Präsentation
Filtern
Dokumenttyp
- Posterpräsentation (6)
- Vortrag (5)
Sprache
- Deutsch (11) (entfernen)
Referierte Publikation
- nein (11)
Schlagworte
- Nährstoffe (11) (entfernen)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (5)
Im Verbundprojekt R-Rhenania wird eine industrielle Demonstrationsanlage am Standort der Monoverbrennungsanlage Altenstadt der Firma Emter errichtet und im Jahr 2024 den Betrieb aufnehmen. Die vorhandene Rostfeuerung-Monoverbrennung wird so umgebaut, dass ein neues thermochemisches Verfahren integriert werden kann, welches hochwirksame und schadstoffarme Dünger produziert (bis zu 17.000 t/a). Die thermochemischen Produkte werden in Gefäß- und Feldversuchen im ökologischen Landbau auf ihre Düngewirkung getestet. Die Umweltverträglichkeit der Demonstrationsanlage wird untersucht, wie auch die Übertragbarkeit des Verfahrens auf weitere Regionen.
Im Verbundprojekt R-Rhenania wird eine industrielle Demonstrationsanlage am Standort der Monoverbrennungsanlage Altenstadt der Firma Emter errichtet und im Jahr 2024 den Betrieb aufnehmen. Die vorhandene Rostfeuerung-Monoverbrennung wird so umgebaut, dass ein neues thermochemisches Verfahren integriert werden kann, welches hochwirksame und schadstoffarme Dünger produziert (bis zu 17.000 t/a). Die thermochemischen Produkte werden in Gefäß- und Feldversuchen im ökologischen Landbau auf ihre Düngewirkung getestet. Die Umweltverträglichkeit der Demonstrationsanlage wird untersucht, wie auch die Übertragbarkeit des Verfahrens auf weitere Regionen.
Es wurden erste Ergebnisse des Projekts extraWERT vorgestellt. Im Projekt werden monatlich Klärschlammproben von 10 kommunalen Kläranlagen untersucht, deren P-Gehalt im Grenzbereich der AbfKlärV liegt zwischen 1,7 und 2,3%. Die ersten Ergebnisse lagen zu fünf Kläranlagen vor, es wurden Daten zum TS-Gehalt, zur oTS und zu den Nährstoffgehalten präsentiert.
Die vom BMBF unterstütze Forschungsinitiative BonaRes entwickelt Strategien um Boden als nachhaltige Ressource für die Bioökonomie zu nutzen. Das Projekt Intelligence for Soil (I4S) ist ein Teil dieser Initiative und beschäftigt sich mit der Entwicklung eines integrierten Systems zur ortsspezifischen Düngung. Ein Ziel dieses Projektes ist die Etablierung einer mobilen Sensorplattform zur Bodenkartierung. Aufgabe der BAM ist dabei das Installieren und die Optimierung eines RFA Sensors für die online Messung direkt auf dem Feld. Die RFA ist eine zerstörungsfreie Technik, die kaum Probenvorbereitung benötigt und einen schnelle Multielement Analyse ermöglicht. Das schnelle Kartieren des Bodens ermöglicht später eine ortsspezifische Düngung mit Nährstoffen wie z.B. K, Ca und P.
Die vom BMBF unterstütze Forschungsinitiative BonaRes entwickelt Strategien um Boden als nachhaltige Ressource für die Bioökonomie zu nutzen. Das Projekt Intelligence for Soil (I4S) ist ein Teil dieser Initiative und beschäftigt sich mit der Entwicklung eines integrierten Systems zur ortsspezifischen Düngung. Ein Ziel dieses Projektes ist die Etablierung einer mobilen Sensorplattform zur Bodenkartierung. Aufgabe der BAM ist dabei das Installieren und die Optimierung eines RFA Sensors für die online Messung direkt auf dem Feld. Die RFA ist eine zerstörungsfreie Technik, die kaum Probenvorbereitung benötigt und einen schnelle Multielement Analyse ermöglicht. Das schnelle Kartieren des Bodens ermöglicht später eine ortsspezifische Düngung mit Nährstoffen wie z.B. K, Ca und P.
Bestimmung von Makro- und Mikronährstoffen in Böden mittels laserinduzierter Plasmaspektroskopie
(2018)
In respect of an efficient cultivation of agricultural cropland, a site-specific fertility management is necessary. Therefore, affordable and extensive mapping methods are needed. The research projects I4S (intelligence for soil) has the goal to develop a system for this purpose. I4S is one of ten interdisciplinary research project associations of the innovation programme called BonaRes, which is funded by the German Federal Ministry of Education and Research (BMBF).
