Geostatistiske analyse af afgrøde og jord data til ... · PDF fileGeostatistiske analyse af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug. Speciale

Geostatistiske analyse af afgrøde og jord data til

optimering af tildelingsteknologien i præcisionsjordbrug.

Speciale Projekt for

Helle Kristensen L10416

Sektion for Miljø, Ressourcer og Teknologi Institut for Jordbrugsvidenskab

Det Biovidenskabelige Fakultet for Fødevare, Veterinærmedicin og Naturressourcer

Intern Vejleder Hans Werner Griepentrog Ekstern Vejleder Leif Knudsen

Marts 2007

I

Resumé

Tendensen til stadigt større maskiner i jordbruget for at øge produktiviteten rejser

spørgsmålet: Er det muligt at implementere præcisions jordbrug på bedrifterne?

Ville det være muligt at implementere præcisions gødskning på de danske bedrifter, for at

kunne udnytte de gødningsmængder, der er tilladte i Danmark optimalt eller er maskinerne

for store?

Ved at analysere variationerne i biomassen og lerindholdet på 8 forskellige lokationer i

Danmark, kan der gives et realistisk billede af om det kan lade sig gøre.

På de 8 forskellige lokationer blev data fra Geonics Ltd. EM38DD og fra Yara N-sensor

indsamlet og analyseret ved hjælp af variogramparametre og Mean Correlated Distance

(MCD), MCD kan bruges som indikator for hvor bred gødningssprederen må være for at

kunne bruges til præcisions gødskning.

Det viste sig at variationen i biomassen var større end variationen i lerindholdet. MCD var

mindre end gødningsspreddebredden på 6 ud af de 8 lokationer data blev målt på. Hvilket

betyder at maskinerne på de bedrifter umiddelbart kan bruges til præcisions jordbrug, uden

ombygning eller anden tilpasning. På de 2 sidste bedrifter var maskinstørrelsen hhv. 2 m

og 11 m bredere end MCD, hvilket specielt for den sidste betyder at gødningssprederen er

for bred til præcisions jordbrug på denne bedrift, med mindre at maskinen kan variere

gødningsmængden i spredebredden.

MCD kan bruges til at give landmanden en ide om hvor stort maskineri der skal bruges på

hans bedrift såfremt han er interesseret i at implementere præcisions jordbrug.

II

Abstract

The tendencies to increase the size of the machinery in agriculture on pursuit of a better

productivity raise the question: Is it possible to implement Precision Farming on the farms?

Would it be possible to implement Precisions Fertilizing on the Danish farms, to exploit

the legal amount of fertilizer as much as possible or is the machinery to big?

By analysing the spatial variations for soil electric conductivity and biomass index at 8

different locations in Denmark, with variograms and mean correlated distance (MCD) is it

possible to give a realistic picture if it can be done.

On the 8 locations in Denmark there were collected data from Geonics Ltd. EM38DD and

Yara N-sensor. These data was analyzed by variograms and MCD. MCD can be used as an

indicator of the maximum allowed size of machinery to be used for Precision Farming.

The variation of biomass was bigger than the variation for soil electric conductivity. MCD

was smaller than the machinery size on 6 out of the 8 test locations, which mean on these 6

locations the machinery can be used for Precision farming without any changes. On the last

2 locations the machinery size was 2 m and 11 m bigger than the MCD, which means that

especialy on the last farm the machinery are to big to be used for precision farming, unless

the fertilizer machinery can regulate the amount in the width of the spreading.

MCD can give the farmer an indication of the machinery size, which is to be used on his

farm, if he wants to implement Precision Farming.

III

Forord

Hensigten med rapporten er at oplyse om hvorvidt det maskineri der bruges på bedrifterne i

dag, kan bruges til præcisionsjordbrug samt hvordan man kan bruge biomassen og

lerindholdet til at anbefale maskinstørrelsen.

Min målgruppe er forskere, studerende, landmænd pog andre, som har interesse i

præcisions jordbrug og nye metoder til at bestemme planternes næringsbehov.

Jeg vil gerne takke Rita Hørfarter og Leif Knudsen fra Dansk Landbrugsrådgivning for

deres hjælp med fremskaffelse af alt data vedr. Yara N-sensor og Geonics Limited EM38.

Tak til Jon Nielsen og Dvoralai Wulfsohn for at give råd og vejledning til de geostatistiske

beregninger. Til Steffen Halmø for telefonisk bistand vedrørende Yaras N-sensor. Til Mike

Catalano, Canada for bistand til tekniske informationer om EM38. Samt Tak til Hans

Werner Griepentrog for god vejledning.

Højbakkegård den 13. Marts 2007

___________________________

(Helle Kristensen)

IV

Indholdsfortegnelse 1. Introduktion…………………………………………………………… 1

1.1.Problemformulering…………………………………………………. 1 1.2.Baggrund for problemet……………………………………………... 2

1.2.1. Hvorfor er det et problem……………………………………… 2 1.2.2. I hvilken sammenhæng er det et problem……………………… 2 1.3. Hvorfor er problemet relevant…………………………………….. 2 1.4. Afgrænsning………………………………………………………. 2 1.5. Hensigten med projektet…………………………………………... 3 1.6. Formålet med projektet……………………………………………. 3 1.6.1. Hvad vil du finde ud af i løbet af projektet…………………….. 3 1.6.2. Hvordan vil du finde ud af det…………………………………. 3 1.7. Hvilken ny viden vil projektet give………………………………... 3 1.8. Kildekritik…………………………………………………………. 4 1.8.1. Litteratur kilder………………………………………………… 4 1.8.2. Data Kilder……………………………………………………... 4 2. Præcisionsjordbrug……………………………………………………. 5

2.1. Afgrødebehov, miljøbeskyttelse og økonomisk optimering………. 5 2.1.1. Sensorer til at beskrive afgrødebehovet……………………... 5

2.1.1.1. Telemåling……………………………………………... 5 2.1.1.2. Udbyttemålere…………………………………………. 8 2.1.1.3. Yara N-Sensor……………………………………………. 9

2.1.2. Metoder til beskrivelse af jorden……………………. 12 2.1.2.1. Jordtype…………………………………………………... 12 2.1.2.2. Jordprøver………………………………………………… 14 2.1.2.3. Geonics Limited EM38DD……………………………….. 18

2.1.3. Tildelingsteknologi…………………………………………... 19 2.1.3.1. Maskineri…………………………………………………. 19 2.1.3.2. GPS……………………………………………………….. 21 2.1.3.3. Tildelingskort/Realtime…………………………………... 22

3. Materialer og Metoder………………………………………………... 23

3.1. Jord og afgrøde data kilder…………………………………………... 23 3.2. Data konvertering…………………………………………………. 23 3.3. Excel………………………………………………………………. 23 3.4. Markbeskrivelser og data……………………………………….. 24 3.5. Geostatistik………………………………………………………... 26

3.5.1 Data analyse og variabilitet beskrivelse………………………… 26 3.5.1.1 Geo.Filter………………………………………………….. 26 3.5.1.2 Surfer 8……………………………………………………. 26 3.5.1.3. Mean correlated distance (MCD)………………………… 31 3.5.1.4 Analyse af sammenhæng mellem Yara N-sensor data og Geonics Limited EM38DD data……………………………... 32

4. Resultater og Diskussion……………………………………………… 34

4.1. Maskinstørrelse………………………………………………………. 34 4.2. Variogram parameter (nugget, range, sill) og MCD for alle marker… 35 4.3. Analyse af sammenhæng mellem Biomasse og Lerindhold…………. 38 4.4. Sammenligning af maskineri og afgrødebehov……………………… 39

V

5. Konklusion…………………………………………………………... 41 6. Perspektivering……………………………………………………... 42 7. Referencer…………………………………………………………... 43 8. Bilagsoversigt……………………………………………………….. 49

Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.

_______________________________________________________________________________________

1

1. Introduktion

Danmark har siden 1999 haft en gødskning politik, der siger at der maksimalt må gødskes

med 90 % af den kvælstofmængde der er økonomiske optimal på en ejendom.

Undersøgelser har vist at dette medfører udbyttetab på ca. 1,2 hkg/ha i vinterhvede som 1.

års tab, derefter skal tillægges tab ved vedvarende undergødskning (Knudsen 2004). Dette

gør at det er vigtigt at udnytte gødningen i så høj grad som muligt. For udnytte gødningen

bedst muligt er det vigtigt at kunne tildele denne på de områder, hvor der er størst brug for

den.

For at få den bedste kvalitet i afgrøden, det bedste udbytte og få det mest optimale ud af

jorden er det nødvendigt, at gødske planterne, således at de ikke mangler næringsstoffer

samtidigt med ikke at bruge mere gødning end nødvendigt.

En måde at udnytte den tilladte mængde gødning bedst muligt er at præcisionsgødske, dvs.

at tildele det enkelte område af marken eller den enkelte plante nøjagtig den mængde

gødning det/den har brug for.

Nogle afgørende krav til præcisionsgødskning er at afgrødens behov kan aflæses og

gødningsmængder beregnes, og at disse data kan konverteres til tildelingskort, som er

tilstrækkeligt præcise til at maskinerne kan, tildele gødningen efter dem. Et andet problem

er om maskinerne kan tildele i de bredder som er nødvendigt.

1.1. Problemformulering På baggrund af data, fra Yara´s N-sensor (biomasse index) og Geonics Limited

EM38DD (lerindhold) samt oplysninger om forskellige gødningsspredere, vil jeg i mit

projekt forsøge at besvare følgende spørgsmål:

A. Hvad er (størrelsen af) den spatiale (rummelige) variabilitet på typiske marker i

Danmark inden for jord (EM-38DD fra Geonics Limited) og afgrøde (BI fra Yara

N-sensor)?

B. Hvad er korrelationen (sammenhængen) mellem lerindholdet og biomasse indexet

på de danske jorde?


_______________________________________________________________________________________

2

C. Er nutidens maskiner tilstrækkelige til præcisionsgødskning med hensyn til bredde,

sektionsdelinger m.v. eller skal der udvikles nye maskiner til præcisions tildeling?

D. Kan variable rate applikation (VRA) maskineri tilpasses/forbedres til

præcisionsgødskning?

1.2. Baggrund for problemet 1.2.1. Hvorfor er det et problem?

Såfremt tildelingsmaskinerne i dag ikke er tilstrækkelige præcise til at kunne tildele

den optimale gødningsmængde til afgrøden, er der ingen grund til at

præcisionsgødske, idet der ikke vil være nogen forbedring i forhold til den ordinære

udbringning.

1.2.2. I hvilken sammenhæng er det et problem?

Såfremt at tildelingen af gødningen kan optimeres i forhold til afgrødens behov, vil

udnyttelsen af gødningen blive mere optimal. Når planterne får tilført flere

næringsstoffer end de kan udnytte, forøges udvaskningen af næringsstofferne, denne

udvaskning kan gøres mindre ved kun at tilføre de næringsstoffer planterne kan

optage og udnytte. Både landmandens og det offentliges økonomi vil dermed blive

påvirket af præcisionsgødskning.

1.3. Hvorfor er problemet relevant? Fremtidens landbrug skal tilpasses en mere krævende verden med hensyn til miljø,

økonomi m.v.

Derfor er det vigtigt at udvikle landbruget således at det skader det omgivende miljø

mindst muligt. Fremtidssikringen af landbrug kræver at mekaniseringen og dermed

præcisions-systemet udvikles, således at virksomheden kan optimeres mest muligt på

alle områder.

1.4. Afgrænsning Jeg har valgt ikke at omregne EM38DD målingerne til lerindhold, i det forholdet

mellem de brugte data vil være den samme, uanset om det er lerindholdet eller den


_______________________________________________________________________________________

3

direkte måling der er brugt. Samtidigt har de kilder jeg har brugt til sammenligning

brugt den direkte måling i deres resultater, således er data lettere at sammenligne

direkte.

Med hensyn til maskineri har jeg valgt generelt ikke at se på bestemte mærker, jeg har

kun fremhævet enkelte mærker i de tilfælde, hvor de adskiller markant fra andre

mærker. Samtidigt har jeg valgt ikke at beskrive data forsinkelser og de komplikationer

der eventuel kan opstå som følge af det.

1.5. Hensigten med projektet At analysere den spatiale (rummelige) variabilitet i afgrøden og jorden, for at finde ud

af hvordan de nuværende tildelings maskiner passer til præcisions gødskning.

1.6. Formålet med projektet 1.6.1. Hvad vil du finde ud af i løbet af projektet?

Er det muligt at finde den optimale spredebredde og gødske ud fra mark

variabiliteten (lerindhold) og afgrødens behov for N-tildeling (biomasse)?

1.6.2. Hvordan vil du finde ud af det?

Ved at analysere jordens forhold (Geonics Limited EM38DD), afgrødes forhold

(Yara N-sensor) og nutidens tildelingsmaskiner og sammenligne disse data og

konkludere på disse.

1.7. Hvilken ny viden vil projektet give?

Er nutidens maskiner tilstrækkelige til præcisionsgødskning med hensyn til bredde,

tildelings intervaller m.v. eller skal der udvikles nye maskiner til præcisions tildeling.

Samt hvor stor er korrelationen mellem jordforhold (lerindhold) og afgrødeforhold

(biomasse).


_______________________________________________________________________________________

4

1.8. Kildekritik

Projektet er en blanding af litteraturstudie og behandling af data indhentet fra

landscenteret.

