Befehle des Menübands überspringen
Zum Hauptinhalt wechseln
Suche
Breadcrumb Navigation

Künstliche Intelligenz für Digitale Landwirtschaft

Hauptinhalt der Seite

Pfeil links Zurück zu den Arbeitsgruppen des Programmbereichs

​Eine nachhaltige Weiterentwicklung der Landwirtschaft hat großes Potenzial, verschiedene globale Herausforderungen wie den Verlust der Artenvielfalt, die Nahrungs- und Wassersicherheit sowie den Klimawandel zu lindern. Wir glauben, dass Datenwissenschaft diesen Prozess vorantreiben kann. Die Arbeitsgruppe engagiert sich für die Entwicklung und Anwendung modernster datengesteuerter Techniken, wie interpretierbares maschinelles Lernen und Deep Learning, für eine breite Palette von Problemen in der Landwirtschaft. Wir erforschen das Potenzial von künstlicher Intelligenz zur Verbesserung des landwirtschaftlichen Managements, testen neuartige Hypothesen, die mit herkömmlichen statistischen Methoden nicht geprüft werden können, und suchen nach unerwarteten Mustern aus einzigartig kombinierten Datensätzen über Skalen und Sektoren hinweg. Wir möchten KI-gestützte, naturbasierte Lösungen für globale Nachhaltigkeitsherausforderungen anbieten.

 

 

 Publikationen AG

MyTitle: Ten deep learning techniques to address small data problems with remote sensing
MyLinkAnsehenUrl:
MyLinkPDFUrl: http://dx.doi.org/10.1016/j.jag.2023.103569, DOI-Namen auflösen
MyTitelMehrzeilig:
MyTextfeld:
MyAutoren: Safonova, A., Ghazaryan, G., Stiller, S., Main-Knorn, M., Nendel, C., Ryo, M. (2023)
MyMeldungsdatum:
MyLabels:
Struktureinheiten:Label: NewWindow:

Ten deep learning techniques to address small data problems with remote sensing

Safonova, A., Ghazaryan, G., Stiller, S., Main-Knorn, M., Nendel, C., Ryo, M. (2023)
MyTitle: Ecology with artificial intelligence and machine learning in Asia: a historical perspective and emerging trends
MyLinkAnsehenUrl: https://doi.org/10.1111/gcb.16677, DOI-Namen auflösen
MyLinkPDFUrl:
MyTitelMehrzeilig:
MyTextfeld:
MyAutoren: Ryo, M. (2024)
MyMeldungsdatum:
MyLabels:
Struktureinheiten:Label: NewWindow:

Ecology with artificial intelligence and machine learning in Asia: a historical perspective and emerging trends

Ryo, M. (2024)

 Projekte AG

MyTitle: KIKompAG - Multi-modale Datenintegration, domänenspezifische Methoden und KI zur Stärkung der Datenkompetenz in der Agrarforschung
MyLinkAnsehenUrl: https://www.zalf.de/de/forschung_lehre/projekte/Seiten/details.aspx?iddp=2329, Ansehen
MyLinkPDFUrl:
MyTitelMehrzeilig:
MyTextfeld: Start: 01.10.2022
MyAutoren:
MyMeldungsdatum:
MyLabels:
Struktureinheiten:Label: NewWindow:

KIKompAG - Multi-modale Datenintegration, domänenspezifische Methoden und KI zur Stärkung der Datenkompetenz in der Agrarforschung

Start: 01.10.2022
MyTitle: IPP 2022 CrossDiv - Co-designing smart, resilient, sustainable agricultural landscapes with cross-scale diversification
MyLinkAnsehenUrl: https://www.zalf.de/de/forschung_lehre/projekte/Seiten/details.aspx?iddp=2250, Ansehen
MyLinkPDFUrl:
MyTitelMehrzeilig:
MyTextfeld: Start: 01.01.2022
MyAutoren:
MyMeldungsdatum:
MyLabels:
Struktureinheiten:Label: NewWindow:

IPP 2022 CrossDiv - Co-designing smart, resilient, sustainable agricultural landscapes with cross-scale diversification

Start: 01.01.2022

 

  

Kontakt

 

Leitung der Arbeitsgruppe

Prof. Dr. Masahiro Ryo
T +49 (0)33432 82-206

 

Adresse

Leibniz-Zentrum für
Agrarlandschaftsforschung (ZALF) e. V.

Eberswalder Straße 84
15374 Müncheberg

Fusszeile der Seite
Wordpress
YouTube
Twitter
© Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF) e. V. Müncheberg

Gefördert von:

BMEL-Logo
MWFK Logo