The system includes a sensor platform, which contains different sensors, like XRF, VIS-NIR, Gamma and LIBS. The main task of LIBS measurements in this project is the real-time determination of the elemental contents of major and minor nutrients in soils, like calcium, magnesium, potassium. LIBS (laser-induced breakdown spectroscopy) is known as a fast and simultaneous multi-element analysis with little or no sample preparation. The main task of LIBS measurements in this project is the real-time determination of the elemental contents of nutrients in soils, like calcium, magnesium, potassium. For this purpose, a special setup has been designed. The sample uptake operates with the help of a rotatable sample plate which circulates with different velocities to simulate the application on the field. To provide a higher intensity and a better reproducibility of the obtained signal, a double-pulse Nd:YAG laser (1064 nm) was used. In order to minimize dust formation from the soil during the operation of the laser, a dust removal by suction has been integrated. When using relative methods such as LIBS, a suitable calibration curve is needed for absolute quantification. The complex matrix of soils, as well as the influence of moisture and grain size in soils makes the absolute quantification by LIBS challenging. To overcome these influences, chemometric methods were used. With the principal component analysis (PCA) a classification of soils into different soil types was performed and a calibration curve based on partial least squares regression (PLSR) was generated. With this calibration model’s elemental distribution maps for different German agricultural fields were created.
Mit wachsenden Bevölkerungszahlen steigt auch der Rohstoffkonsum, und der nachhaltigere und effizientere Umgang mit knappen Ressourcen wie Wasser und Boden rückt in den Fokus.
Im Rahmen der vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Forschungsinitiative BonaRes werden Strategien entwickelt, um Boden als nachhaltige Ressource in der Bioökonomie zu nutzen. Das interdisziplinäre Teilprojekt I4S – Intelligence for soil – ist dabei für die Entwicklung eines integrierten Systems zum ortsspezifischen Management der Bodenfruchtbarkeit zuständig. Hierfür wird eine Plattform gebaut, auf der verschiedene Sensoren installiert werden sollen, deren in Echtzeit erhaltene Messdaten in Modelle und Entscheidungsalgorithmen zur Steuerung der Düngung und dementsprechend Verbesserung der Bodenfunktionen einfließen sollen.
Einer dieser Sensoren, auf dessen Grundlage ein robustes Online-Verfahren zur Bestimmung der Makro- und Mikronährstoffe, wie Ca oder K in Böden entwickelt werden soll, ist die Röntgenfluoreszenzanalyse (RFA). Um Messungen auf einem Feld zu simulieren, wurde in einen Laboraufbau ein Probenteller installiert, der sich bei verschiedenen Winkelgeschwindigkeiten bewegen lässt und so dynamisches Messen der als Spur aufgetragenen Probe ermöglicht. So kann der Aufwand der Probenvorbereitung minimiert werden.
Gerade bei einer komplexen Matrix wie Boden, die eine breite Elementverteilung aufweist, ist die Datenauswertung ein wichtiger Faktor. Die bisher verwendete univariate Datenanalyse liefert gute Ergebnisse und zeigt, dass durch Kalibrierung der RFA mit 14 Referenzmaterialien große Ackerflächen ausgewertet werden können. Dies funktioniert aber nur, solange die Elementgehalte der Proben mit denen der Referenzmaterialien vergleichbar sind.
Die zusätzlich verwendete multivariate Datenanalyse bietet hingegen die Möglichkeit, Modellrechnungen der Böden durchzuführen und Böden mithilfe der Hauptkomponentenanalyse (PCA) besser zu klassifizieren. Des Weiteren können basierend auf der Partial Least Squares Regression (PLSR) Kalibriermodelle erstellt werden, welche Prognosen zu den Elementgehalten unbekannter Ackerböden ermöglichen. Zusätzlich bietet die multivariate Datenanalyse die Möglichkeit, Störgrößen wie unterschiedliche Korngrößenverteilung und Feuchtigkeitsgrad der Probe in das Modell miteinzubeziehen. Beide Auswertemethoden sollen anhand statisch gemessener Proben verglichen werden und durch Messung einer Vielzahl realer Bodenproben von unterschiedlichen Standorten erweitert werden. Im weiteren Verlauf müssen beide Modelle auf dynamisch bewegte Proben übertragen werden.
Mit wachsenden Bevölkerungszahlen steigt auch der Rohstoffkonsum, und der nachhaltigere und effizientere Umgang mit knappen Ressourcen wie Wasser und Boden rückt in den Fokus.