1.8.1. Litteratur kilder

De kilder jeg har brugt fra internettet er primært firmaer, som beskriver deres egne

produkter og kan derfor være lidt for rosende, men da det er anerkendte og afprøvede

mærker inden for landbruget og det primært er de tekniske detaljer jeg har brugt,

mener jeg at deres troværdighed er i orden.

Andre adresser jeg har brugt er Landscenteret, Risø og Århus Universitet, hvilket alle

3 er anerkendte forsknings institutioner.

Artiklerne jeg har brugt kommer primært fra videnskabelige publikationer og de

bøger jeg har anvendt, bruges til undervisnings brug enten på universiteter eller på

landbrugsskoler. Jeg vil således mene at de forskellige former for litterær

baggrundsmateriale er af en kvalitet, der er kvalificeret til et projekt som dette.

1.8.2. Data kilder

Data har jeg fået udleveret fra dansk Landbrugsrådgivning, der har forestået

forsøgene på de forskellige lokationer. Til analyse af data er valgt Golden Software

Surfer 8, idet der i dette program både kan laves kort, variogrammer, grafer m.v.


_______________________________________________________________________________________

5

2. Præcisionsjordbrug

Præcisions-, gradueret- eller stedspecifikt jordbrug, har gennem de seneste år fået øget

opmærksomhed, idet der er mulighed for at tildele både gødning og sprøjtemidler ud fra de

specifikke forhold i marken. Ved at se på planternes behov, sygdomme og

jordbundsforhold kan udbringningen varieres i marken, således at der tages højde for

variationer planterne imellem. At der er variationer i marken er velkendt, både for udbytte,

gødning og sprøjtemidler (Teknologisk Fremsyn 2003).

Et indgående kendskab til markens variationer er nødvendig for at kunne benytte

præcisionsjordbrug, denne variation har landmanden ofte en god idé om, men for at få den

nøjagtige placering af variationerne er det nødvendigt med data målinger. Disse gør at

maskinerne kan programmeres til at tage højde for variationer ved

sprøjtning/gødningstildelingerne (Teknologisk Fremsyn 2003).

2.1. Afgrødebehov og Jordforhold Landmanden har, på baggrund af dataene om afgrødens behov, en beslutningsstøtte, der

kan hjælpe med at reducere forbruget af hjælpestoffer. Hvis brugen af hjælpestoffer i

landbruget begrænses, er der potentiale for at miljøet vil blive mindre belastet af

hjælpestofferne (Teknologisk Fremsyn 2003) (Berntsen et.al. 2006). Samtidigt vil et

reduceret og mere målrettet forbrug kunne optimere gårdens økonomi.

2.1.1. Sensorer til at beskrive afgrødebehovet

2.1.1.1. Telemåling

Telemåling dækker over målinger, der er foretaget med fysisk afstand mellem

måleinstrumentet og det målte objekt. En telemåling vi kender fra vores hverdag

er det menneskelige syn, øjet registrere den elektromagnetiske stråling

(refleksionen) fra den genstand det ser på, refleksionen indeholder oplysninger om

genstandens overflade, og øjet ser farven og formen af genstanden.

På samme måde kan et kamera registrere refleksionen og dermed også ”se” farven

og formen (Eduspace 2006). Bliver kameraet monteret i et fly eller satellit, kan


_______________________________________________________________________________________

6

det registrere refleksionen af stråling på jordoverfladen og dermed lave et kort

over det fotograferede område.

Hvis en overflader er hvid er det fordi den reflektere lige store mængder af alle

bølgelængder indenfor det synlige lys, såfremt en overflade absorberer noget af

den røde og blå del af det synlige spektrum vil overfladen se grøn ud.

Spektralsignaturen (sammensætningen af den reflekterede stråling) kan anvendes

til at beskrive den overflade der reflektere strålingen (Broge et.al. 2002).

Figur 1 viser eksempler på spektralsignaturer fra typiske naturlige overflader.

Figur 1: Spektralsignatur på typiske naturlige overflader

A: Kurver over spektral signatur for vand, jord og vegetation som de måles ved

fotografering fra Landsat satellit. Farverne i blokkene 1,2,3 og 4 markerer de

områder, hvor kameraet i satellitten registrerer refleksionen.

B: De spektrale signaturer måles som digitale værdier i satellittens scanner. Her

ses et tænkt eksempel på, hvordan Landsat satellitten ville måle bar jord, grøn

vegetation og vand (Eduspace 2006) (Broge et.al. 2002).

Af figur 1A kan princippet i telemålingen anskueliggøres:

Vegetation har en markant høj refleksion i kanal 4 og en lav refleksion i kanal 3.

Derfor er det muligt at skelne vegetationsdækkede arealer fra arealer med bar

jord. Forskellen mellem refleksionen i kanal 4 og kanal 3 er stor for

vegetationsdækkede områder og lille for områder med bar jord.


_______________________________________________________________________________________

7

I Figur 1B ses satellittens billede af de samme kanaler som i figur 1A efter at

satellittens scanner har digitaliseret dataene, for at gøre adskillelsen mellem de

forskellige areal- og overfladetyper mere tydelig, således at dataene kan bruges i

landbrugsmæssige sammenhæng (Eduspace 2006) (Broge et.al. 2002).

I nedenstående tabel 1 ses de satellitter der i dag bruges til jordobservation samt

de væsentligste specifikationer for deres billeddannende sensorer (Broge et.al.

2002).

Satellit Sensor

Spektrale

kanaler

Rumlig

opløsning

Overflyvnings-

frekvens Dækningsgrad

Landsat Multispektral 7 30 m 16 dage 185 x 170 km

Spot Multispektral 4 20 m 5-10 dage 60 x 60 km

IRS Multispektral 3 23 m 24 dage 141 x 141

IRS Panchromatisk 1 5 m 24 dage 70 x 70

IKONOS Multispektral 4 4 m 1,5 dage

11 km i

bredden

IKONOS Panchromatisk 1 1 m - -

QuickBird Multispektral 4 2,4 m - 16,5 x 165 km

QuickBird Panchromatisk 1 0,6 m - -

Tabel 1: Oversigt over landbrugsrelevante kommercielle satellitter og de data, de

leverer (Broge et.al. 2002)

Et Panchromatisk billede svarer til et sort/hvidt foto fra en sensor, der måler i hele

det synlige spektrum.

Et multispektralt billede er som vist i figur 1, en måling på flere kanaler, der giver

billedet af jordoverfladen (Eduspace 2006).

For at satellitfotos kan bruges i landbruget er det afgørende at:

• data kan fremskaffes på det ønskede tidspunkt,

• der ikke er skydække,


_______________________________________________________________________________________

8

• prisen er acceptabel i forhold til det forventede merudbytte,

• logistikken omkring omsætning af satellitdata til vegetationskort, som

landmanden kan bruge, er stabil og effektiv.

En af årsagerne til at satellitfotos ikke er mere udbredte i landbruget er,

at sikkerheden for at modtage billeder på relevante tidspunkter i vækstsæsonen

ikke har været stor nok, idet satellitterne har en lang overflyvningsfrekvens samt

at der på vores breddegrader er stor risiko for skydække, hvilket medfører at

billederne ikke kan bruges. Der er større tiltro til at billeder taget fra fly vil kunne

opfylde ovenstående krav, idet flyene kan flyve under skydækket og i det tidsrum,

hvor det er muligt at måle de data der er brug for (Broge et.al. 2002).

En tredje mulighed er at kameraet bliver monteret direkte på traktoren, hvilket vil

medføre at landmanden ikke er afhængig af overflyvningstidspunkter, vejret m.v.,

men kan bruge data direkte. Dette kræver dog en del forskelligt materiale

monteret i traktoren.

Alle de ovennævnte metoder bruger den samme metode til at aflæse afgrøden. De

billeddannende instrumenters evne til at læse sammensætningen af den

reflekterede stråling, er vigtig for deres anvendelighed til kortlægning. Når kort

skal bruges i landbrugsmæssig sammenhæng er det vigtigt at forskellen mellem

forskellige areal- og overfladetyper er markant (Broge et.al. 2002).

2.1.1.2. Udbyttemålere

Næsten alle nye mejetærskere, leveres med udbyttemålere, der på forskellige

måder måler udbyttet på markniveau eller sammen med en GPS måler variationen

af udbyttet i marken, disse målinger kan så bruges til at udforme et udbyttekort

ved hjælp af en Pc’er.

Udbyttemålerne fra de forskellige forhandlere varierer i deres målemetoder se

tabel 2.


_______________________________________________________________________________________

9

Tabel 2: Oversigt over ubyttemålingssystemer

Nøjagtigheden for udbyttemålerne er blevet undersøgt af Münchens tekniske

universitet sidst i 90’erne. Resultatet var at unøjagtigheden for de enkelte

systemer er max 2 %, dog blev målesikkerheden yderligere forringet i hældende

terræn (Landscenteret 2006).

2.1.1.3. Yara N-Sensor

Et af forsøgene på at optimere udbringningen af gødningen er Yara’s N-Sensor,

der fungere på den måde at sensorer måler klorofyl indholdet i planterne ved

hjælp af solens indstråling og afgrødens refleksion.

Der er en sikker sammenhæng mellem planternes klorofylindhold og kvælstof

indhold, derfor er det muligt ved hjælp af matematiske beregninger at finde frem

til kvælstofindholdet ud fra klorofylindholdet (Yara 2006) (Risø 2000).

Når Yara N-sensor skal bruges kalibreres N-sensoren ved at der køres på et stykke

af marken (reference jordstykket) hvor planterne er typiske for marken som

helhed, sensoren registrere de målte værdier en gang pr. sekund. Derefter indtastes

den mængde gødning der skal spredes på reference jordstykket (Hydro Agri AB

2003).

Udbyder Systemnavn Målemetode

Dronningborg Foldmeter Brydning af radioaktivstråling

LH

Technologies

Yieldlogger Kraftpåvirkning af kornet på

en prelleplade

John Deere Green Star Kraftpåvirkning af kornet på

en prelleplade

New Holland Kraftpåvirkning af kornet på

en prelleplade

Claas Quantimeter Måler rumfanget ved brydning

af infrarød lyskilde


_______________________________________________________________________________________

10

Når disse data er indtastet skifter menuen på skærmen automatisk til den

agronomiske kalibrering, hvor der skal indtastes:

• Afgrødeart

• Afgrødestadie

• % N i den brugte gødning,

• Minimum og maksimum tildeling: Grænseværdierne, systemet skal operere

inden for disse værdier.

• Ensartet tildeling: Den mængde der skal tildeles såfremt der er en sensorfejl.

• Reference tildeling: Denne værdi skal beregnes ud fra kalibreringen på

reference jordstykket og overføres automatisk når kalibreringen er udført.

• Reference sensor: Den sensor værdi er der målt i forbindelse med reference

spredningen, denne overføres automatisk når kalibreringen er udført.

• Biomass cutoff: Indikations niveauet for den målte biomasse,

spredningsmængden nedsættes såfremt der er tale om meget tynde afgrøder –

N-sensoren forudbestemmer denne værdi ud fra afgrødeart og –stadie, men

den kan tilpasses efter individuelle forhold.

(Hydro Agri AB 2003)

Ud fra ovenstående beregner systemet, hvor meget kvælstof det enkelte område i

marken skal tildeles, således at hvor der er en lille mængde klorofyl i planterne

tildeles en større mængde kvælstof.

Yara N-sensor kan måle store variationer i marken som kan skyldes forskel i

jordtypen, forfrugt, uens spredning af husdyrgødning eller anden unøjagtighed

ved 1. gødningsudbringning. Dette tages der højde for ved gødskningen.

Samtidigt med at Yara N-Sensor måler refleksionen og gødningsmængden bliver

positionen også registret via GPS, således at der kan laves et tildelingskort, hvor

der visuelt kan vises hvor gødningen er tildelt og i hvilke mængder.


_______________________________________________________________________________________

11

Em38DD, jordtype, udbyttekort, N-min målinger mv., kan sammenkobles med

Yara N-sensor målinger og bruges som beregningsgrundlag for tildeling af

gødningen (Yara 2006a).

Selve princippet i Yara N-sensor systemet kan ses på nedenstående figur 2 (Yara

2006b)

Figur 2: Princippet i en Yara N-sensor.

Ved målingen registrerer sensoren under gødningsudbringningen i marken

afgrødens indhold af klorofyl (grønkorn).

Ved databehandlingen beregnes sammenhængen mellem afgrødens indhold af

klorofyl og kvælstof og computeren udregner restbehovet af kvælstof.

Spredningen: ud fra det beregnede restbehov af kvælstof optimeres

gødningsmængden. Dvs. der gradueres med udgangspunkt i den aktuelle

gødningstilstand i marken.


_______________________________________________________________________________________

12

Systemet fungere ved at 4 sensorer på traktoren måler refleksionen fra afgrøden

(se figur 3 og bilag 1). Disse sensorer måler fra ca. 4,5 til ca. 7,5 m ud fra

traktoren, således at der på hver side af traktoren bliver målt et 3 m bredt bånd

dvs. ved en spredebredde på 24 m vil der blive målt klorofyl indhold på ca. 25 %

af afgrøden (Yara 2006). Arealet sensorerne måler er ca. 5 m2 pr. sensor eller ca.

20 m2 i alt beregnet ud fra bilag 2 og med en antaget højde placering af sensoren

på 3,25 m, hvilket svare til gennemsnitshøjden af en traktor. Sensorerne måler i en

blanding af Nær Infrarød Refleksion (NIR) og synligt lys, hvilket giver stabile

bølgelængder over dagen (Halmø 2006).

Figur 3: Princip ved sensor måling.

