21.04.2021
Special Issue zum Thema "Maschinelles Lernen in der digitalen Landwirtschaft" - offen für Manuskript-Einreichungen
Die Zeitschrift "Agronomy" (ISSN 2073-4395, IF 2.603) startet derzeit ein Special Issue zu "Machine Learning in Digital Agriculture". Clustermitglied Prof. Dr. Thomas Scholten ist zusammen mit Dr. Karsten Schmidt und Dr. Ruhollah Taghizadeh-Mehrjardi Gastherausgeber für diese Ausgabe.
Die Landwirtschaft spielt eine wichtige Rolle für die Bewahrung aller menschlichen Aktivitäten. Der rasante Anstieg der Weltbevölkerung wird die Herausforderungen in den Bereichen Ernährung, Wasser und Energie weiter verschärfen. Die digitale Landwirtschaft - mit Precision Farming, Datenanalytik, maschinellem Lernen und künstlicher Intelligenz - hat das Potenzial, die Herausforderungen einer nachhaltigen landwirtschaftlichen Nutzung zu bewältigen. Maschinelles Lernen - das wissenschaftliche Gebiet, das Maschinen die Fähigkeit verleiht, zu lernen, ohne ausdrücklich programmiert zu sein - hat das Potenzial, die Landwirtschaft effizienter und effektiver zu machen. Die zunehmende Menge an anspruchsvollen Daten (z. B. Fernerkundung und Naherkundung) macht es möglich, die Lücke zwischen Daten und Entscheidungen innerhalb der landwirtschaftlichen Planung zu schließen. Die bedarfsgerechte repräsentative Probennahme und Modellierung nützlicher Bodeninformationen in einer noch nie dagewesenen Auflösung führt zu einer Verbesserung der Entscheidungsprozesse, z. B. bei Kalkung, Bewässerung, Düngung, höherer Produktivität, geringerer Lebensmittel-verschwendung und Biokraftstoffproduktion. Darüber hinaus sind nachhaltige Landbewirtschaftungspraktiken nur so gut wie die Daten, aus denen sie bestehen, und sie helfen, negative Folgen wie Bodenerosion, Bodenverdichtung sowie den Verlust von organischem Kohlenstoff und Biodiversität zu minimieren. In den letzten Jahren wurden verschiedene Techniken des maschinellen Lernens, verschiedene geophysikalische Sensorplattformen sowie neu verfügbare Satelliten-daten in der Präzisionslandwirtschaft getestet und angewendet.
Diese Ausgabe zu Maschinellem Lernen in der digitalen Landwirtschaft bietet eine internationale Dokumentation von Fortschritten in der Entwicklung und Anwendung von maschinellem Lernen zur Lösung von Problemen in landwirtschaft-lichen Disziplinen wie Boden- und Wassermanagement. Neue Methoden, neue Anwendungen, vergleichende Analysen von Modellen, Fallstudien und State-of-the-Art-Review-Artikel zu Themen, die sich mit Fortschritten beim Einsatz von maschinellem Lernen in der Landwirtschaft befassen, sind besonders willkommen.
Weitere Informationen unter:
https://www.mdpi.com/journal/agronomy/special_issues/Machine-Digital