Im Rahmen der vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Forschungsinitiative BonaRes werden Strategien entwickelt, um Boden als nachhaltige Ressource in der Bioökonomie zu nutzen. Das interdisziplinäre Teilprojekt I4S – Intelligence for soil – ist dabei für die Entwicklung eines integrierten Systems zum ortsspezifischen Management der Bodenfruchtbarkeit zuständig. Hierfür wird eine Plattform gebaut, auf der verschiedene Sensoren installiert werden sollen, deren in Echtzeit erhaltene Messdaten in Modelle und Entscheidungsalgorithmen zur Steuerung der Düngung und dementsprechend Verbesserung der Bodenfunktionen einfließen sollen. So wären Untersuchungen in engmaschigen, dynamischen Rastern und schnelle Analysen großer Flächen möglich, um höhere Erträge zu erwirtschaften.
Einer dieser Sensoren, auf dessen Grundlage ein robustes Online-Verfahren zur Bestimmung der Makro- und Mikronährstoffe, wie Ca, K und Mn in Böden entwickelt werden soll, ist die Röntgenfluoreszenzanalyse (RFA). Die RFA eignet sich vor allem durch ihre schnelle, kontaktlose, simultane Multielementanalyse und wird bereits zur Bestimmung von Schwermetallen in Böden eingesetzt. Ein weiterer Vorteil der RFA ist die geringe Probenvorbereitung. Um Messungen auf einem Feld zu simulieren, wurde in einen Laboraufbau ein Probenteller installiert, der sich bei verschiedenen Winkelgeschwindigkeiten bewegen lässt und so dynamisches Messen der als Spur aufgetragenen Probe ermöglicht.
Gerade bei einer komplexen Matrix wie Boden, die eine breite Elementverteilung aufweist, ist die Datenauswertung ein wichtiger Faktor. Die bisher verwendete univariate Datenanalyse liefert gute Ergebnisse und zeigt, dass durch Kalibrierung der RFA mit 14 Referenzmaterialien große Ackerflächen ausgewertet werden können. Dies funktioniert aber nur, solange die Elementgehalte der Proben mit denen der Referenzmaterialien vergleichbar sind.
Die zusätzlich verwendete multivariate Datenanalyse bietet hingegen die Möglichkeit, Modellrechnungen der Böden durchzuführen und Böden mithilfe der Hauptkomponentenanalyse (PCA) besser zu klassifizieren. Des Weiteren können basierend auf der Partial Least Squares Regression (PLSR) Kalibriermodelle erstellt werden, welche Prognosen zu den Elementgehalten unbekannter Ackerböden ermöglichen. Zusätzlich bietet die multivariate Datenanalyse die Möglichkeit, Störgrößen wie unterschiedliche Korngrößenverteilung und Feuchtigkeitsgrad der Probe in das Modell miteinzubeziehen. Beide Auswertemethoden sollen anhand statisch gemessener Proben verglichen werden und durch Messung einer Vielzahl realer Bodenproben von unterschiedlichen Standorten erweitert werden. Im weiteren Verlauf müssen beide Modelle auf dynamisch bewegte Proben übertragen werden.
LIBS (laserinduzierte Plasmaspektroskopie) ist bekannt für eine schnelle, simultane Multielementanalyse, welche kaum bis keine Probenvorbereitung benötigt. Im Hinblick dessen ist das Interesse an LIBS als Online-Analysentechnik für den Einsatz auf Agrarflächen in den letzten Jahren stark gestiegen.
Im Rahmen des Projekts I4S (engl. für: intelligence for soil) soll mithilfe von LIBS der Elementgehalt von Makro- und Mikronährstoffen in Böden in Echtzeit bestimmt werden. I4S gehört zu den zehn interdisziplinären Forschungsprojekten des Innovationsprogramms BonaRes und arbeitet an der Entwicklung einer Sensorplattform für ein ortsspezifisches Management der Bodenfruchtbarkeit. BonaRes ist vom Bundesministerium für Bildung und Forschung (BMBF) gefördert und beschäftigt sich mit Boden als nachhaltige Ressource für die Bioökonomie.
Für die Anwendung von LIBS an Böden wurde ein spezieller Aufbau konstruiert. Die Probenzufuhr erfolgt über einen drehbaren Probenteller, auf den der lose Boden in Form einer Spur aufgetragen oder als gepresste Tablette platziert werden kann. Der Probenteller kann in unterschiedlichen Geschwindigkeitsstufen betrieben werden, um die Anwendung auf dem Feld zu simulieren. Für eine höhere Signalintensität und eine bessere Reproduzierbarkeit wird eine Doppel-Puls (DP) Nd:YAG Lasereinheit verwendet. Weiterhin besitzt der LIBS-Messkopf eine integrierte Absaugvorrichtung, um bei dem Ablationsprozess entstehende Stäube zu minimieren und eine störungsfreie Detektion des Signals zu gewährleisten.