Da planternes refleksion vil være mindre i skyet vejr end i solskin, er Yara N-

sensoren bygget til at tage højde for størrelsen af solens indstråling og kan derfor

bruges uanset vejrliget (Yara 2006).

2.1.2. Metoder til beskrivelse af jorden

2.1.2.1. Jordtype

De danske jorder er delt op på baggrund af deres indhold af ler, sand, silt og

humus i pløjelaget, det klassificerede areal er delt op i 12 jordtyper (JB 1-12) se

nedenstående tabel 3 (Jensen & Jensen 2001).


_______________________________________________________________________________________

13

Tekstur definition

for jordtype JB.nr.

Ler

<2µ

Silt

2-20µ

Finsand

20-200µ

Sand i alt

20-2000µ

Humus

58,7% C

Grovsandet jord 1 0-50

Finsandet jord 2 0-5 0-20 50-100 75-100

Grov lerblandet

sandjord 3 0-40

Fin lerblandet

sandjord 4 5-10 0-25 40-95 65-95

Grov sandblandet

lerjord 5 0-40

Fin sandblandet

lerjord 6 10-15 0-30 40-90 55-90

Lerjord 7 15-25 0-35 40-85

Svær lerjord 8 25-45 0-45 10-75

Meget svær lerjord 9 45-100 0-50 0-55

Siltjord 10 0-50 20-100 0-80 <10

Humus 11 >10

Speciel jordtype 12

Tabel 3: JB typer

Jordens Bonitet (JB) har bl.a. betydning for hvor nem jorden er at bearbejde.

Sandjorde er ofte veldrænede, løse, porøse jorde, der er lette at arbejde med, hvor

lerjorde kan være klæbrige når de er våde og hårde når de er tørre. Disse forskelle

kan henføres til overflade egenskaberne på de forskellige partikelstørrelser. Jo

mere ler der er i pløjelaget jo sværere er de at arbejde med, hvilket betegnelsen

svær og meget svær lerjord hentyder til (Jensen & Jensen 2001).

JB og dermed lerindholdet har også betydning for det optimale reaktionstal (Rt) i

jorden og der med også på næringsstoffernes tilgængelighed, hvilket bliver

beskrevet senere.

JB klassificeringen anvendes også til at angive jordens udbytte potentiale, udfra

JB.nr. angives normerne for tildeling af gødning på de danske jorde

(Plantedirektoratet u.å.)


_______________________________________________________________________________________

14

2.1.2.2. Jordprøver

En udtaget jordprøve bliver oftest undersøgt for Reaktions tallet (Rt), Fosfor tallet

(Pt), Kalium tallet (Kt) og Magnesium tallet (Mgt), disse prøver udtages ca. hvert

5 år til en pris på ca. 150 kr./prøve + gebyr og kørsel (Skov 2006). Når prøverne

er analyseret, og indtegnet på et kort giver det et godt overblik over kalk- og

næringsstofbehovet (se nedenstående figur 4). Kortet kan bruges som grundlag for

en mere behov vurderet gødskning (Landscenteret 2003a).

Figur 4: Kort over jordprøver Rød=Rt, Blå=Pt, Grøn=Kt og Sort=Mgt

Reaktionstallet (Rt) udtrykker jordens surheds grad (svarer ca. til pH + 0,5), Rt

har indflydelse på jordens struktur, angreb af visse svampesygdomme og

planternes tilgængelighed til næringsstofferne, hvilket kan ses på nedenstående

figur 5.


_______________________________________________________________________________________

15

Figur 5: Oversigt over reaktionstallets indflydelse på næringstofttilgængeligheden

(Landscenteret 2004)

Ved at måle Rt kan det udledes om Rt er optimalt eller om der evt. bør kalkes for

at sænke jordens pH. Det optimale Rt er afhængig af jordtypen og sædskiftet, se

nedenstående tabel 4.


_______________________________________________________________________________________

16

Jordtype,

JB nr.

Sædskifte mht.

afgrøder

Tilstræbt

niveau

Tolerante a) 5,8-6,1

Middel b) 6,0-6,3 1-4

Følsomme c) 6,0-6,5


Middel b) 6,3-6,7 5-6



Middel b) 6,6-6,9 7-9



Middel b) 5,0-5,4 11


Tabel 4: Samspillet mellem jordtype, sædskifte og reaktionstallets (Rt) størrelse.

Tolerante afgrøder: Kartofler, rug, havre, græs.

Middel følsomme afgrøder: Vinterhvede, vinterbyg, majs, rød- og hvidkløver,

raps, markært.

Følsomme afgrøder: Lucerne, sukkerroer, sneglebælg, vårbyg (Landscenteret

2005).

Fosfortallet (Pt)

Udtrykker jordens indhold af plantetilgængeligt fosfor 1 Pt = 10 ppm fosfor i jord,

Pt skal helst ligge over 2,5 for planterne har optimale forhold til at optage fosfor.

Tilgængeligheden af fosfor er bedst når Rt er mellem 5,5 og 6,5. Er Pt under 2,0

kan der risikeres udbyttetab og det er nødvendigt at forbedre jordens

fosfortilstand. 1 Pt svare til ca. 25 kg P/ha, så for at hæve Pt med 1, skal der min.

spredes 25 kg P/ha, men skal jordens fosfortilstand forbedres generelt, anbefales

det at tilføre 40 kg P/ha/år indtil det anbefalede niveau er nået. Da fosfor praktisk

taget ikke udvaskes af jorden, kan det teoretisk tilføres i en mængde, der kan

dække flere års behov, men fosfor bindes i jorden så derfor anbefales en årlig

gødskning (Marschner 2002)(Storstrømmens Planteavlsrådgivning u.å.).


_______________________________________________________________________________________

17

Kaliumtal (Kt)

Udtrykker jordens indhold af plantetilgængeligt kalium 1 Kt = 10 ppm kalium i

jord, Kt skal helst ligge på 6-8 på sandjorde og 10-12 på lerjorde.

Tilgængeligheden af kalium er bedst når Rt ligger mellem 6,0 og 7,0. Jordens Kt

kan ændres hurtigt. En kalium krævende afgrøde kan sænke Kt meget, hvilket gør

at analysetallet kun vil være vejledende i få år. 1 Kt svare til 25 kg K/ha

(Marschner 2002)(Storstrømmens Planteavlsrådgivning u.å.).

Magnesiumtal (Mgt)

Udtrykker jorden indhold af plantetilgængeligt magnesium 1 Mgt = 10 ppm

Magnesium i jord (Marschner 2002), Mgt skal helst ligge mellem 5-8, ligger den

lavere bør der anvendes Mg holdige gødninger, 1 Mgt svarer til 25 kg Mg/ha

(Storstrømmens Planteavlsrådgivning u.å.).

Kvælstof mineralisering (N-min)

N-min er et udtryk for hvor meget mineraliseret eller uorganisk kvælstof der

forefindes i rodzonen, mineralsk kvælstof er det kvælstof der umiddelbart er

tilgængeligt for planterne.

Ved beregning af tilførsel af kvælstof ved hjælp af N-min metoden, bruges

afgrødens kvælstofbehov (kvælstofforsyningsnorm), hvilket er blevet bestemt ud

fra mange forsøg, herfra trækkes N-min og den forventede N-frigivelse der vil

være i løbet af året fra organisk materiale (planterester, husdyrgødning m.v.),

dette giver så andelen af N, der skal tilføres i handelsgødning for at opnå den

økonomiske optimale kvælstof mængde.

Optimal gødskning = Kvælstofforsyningsnorm – N-min – N-frigivelse

(alt i kg N/ha) (Landscenteret 2006a).

N-min metoden er mest sikker i anvendelse på ensartede marker, og har størst

værdi på marker hvor der kan forventes store mængder af mineralsk kvælstof

(efter husdyrgødning, N-fikserende afgrøder m.v.).


_______________________________________________________________________________________

18

N-min målinger bliver normalt taget med 1 stk./mark til en pris på ca. 700,- kr. ex

moms. 1 prøve pr. mark vil være for lidt til at kortlægge marken og med en pris på

ca. 700,- kr. ex. Moms vil gøre det ret dyrt at kortlægge markerne med N-min

prøver, samtidigt skal prøverne tages hvert år for at kunne være repræsentative for

området (Skov 2006).

2.1.2.3. Geonics Limited EM38DD

EM38DD måler jordens relative elektriske ledningsevne ved hjælp af

elektromagnetisk induktion. Instrumentet har en senderspole placeret forrest,

denne udsender et primært magnetfelt, som laver en elektrisk strøm i jorden.

Denne strøm laver et sekundært magnetfelt. En modtagerspole bagerst på

instrumentet måler, det samlede magnetfelt. Størrelsen af det totale felt fratrækkes

det kendte primære felt og dermed findes den relative feltstyrke og er proportional

med den tilsyneladende ledningsevne i jorden. Denne ledningsevne aflæses

direkte på apparatet i milli-Simens pr. meter (mS/m). Arealet den måler i en

måling ligger mellem 1-2 m2 og målehyppigheden er 1 Hz (1 gang pr. sek.).

Det effektive måleområde for apparatet er 0,75m i horisontal og 1,5m i vertikal

orientering i forhold til jordoverfladen. Herved opnås der informationer om

variationen i jordbunden i hele rodzone dybden (Ditlefsen 1999)(Geonics Limited

2006)(KUPA 2006).

Jordens Ledningsevne

Jordens Ledningsevne af hænger af flere forskellige faktorer, ledningsevnen vil

stige med jordens temperatur samt stigende salt-, vand- og lerindhold.

Under danske forhold vil saltindholdet kun have en mindre indflydelse på

målingen, med mindre der er gødsket for nyligt eller at grundvandet er saltholdigt.

Såfremt jordtemperaturen ændres vil målingerne blive parallelforskudt, hvilket

gør at den sensorbaserede inddeling af jorden relativ vil være den samme

(Landscenteret 2003).

Såfremt at vandindholdet og temperaturen holdes konstant har udenlandske

laboratorieforsøg vist at over 90 % af variationen i de målte tal skyldes

variationen i lerindholdet. Samtidigt viste forsøget at vandindholdet ikke havde


_______________________________________________________________________________________

19

den store indvirkning på målingerne, før jorden er drænet til et stykke under

jordens markkapacitet (Nehmdahl 2000). Således er jordens lerindhold lineært

korrelateret til ledningsevnen (ECa), udtryk ved nedenstående formel (Williams &

Hoey 1987):

Gennemsnitlig lerindhold (% <2µm) = 22,8 + 0,133 ECa

EM38DD målinger taget over tid har givet identiske kort på trods af store

forskelle i vandindhold og jord temperatur. I det EM38 målingerne ikke kan ”se”

forskel på ler og Tørv/Humus, kan dette give problemer idet måltallet også vil

være højt når der er humus i jorden, dette skal der tages højde for ved fortolkning

af EM38 kort (Nehmdahl 2000).

For at få mulighed for at lave et kort på baggrund af EM38DD målingerne, er det

nødvendigt at have koordinaterne for målingen. For at kunne indhente oplysninger

om koordinaterne bliver EM38DD apparatet monteret på en slæde, sammen med

en DGPS enhed. Slæden bliver så monteret efter en firhjulet motorcykel, som har

monteret en computer, der aflæser og lagrer måledata og position op til en gang i

sekundet. Såfremt forholdene er optimale, kan der køres op til 30 km/t og

kapaciteten for kortlægning er på ca. 150 ha/dag (Nehmdahl 2000).

Når EM38DD målingerne er udtrykt i kort over lerindholdet i jorden, er der

mulighed for at lave et gødningstildelingskort.

2.1.3. Tildelingsteknologi

Variable rate application (VRA) er en mulighed for at optimere gødskningen, idet

forskellige jorde og forskellige afgrøder har brug for forskellige mængder af

gødning.

2.1.3.1. Maskineri

Både ordinære gødningsspredere og sprøjter kan bruges til udbringning af

gødning i præcisionsjordbruget, sprederne til den granulerede gødning og

sprøjterne til den flydende gødning.


_______________________________________________________________________________________

20

Centrifugalspredere:

Spreder via spredeskiver med 2-8 udkastervinger, centrifugal spredere kan kaste

gødningen ud med en arbejdsbredde på op til 48 m, spredningen kan styres via

computer eller være kørselsafhængig, dvs. at traktoren fremkørselshastighed

styrer mængden af gødning der spredes.

Trepunkt ophængte centrifugalspredere kan tage op til 2500 kg gødning med i

tanken (Bøgballe 2007)(Hvam 2004)(Amazone u.å.).

Pneumatiskespredere:

Spreder via sprederør der fødes ved hjælp af knast- eller ribbevalser der leder

gødningen frem til rørene hvor en kraftig luftstrøm blæser gødningen ud gennem

rørene, de pneumatiske spredere kan have en arbejdsbredde op til 24 m og de

bugserede har en laste evne på op til 6000 kg, de trepunktsophængte har en laste

evne på 900-1600 kg (Hvam 2004).

Gødningssprøjter:

En almindelig marksprøjte kan bruges til udbringning af flydende gødning enten

med den almindelige bom med specielle dyser eller der kan monteres en speciel

gødningsbom, sprøjterne kan have en arbejdsbredde op til 40 m afhængig af

hvilken type sprøjte det er (Hvam, 2004). Rauch Har udviklet en sprøjte hvor

bommen er delt op i 6 sektioner hvor hver sektion kan betjenes uafhængigt af de 5

andre dermed kan sprøjten variere mængden af gødning i sektioner på ca. 6 m

(Rauch 2007).

