Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Soil monitoring for precision farming using hyperspectral remote sensing and soil sensors

Bodenüberwachung für Precision Farming durch hyperspektrale Fernerkundung und Bodensensoren
 
: Schreiner, Simon; Culibrk, Dubravko; Bandecchi, Michele; Gross, Wolfgang; Middelmann, Wolfgang

:

Automatisierungstechnik : AT 69 (2021), Nr.4, S.325-335
ISSN: 0178-2312
ISSN: 0340-434X
ISSN: 2196-677X
Englisch
Zeitschriftenaufsatz
Fraunhofer IOSB ()
hyperspectral remote sensing; soil monitoring; AI; 2D / 3D pedological maps; Hyperspektrale Fernerkundung; Bodenüberwachung; KI; 2D / 3D pedologische Karten

Abstract
This work describes an approach to calculate pedological parameter maps using hyperspectral remote sensing and soil sensors. These maps serve as information basis for automated and precise agricultural treatments by tractors and field robots. Soil samples are recorded by a handheld hyperspectral sensor and analyzed in the laboratory for pedological parameters. The transfer of the correlation between these two data sets to aerial hyperspectral images leads to 2D-parameter maps of the soil surface. Additionally, rod-like soil sensors provide local3D-information of pedological parameters under the soil surface. The goal is to combine the area-covering 2D parameter maps with the local 3D-information to extrapolate large-scale 3D-parameter maps using AI approaches.

 

Diese Arbeit beschreibt einen Ansatz zur Erstellung bodenkundlicher Parameterkarten mittels hyperspektraler Fernerkundung und Bodensensorik, als Informationsgrundlage für automatisierte und präzise landwirtschaftliche Anwendungen durch Traktoren und Feldroboter. Dazu werden Bodenproben hyperspektral untersucht und pedologische Parameter im Labor analysiert. Die Übertragung der Korrelation zwischen diesen beiden Datensätzen auf hyperspektrale Luftbilder erzeugt 2D-Parameterkarten der Bodenoberfäche. Zusätzlich werden stabähnliche Bodensensoren im Feld versenkt, die lokal 3D-Information über pedologische Parameter liefern. Ziel ist die Verknüpfung der fächendeckenden 2DParameterkarten mit lokaler 3D-Information durch KI, um flächendeckende 3D-Parameterkarten zu erstellen.

: http://publica.fraunhofer.de/dokumente/N-633737.html