Team

Fach­ge­biets­lei­tung

Se­kre­ta­ri­at Fach­ge­biets­lei­tung

Lei­ten­de Mit­ar­bei­te­rIn­nen der GNR For­schungs­schwer­punk­te

Gast­pro­fes­so­ren und -pro­fes­so­rin­nen

Wis­sen­schaft­li­che Mit­ar­bei­te­rin­nen und Mit­ar­bei­ter

Matthias Wengert

Wissenschaftlicher Mitarbeiter und Doktorand

Standort
Universität Kassel
Fachbereich Ökologische Agrarwissenschaften
Fachgebiet Grünlandwissenschaft und Nachwachsende Rohstoffe
Steinstr. 19
37213 Witzenhausen
Raum
Hörsaalgebäude Steinstraße

Kurzvorstellung

Matthias Wengert ist wissenschaftlicher Mitarbeiter und Doktorand am Fachgebiet Grünlandwissenschaft und Nachwachsende Rohstoffe der Universität Kassel. Sein Forschungsschwerpunkt sind fernerkundliche Methoden in Agroforst-Systemen. Er ist im Rahmen des vom BMBF geförderten Projekts „SIGNAL – Nachhaltige Landwirtschaftsintensivierung durch Agroforstsysteme“ tätig. Hierbei liegt sein Fokus auf der Entwicklung drohnenbasierter fernerkundlicher Methoden zur Erhebung ertragswirksamer pflanzenbaulicher Parameter in silvoarablen und silvopastoralen Agroforstsystemen.


Forschungsinteressen

Agroforst-Systeme; Fernerkundung mit Drohnen; Hyperspektrale Methoden; Multispektrale Methoden; Photogrammetrische Methoden (SFM); Extensives Grünland


Aktuelle Forschungsprojekte

SIGNAL - Nachhaltige Intensivierung der Landwirtschaft durch Agroforstsysteme, Projektphase 2


Publikationen

2022

Wengert, M., Wijesingha, J., Schulze-Brüninghoff, D., Wachendorf, M., Astor, T., 2022. Multisite and Multitemporal Grassland Yield Estimation Using UAV-Borne Hyperspectral Data. Remote Sensing 14, 2068. https://doi.org/10.3390/rs14092068

2021

Wengert, M., Piepho, H.-P., Astor, T., Graß, R., Wijesingha, J., Wachendorf, M., 2021. Assessing spatial variability of barley whole crop biomass yield and leaf area index in silvoarable agroforestry systems using UAV-borne remote sensing. Remote Sensing 13, 2751. https://doi.org/10.3390/rs13142751

2020

Wijesingha, J., Astor, T., Schulze-Brüninghoff, D., Wengert, M., Wachendorf, M., 2020. Predicting Forage Quality of Grasslands Using UAV-Borne Imaging Spectroscopy. Remote Sensing 12, 126. https://doi.org/10.3390/rs12010126

Tech­nisch-Ad­mi­nis­tra­ti­ve Mit­ar­bei­te­rin­nen und Mit­ar­bei­ter

Stu­den­ti­sche Hilfs­kräf­te

Mit­­ar­bei­­te­­rin­­nen und Mit­­ar­bei­­ter in El­tern­zeit

Ehe­ma­li­ge Mit­­ar­bei­­te­­rin­­nen und Mit­­ar­bei­­ter