Maskinerne på markedet i dag kan variere mængden i kørsels retningen, men

problemet er i variation i spredebredden, bredden kan gøres mindre, men de fleste

maskiner, kan ikke varieres i sektioner. Sprøjterne kan lukkes i sektioner men ikke

variere mængden. Amazone har lavet ZA-M Hytronic som kan varieres i

spredebredden, delt i højre og venstre side så den kan varieres i halvdelen af

bredden via hydraulik. Rauch har lavet deres AGT 6000 som kan varieres i 6

sektioner ved hjælp af luft (Trane 2006)(Bøgballe u.å.)(Amazone

u.å.)(Christensen 2006).


_______________________________________________________________________________________

21

De mest almindelige størrelser på VRA gødningsspredere i Danmark er 20 m og

derover (Griepentrog & Persson 2000)

2.1.3.2. GPS

Global Position System (GPS) er baseret på 24 satellitter + 3 reserve satellitter,

der kredser om jorden i kendte baner, satellitternes position kontrollers jævnligt

fra et kontrolcenter på jorden, som der korrigere for eventuelle afvigelser.

Satellitterne udsender radiosignaler i et bestemt mønster, signalet indeholder bl.a.

oplysninger om satellittens position, tidsstempel og oplysninger om satellittens

generelle tilstand (El-Rabbany 2002).

Når en GPS modtager signaler fra mindst 4 satellitter, beregner den afstanden fra

disse til den selv. Ud fra disse beregninger kan den bestemme sin egen position,

idet satellitternes position er kendt i forvejen (El-Rabbany 2002)(Lechner &

Baumann 2000).

I forbindelse med GPS tales der om både nøjagtighed og præcision. Nøjagtighed

beskriver hvor tæt den målte position ligger på den reelle position og præcisionen

beskriver hvor tæt gentagne målinger ligger på hinanden.

GPS har en nøjagtighed på 22 m horisontalt og 33 m vertikalt, en videreudvikling

af GPS systemet er Differential Global Position System (DGPS) der har en

nøjagtighed på 1-5 m, fordi den har en stationær GPS modtager, som har konstant

radiokontakt til de samme satellitter som den mobile GPS modtager. Den øgede

nøjagtighed skyldes dels at begge modtagere er udsat for de samme signalfejl og

satellitafvigelser og dels at den ene modtager er stationær og derfor kan bruges

som reference.

Nøjagtigheden på 1-5 m kan bruges til udbytte-, ukrudtskortlægning og

jordbundsvariationer (El-Rabbany 2002).

En tredje GPS mulighed er Real-Time Kinematics (RTK-GPS), som fungerer

efter samme system som DGPS, men bruger yderligere et system kaldet Carrier


_______________________________________________________________________________________

22

Phase Tracking, denne gør at RTK-GPS kan blive nøjagtig ned til få cm og i visse

tilfælde helt ned til millimeter (El-Rabbany 2002).

2.1.3.3. Tildelingskort/Realtime

Ved hjælp af ovennævnte metoder kan der vælges mellem at køre efter

tildelingskort eller realtime. Tildelingskortene bliver lavet ud fra udbyttekort,

EM38, jordbundsanalyser m.v. og de bliver lavet inden der køres i marken. Ved

realtime bliver analyserne lavet i sekunderne før tildelingen og sker direkte i

marken vha. sensorer påmonteret maskineriet f.eks. Yaras N sensor.

Realtime kan kombineres med udbyttekort, JB målinger m.v. for at give et endnu

bedre grundlag for tildelingen, idet flere parametre for jord og afgrøde bliver

brugt i kombination.

Fordelen ved realtime er at der bliver taget højde for ændringer i afgrøden helt op

til tildelingstidspunktet, men et af problemerne kan være data forsinkelser.

Systemet der holder styr på alle data kaldes GIS (geographic information system),

dette er en form for database, hvor et geografisk punkt kan sammenholdes med en

eller flere værdier i dette punkt, værdierne kan være JB, udbytte, klorofyl indhold

etc. (Morgan & Ess 1997).

Ved brug af præcisions gødskning burde økonomien blive optimeret, idet når

marken/planter får den gødning den har brug for, burde responsen blive et bedre

udbytte, men Berntsen et.al. (2006) har ikke fundet nogen stor respons mellem

præcisions gødskning og udbytte stigning, de forklarer resultatet med, at den

eksperimentelle opbygning ikke var optimal i forhold til at finde sammenhængen

mellem sensorbaseret gødningstildeling og udbytte. Flere forskellige velkendte og

knapt så velkendte faktorer spiller ind med hensyn til udbyttet på en mark. Disse

faktorer kan sløre de estimerede udbytte kurver, såfremt en eventuel

udbyttestigning skal kunne måles må flere faktorer, som klima m.v. tages med i

forsøget.


_______________________________________________________________________________________

23

3. Materialer og metoder

3.1. Jord og afgrøde data kilder Data for lerindhold (EM38DD) og biomasse index (Yara N-sensor) har jeg venligst fået

udleveret fra Dansk Landbrugsrådgivning. Jeg har fået udleveret data for 8 forskellige

destinationer fordelt over Danmark for at kunne vurdere om der er nogen forskel i

gødningsudbringningsbehovet Danmark over. Jeg har desværre ikke kunnet få data fra

vestkysten i det Dansk Landbrugsrådgivning desværre ikke har haft forsøg med Yara N-

sensoren der (Hørfarther 2006).

3.2. Data konvertering For at få resultaterne ud i meter, blev data kopieret ind i en tekst fil, konverteret fra

WGS84 til Utm32 og kopieret ind i en excel fil. Konverteringen skete vha. KMSTrans,

som er et konverteringsprogram, der kan downloades som freeware fra Kort og

matrikelstyrelsen (Kort og Matrikelstyrelsen 2006).

3.3. Excel For at kunne begynde at beregne på data blev alle data efter de var konverteret til

UTM32 koordinater lagt ind i Excel. Excel blev brugt til at lave statiske udregninger og

udregninger for vinkler, sporbredder m.v.

Variabiliteten i de forskellige marker er beregnet vha. formlerne:

For gennemsnit:

=MIDDEL(1 celle:sidste celle)

For Standard Afvigelse:

=STDAFV(1 celle:sidste celle)


_______________________________________________________________________________________

24

Punktafstanden er beregnet ved at tage koordinaterne for to punkter med 8

mellemliggende punkter og beregne afstanden mellem disse ved hjælp af formlen:

=(KVROD(SUM((X2-X1)^2)+((Y2-Y1)^2)))/9

Ved at dividere med 9 findes den gennemsnitlige afstand mellem de enkelte punkter der

ligger mellem de udtagne punkter.

3.4. Markbeskrivelser og data Nedenstående marker er blevet valgt ud fra at kunne dække et så stort område af

Danmark som muligt, data skulle gerne være repræsentativt for hele Danmark. Derfor

blev landscenteret kontaktet ang. data. Landscenteret leverede nedenstående data, men

det var desværre ikke muligt at få målinger fra det syd- og vestlige Jylland eller fra flere

lokationer på Sjælland og Lolland-Falster.

Men da de lokationer jeg har fået ligger rimeligt spredt over Danmark (Markernes

placering i Danmark kan ses på bilag nr. 3), må det antages at de kan være

repræsentative for landet med et vist forbehold idet JB nummerne ligger forholdsvist

tæt.

Tabel 5 beskriver markernes destination, JB nr., størrelse, spredebredde m.v. Antal

målepunk-ter

Geonics Ltd. Em38

Antal målepunkter

Yara N sensor

Ha JB nr.

Punkt afstand Geonics

Ltd. EM38

(m)

Punkt afstand Yara N-sensor

(m)

Sporvidde Yara N-sensor

(m)

Sporvidde Geonics

Ltd. EM38

(m)

Egeskov 3902 5363 24,35 5-6 5,77 1,99 24,14 11,4 Nibe 2967 6928 34,92 3-4 6,06 2,85 20,18 20,2 Odder 711 1373 10,06 5-6 5,86 2,07 34,67 17,3 Spørring 220 424 1,12 3-4 7,45 2,11 12,65 6,4 Tappernøje 360 651 3,17 5-6 5,91 1,73 27,57 15,5 Tommerup 774 1898 4,68 5-6 5,43 1,91 12,26 12,3 Viborg 168 623 1,09 3-4 5,28 1,46 14,91 14,9 Århus 283 760 1,82 5-6 4,67 1,59 16,33 15,8 Tabel 5: mark og databeskrivelser.


_______________________________________________________________________________________

25

Geonics Limited EM38 målinger er målinger på jordens ledningsevne og repræsentere

jordens lerindhold. Yara N-sensor er målinger på afgrøden refleksion og repræsentere

afgrødens biomasse index. Hvilket er beskrevet tidligere.

I Tabel 5 kan ses at der er flere målepunkter i refleksionen end i ledningsevne målingen

på trods af at Yara N-sensoren i de fleste tilfælde måler i bånd der er bredere end de

bånd Geonics Ltd. EM38 måler i. Men da de begge lagre data med 1 Hz og har

forskellig fremkørsels hastighed (Geonics Ltd. EM38 op til 30 km/t og Yara N-sensor,

kører med den hastighed som gødningsspredning kræver (mellem 10 og 15 km/t)) gør at

Yara N-sensor vil nå at logget flere data på samme længde end Geonics Ltd. EM38.

Derfor ligger punkterne fra Yara N-sensor tættere end punkterne fra Geonics Ltd. EM38

mens sporvidden er bredere for Yara N-sensor end den er for Geonics Ltd. EM38.

Markerne i Egeskov, Nibe og Tommerup er de eneste hvor der er lavet målinger på hele

marken både med Geonics Limited EM38 og Yara N-sensor, de resterende 5 marker er

Yara N-sensor målingerne sket i et afgrænset område i striber, derfor er målingerne fra

Geonics Limited EM38 blevet tilpasset, således at det kun er målinger fra det samme

område, der bliver brugt i databeregningerne, denne tilpasning bliver beskrevet senere.

Spredebredden på markerne er blevet beregnet ved at tage gennemsnittet af bredden

mellem målerækkerne af Yaras N-sensor, idet denne kørsel er sket efter at afgrøden er

spiret frem, kan det antages at der er blevet kørt i køresporene på de enkelte marker.

Beregningerne på spredebredden viser, at der er mulighed for at der er overlapninger

eller huller i mellem køresporene idet de ikke angiver en bredde der svarer til

gødningsspredernes bredde som måles i hele meter. Overlap betyder at der bruges mere

gødning m.v. end der er nødvendigt, hvilket ikke er økonomisk optimalt og huller kan

betyde at der er områder i marken der ikke får de midler de har behov for, og derfor

giver mindre udbytte end der ellers kunne forventes.


_______________________________________________________________________________________

26

3.5. Geostatistik 3.5.1. Data analyse og variabilitet beskrivelse

3.5.1.1 Geo.Filter

For at markerne var ens i størrelsen m.h.t. biomasse data og lerindhold data blev

al data filteret således at data ligger inden for de samme markgrænser.

Dette blev gjort ved at markgrænserne blev lavet ved hjælp af data fra Yara N-

sensor, UTM koordinaterne herfra blev så langt over i kortet med data fra Geonics

Ltd. Em38 og alle de målepunkter der lå uden for markgrænsen blev filteret væk.

På den måde blev det sikkert at alle data lå inden for de samme markgrænser.

(Nielsen & Griepentrog 2006)

Alle de filtrede kort over markerne kan ses i bilag 4-11

3.5.1.2 Surfer 8

Surfer 8 er et program til at behandle data statistisk og det kan visualisere data ved

hjælp af diverse grafer. Det blev brugt til at behandle data ved hjælp af kriging og

variogrammer (Surfer 8 2007).

Blanking

For at få defineret markernes afgrænsning, blev data lagt ind i Surfer 8 og blev

blanked, hvilket er en metode til at kunne udtage de data der ligger inden eller

uden for et bestemt område, efter samme system som Geo.Filter (Surfer 8 2007).

Kriging

Kriging er en interpolationsteknik, som tager højde for den stokastiske variation af

den rumlige variation. Kriging estimerer ikke målte lokationer udfra de omkring

liggende målte punker. Kriging har vist sig at være rigtig god til at lave

interpolationer af f.eks. jordtyper m.v. såfremt der er nok målinger til at metoden

kan blive brugt optimalt (Morgan & Ess 1997). Kriging består af to trin, det første

trin er en estimering af rådata´s variabilitet og derefter en interpolation af disse

(Morgan & Ess 1997).


_______________________________________________________________________________________

27

Variogram

Variogrammer er en måde at se variabiliteten i data på. To data sæt kan være

meget ens i alle henseender som antal punkter, gennemsnit, standard afvigelse

m.v. men når de lægges ind i et kontur kort kan det ses at de er forskellige. De

almindelige statiske beskrivelser tager ikke højde for den rumlige variation af

data, og derfor kan de være meget ens for to forskellige data set, variogrammet

tager højde for den rumlige variation og viser dermed forskellen i disse data

(Surfer 8 2007).

Direction

Direction er den vinkel hvorfra data bliver set, i dette projekt skulle data ses fra

kørselsretningen, direction i surfer starter med 0° i X-aksens retning og med 90° i

Y-aksens retning (Surfer 8 2007). Vinkelen blev beregnet i excel ud fra 2 punkter

i samme kørespor ved hjælp af formelen:

V=Grader(Arctan((Y2-Y1)/(X2-X1))

På nogle af lokationerne var det nødvendigt at tage den beregnede vinkel og

trække den fra 180° for at få den korrekte positive vinkel.

