Upload
vocong
View
223
Download
3
Embed Size (px)
Citation preview
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?
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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).
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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,
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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).
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.)
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
Tolerante a) 6,1-6,5
Middel b) 6,3-6,7 5-6
Følsomme c) 6,5-6,9
Tolerante a) 6,4-6,7
Middel b) 6,6-6,9 7-9
Følsomme c) 6,8-7,1
Tolerante a) 4,8-5,2
Middel b) 5,0-5,4 11
Følsomme c) 5,2-5,6
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.).
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.).
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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).
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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)
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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).
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
nedenstående tabel 6.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
nedenstående tabel 7.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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).
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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).
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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,
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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.
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
Geostatistiske analyser af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.
_______________________________________________________________________________________
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
Spherical: y(h)=C*(1.5*h - 0.5 * h3) C: scale=(sill-nugget)Nugget=0, scale=315, length=range=56
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
Spherical: y(h)=C*(1.5*h - 0.5 * h3) C: scale=(sill-nugget)Nugget=2, scale=33, length=range=189
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
Spherical: y(h)=C*(1.5*h - 0.5 * h3) C: scale=(sill-nugget)Nugget=0, scale=0.26, length=range=124
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
Spherical: y(h)=C*(1.5*h - 0.5 * h3) C: scale=(sill-nugget)Nugget=0.1, scale=3.4, length=range=39
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
Spherical: y(h)=C*(1.5*h - 0.5 * h3) C: scale=(sill-nugget)Nugget=0, scale=0.199, length=range=41
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
Spherical: y(h)=C*(1.5*h - 0.5 * h3) C: scale=(sill-nugget)Nugget=0.0, scale=0.0007, length=range=44
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
Spherical: y(h)=C*(1.5*h - 0.5 * h3) C: scale=(sill-nugget)Nugget=0.0, scale=0.158, length=range=40
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
Spherical: y(h)=C*(1.5*h - 0.5 * h3) C: scale=(sill-nugget)Nugget=0.7, scale=5.7, length=range=64
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
Spherical: y(h)=C*(1.5*h - 0.5 * h3) C: scale=(sill-nugget)Nugget=0.0, scale=0.6, length=range=36
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
Spherical: y(h)=C*(1.5*h - 0.5 * h3) C: scale=(sill-nugget)Nugget=0.0, scale=0.36, length=range=38
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