Feedback Form

Aktuelt - 133

Oprettet: 08-05-2007

Præcisionsjordbrug - passer maskinbredden til markvariationen?

For at få det maksimale ud af præcisionsjordbrug er det vigtigt at afpasse forholdet mellem arbejdsbredden på maskinparken og markvariationen. Beregning af MCD (Mean Correlation Distance) afslører, om afstand mellem kørespor/maskinbredde passer til markvariationen på en ejendom.

Tendensen i dansk landbrug er, at bedrifterne og markerne bliver større og større. For at opnå en rationalisering i markbruget øges arbejdsbredden på maskinerne og dermed afstanden mellem køresporene.

Grundtanken indenfor præcisionsjordbrug er, at hvert delområde indenfor marken skal tildeles præcis den mængde af næringsstoffer, der er behov for. Man kan stille det spørgsmål, om det er muligt at praktisere præcisionsjordbrug med gødningsspredere, hvor spredebredden er over 20 meter, og denne kun kan variere tildelingen i længderetningen?

Det spørgsmål har en specialestuderende på Det Biovidenskabelige Fakultet, Københavns Universitet (tidligere KVL) undersøgt, og på grundlag af disse data er der udarbejdet en international artikel. Artiklen danner baggrund for et indlæg på den 6. Europæiske Konference om Præcisionsjordbrug i Grækenland den 3.-6. juni 2007.

Resume af artikel
Artiklen bygger på behandling af data for biomasse og lerindholdet på otte forskellige lokaliteter i Danmark. Variationen analyseres ud fra beregning af henholdsvis variogram og MCD (Mean Correlated Distance).

MCD kan benyttes som en indikator for, hvor stor arbejdsbredde en maskine kan have, hvis implementering af præcisionsjordbrug på en ejendom skal tage fuldt hensyn til den målte variation. Sagt med andre ord, der skal være en sammenhæng mellem bredde på kørespor/arbejdsbredde og markens variabilitet, for at præcisionsjordbrug har sin berettigelse.

Inputdata benyttet til at undersøge markvariationen er i artiklen:
EM38 (ledningsevnemåling med jordsensor, der er korreleret med jordens lerindhold).
Yara N-sensor (plantesensor, der måler afgrødens biomasse).

Baggrundsdata for undersøgelsen
I tabel 1 er vist en oversigt over baggrundsdata fra de otte marker. Det fremgår, at "Antal observationer" fra Yara N-sensor alle steder er højere end ved kørsel med EM38. Begge systemer logger data hvert sekund, men da fremkørselshastigheden er meget lavere ved måling med Yara N-sensor, logges der derfor flere data, da det tager længere tid at køre over marken.

Til gengæld er afstanden mellem sporene ved EM38-målingerne mindre, da der også er kørt mellem de faste kørespor.


Tabel 1. Oversigt over grunddata fra de otte lokaliteter i Danmark.

Mark / Parameter

Areal
(ha)

Antal observationer i datasæt

Sporvidde
(m)

Punktafstand
(m)

Egeskov

EM38
Yara N-sensor

24

3.902
5.363

11.4
24.1

5.8
2.0

Nibe

EM38
Yara N-sensor

35

2.967
6.928

20.2
20.5

6.1
2.9

Odder

EM38
Yara N-sensor

10

711
1.373

17.3
34.7

5.9
2.1

Spørring

EM38
Yara N-sensor

1

220
424

6.4
12.7

7.5
2.1

Tappernøje

EM38
Yara N-sensor

3

360
651

15.5
27.6

5.9
1.7

Tommerup

EM38
Yara N-sensor

5

774
1.898

12.3
12.0

5.4
1.9

Viborg

EM38
Yara N-sensor

1

168
623

14.9
13.7

5.3
1.5

Aarhus

EM38
Yara N-sensor

2

283
760

15.8
16.3

4.7
1.6

Geo-statistisk analyse af data
Da data fra EM38 og Yara N-sensor er logget med GPS er der vedhæftet geografi på måledata i form af en længde- og breddekoordinat. Det betyder, at vi ved, hvor i marken data er målt, og dermed hvilke punkter, der ligger ved siden af et punkt. Derudover kendes afstanden samt vinklen hertil.