Beregnede vinkler for Geonics Limited (lerindholdet) og Yara (biomassen) ses i



_______________________________________________________________________________________

28

Vinkel

Geonics

Ltd.

Vinkel

Yara

Egeskov 20,13 20,03

Nibe 5,91 5,91

Odder 6,61 7,17

Spørring 72,06 70,78

Tappernøje 113,98 114,07

Tommerup 0,00 -0,13

Viborg 93,28 96,26

Århus 86,60 86,99

Tabel 6: kørselsretnings vinkler for lerindhold og biomasse

Køresporene for Nibe EM38DD er buede men ligger noget af distancen langs med

køresporene for data fra Yara N-sensor, derfor er der blevet brugt samme vinkel,

mens tolerancen er blevet øget til 10° for at få flere punkter med.

Tolerence

Tolerence er den vinkel der beskriver ”synfeltet” dvs. ved en tolerence på 5° ses

5° både til højre og venstre for Direction vinkelen (Surfer 8 2007). I projekt her er

der valgt at bruge en tolerence mellem 1° og 10° afhængigt af hvor meget

køresporene buer, jo mere et spor buer jo større tolerence, den valgte tolerence

fremkom ved at se hvor stabilt variogrammet var ved forskellige tolerencer.

Tolerence for Geonics Limited (lerindholdet) og Yara (biomassen) ses i



_______________________________________________________________________________________

29

Tolerence Geonics Ltd.

Tolerence Yara

Egeskov 3 3 Nibe 10 10 Odder 1 1 Spørring 10 5 Tappernøje 3 5 Tommerup 1 5 Viborg 5 10 Århus 10 10

Tabel 7: Tolerence for lerindhold og biomasse index

Nugget, Sill og Range

Når Variogrammet er lavet kan der udregnes eller aflæses Nugget, Sill og Range.

Nugget er den værdi af variogrammet ved Range (afstanden) 0, hvilket

repræsenterer den mikroskala variation eller målestøj i variogrammet. Det vil sige

at hvis en måling bliver foretaget det samme sted på to forskellige tidspunkter vil

variationen ligge inden for Nugget.

Sill er den værdi på x-aksen hvor variogrammet flader ud, og repræsentere

variansen i hele området. Hvis der er en stor Sill værdi er der stor varians mellem

to målepunkter og omvendt en lille Sill værdi viser en lille varians mellem to

målepunkter.

Range er den værdi på Y-aksen hvor variogrammet flader ud, det er der hvor

variabiliteten bliver konstant, Range kan beskrives som, den afstand hvor datas

variation ikke længere afhænger af afstanden. Range viser i hvor stort et område

variansen er, se nedenstående figur 6 (Surfer 8 2007)(Foldager 2002).


_______________________________________________________________________________________

30

Figur 6: beskrivelse af Nugget, Sill og Range (Foldager 2002)

Variogrammerne kan forekomme i flere forskellige graf typer, men umiddelbart er

der 3 forskellige typer hvor de fleste datasæt passer i (Surfer 2006), det er de

samme tre modeller, der figurerer i dette projekt. De tre modeltyper er vist i figur

7.

Figur 7: De tre mest almindelige variogram grafer.

Som det kan ses kan der ikke findes Sill og Range for den lineære model i det den

ikke på noget tidspunkt vil aftage.

Variogrammerne for alle data kan se i bilag 12–19


_______________________________________________________________________________________

31

3.5.1.3 Mean correlated distance (MCD)

Range er som tidligere beskrevet den afstand, hvor datas variation ikke længere

afhænger af afstanden. Hvis størrelsen af maskinerne bliver valgt ud fra denne

afstand, vil værdien i den ene side af maskinen ikke være sammenhængende med

værdien i den anden side, en værdi mellem 0m og Range vil være mere rigtigt

(Han et.al. 1994).

Han et.al (1994) beskriver hvordan MCD er baseret på den inverse funktion af

variogrammet ved hjælp af formelen:

)()()( max

hhh

γγγρ −

=

hvor:

)(hγ = variogram funktion eller model

maxγ = max variansen (=Sill)

Ved at tage integralet for denne funktion, vil arealet under formelen fremkomme.

Dette areal vil kunne ses som en akkumulation af de relaterede varianser (Han

et.al. 1994).

dhhAh

∫=max

0

)(ρ

Hvor:

maxh = range (m)

)(hρ = den inverse funktion af variogrammet

Ved at tage arealet og lægge det ud som et rektangel i det inverse variogram med

en højde på 1 ( )(hρ =1) og en bredde der er lig med A eller i denne funktion

kaldet MCD. I denne situation kan MCD ses som en hypotetisk afstand med

100 % variation, som vil kunne omfatte al variation under den inverse funktion

(Han et.al. 1994).


_______________________________________________________________________________________

32

Den samlede funktion for MCD er:

dhS

hSMCDh

∫−

=max

0

)(γ

Hvor:

maxh = range (m)

S = sill

h = lag distance

)(hγ = variogram funktion eller model

MCD er en optimering af størrelsen af prøvearealet eller antallet af prøve punkter

pr. definerede areal afhængigt af størrelsen af markvariabiliteten (Han et.al.

1994).

MCD er specielt brugbart til disse data idet MCD ikke kun bruger Nugget, Sill og

Range men også variogram funktionen under Range til at definere maksimum

længden, som er nødvendig for at beskrive variabiliteten i data. Dette gør at MCD

værdien er mindre end værdien for Range (Griepentrog et.al. 2006).

MCD kan bruges til at give en indikation på hvilken størrelse maskine der bør

bruges på den enkelte mark/bedrift og dermed give landmanden en hjælp til at

beslutte størrelsen på maskinen. MCD er i dette projekt beregnet udfra Yaras N-

sensor data og Geonics EM38DD data men data fra et udbyttekort kan også

bruges til at beregne MCD for markerne, dette kan give en indikation på om

bedriftens maskiner passer, så de kan bruges til præcisions jordbrug (Griepentrog

et.al. 2006).

3.5.1.4 Analyse af sammenhæng mellem Yara N-sensor data og Geonics Limited

EM38DD data

For at få nøjagtigt det samme antal punkter er der for hver mark blevet lavet en

kriging i Surfer 8 på biomasse data og lerindhold data med nøjagtigt de samme

maksimums og minimums grænser samt spacing.


_______________________________________________________________________________________

33

Max. og min. grænserne, blev fastsat af markgrænserne i den enkelte mark.

Idet der er valgt at se på to forskellige arealstørrelser på 100m2 og 400m2 for at

kunne sammenligne disse, blev spacing fastsat ud fra en 10 x 10 m og en 20 x

20m grænse således at arealet kom tættest muligt på 100 m2 og 400m2.

Bagefter blev data igen filteret således at alle data ligger inden for markgrænserne

til dette blev brugt Geo.Filter som er beskrevet tidligere (Nilsen & Griepentrog

2006).

Herefter blev data underkastet en korrelations beregning i excel udfra formelen:

=KORRELATION(Ax:Ay;Bx:By)

hvor:

Ax og Bx repræsentere den første værdi i de kolonner der skal beregnes

korrelation for.

Ay og By repræsentere den sidste værdi i de kolonner der skal beregnes

korrelation for.

Jo tættere på 1/-1 resultatet er jo større er korrelationen mellem de to data sæt.

I bilag 20-27 kan ses diagrammerne for korrelationen på de forskellige arealer på

de enkelte marker.


_______________________________________________________________________________________

34

4. Resultater og diskussion

4.1. Maskinstørrelse Som beskrevet tidligere kan nutidens maskiner variere i kørselsretningen men de fleste

ikke i spredebredden udover at nogle af sprøjterne kan lukke for en sektion den såkaldte

on/off system. Amazone har udviklet en ”triplet” med 4 dyser som giver hver sin

dosering, tripletten kan så drejes elektronisk alt efter hvor stor dosering der kræves på

netop det areal der overkøres hver enkelt triplet kan reguleres uafhængigt af de andre,

dette system er dog ikke på markedet endnu idet det er for dyrt produktionsmæssigt

(Trane, 2006). Amazone har også deres ZA-M Hytronic der kan regulere

spredemængden i henholdsvis højre og venstre side, dvs. halvdelen af spredebredden

(Trane 2006). Rauch har deres AGT 6000 serie der kan variere spredemængden i

sektioner på ca. 6 m (Rauch 2007). De nuværende maskiners spredebredde kan ses i

tabel 8.

Gødningstildelere Spredebredde

Centrifugalspredere (liftophægte, bugserede) 12 til 48 m

Pneumatiskespredere (liftophængte, bugserede) 12 til 24 m

Gødningssprøjter (liftophængte, trailer, selvkørende) 6 til 40 m

Tabel 8: spredebredde for forskellige gødningstildelere

Spredebredden på de lokationer vi har fået data fra er beregnet ud fra sporvidden af

Yara N-sensors målinger, idet disse målinger er taget efter at afgrøden er spiret frem og

det kan derfor antages at der ved disse målinger er kørt i de anlagte kørespor på marken.

Spredebredden kan ses i nedenstående tabel 9.


_______________________________________________________________________________________

35

Tabel 9: Beregnet sporvidde og antaget spredebredde for alle 8 lokationer

Spredebredden er antaget ud fra de mest almindelige bredder på såmaskiner, da jeg ikke

har oplysninger om, hvilken bredde der er sået i, er beregningerne lavet så der er mindst

muligt overlap/hul ved brug af 3, 4 eller 6m såmaskiner.

Som det kan ses ud fra tabel 8 og 9 ligger spredebredderne på lokationerne inden for de

gængse spredebredder maskinerne kan fås i.

4.2. Variogram parameter

Nugget

(mS/m)2

Sill

(mS/m)2

Nugget/

Sill

Ratio

(%)

Range

(m)

Model MCD

(m)

Egeskov 4,0 32,0 12,5 210 Spher, 96

Nibe 2,0 35,0 5,7 189 Spher, 78

Odder 1,0 18,5 18,5 140 Spher, 58

Spørring 0,1 3,5 2,9 39 Spher, 16

Tappernøje 2,0 - - - Linear -

Tommerup 1,0 27,0 3,7 90 Expo, 59

Viborg 0,7 6,4 10,9 64 Spher, 29

Århus 0,0 270,0 0,0 135 Expo, 86

Tabel 10. Geostatistisk analyse af Jordens ledningsevne inklusiv Mean Correlation

Distance (MCD)

Sporvidde Yara N-

sensor (m)

Antaget spredebredde

(m) Egeskov 24,14 24 Nibe 20,18 20 Odder 34,67 36 Spørring 12,65 12 Tappernøje 27,57 28 Tommerup 12,26 12 Viborg 14,91 15 Århus 16,33 16


_______________________________________________________________________________________

36

I Møller et.al. (2004). er Em38 målinger blevet fortaget på 24 marker liggende på 8

forskellige landskabselementtyper. Deres range ligger i mellem 7 og 330 m (se bilag

28), hvor Range (som det kan ses i tabel 10) i denne rapport ligger mellem 39 og 210 m.

Når Range sammenlignes, kan det ses at Range variere meget de forskellige marker

imellem, i både ledningsevne og refleksionen, hvilket betyder at der på nogle marker er

stor variation inden for den enkelte lokation.

Nugget ligger mellem 0-4 hvilket viser at målestøjen eller variansen ligger mellem 0 og

4 (mS/m)2. Hvis der sammenlignes med forsøgene i Møller et.al. (2004) ligger Nugget

effekten meget lig med hinanden i Møller et.al. (2004) ligger Nugget effekten mellem 0

og 9,3 (mS/m)2 såfremt analysen 9,3 (mS/m)2 pilles fra er den næst største Nugget effekt

3,6 (mS/m)2 (bilag 28).

Nugget effekten for EM38 målingerne ligger inden for samme interval i begge forsøg,

hvilket viser at den målestøj der kan forventes ved andre/nye målinger vil være i mellem

0 og 4 (mS/m)2.

Sill værdierne der viser hvor stor variansen er mellem 2 måle punkter ligger for

forsøgene i Møller et.al. (2004) mellem 0,2-37,1 (mS/m)2 (bilag 28), hvor de ligger

mellem 3,5 og 270 (mS/m)2 i disse forsøg, såfremt værdien på 270 (mS/m)2 bliver taget

ud, er den højeste Sill værdi på 35,0 (mS/m)2, hvilket gør at Sill værdierne for de 2

forsøg ligger inden for nogenlunde samme ramme.

Værdien på 270 (mS/m)2 giver anledning til at overveje om der findes humus på

lokationen i Århus, idet værdien skiller sig markant ud fra resten.


_______________________________________________________________________________________

37

Tabel 11. Geostatistisk analyse af refleksionen fra Yara N-sensoren inklusiv Mean

Correlation Distance (MCD).

I Thiessen (2002) er MCD beregnet ud fra Yara N-sensor målinger på forskellige dage

for 12 marker i Tyskland (se bilag 29). MCD for disse målinger ligger mellem 7,2 og

139 m. MCD varierede markant indenfor den enkelte mark på forskellige datoer, de

fleste således at jo flere tildelinger der var sket jo større MCD, hvilket jo viser at

markerne bliver mere og mere homogene mht. Biomasse index. Denne variation er der

ikke taget højde for i dette projekt, men det er muligt at samme variation vil opstå

såfremt samme analyser blev lavet på de danske lokationer.

