Stationäre und mobile Nachladestrategien für landwirtschaftliche Drohnen: Eine Simulationsstudie zu unterschiedlichen Feldgrößen und -geometrien am Beispiel der Ausbringung von Düngemitteln

Autor/innen

  • Nikolas Bublik
  • Peter Breunig

DOI:

https://doi.org/10.15150/ae.2026.3368

Schlagworte:

landwirtschaftliche Drohnen, Düngemittelausbringung, Nachladelogistik, mobile Trägersysteme, Optimierung der Einsatzzeit, Flächenleistung

Abstract

Häufiges Nachfüllen von Düngemitteln und der Austausch von Batterien unterbrechen den Betrieb landwirtschaftlicher Drohnen und können die effektive Flächenleistung erheblich verringern. Diese Studie quantifiziert, wie sich stationäre und mobile Nachladekonfigurationen auf die betriebliche Leistungsfähigkeit auswirken, wobei die Ausbringung von Düngemitteln als Fallbeispiel dient. Ein Simulationsmodell kombiniert die Planung der Flächenabdeckung, die Auswahl von Nachladepunkten, die Bewegung eines Begleitfahrzeugs sowie die Optimierung der Missionszeit.

Acht landwirtschaftliche Drohnen-Modelle von DJI, von der MG-1 bis zur Agras T100, wurden für standardisierte Feldgrößen zwischen 5 und 150 ha sowie für jeweils drei quadratische beziehungsweise rechteckige Feldgeometrien untersucht. Verglichen wurden sechs Nachladekonfigurationen: zwei stationäre Positionen sowie vier mobile Fahrstrategien des Begleitfahrzeugs mit Zugang zu einer bis vier Feldgrenzen.

Die Ergebnisse zeigen, dass die mobile Unterstützung durch ein Begleitfahrzeug die unproduktiven Rückflugstrecken durchgängig reduziert und die Flächenleistung gegenüber stationären Nachladepunkten erhöht. Die größten Zugewinne treten im Allgemeinen dann auf, wenn der mobile Zugang erstmals die längste Feldgrenze einschließt. Weitere Verbesserungen fallen tendenziell geringer aus, sobald die wichtigsten Feldgrenzen bereits zugänglich sind. Neuere Drohnengenerationen erreichen eine höhere Flächenleistung; die absoluten Werte sind jedoch von den standardisierten Modellannahmen abhängig.

Literaturhinweise

Daponte, P.; De Vito, L.; Glielmo, L.; Iannelli, L.; Liuzza, D.; Picariello, F.; Silano, G. (2019): A review on the use of drones for precision agriculture. IOP Conference Series: Earth and Environmental Science 275(1), 012022, https://doi.org/10.1088/1755-1315/275/1/012022

Gallagher, K.; Sambridge, M. (1994): Genetic algorithms: A powerful tool for large-scale nonlinear optimization problems. Computers & Geosciences 20(7–8), pp. 1229–1236, https://doi.org/10.1016/0098-3004(94)90072-8

Hafeez, A.; Husain, M. A.; Singh, S. P.; Chauhan, A.; Khan, M. T.; Kumar, N.; Chauhan, A.; Soni, S. K. (2023): Im-plementation of drone technology for farm monitoring & pesticide spraying: A review. Information Processing in Agriculture 10(2), pp. 192–203, https://doi.org/10.1016/j.inpa.2022.02.002

Holland, J. H. (1973): Genetic Algorithms and the Optimal Allocation of Trials. SIAM Journal on Computing 2(2), pp. 88–105, https://doi.org/10.1137/0202009

Mirjalili, S. (2019): Genetic Algorithm. In: Mirjalili, S. (ed.), Evolutionary Algorithms and Neural Networks: Theory and Applications. Studies in Computational Intelligence 780, pp. 43–55, https://doi.org/10.1007/978-3-319-93025-1_4