For at udnytte denne viden om den rumlige variation, er der valgt en geo-statistisk analysemetode (variogram), der anvendes til at undersøge hvordan og i hvor stor afstand målingerne er korreleret indbyrdes. I et variogram beregnes Range, der definerer den afstand imellem målepunkterne, hvor data stadig er indbyrdes korrelerede. I en afstand mellem punkter større end Range er data ikke længere korreleret. I tabel 2 fremgår, at EM38 generelt har en større Range end Yara N-sensor. Det betyder, at jordvariationen er mindre, og at man derved kan tillade sig at køre med større afstand mellem køresporene. Som forventet er variationen i biomasse større indenfor korte afstande, og derfor er Range mindre end for EM38.

MCD (Mean Correlated Distance)
For at undersøge om maskinbredden passer til markens variabilitet, benyttes en beregning af MCD. MCD er en analysemetode, hvor resultater fra beregning af variogram indgår. Værdien for MCD er mindre end for Range.

MCD beregnet for Yara N-sensor kan variere efter afgrødens udviklingsstadie. Ligeledes vil MCD variere mellem marker på en ejendom. Derfor anbefales det at lave en MCD-beregning på flere af ejendommens markerer.

I tabel 2 er vist Range og MCD beregnet for henholdsvis EM38 og Yara N-sensor for hver af markerne. I den yderste højre kolonne "Passer bredde på kørespor med MCD?" ses, at for lokaliteterne Egeskov og Tappernøje er maskinernes arbejdsbredde for stor i forhold til at udnytte hele variationen i marken. På disse marker kan der ikke opnås fuld nyttevirkning af præcisionsjordbrug med den eksisterende spredebredde.


Tabel 2. Geo-statistisk analyse af EM38 data og Yara N-sensor fra otte lokaliteter. MCD (Mean Correlation Distance) indikerer, hvor bred sprederen maks. må være til anvendelse i præcisionsjordbrug.

Lokalitet

EM-38

Yara N-sensor

Sporvidde (m)

Passer bredde på kørespor med MCD?

Range (m)

MCD
(m)

Range (m)

MCD
(m)

Egeskov

210

96

56

22

24

Nej

Nibe

189

78

75

52

20

Ja

Odder

140

58

124

80

36

Ja

Spørring

39

16

41

16

12

Ja

Tappernøje

-

-

44

17

28

Nej

Tommerup

90

59

38

15

12

Ja

Viborg

64

29

36

14

14

Ja

Aarhus

135

86

40

16

16

Ja

Konklusion
I artiklen anbefales det at få udarbejdet MCD (Mean Correlation Distance), inden der investeres i maskiner til præcisionsjordbrug, så arbejdsbredde afstemmes med markernes variabilitet.

Kilde
H.W. Griebentrog, et al "A patch-size index to assess machinery to match the soil and crop spatial variability". 6 European Conference on Presion Agriculture, 6ECPA, 2007.

Helle Kristensen, Specialeprojekt "Geostatistiske analyser af afgrøde- og jorddata til optimering af tildelingsteknologien i præcisionsjordbrug", marts 2007.

Landscentret
Planteproduktion

Sidst bekræftet: 20-04-2018 Oprettet: 08-05-2007 Revideret: 08-05-2007

Forfatter

Planter & Miljø
Specialkonsulent, GIS

Rita Hørfarter

PlanteInnovation


Af samme forfatter

Indtegn dræn fra drænkort i AgroGIS og upload til CropManager
Video viser trin for trin, hvordan et drænkort digitaliseres i AgroGIS. Derudover vises, hvordan drænfilerne uploades til v...
24.10.19
7. og sidste opdatering af visning af satellitkontrol i landmand.dk
Se om du har røde marker i Landmand.dk efter opdateringen 15. oktober. Der er i alt 900 røde marker, der vil få fysisk kont...
24.10.19
Landbrugsstyrelsens satellitkontrol i 2019: Se grønne og gule marker på landmand.dk
SEGES har lavet en service på landmand.dk, hvor du kan se visningen af satellitkontrollen for dine marker. Visningen vil bl...
03.09.19
Ny funktion i CropSAT 2019 - se protein prognose i vinterhveden.
Ny funktion i CropSAT viser en protein prognose i dine vinterhvede marker inddelt i tre grupper: høj, middel og lav. Se ogs...
08.07.19
Se placering af dine frivillige målrettede efterafgrøder på Landmand.dk
SEGES har lavet en service på Landmand.dk, hvor du kan se placeringen af de marker, hvor du i Fællesskema 2019 har tilmeldt...
03.07.19