De 2 analyser der er blevet lavet i dette projekt viser, at MCD generelt er større i

målingerne af ledningsevnen end målingerne i refleksionen. Dette kan forklares med at

planternes tilstand afhænger af flere forskellige parameter end jordens lerindhold. Det

kan være jordens vandkapacitet, tekstur, indhold af organisk materiale, pH, topografi

m.v. (Kitchen et.al. 2003). Odder skiller sig ud i det, at der er MCD større i refleksionen

end i ledningsevnen, det kan være pga. jordens evne til at afgive næringsstoffer til

planterne er bedre på denne lokation end på resten af lokationerne. I Spørring er MDC

for begge analyser den samme.

Nugget beregningerne for refleksionen ligger på 0 med undtagelse af Nibe som ligger

på 0,38 (mS/m)2, hvilket viser at målestøjen er begrænset på alle lokationer med

udtagelse af Nibe. Sill værdierne eller variansen mellem 2 målepunker ligger mellem

Nugget

(-)

Sill

(-)

Nugget/

Sill Ratio

(%)

Range

(m)

Model MCD

(m)

Egeskov 0,00 0,315 0,0 56 Spher. 22

Nibe 0,38 0,780 48,7 75 Spher. 52

Odder 0,00 0,260 0,0 124 Spher. 80

Spørring 0,00 0,199 0,0 41 Spher. 16

Tappernøje 0,00 0,001 0,0 44 Spher. 17

Tommerup 0,00 0,360 0,0 38 Spher. 15

Viborg 0,00 0,600 0,0 36 Spher. 14

Århus 0,00 0,158 0,0 40 Spher. 16


_______________________________________________________________________________________

38

0,00 (mS/m)2 i Tappernøje og 0,78 (mS/m)2 i Nibe, hvilket betyder at Nugget

procentvise størrelse af Sill i Nibe bliver 48,7 %, således kan målestøjen udgøre op til

48,7 % af variansen mellem 2 punkter.

Disse datasæt viser at Variable Rate Applikation (VRA) er brugbart på disse marker,

idet både jord- og afgrødedata er rummelige variable.

4.3. Analyse af sammenhæng mellem refleksion og ledningsevne Som det kan ses i nedenstående tabel 12 er de fleste af resultaterne for korrelation

mellem refleksion og ledningsevne tæt på 0, hvilket betyder at der ikke er sammenhæng

mellem refleksion (biomassen) og ledningsevne (lerindholdet). Jo tættere på 1/-1

korrelationerne er jo større sammenhæng er der mellem ledningsevne og refleksion.

10 x 10 m 20 x 20 m

Egeskov -0,05 -0,06

Nibe 0,07 0,08

Odder -0,34 -0,33

Spørring -0,67 -0,80

Tappernøje 0,31 0,34

Tommerup 0,20 0,20

Viborg -0,37 -0,34

Århus -0,07 -0,11

Tabel 12: Korrelation mellem refleksion og ledningsevne beregnet for hhv. 10x 10 m og

20 x 20 m

Ehlert & Domsch (2001) fandt ud af at der ikke var nogen typisk korrelation mellem

ledningsevnen og biomassen målt med en pendulum sensor i deres forsøg og heller ikke

mellem ledningsevnen og udbyttet.

Sammenhængen mellem ledningsevne og biomasse er ikke tæt nok til at der

umiddelbart kan findes korrelation i mellem disse. En af grundene til dette kan være at

planternes ernæring og dermed biomasse ikke kun er afhængig af jordens lerindhold,


_______________________________________________________________________________________

39

men af samspillet mellem lerindhold, topografi, tilgængeligheden af næringsstoffer, pH

værdier, sygdomme, skadedyr m.m. (Ehlert & Domsch 2001)(Kitchen et.al. 2003).

På grund af de lave korrelationsværdier kan biomassen ikke umiddelbart forklares ud fra

ledningsevnen. Ehlert & Domsch (2001) fandt ud af hvis de brugte værdier der havde

sammenhæng mellem ledningsevnen og andre planteparametre blev korrelationen

bedre.

4.4. Sammenligning af maskineri og afgrødebehov

Sprede-

bredde

(m)

MCD

(m)

Lerindhold

MCD

(m)

Biomasse

Egeskov 25 96 22

Nibe 20 78 52

Odder 35 58 80

Spørring 12 16 16

Tappernøje 28 - 17

Tommerup 12 59 15

Viborg 14 29 14

Århus 16 86 16

Tabel 13: Sammenligning af spredebredde og MCD på de forskellige lokationer

I tabel 13 ses det at MCD ligger mellem 14 og 80 meter i Biomassen og 16 og 96 meter

i Lerindholdet og det forskellige maskineri ligger mellem 12 og 35 meter, derfor burde

det nuværende maskineri på lokationerne Nibe, Odder, Spørring, Tommerup, Viborg og

Århus passe til markernes variabilitet, men på lokationerne Egeskov og Tappernøje er

MCD i Biomassen mindre end maskinstørrelsen og i disse tilfælde er maskinerne for

brede, såfremt der skal implementeres præcisions jordbrug på bedriften.

Såfremt at variabiliteten ligger således, at den ikke passer ind i markens kørespor, kan

maskineriet alligevel være for bredt. Især på de bedrifter der bruger det bredeste

maskineri.


_______________________________________________________________________________________

40

I Thiessen (2002) fandt man at MCD varierede markant indenfor den enkelte mark på

forskellige datoer, efterhånden som gødnings tildelingerne skete, jo større blev MCD.

Thiessen (2002) fandt også at 24 m gødningsspredere er tilstrækkelig til at kunne dække

afgrødernes variabilitet.

Såfremt at der havde været data på flere forskellige datoer på de samme lokationer i

dette projekt, kan det være at der havde været en konklusion der ligner den som

Thiessen (2002) er kommet frem til.

Lokationernes MCD er ikke afhængig af deres placering i DK. Men da lokationernes JB

nr. ligger ret tæt på hinanden, er det muligt at en tendens ville kunne ses, hvis der var

flere lokationer der dækkede hele Danmark.

De målemetoder vi har i dag kan blive udviklet, så de har en større præcision eller nye

mere præcise målemetoder kan blive udviklet, hvilket kan betyde at maskineriet ikke er

tilstrækkeligt præcist.


_______________________________________________________________________________________

41

5. Konklusion

MCD for ledningsevnen ligger mellem 16 og 96 m og MCD for refleksionen ligger mellem

14 og 80 m, hvilket viser at udover Egeskov og Tappernøje passer de maskiner, der er på

bedriften til, at der kan implementeres præcisions jordbrug, uden det er nødvendigt at

investere i nye maskiner.

Resultater fra Thiessen (2002) viser at målingerne bør tages flere gange hen over året for at

få flest mulige data, og dermed en bedre baggrund for at beregne MCD.

Sammenligningen mellem MCD for begge målinger og lokationernes beliggenhed giver

ikke nogen klar tendens over maskinstørrelsen fordelt i Danmark.

Korrelationen mellem ledningsevne og biomasse ligger mellem -0,80 og 0,34, hvilket ikke

er ikke tæt nok til at der umiddelbart kan findes en sammenhæng i mellem disse. Grunden

til dette, er at der er flere andre parametre end ledningsevnen (lerindholdet) der indvirker

på planternes biomasse index (næringsstofoptag), hvilket også konkluderes af Ehlert &

Domsch (2001).

Maskinbredden i dag er god nok, men det kræver at landmanden vælger en maskine der

passer til hans bedrift. Tendensen til at landmændene vælger at købe større og større

maskiner gør, at det er nødvendigt at udvikle muligheden for sektionsdeling mere.

Dette ville give en bedre præcision, idet gødningsmængden så vil kunne varieres både i

spredebredden og i kørselsretningen.

MCD udregningerne kan hjælpe landmænd med at beskrive mark variabiliteten og dermed

give en vurdering af hvilken størrelse maskine, der er brug for på bedriften. Det kan være

andre MCD udregninger end for refleksion og ledningsevne, det kunne f.eks. være udbytte

målinger.


_______________________________________________________________________________________

42

6. Perspektivering

MCD udregninger kan blive brugt til at analysere på forskellige faktorer fra jordprøver til

udbyttemålinger og kan dermed give landmanden mulighed for at vælge sine maskiners

størrelse til præcisions jordbrug ud fra disse for hans bedrift specifikke data.

I fremtiden vil der være mulighed for at bedre og mere specifikke målemetoder for

afgrødebehovet bliver udviklet, og dermed vil det være nødvendigt at udvikle

gødningsudbringnings maskinerne så de kan matche disse målinger.

Udviklingen går i retning af, at der kan måles data på den enkelte plante. Derved kan der

gives både gødning og sprøjtemidler på plante niveau, dette skulle gerne give udslag i at

både gødningsmængden og sprøjtemængden bliver nedsat. Dette kræver dog endnu mere

følsomme maskiner mht. variation både i spredebredden og i kørselsretningen. Denne

udvikling medfører at de forskellige maskiner både måleudstyret, registrerings-,

beregningsmaskiner m.v. skal optimeres således at dataforsinkelser ikke bliver et problem

for denne nøjagtige spredning. Ikke mindst forsinkelsen fra maskinens indstilling er

ændret, til "den nye" gødningsmængde rammer jorden skal minimeres således at der ikke

er kørt flere meter før ændringen træder i kraft.

Formentlig vil sprøjterne i fremtiden blive mere brugt til gødningstildeling i præcisions

jordbrug, idet de er mere præcise ved udbringningen end bredsprederne er. Samtidigt kan

det blive økonomisk billigere, idet der kun skal indkøbes og vedligeholdes en maskine.


_______________________________________________________________________________________

43

7. Referencer

Amazone (u.å.): Plantebeskyttelsesredskaber, Brøns Maskinforretning, Skærbæk, Printed

in Germany

Berntsen, J., Thomsen, A., Schelde, K., Hansen, O. M., Knudsen, L., Broge, N.,

Haougaard, H. og Hørfarter, R. (2006): Agoritms for sencor-based redistribution af

nitrogen fertilizer in winter wheat. Precision Agric, nr. 7, side 65-83.

Bøgballe (u.å.): Calibrator Uniq – Instruktionsbog, Bøgballe A/S, Uldum

Bøgballe (2007): Produkter [online] Bøgballe A/S [citeret den 9. januar 2007] tilgængelig

på internettet: http://www.bogballe.dk/dk/products/m3wplus.html

Broge, N. Andreasen, F. M. & Hansen, O. M. (2002): Remote Sensing i landbruget

[online] Dansk Landbrugsrådgivning, Landscenteret [citeret den 29. august 2006]

tilgængelig på internettet:

http://www.lr.dk/planteavl/informationsserier/planteavlsorientering/pl07-428.htm

Christensen, N., K. (2006): Personlig meddelelse, Distriktschef Øerne, Hardi

Skandinavien, Helgeshøj Allé 38, 2630 Tåstrup, Tlf. 2160 3165

Ditlefsen, C. (1999): Ny målemetode – til kortlægning af rødbrændende teglværksler,

GeologiskNyt, nr. 6, side 12-13.

Eduspace (2006): Hvad er telemåling? [online] Eduspace [citeret den 29. august 2006]

tilgængelig på internettet: http://www.eduspace.esa.int/subtopic/default.asp?document=295

og

http://www.eduspace.esa.int/subtopic/default.asp?document=350&language=dk#reponse

Ehlert, D. & Domsch, H. (2001): Correlations between soil and plant parameters,

Landtechnik, Vol. 3, årgang 2001, side 134-135.


_______________________________________________________________________________________

44

El-Rabbany, A. (2002): Introduction to GPS: the Global Positioning System.Artec Houns,

INC., Norwood.

Foldager, L. (2002): Surfer, Konturdiagrammer og Variogrammer [online] DJF Århus

universitet [citeret den 17. januar 2007] tilgængelig på internettet:

http://www.jbs.agrsci.dk/~lfo/talks/seminar_PVJ190202_text.pdf

Geonics Limited (2006): EM38 [online] Geonics Limited [citeret den 30. maj 2006]

tilgængelig på internettet: http.//www.geonics.com/html/em38.html

Griepentrog, H.W. & Persson, K. (2000): Work Quality of Disc Spreaders With Variable

Dosing, Landtechnik , nr. 55, side 142-143.

Griepentrog, H.W., Thiessen, E., Kristensen, H. & Knudsen, L. (2006): A Heterogeneity

Indes to Assess Machinery to Match Soil and Crop Spatial Variability,. In: Proceedings 6th

European Conference on PrecisionAgriculture ECPA, 6.2007 Skiathos, GreeceKVL

Denmark, Upublieret.

Halmø, S. (2006) ): Personlig Meddelelse, Yara Danmark, Kirstinelundsvej 3, 8740

Brædstrup, Tlf. 4052 8607.

Han, S., Hummel, J., W., Goering, C., E. & Cahn, M., D. (1994) Cell Size Selection for

Site-Specific Crop management, American Society of Agricultural Engineers, Vol 37, side

19-26

Hvam, S. A.(2004): Markens Maskiner, 4.udgave 2. oplag, Landbrugsforlaget, Århus N.

Hydro Agri AB (2003): Brugervejledning til Hydro N-sensor, Hydro Agri AB, Randers

Hørfarther, R. (2006): Personlig meddelelse, Konsulent, Dansk landbrugsrådgivning, Tlf.

8740 5430


_______________________________________________________________________________________

45

Jensen, H. E. & Jensen S. E. (2001): Jordfysik og Jordbrugsmeteorologi, 2. udgave, DSR

Forlag, Frederiksberg C

Kitchen, N. R., Drummond, S. T., Lund, E. D., Sudduth, K. A. & Buchleiter, G. W. (2003):

Soil Electrical Conductivity and Topography Related to Yield for Tree Contrasting Soil-

Crop Systems, Agronomy Journal, Vol. 95, årgang 2003, side 483-495.