Da es sich bei LIBS um eine Relativmethode handelt, muss das System für eine absolute Quantifizierung hinsichtlich der Zielanalyten kalibriert werden. Hierfür werden realitätsnahe Proben benötigt. Es wurden 16 freiverkäufliche, zertifizierte Referenzmaterialien gemessen und für die Kalibrierung verwendet. Aufgrund der komplexen Bodenmatrix und Einflüsse, wie Korngrößeneffekte und Feuchtigkeit, stellt die absolute Quantifizierung mittels LIBS eine Herausforderung dar. Für die Kalibrierung wurde sowohl ein univariater als auch ein multivariater Analyseansatz (Partial least square regression) verwendet. Mittels der multivariaten Auswertung konnte ein robusteres Kalibriermodell aufgrund einer besseren Korrelation zwischen Signalintensität und Elementkonzentration erstellt werden.
Innerhalb des I4S-Verbundes gibt es eine Vielzahl von Bodenproben von unterschiedlichen Testackerflächen mit bereits bekannten Informationen über die chemische Zusammensetzung, Textur und Korngrößenverteilung. Diese Bodenproben sollen im nächsten Schritt für weitere Berechnungen und zu Validierungszwecken verwendet werden.
Die vom Bundesministerium für Bildung und Forschung (BMBF) geförderte Forschungsinitiative BonaRes hat sich zum Ziel gesetzt Strategien zu erarbeiten um Boden als nachhaltige Ressource für die Bodenökonomie zu nutzen. Sie ist in 10 interdisziplinären Forschungskonsortien eingeteilt, wobei das Teilprojekt „Intelligence for soil“ (I4S) für die Entwicklung eines integrierten Systems zum ortsspezifischen Management der Bodenfruchtbarkeit zuständig ist. Das System soll sowohl verschiedene Bodensensoren sowie Modelle und Entscheidungsalgorithmen zur Steuerung der Düngung und dementsprechend Verbesserung der Bodenfunktionen vereinen. So kann die Umweltbelastung durch die im Dünger enthaltenen Nitrate reduziert werden und die durch Überdüngung entstehenden Kosten für die Landwirte minimiert werden. Hierzu ist eine flächendeckende Kartierung der Ackerflächen hinsichtlich der für Pflanzen wichtigen Makro- und Mikronährstoffe, wie Calcium nötig.
Ziel der Bundesanstalt für Materialforschung und -prüfung (BAM) innerhalb von I4S ist die Optimierung eines auf der Röntgenfluoreszenzanalyse (RFA) basierenden Sensors für die mobile online-Applikation auf dem Feld. Diese zerstörungsfreie und kontaktlose Methode eignet sich besonders für den Feldeinsatz dank minimaler Probenvorbereitung und vor allem schneller, simultaner Multielementanalyse. Hauptkomponente der robusten und transportablen Messstation ist neben dem Sensor ein drehbarer Probenteller um das Messen während der Fahrt bei verschiedenen Geschwindigkeiten auf einem Feld unter Laborbedingungen zu simulieren. Der energiedispersive RFA-Sensor besitzt ein mit Helium gespültes Messvolumen womit auch die für diese Aufgabenstellung interessanten, leichten Elemente detektiert werden können.
Schwierigkeiten beim Einsatz der RFA liegen in der Kalibrierung des Geräts um richtige und präzise Ergebnisse zu erhalten. Der Fokus zu Beginn richtet sich somit auf die Entwicklung eines Kalibriermodells, welches die verschiedenen Hauptbodenarten berücksichtigt. Gerade die zu untersuchenden Makro- und Mikronährstoffe wie Schwefel liegen im Vergleich zu SiO2 in sehr geringen Konzentrationen im Boden vor. Die Optimierung der Parameter wie Leistung oder auch Messzeit können an dieser Stelle die erhaltenen Signalintensitäten deutlich beeinflussen. Zusätzlich sind gerade bei einer komplexen Matrix wie Boden genaue Untersuchungen verschiedener Störgrößen wichtig. Hierzu zählen unter anderem der Feuchtigkeitsgrad der Probe, aber auch Korngrößeneffekte haben einen entscheidenden Einfluss. Beide Parameter müssen hinsichtlich ihrer Auswirkungen auf die Messergebnisse der mobilen-RFA sowohl bei stationären, als auch bei bewegten Bodenproben betrachtet werden.