Software I: Datenverarbeitungsmodell

Die zweite Datenerhebung umfasst die Weizensaison 2026 auf demselben Versuchsfeld mit 54 Parzellen in Adana, betrieben von der Universität Çukurova. Der Versuchsaufbau entspricht der ersten Saison: drei Stickstoffstufen (0, 10 und 20 g/m²) und drei Bewässerungsstufen (0 %, 50 % und 100 %), jede der neun Kombinationen auf sechs Parzellen, in zwei Aussaatblöcken (frühe Aussaat am 26. Dezember 2025, späte Aussaat am 9. März 2026).

Zwischen dem 24. Februar und dem 30. Juni 2026 wurde das Feld siebenmal mit einer Multispektraldrohne DJI Mavic 3M in 50 m Höhe beflogen. Die Bilder wurden zu NDVI-Karten verarbeitet und als zonale Statistiken je Parzelle geliefert, eine Tabelle pro Flug.

• Saison 2025: 5 Flüge (15. April – 16. Juni 2025), 270 Parzellenmessungen.
• Saison 2026: 7 Flüge (24. Februar – 30. Juni 2026), 324 Parzellenmessungen.
• Insgesamt: 594 Parzellenmessungen von 54 Parzellen über zwei Saisons.

Die beiden Saisons wurden als ein einheitlicher Datensatz aufbereitet, für Stickstoff und für Bewässerung wurde jeweils das beste Modell ausgewählt und das Ergebnis analysiert. Alle Schritte sind reproduzierbare Python-Notebooks; jede Zahl ist aus den Daten berechnet.

• Gleiche Messmethode für beide Saisons: Es wurden nur Statistiken verwendet, die in beiden Jahren vorliegen (Mittelwert, Maximum, Minimum, Standardabweichung und Spannweite des NDVI je Parzelle sowie die Tage nach der Aussaat).
• Prüfung der Beschriftung: Bei 10 Parzellen des späten Blocks widersprach die Beschriftungstabelle 2026 dem Parzellencode; verwendet wurde der Parzellencode, da er mit dem Versuchsaufbau 2025 und der Feldkarte übereinstimmt.
• Ungültige Messungen entfernt: Zwei Flüge 2026 fanden vor der Aussaat des späten Blocks statt; diese 54 Messungen zeigten daher kahlen Boden, keinen Weizen.
• Gleiche Nutzung wie im Feld: Das Modell sagt die Stufen einer Parzelle aus einem einzelnen Flug und den Tagen nach der Aussaat voraus, genau wie die Software es nutzt.
• Faire Tests: Alle Messungen einer Parzelle bleiben zusammen im Training oder im Test; 5 Parzellengruppen, dreimal wiederholt, ergeben 15 Testrunden. Zufälliges Raten erreicht 33 %.

Getestet wurden zwölf Klassifikationsmodelle aus allen gängigen Familien: Logistische Regression, Ridge, k-nächste Nachbarn, Naive Bayes, Support Vector Machine, Entscheidungsbaum, Random Forest, Extra Trees, AdaBoost, Gradient Boosting, XGBoost und CatBoost. Alle lagen in einem engen Bereich: 42–51 % für Stickstoff und 27–36 % für Bewässerung. Der Abstand zwischen bestem und schlechtestem Modell (etwa 9 Punkte) entspricht der normalen Schwankung zwischen den Testrunden (etwa ±6 Punkte); die Wahl des Algorithmus hat also wenig Einfluss.

Der erste Bericht nannte 65,5 % für Stickstoff und 49,1 % für Bewässerung, aus einer einzigen Testaufteilung. Wiederholt über 200 zufällige Aufteilungen ergab dasselbe Verfahren im Mittel 44 % für Stickstoff, und die unveränderten Modelle der ersten Phase erreichten auf den Daten 2026 47 % und 36 %. Die neuen Zahlen sind kein Rückschritt, sondern eine verlässlichere Messung derselben Grenze – und die liegt darin, was der NDVI in diesem Versuch zeigen kann.

Die halbe Dosis hob den NDVI deutlich (von 0,38 auf 0,56); die volle Dosis hob ihn nicht weiter (0,51). Ungedüngte Parzellen lassen sich unterscheiden (80 % in einem Zwei-Klassen-Test gegenüber 67 %, wenn man immer „gedüngt“ rät), halbe und volle Dosis dagegen nicht (49 %, ein Münzwurf). Die praktische Obergrenze für Stickstoff liegt daher bei etwa 67 %, und das gewählte Modell legt etwa die Hälfte des Weges vom Zufall bis zu dieser Grenze zurück.

Die drei Bewässerungsstufen haben nahezu denselben mittleren NDVI, und unbewässerte Parzellen waren sogar etwas grüner (0,51) als voll bewässerte (0,47). Jede Bewässerungsstufe nimmt einen durchgehenden Streifen des Feldes ein, sodass Bewässerungsstufe und Lage im Feld dieselbe Variable sind (Spearman ρ = 0,94; für Stickstoff ρ = 0,01): Kein Modell kann Wasser von Lage unterscheiden.

Flug für Flug geprüft, war die halbe Dosis in 18 von 22 Gruppen grüner als keine Düngung; der Stickstoffeffekt ist also beständig. Die volle Dosis war nur in 4 von 22 Gruppen grüner als die halbe, und voll bewässerte Parzellen waren nur in 5 von 22 grüner als unbewässerte.

Das tägliche Wetter am Feld (ERA5-Reanalyse, Open-Meteo-Archiv) wurde mit dem Wasserbedarf der Kultur verglichen (Referenzverdunstung, ET₀). Bewässerungstermine und -mengen lagen nicht vor; die Analyse stützt sich daher nur auf Wetterdaten.

• 2025: 507 mm Regen bei einem Bedarf von 580 mm; der Regen deckte etwa 87 % des Bedarfs.
• 2026: 878 mm Regen bei 620 mm Bedarf; der Regen überstieg den Bedarf um 257 mm, sodass selbst nie bewässerte Parzellen mehr Wasser erhielten als nötig.

8 der 12 Flüge folgten auf mehr als 25 mm Regen in den zwei Wochen davor (im Mittel 55 mm); die meisten Messungen entstanden also, als das ganze Feld kurz zuvor durchfeuchtet worden war, unabhängig von der Bewässerungsstufe.

• Stickstoff: Der Drohnen-NDVI enthält ein echtes, wiederholbares Stickstoffsignal. Das Modell erkennt ungedüngte Parzellen zuverlässig, kann aber halbe und volle Dosis nicht trennen. Seine 51 % liegen deutlich über dem Zufall (33 %) und etwa auf halbem Weg zur praktischen Obergrenze (etwa 67 %).
• Bewässerung: Die Daten enthalten kein brauchbares Bewässerungssignal. Die Bewässerungsstufen fallen mit der Lage im Feld zusammen, und in beiden Saisons deckte Regen den größten Teil des Wasserbedarfs. Das ist eine Grenze des Versuchsaufbaus und des Wetters, nicht des Modells.
• Mehr Daten derselben Art oder ein anderer Algorithmus helfen kaum: Alle 12 Modelle schneiden ähnlich ab, und die Vergrößerung des Trainingssatzes von 24 auf 43 Parzellen verbesserte die Stickstoffgenauigkeit nur um 2,7 Punkte.