Knudsen, L. (2004): Kvælstof koster -især når det mangler, [online] Dansk

Landbrugsrådgivning, Landscenteret [Citeret den 27. april 2006], tilgængelig på Internet:

http://www.lr.dk/planteavl/diverse/kvaelstof.pdf

Kort og Matrikelstyrelsen (2006): KMSTrans2006), [online] Miljøministeriet [citeret den

3. december 2006] tilgængelig på internettet:

http://www.kms.dk/Produktkatalog/Gratis+produkter+og+ydelser/gratis+produkter+og+yd

elser.htm

KUPA (2006): Geofysisk kortlægning med EM38, [online] KUPA [citeret den 30. maj

2006] tilgængelig på internettet: http://www.kupa.dk/em38.htm

Landscenteret (2003): Ledningsevnemåling, [online] Dansk Landbrugsrådgivning,

Landscenteret [citeret den 3. maj 2006] tilgængelig på internettet:

http://www.lr.dk/planteavl/diverse/pos_ledningsevnem.htm

Landscenteret (2003a): Jordbundsanalyser, [online] Dansk Landbrugsrådgivning,

Landscenteret [citeret den 13. september 2006] tilgængelig på internettet:

http://www.lr.dk/planteavl/diverse/pos_jordbundsanalyse.htm

Landscenteret (2004): Baggrund for kalkningsvejledning 2004, [online] Dansk

Landbrugsrådgivning, Landscenteret [citeret den 13. september 2006] tilgængelig på

internettet: http://www.lr.dk/planteavl/informationsserier/planteavlsorientering/pl07-

521.htm#Afgrodernes_krav_til_reaktionstal


_______________________________________________________________________________________

46

Landscenteret (2005): Kalkning, [online] Dansk Landbrugsrådgivning, Landscenteret

[citeret den 13. september 2006] tilgængelig på internettet:

http://www.lr.dk/planteavl/informationsserier/dyrkningsvejledninger/kalkv.htm#Hvor%20

højt%20skal%20reaktionstallet%20(

Landcenteret (2006): Udbyttemålere på mejetærskere, [online] Dansk

Landbrugsrådgivning, Landscenteret, Byggeri og Teknik [citeret den 30. august 2006]

tilgængelig på internettet: http://www.lr.dk/bygningerogmaskiner/informationsserier/info-

byggeriogteknik-gratis/1512_hhp.htm

Landscenteret (2006a): Gødskning efter N-min-metoden 2006, Dansk Landbrugs

Rådgivning, Århus N

Lechner, W. & Baumann, S. (2000): Global navigation satellite systems, Computers and

Electronics in Agriculture. Vol. 25, side 67-85

Marschner, H. (2002): Mineral Nutrition of Higher Plants, second edition Academic Press,

London.

Morgan, M. & Ess, D. (1997): The Precision-Farming Guide for Agriculturists, John

Deere Publishing, Litho, Illinois.

Møller, I., Elsgaard, L., Greve, M. H. & Vinther, F. P. (2004) Bilag 3A. Variabilitet,

Geostatistik og Mikrobiologi, Generelt. I: Erik Nygaard (2004) Koncept for udpegning af

pesticidfølsomme arealer, KUPA, Særligt pesticidfølsomme sandområder: Forudsætninger

og metoder til zonering, Miljøministeriet, Danmarks og Grønlands Geologiske

Undersøgelse, GEUS, København K, bilag side 25-44.

Nehmdahl, H. (2000): Kortlægning af jordbundsvariation –geoelektriske målinger med

EM38, GeologiskNyt, nr. 2, side 18-19

Nielsen, J. & Griepentrog, H. W. (2006) software, Geofilter, KVL, Upubliseret.


_______________________________________________________________________________________

47

Plantedirektoratet (u.å.): Vejledning om gødsknings- og harmoniregler, 2005/2006,

Plantedirektoratet, Kgs. Lyngby.

Rauch (2007): AGT Spreading System [online] Rauch [Citeret den 17. januar 2007]

tilgængelig på Internettet: http://www.rauch.de/front_content.php?idart=82

Risø (2000): Kunstigt øje vogter over planters ernæringstilstand [online] Risø [Citeret den

14. august 2006] tilgængelig på Internettet:

http://www.risoe.dk/rispubl/Risnyt/risnytpdf/ris0200/riso-2-2000s12_13.pdf

Skov, N (2006): Personlig Meddelelse, Bogholder, Østdansk Planteavlsrådgivning, Center

Allé 6, 4683 Rønnede, Tlf. 5679 1923.

Storstrømmens Planteavlsrådgivning (u.å.): Jordbundsanalyser, Storstrømmens

Planteavlsrådgivning, Rønnede.

Surfer 8 (2007): Hjælpefunktionen i Surfer 8, Golden software, inc. Colorado, U.S.A.

Teknologisk Fremsyn (2003): mere miljøvenligt jordbrug [online] Ministeriet for

videnskab, teknologi og udvikling [Citeret den 29. august 2006] tilgængelig på Internettet:

http://www.teknologiskfremsyn.dk/site/doc.php?id=88

Thiessen, E. (2002) Variability of spatial Areas with sensor controlled fertiliser

application. Landtechnik, vol. 4, årgang 2002, side 208-209

Trane, L. (2006): Personlig meddelelse, Repræsentant, Johannes Mertz A/S, Holger

Brodthagensvej 6, 4800 Nykøbing F, Telefon: 2343 5259

Williams, B., G. & Hoey, D.: The Use of Electromagnetic Induction to Detect the Spatial

Variability of the Salt and Clay Contents of Soil. Australian journal of Soil Research, bind

25, årgang 1987, side 21-27.


_______________________________________________________________________________________

48

Yara (2006): Information Hydro N-sensor [online] Yara [Citeret den 14. august 2006]

tilgængelig på Internettet:

http://fert.yara.dk/library/attachments/crop_fertilization/tools_and_services/n-

sensor/Yara_N-Sensor_mappen.pdf

Yara (2006a): gradueret tildeling af kvælstof [online] Yara [Citeret den 14. august 2006]

tilgængelig på Internettet: http://fert.yara.dk/dk/crop_fertilization/tools_and_services/n-

sensor/opt_nitrogen_application.html

Yara (2006b): Metode [online] Yara [Citeret den 14. august 2006] tilgængelig på

Internettet: http://fert.yara.dk/dk/crop_fertilization/tools_and_services/n-

sensor/method.html


_______________________________________________________________________________________

49

8. Bilagsoversigt

Bilag 1: Teknisk datablad for Yaras N-sensor

Bilag 2: Yara N-sensors måleareal

Bilag 3: Lokationernes placering i Danmark

Bilag 4: Kontur kort over Egeskov Lerindhold og Biomasse

Bilag 5: Konturkort over Nibe Lerindhold og Biomasse

Bilag 6: Konturkort over Odder Lerindhold og Biomasse

Bilag 7: Konturkort over Spørring Lerindhold og Biomasse

Bilag 8: Konturkort over Tappernøje Lerindhold og Biomasse

Bilag 9: Konturkort over Århus Lerindhold og Biomasse

Bilag 10: Konturkort over Viborg Lerindhold og Biomasse

Bilag 11: Konturkort over Tommerup Lerindhold og Biomasse

Bilag 12: Variogrammer over Egeskov Lerindhold og Biomasse

Bilag 13: Variogrammer over Nibe Lerindhold og Biomasse

Bilag 14: Variogrammer over Odder Lerindhold og Biomasse

Bilag 15: Variogrammer over Spørring Lerindhold og Biomasse

Bilag 16: Variogrammer over Tappernøje Lerindhold og Biomasse

Bilag 17: Variogrammer over Århus Lerindhold og Biomasse

Bilag 18: Variogrammer over Viborg Lerindhold og Biomasse

Bilag 19: Variogrammer over Tommerup Lerindhold og Biomasse

Bilag 20: Korrelation for Lerindhold/Biomasse i Egeskov hhv. 10 x 10 m og 20 x 20 m

Bilag 21: Korrelation for Lerindhold/Biomasse i Nibe hhv. 10 x 10 m og 20 x 20 m

Bilag 22: Korrelation for Lerindhold/Biomasse i Odder hhv. 10 x 10 m og 20 x 20 m

Bilag 23: Korrelation for Lerindhold/Biomasse i Spørring hhv. 10 x 10 m og 20 x 20 m

Bilag 24: Korrelation for Lerindhold/Biomasse i Tappernøje hhv. 10 x 10 m og 20 x 20 m

Bilag 25: Korrelation for Lerindhold/Biomasse i Århus hhv. 10 x 10 m og 20 x 20 m

Bilag 26: Korrelation for Lerindhold/Biomasse i Viborg hhv. 10 x 10 m og 20 x 20 m

Bilag 27: Korrelation for Lerindhold/Biomasse i Tommerup hhv. 10 x 10 m og 20 x 20 m

Bilag 28: Geostatistisk analyse af Em38 data fra KUPA rapporten 24 undersøgelsesmarker

og profillinier

Bilag 29: MCD beregninger for Yara N-sensor målinger i Tyskland

Bilag 1: Teknisk data blad for Yaras N-sensor

Hydro N-Sensor Technical Data Sheet

General Description

The Hydro N-Sensor consists of two diode-array spectrometers, fiber optics and a microprocessor in a rugged housing mounted on the top of the vehicle's roof. One spectrometer collects reflectances at wavelengths from 450 to 900 nm from four spots located around the vehicle. By this, typically an area of approximately 50-100 m² is measured per scan. Irradiance correction is provided through the second spectrometer sensing the sky hemisphere in the same wavebands. Though the crop is scanned at an oblique view zenith angle (64° on average), solar azimuth effects are largely avoided by the special viewing geometry.

The system is controlled by a user terminal mounted inside the vehicle's cabin. Data is stored on a memory card together with positioning information at a repetition rate of typically 1 second. It can easily be retrieved from the card and transferred to SensorOffice, the internet-based mapping service from Hydro Agri.

System Components

A complete Hydro N-Sensor System contains several components:

• The N-Sensor itself (to be mounted on the roof of the vehicle)

• A wiring harness • An operation terminal (to be mounted

inside the cabin of the vehicle) • A data card for data storage and

transfer • PC software for data card management • Access to SensorOffice mapping service

Following components are not part of the standard delivery, but may be ordered as attachments:

• Roof mounting kit • Adaptor cables to various spreader controllers • Built-in GPS receiver (the user can alternatively provide his own receiver) • Radiometric calibration service

Viewing Geometry

The viewing geometry has been specially designed to fulfil the following criteria at the same time:

• measure a large area • keep the field of view out of the shadowing area of the vehicle • avoid large booms etc. to carry the optics • provide measurements independent of driving, viewing and solar direction

These requirements result in four optical inputs pointing at spots located around the vehicle as shown in the figure. Each input captures the reflected radiation at an angle of 64° from nadir with a field of view of 12°. The angle 90° between each of the four inputs is 90°. This geometry leads to two stripes approximately 3 m wide on each side of the vehicle. The inner border of each stripe is approximately 4-5 m away from the center of the tramline, leading to a total swath width of 14-16 m. However, according to simple triangular geometry, the swath width depends on and can be adjusted by the mounting height of the unit.

90°sensedarea

v

90° sensedarea

Technical Specifications Summary

Number of spectrometers: 2 (1 reflectance, 1 irradiance) Covered wavelengths: 450-900 nm Number of optical inputs: 4 reflectance, 1 irradiance Field of view: 12° per optical input Average viewing direction: 64° from nadir Angle between optical inputs: 90° Area scanned: 50 - 100 m²/s, depending on mounting height and speed

Integration time: 16 - 4000 ms, automatically set depending on irradiance Dark current: automatic correction Repetition rate: 1, 2 or 4 s, depending on integration time Data acquisition interval: 1 s Data storage: PCMCIA flash memory card Storage capacity: >64 h on 8 MB card) Positioning data: any GPS or DGPS receiver with NMEA-0183 output Size (L x W x H): 210 x 30 x 20 cm Weight (N-Sensor only): approx. 15 kg

Bilag 2: Yara N-sensors måleareal

Viewing Geometry

5870

d/

h

xx

x1 = d/2 + h tan 58° / sqrt(2) = 0.5 d + 1.13 hx2 = d/2 + h tan 70° / sqrt(2) = 0.5 d + 1.94 h

where:d: width of the sensor rig h: height of the sensor rig

90sensed area

v

Bilag 3: Lokationernes placering i Danmark

Egeskov

Nibe

Odder

Spørring

TapTommerup

Viborg

Aarhus

Bilag 4: Kontur kort over Egeskov Lerindhold og Biomasse

595400 595500 595600 595700 595800

6115200

6115300

6115400

6115500

6115600

6115700

-2

2

6

10

14

18

22

26

30

34

38

42

46

50

Egeskov lerindhold

Nordlig (m)

Østlig (m)

(mS/m)

595400 595500 595600 595700 595800

6115200

6115300

6115400

6115500

6115600

6115700

6115800

1.2

1.6

2

2.4

2.8

3.2

3.6

4

4.4

4.8

5.2

5.6

6

6.4

Egeskov BiomasseNordlig (m)

Østlig (m)

Lav

Høj

595400 595500 595600 595700 595800

6115200

6115300

6115400

6115500

6115600

6115700

6115800

Bilag 5: Konturkort over Nibe Lerindhold og Biomasse

530500 530600 530700 530800 530900 531000 531100

6316200

6316300

6316400

6316500

6316600

6

9

12

15

18

21

24

27

30

33

36

39

42

45

48

51

Nibe Lerindhold

Nordlig (m)

