Hyperspektrale Betrachtung erdiger Verunreinigung von Grünfutter
Abstract
Für Tierwohl und wirtschaftlichen Erfolg ist das Ernten von qualitativ hochwertigem Futter für Landwirte von entscheidender Bedeutung. Dabei ist der Rohaschegehalt im Futter ein wichtiger Qualitätsparameter, welcher als Indikator für erdige Verunreinigung dient. Dieser Parameter wird in der Praxis häufig durch Nahinfrarot-Spektrometer (NIR-S) gemessen, welche aber insbesondere bei Grünfutter eine unzureichende Prädiktionsqualität aufweisen. In dieser Forschungsarbeit wurde deshalb untersucht, inwieweit sich kurzwelligeres Licht, verglichen zu den häufig verwendeten NIR-S, von 400 nm bis 1000 nm, zur Quantifizierung erdiger Verunreinigung eignet. Mittels Hyperspektralkamera wurden Frischgrasproben analysiert, welche mit unterschiedlichen Bodenarten iterativ verunreinigt wurden. Es konnte gezeigt werden, dass die Spektren sich abhängig von der Bodenart stark unterschieden und sich nur im Bereich der Chlorophyllbande ähnelten. Der Anteil an erdiger Verunreinigung wurde mit der Methode des kleinsten Fehlerquadrats prädiziert. Die Untersuchungen ergaben, dass die Prädiktionsqualität stark Bodenart-abhängig ist. Für Braunerde konnte ein R2 von 0,63 und für die anderen verwendeten Kontaminanten R2 > 0,85 ermittelt werden.
Fields of Study & Subjects
Spectroscopy and Chemometric Analyses
Smart Agriculture and AI
Remote Sensing in Agriculture
Publication details
- Journal / source
- Gesellschaft für Informatik (GI)
- Publication date
- 1 January 2026
- Language
- DE