Bewertung der Bodenqualität

Hintergrund

​

Mit dem stetigen Wachstum der Erdbevölkerung steht die Menschheit vor dem Problem eine sichere und nachhaltige Nahrungsmittelversorgung zu gewährleisten. Vor allem Entwicklungsländer sind oft von Hungersnöten betroffen und verfügen nicht über genügend bezahlbare und nahrhafte Lebensmittel, um alle Menschen in Not zu ernähren.

​

Derzeit leiden fast 10 % der Weltbevölkerung unter schwerer Ernährungsunsicherheit [1]. Aber diese Situation wird sich noch verschlimmern: Laut UNO wird die Erdbevölkerung bis zum Jahr 2050 voraussichtlich 9,7 Milliarden Menschen umfassen [2], was zu einer um 69 % höheren Nahrungsmittelnachfrage (gemessen in Kalorien) führen wird als 2006 [3]. Daher stehen wir derzeit vor einer äußerst dringenden und komplexen Herausforderung, nachhaltige und skalierbare Lebensmittelversorgungsketten zu schaffen, insbesondere in Entwicklungsländern.

​

Eine der wichtigsten Komponenten, um diese Herausforderung zu meistern, ist die Steigerung des Ernteertrags [4]. Dazu ist es unerlässlich, detaillierte Kenntnisse über die Eigenschaften des Bodens zu haben, der für die Landwirtschaft verwendet wird. Mit diesen Informationen ist es möglich, bessere Entscheidungen über die Düngung und die Wahl der zu pflanzenden Kulturen (Fruchtfolge) zu treffen. Darüber hinaus können diese Informationen verwendet werden, um den Einsatz von Pestiziden zu optimieren, was im Sinne besserer Umweltfreundlichkeit angewandt werden kann. Kenntnisse über die Eigenschaften des bestellten Bodens sind für LandwirtInnen jeder Größe und jedes Standorts wichtig, vor allem aber für Kleinbauern in Entwicklungsländern, deren Überleben unmittelbar von ihrem Ertrag und ihrem Boden abhängt.

​

Chemische Labortests, die in entwickelten Regionen zur Messung der Bodenqualität weit verbreitet sind, sind für LandwirtInnen in Entwicklungsländern aufgrund hoher Kosten und des Mangels an ExpertInnen häufig unzugänglich. So bleibt das Wissen über die Eigenschaften des genutzten Bodens für viele LandwirtInnen verborgen. MI4Peole will mittels Machine Intelligence (MI) zur Lösung dieser Herausforderung beitragen.

​

Vision

​

Erstellung eines kostenlosen MI-Systems, das die wichtigsten Qualitätsindikatoren für den Boden vorhersagen kann, ohne dabei teure chemische Labortests durchzuführen und direkt von LandwirtInnen jeden Bildungsniveaus verwendet werden kann. Das System sollte in der Lage sein, diese Vorhersagen auf der Grundlage verschiedener Dateneingabequellen wie Satellitenbilder, Infrarot-Spektralmessungen, etc., zu treffen und seine Vorhersagengenauigkeit jedes Mal zu verbessern, wenn seine Vorhersagen mit chemischen Testdaten kreuz-validiert werden.

​

​

Erwartete Auswirkungen

​

Dieses System wird es den LandwirtInnen in den Entwicklungsländern ermöglichen, ihren Boden besser zu verstehen, bessere Entscheidungen darüber zu treffen welche Kulturen gepflanzt werden sollen und den Boden besser vor Schädlingen und Degradation zu schützen. Sie wird zu besseren Ernteerträgen, umweltfreundlicherer Landwirtschaft und als Folge zu stabileren Nahrungsversorgungsketten, weniger Hungersnot und Unterernährung führen.

​

​

Projektphasen

​

• Phase 1: Forschung und Proof-of-Concept
  Diese Phase ist der Erforschung gewidmet, wie verschiedene Dateneingabequellen verwendet werden können, um die Bodenqualität mittels MI vorherzusagen. Es dient als Machbarkeitsnachweis für das geplante Bodenqualitätsbewertungssystem und liefert die wissenschaftliche Grundlage für das gesamte Projekt.

• Phase 2: Entwicklung des Systems
  Diese Phase konzentriert sich auf die Entwicklung eines funktionierenden Prototyps des Bodenqualitätsbewertungssystems.

• Phase 3: Feldstudie
  Anhand der Ergebnisse der Phase 2 wird eine Feldstudie durchgeführt, die die tatsächlichen Auswirkungen des MI-basierten Systems zur Bewertung der Bodenqualität auf den Ernteertrag der LandwirtInnen in Entwicklungsländern misst.

• Phase 4: Übergabe an die Allgemeinheit
  Wenn Phase 3 positive und wirkungsvolle Ergebnisse zeigt, wird MI4People den relevanten Softwarecode, MI-Modelle/Tools und jedes andere geistige Eigentum, das während des Projekts erstellt wurde, öffentlich zugänglich machen und eine Community von EnthusiastInnen schaffen, die das System als Open-Source-Projekt warten und weiterentwickeln werden.

​

​

Aktueller Status

​

Phase 1 läuft.

​

​

Möglichkeiten zur Mitwirkung

 

Wir suchen derzeit Data Engineers, Data Scientists und Agricultural Experts, die bereit wären, als Freiwillige an dem Projekt mitzuwirken.
 

Wir wären auch sehr dankbar für jede finanzielle Unterstützung oder Sachspenden zur Unterstützung dieser Initiative.