Nazarov, D.; Nazarov, A.; Kulikova, E. (2023): Drones in agriculture: Analysis of different countries. BIO Web of Conferences 67, 02029, https://doi.org/10.1051/bioconf/20236702029

Patil, A. S.; Mailapalli, D. R.; Singh, P. K. (2024): Drone Technology Reshaping Agriculture: A Meta-Review and Bibliometric Analysis on Fertilizer and Pesticide Deployment. Journal of Biosystems Engineering 49(4), pp. 382–398, https://doi.org/10.1007/s42853-024-00240-1

Puri, V.; Nayyar, A.; Raja, L. (2017): Agriculture drones: A modern breakthrough in precision agriculture. Journal of Statistics and Management Systems 20(4), pp. 507–518, https://doi.org/10.1080/09720510.2017.1395171

Rejeb, A.; Abdollahi, A.; Rejeb, K.; Treiblmaier, H. (2022): Drones in agriculture: A review and bibliometric analy-sis. Computers and Electronics in Agriculture 198, 107017, https://doi.org/10.1016/j.compag.2022.107017

Rejeb, A.; Rejeb, K.; Simske, S. J.; Treiblmaier, H. (2023): Drones for supply chain management and logistics: a review and research agenda. International Journal of Logistics Research and Applications 26(6), pp. 708–731, https://doi.org/10.1080/13675567.2021.1981273

Shi, Y.; Hu, Z.; Wang, X.; Odhiambo, M. O.; Sun, G. (2018): Fertilization strategy and application model using a centrifugal variable-rate fertilizer spreader. International Journal of Agricultural and Biological Engineering 11(6), pp. 41–48, https://doi.org/10.25165/j.ijabe.20181106.3789

Toscano, F.; Fiorentino, C.; Capece, N.; Erra, U.; Travascia, D.; Scopa, A.; Drosos, M.; D’Antonio, P. (2024): Un-manned Aerial Vehicle for Precision Agriculture: A Review. IEEE Access 12, pp. 69188–69205, https://doi.org/10.1109/ACCESS.2024.3401018

Wang, X.; Jiang, R.; Zhou, Z.; Song, C.; Luo, X.; Bao, R.; Lyu, Z.; Huang, J.; Lin, J. (2023): Discharge rate consisten-cy of each channel for UAV-based pneumatic granular fertilizer spreader. International Journal of Agricultural and Biological Engineering 16(4), pp. 20–28, https://doi.org/10.25165/j.ijabe.20231604.7129

Xu, Y.; Xue, X.; Sun, Z.; Gu, W.; Cui, L.; Jin, Y.; Lan, Y. (2022): Joint path planning and scheduling for vehicle-assisted multiple Unmanned Aerial Systems plant protection operation. Computers and Electronics in Agricul-ture 200, 107221, https://doi.org/10.1016/j.compag.2022.107221

Wang, X.; Zhou, Z.; Chen, B.; Zhong, J.; Fan, X.; Hewitt, A. (2024): Distribution uniformity improvement methods of a large discharge rate disc spreader for UAV fertilizer application. Computers and Electronics in Agriculture 220, 108928, https://doi.org/10.1016/j.compag.2024.108928

Zhou, H.; Yao, W.; Su, D.; Guo, S.; Zheng, Z.; Yu, Z.; Gao, D.; Li, H.; Chen, C. (2024): Application of a centrifugal disc fertilizer spreading system for UAVs in rice fields. Heliyon 10(8), ,e29837, https://doi.org/10.1016/j.heliyon.2024.e29837

Downloads

Veröffentlicht

05.10.2026

Zitationsvorschlag

Bublik, N., & Breunig, P. (2026). Stationäre und mobile Nachladestrategien für landwirtschaftliche Drohnen: Eine Simulationsstudie zu unterschiedlichen Feldgrößen und -geometrien am Beispiel der Ausbringung von Düngemitteln. Agricultural engineering.Eu, 81(4). https://doi.org/10.15150/ae.2026.3368

Ausgabe

Rubrik

Fachartikel