Østlig (m)

(mS/m)

530500 530600 530700 530800 530900 531000 531100

6316200

6316300

6316400

6316500

6316600

0.5

1.5

2.5

3.5

4.5

5.5

6.5

7.5

8.5

9.5

10.5

11.5

12.5

13.5

14.5

Nibe Biomasse

Nordlig (m)

Østlig (m)

Høj

Lav

Bilag 6: Konturkort over Odder Lerindhold og Biomasse

571200 571300 571400 571500 571600 571700 571800 5719006196800

6196850

6196900

6196950

-1

1

3

5

7

9

11

13

15

17

19

21

Odder Lerindhold

Nordlig (m)

Østlig (m)

(mS/m)

571200 571300 571400 571500 571600 571700 571800 571900

6196850

6196900

6196950

7.8

8.2

8.6

9

9.4

9.8

10.2

10.6

11

11.4

11.8

Odder Biomasse

Nordlig (m)

Østlig (m)

Lav

Høj

Bilag 7: Konturkort over Spørring Lerindhold og Biomasse

570950 571000 571050

6238800

6238850

6238900

6238950

6239000

6239050

9.5

10.5

11.5

12.5

13.5

14.5

15.5

16.5

17.5

Spørring LerindholdNordlig (m)

Østlig (m)

(mS/m)

570950 571000 571050

6238800

6238850

6238900

6238950

6239000

6239050

1.2

1.5

1.8

2.1

2.4

2.7

3

3.3

3.6

Spørring BiomasseNordlig (m)

Østlig (m)

Høj

Lav

Bilag 8: Konturkort over Tappernøje Lerindhold og Biomasse

688100 688150 688200 688250

6118150

6118200

6118250

6118300

6118350

6118400

6118450

13

14

15

16

17

18

19

20

21

22

23

24

25

26

Tappernøje LerindholdNordlig (m)

Østlig (m)

(mS/m)

688150 688200 688250

6118150

6118200

6118250

6118300

6118350

6118400

6118450

1.751.761.771.781.791.81.811.821.831.841.851.861.871.881.891.91.911.921.931.941.95

Tappernøje BiomasseNordlig (m)

Østlig (m)

Høj

Lav

Bilag 9: Konturkort over Århus Lerindhold og Biomasse

570280 570320

6230900

6230950

6231000

6231050

6231100

6231150

8

11

14

17

20

23

26

29

32

35

38

41

44

47

50

Århus Lerindhold

Nordlig (m)

Østlig (m)

(mS/m)

570280 5703206230850

6230900

6230950

6231000

6231050

6231100

6231150

2.8

3.1

3.4

3.7

4

4.3

4.6

4.9

5.2

Århus Biomasse

Nordlig (m)

Østlig (m)

Lav

Høj

Bilag 10: Konturkort over Viborg Lerindhold og Biomasse

531120

6251650

6251700

6251750

6251800

6251850

6251900

6251950

6252000

6252050

5

6

7

8

9

10

11

12

13

14

15

16

17

Viborg Lerindhold

Nordlig (m)

Østlig (m)

(mS/m)

531120

6251650

6251700

6251750

6251800

6251850

6251900

6251950

6252000

6252050

4.2

4.5

4.8

5.1

5.4

5.7

6

6.3

6.6

6.9

7.2

7.5

7.8

8.1

8.4

Viborg Biomasse

Nordlig (m)

Østlig (m)

Lav

Høj

Bilag 11: Konturkort over Tommerup Lerindhold og Biomasse

575800 575850 575900 575950 576000 576050 576100 576150

6133900

6133950

3

5

7

9

11

13

15

17

19

21

23

25

27

29Tommerup Lerindhold

Nordlig (m)

Østlig (m)

(mS/m)

575800 575850 575900 575950 576000 576050 576100 576150

6133900

6133950

2.2

2.5

2.8

3.1

3.4

3.7

4

4.3

4.6

4.9

5.2

5.5Tommerup Biomasse

Østlig (m)

Nordlig (m)

Høj

Lav

Bilag 12: Variogrammer over Egeskov Lerindhold og Biomasse

0 50 100 150 200 250 300

Lag Distance (m)

0

5

10

15

20

25

30

35

40

Vario

gram

Direction: 20.0 Tolerance: 3.0Egeskov: Soil Electric Conductivity

Spherical: y(h)=C*(1.5*h - 0.5 * h3) C: scale=(sill-nugget)Nugget=4, scale=28, length=range=210

0 20 40 60 80 100 120 140

Lag Distance (m)

0

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

0.5

Vario

gram

Direction: 20.0 Tolerance: 3.0Egeskov: Biomass Index


Bilag 13: Variogrammer over Nibe Lerindhold og Biomasse

0 50 100 150 200 250 300Lag Distance

0

5

10

15

20

25

30

35

40

45

Vario

gram

Direction: 6.0 Tolerance: 10.0Nibe: Soil Electric Conductivity


0 50 100 150 200 250 300Lag Distance

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

Vario

gram

Direction: 6.0 Tolerance: 10.0Nibe: Biomass Index

Spherical: y(h)=C*(1.5*h - 0.5 * h3) C: scale=(sill-nugget)Nugget=0.38, scale=0.4, length=range=75

Bilag 14: Variogrammer over Odder Lerindhold og Biomasse

0 50 100 150 200 250Lag Distance

0

2

4

6

8

10

12

14

16

18

20

Vario

gram

Direction: 7.0 Tolerance: 1.0Odder: Soil Electric Conductivity

Spherical: y(h)=C*(1.5*h - 0.5 * h3) C: scale=(sill-nugget)Nugget=1, scale=17.5, length=range=140

0 20 40 60 80 100 120 140 160 180 200 220 240Lag Distance

0

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

0.5

Vario

gram

Direction: 7.0 Tolerance: 1.0Odder: Biomass Index


Bilag 15: Variogrammer over Spørring Lerindhold og Biomasse

0 10 20 30 40 50 60 70 80 90 100Lag Distance

0

0.5

1

1.5

2

2.5

3

3.5

4

Var

iogr

am

Direction: 72.0 Tolerance: 10.0Spoerring: Soil Electric Conductivity


0 10 20 30 40 50 60 70 80 90 100Lag Distance

0

0.05

0.1

0.15

0.2

0.25

0.3

Vario

gram

Direction: 71.0 Tolerance: 5.0Spoerring: Biomass Index


Bilag 16: Variogrammer over Tappernøje Lerindhold og Biomasse

0 10 20 30 40 50 60 70 80 90 100 110 120Lag Distance

0

1

2

3

4

5

6

7

8

Vario

gram

Direction: 114.0 Tolerance: 3.0Tappernøje: Soil Electric Conductivity

Linear: y(h)=C(h) C: scale=(sill-nugget)Nugget=2.0, slope=0.06

0 10 20 30 40 50 60 70 80 90 100 110 120Lag Distance (m)

0

0.0001

0.0002

0.0003

0.0004

0.0005

0.0006

0.0007

Vario

gram

Direction: 114.0 Tolerance: 5.0Tappernøje: Biomass Index


Bilag 17: Variogrammer over Århus Lerindhold og Biomasse

0 10 20 30 40 50 60 70 80 90 100 110Lag Distance

0

20

40

60

80

100

120

140

Var

iogr

am

Direction: 87.0 Tolerance: 10.0Aarhus: Soil Electric Conductivity

Exponential: y(h)=C*(1 - e -h) C: scale=(sill-nugget)Nugget=0.0, scale=270, length=135

0 10 20 30 40 50 60 70 80 90 100 110Lag Distance

0

0.02

0.04

0.06

0.08

0.1

0.12

0.14

0.16

0.18

0.2

0.22

Vario

gram

Direction: 87.0 Tolerance: 10.0Aarhus: Biomass Index


Bilag 18: Variogrammer over Viborg Lerindhold og Biomasse

0 20 40 60 80 100 120 140Lag Distance

0

1

2

3

4

5

6

7

Vario

gram

Direction: 93.0 Tolerance: 5.0Viborg: Soil Electric Conductivity


0 20 40 60 80 100 120 140Lag Distance

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

Vario

gram

Direction: 96.0 Tolerance: 10.0Viborg: Biomass Index


Bilag 19: Variogrammer over Tommerup Lerindhold og Biomasse

0 20 40 60 80 100 120 140Lag Distance

0

2

4

6

8

10

12

14

16

18

20

22

Vario

gram

Direction: 0.0 Tolerance: 1.0Tommerup: Soil Electric Conductivity

Exponential: y(h)=C*(1 - e -h) C: scale=(sill-nugget)Nugget=1.0, scale=26, length=90

0 20 40 60 80 100 120 140Lag Distance

0

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

0.5

Vario

gram

Direction: 0.0 Tolerance: 5.0Tommerup: Biomass Index


Bilag 20: Korrelation for Lerindhold/Biomasse i Egeskov hhv. 10 x 10 m og 20 x 20 m

Korrelation Lerindhold/Biomasse Egeskov 10 x 10 m

0

1

2

3

4

5

6

7

0 5 10 15 20 25 30 35 40

Lerindhold

Bio

mas

se

Korrelation for Lerindhold/Biomasse Egeskov 20 x 20 m

0

1

2

3

4

5

6

7

0 5 10 15 20 25 30 35 40

Lerindhold

Bio

mas

se

Bilag 21: Korrelation for Lerindhold/Biomasse i Nibe hhv. 10 x 10 m og 20 x 20 m

Korrelation for Lerindhold/Biomase Nibe 10 x 10 m

0

2

4

6

8

10

12

14

16

0 5 10 15 20 25 30 35 40 45 50

Lerindhold

Bio

mas

se

Korrelation for Lerindhold/Biomasse Nibe 20 x 20 m

0

2

4

6

8

10

12

14

16

0 5 10 15 20 25 30 35 40 45 50

Lerindhold

Bio

mas

se

Bilag 22: Korrelation for Lerindhold/Biomasse i Odder hhv. 10 x 10 m og 20 x 20 m

Korrelation for Lerindhold/Biomasse Odder 10 x10 m

0

2

4

6

8

10

12

14

0 5 10 15 20 25

Lerindhold

Bio

mas

se

Korrelation for Lerindhold/Biomasse Odder 20 x 20 m

0

2

4

6

8

10

12

14

0 5 10 15 20 25

Lerindhold

Bio

mas

se

Bilag 23: Korrelation for Lerindhold/Biomasse i Spørring hhv. 10 x 10 m og 20 x 20 m

Korrelation for Lerindhold/Biomasse Spørring 10 x 10 m

0

0,5

1

1,5

2

2,5

3

3,5

4

0 2 4 6 8 10 12 14 16 18 20

Lerindhold

Bio

mas

se

Korrelation for Lerindhold/Biomasse Spørring 20 x 20 m

0

0,5

1

1,5

2

2,5

3

3,5

4

0 2 4 6 8 10 12 14 16 18 20

Lerindhold

Bio

mas

se

Bilag 24: Korrelation for Lerindhold/Biomasse i Tappernøje hhv. 10 x 10 m og 20 x 20 m

Korrelation for Lerindhold/Biomasse Tappernøje 10 x10 m

1,78

1,8

1,82

1,84

1,86

1,88

1,9

1,92

1,94

1,96

0 5 10 15 20 25 30

Lerindhold

Bio

mas

se

Korrelation for Lerindhold/Biomase Tappernøje 20 x 20 m

1,78

1,8

1,82

1,84

1,86

1,88

1,9

1,92

1,94

1,96

0 5 10 15 20 25 30

Lerindhold

Bio

mas

se

Bilag 25: Korrelation for Lerindhold/Biomasse i Århus hhv. 10 x 10 m og 20 x 20 m

Korrelation for Lerindhold/Biomasse Århus 10 x 10 m

0

1

2

3

4

5

6

0 10 20 30 40 50 60

Lerindhold

Bio

mas

se

Korrelation for Lerindhold/Biomasse Århus 20 x 20 m

0

1

2

3

4

5

6

0 10 20 30 40 50 60

Lerindhold

Bio

mas

e

Bilag 26: Korrelation for Lerindhold/Biomasse i Viborg hhv. 10 x 10 m og 20 x 20 m

Korrelation for Lerindhold/Biomasse Viborg 10 x 10 m

0

1

2

3

4

5

6

7

8

9

0 2 4 6 8 10 12 14 16 18

Lerindhold

Bio

mas

se

Korrelation for Lerindhold/Biomasse Viborg 20 x 20 m

0

1

2

3

4

5

6

7

8

9

0 2 4 6 8 10 12 14 16 18

Lerindhold

Bom

asse

Bilag 27: Korrelation for Lerindhold/Biomasse i Tommerup hhv. 10 x 10 m og 20 x 20 m

Korrelation for Lerindhold/Biomasse Tommerup 10 x 10 m

0

1

2

3

4

5

6

0 5 10 15 20 25 30

Lerindhold

Bio

mas

se

Korrelation for Lerindhold/Biomasse Tommerup 20 x 20 m

0

1

2

3

4

5

6

0 5 10 15 20 25 30

Lerindhold

Bio

mas

se

Bilag 28: Geostatistisk analyse af Em38 data fra KUPA rapporten 24 undersøgelsesmarker og profillinier

Bilag 29: MCD beregninger for Yara N-sensor målinger i Tyskland

Documents

Geostatistiske analyse af afgrøde og jord data til ... · PDF fileGeostatistiske analyse af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug. Speciale