Scientific assistance for sensor selection, AI modeling and remote monitoring in field trials for water usage optimization in grapevines

Die Optimierung des Wassermanagements im Weinbau ist von großer Bedeutung für die Nachhaltigkeit. Da es sich um eine endliche Ressource handelt, darf Frischwasser für die Bewässerung nur dann verwendet werden, wenn es unbedingt erforderlich ist, und zwar in der richtigen Menge. Gegenwärtig werden die Bewässerungsmengen in Weinbergen auf der Grundlage theoretischer Wasserverbrauchsschätzungen berechnet, die ausschließlich auf klimatischen Parametern beruhen (z. B. Berechnung von Bruchteilen der Referenzverdunstung). Sehr oft wird der tatsächliche Wasserzustand der Pflanzen vernachlässigt, vor allem weil es schwierig ist, zuverlässige Messungen in repräsentativer Weise für einen Weinberg durchzuführen. Daher ist es für die Optimierung des Wassermanagements in den Kulturen von zentraler Bedeutung, einen guten Ersatz für den Wasserzustand der Pflanzen zu finden. Ansätze der künstlichen Intelligenz könnten ein Instrument zur Verbesserung unserer Vorhersagefähigkeiten darstellen. Künstliche Intelligenz und maschinelles Lernen erfordern jedoch eine große Menge an Daten, um die Arbeitsalgorithmen zu kalibrieren. Ziel des Projekts ist es, mögliche Eingaben bezüglich des Wasserverbrauchs und des Wasserzustands von Weinreben auf digitale und kontinuierliche Weise mit geeigneten Standardvalidierungsmessungen bereitzustellen, die in einem Algorithmus für maschinelles Lernen verwendet werden können, mit dem letztendlichen Ziel, eine künstliche Intelligenz zu trainieren, die in der Lage ist, zu entscheiden, wann und wie viel Weinreben bewässert werden sollen, während die Wasserressourcen optimiert werden.