grundlegenden deskriptiven Verfahren und Visualisierungen wie Boxplots, später dann mit Methoden der schließenden Statistik zur Hypothesenprüfung. Ziel ist es, eine vollständig integrierte Analyseumgebung zu schaffen, die vom Rohdatensatz bis zur fundierten Auswertung reicht – ohne Systemwechsel.
Derweil beginnt bereits die Getreideernte und damit auch die finale Phase einiger unserer insgesamt sieben On-Farm-Experimente. Während Gerste bereits gedroschen wird, laufen anderenorts noch die Versuchsvorbereitungen. So wurde kürzlich auf dem Versuchsbetrieb Gut Rosenkrantz die Erntetechnik mit der benötigten Messtechnik ausgerüstet und die Versuchsparzellen eingemessen. Damit steht einer erfolgreichen Ernte nichts im Wege – und der Dinkel beginnt bereits, seine Farbe zu ändern.
Abbildung 4. Die Ernte ist vorbereitet und wir warten auf die Abreife des Dinkel.
Wir freuen uns auf die Auswertung der diesjährigen Versuche!
Sebastian Ramm, FuE-Zentrum FH Kiel GmbH
_______________________________________
Europäische Innovationspartnerschaft (EIP Agri)
Das Projekt „Chancen durch digitale Innovation in On Farm Research und Exaktversuchen“ wird durch die EU im Rahmen der Europäischen Innovationspartnerschaft (EIP Agri) und das Landesprogramm Ländlicher Raum des Landes Schleswig-Holstein (LPLR) gefördert. Ziel ist es, neue Problemlösungen anzuregen, die die Nachhaltigkeit und Effizienz in der Landwirtschaft steigern. Jedes Projekt wird durch eine Operationelle Gruppe (OG) gesteuert. Darin arbeiten Landwirte, Wissenschaftler, Berater, NGOs und Wirtschaftspartner gemeinsam. www.eip-agrar-sh.de