1. No category

CropSAT på TV4play
CropSAT
– gödsla rätt med
satellithjälp
Mats Söderström
Sveriges lantbruksuniversitet
www.slu.se
mats.soderstrom@slu.se
Minskad
miljöpåverkan
Kvalitetskrav
Ökande
befolkning
Intensifiering
Spårbarhet
Klimat i
förändring
Ökad
produktion av
livsmedel
Högre
levnadsstandard
”I det smarta jordbruket är
precisionsodling en
självklarhet”
I traditionellt jordbruk hanteras ett fält
som en homogen enhet.
Precisionsodlingskonceptet innebär rätt
åtgärd på varje del av fältet.
Gäller för både konventionell och ekologisk
odling
Strävar t ex efter att:
• optimera gödsling, kalkning och
användning av växtskyddsmedel i fältets
olika delar
• producera avsedd kvalitet, och
• minimera miljöpåverkan.
Rätt åtgärd, rätt tidpunkt, rätt plats!
CropSAT – beslutsstödsystem för
precisionsodling
Syfte: Utvärdera möjligheten att använda satellitdata
i ”realtid” för optimerade gödslingsråd för kväve och
styrning av gödselspridare
För användare: Enkel web-applikation för praktisk
precisionsodling öppen för alla
2013-14: Utveckling och test (SLF, Agroväst)
2015: Första året i drift (Greppa Näringen, Agroväst)
Greppa Näringen: Program för minskat
läckage och effektiv anvöndning av
gödning (Jordbruksverket, LRF, Länsst.)
Komponenter i CropSAT
Komponenter i CropSAT
Kostnadseffektiv lösning?
- Rumslig upplösning
- Återkomsttid
- Spektrala egenskaper
Komponenter i CropSAT
Jämförelser,
kalibreringar och
valideringar med
böndernas data
och ett system
med kontrollfält
Komponenter i CropSAT
Undviker manuell
digitalisering av
fältgränser….
Komponenter i CropSAT
Enkelt och
välkänt för lätt
navigation…
Infrastrukturen i CropSAT-systemet
Användargränssnittet i CropSAT
Nästa
Bygger på att man
klickar sig vidare till nya
menyer
CropSAT.se
Användargränssnittet i CropSAT
Zooma in ditt fält
Fältgränser automatiskt
från JV-blockkartan
CropSAT.se
Användargränssnittet i CropSAT
Det svåra…:
Bestämma N i kg/ha
Vegetationsindexkarta
från vald satellitbild:
relativa variationen
visas
Foto: Christina Lundström
Användargränssnittet i CropSAT
Det svåra…:
Bestämma N i kg/ha
Vegetationsindexkarta
från vald satellitbild:
relativa variationen
visas
Photo: Yara, UK
Användargränssnittet i CropSAT
Tilldelningskarta och det
totala behovet
CropSAT.se
Användargränssnittet i CropSAT
En tilldelningsfil skapas
Spara fil
Satellitkartan styr sedan
gödningsspridaren automatiskt
CropSAT.se
Components of the CropSAT system
1,6 miljoner ha
≥3 bilder (69%
av arealen)
From: Söderström et al., 2015
Användbara bilder 24 april – 12 juni 2015
En succe?
Jag hade redan en GPS,
så det var lätt att
använda …. Det finns
andra sätt att göra detta
på, men satellitbilderna
är tillräckligt bra….
1500 tilldelningsfiler
laddades ned 2015
Exempelfält 35 ha
Yara N-Sensor: SN-index
Foto: Jan G. Westin
4000 unika användare
Clas af Ugglas, jordbrukare.
ur Gränssnittet, 2014
CropSAT: MSAVI
Utvecklingsmöjlighet inför 2016
Möjlighet att använda
kalibreringar mha Nsensormätningar
Validering av prediktion i 25 fält genom
regelbundna N-Sensormätningar
(r2; MAE (mean absolute error))
kombinerad model: 0.83; 9.5 kg/ha
i två höstvetesorter
CropSAT, MSAVI
N uptake (kg/ha)
Handheld N-sensor
CropSAT på TV4play
Sammanfattning
•
•
•
•
Stort användarintresse!
Fortsättning 2016
Ev. även Danmark
Sentinel-2?
Mer info:
Mats Söderström
Sveriges lantbruksuniversitet
Mats.soderstrom@slu.se
Precisionsskolan.se
facebook.com/precisionsskolan
?
?
Betydelse av bildtidpunkt
Fast klassindelning
21 april 2015
15 maj 2015
27 maj / 10 juni 2015
Relativ skala
DMC-data över åtta höstvetefält i Västergötland och Skåne
Några veg.-index jmf med kväveupptag i höstvete
21 april 2015
15 maj 2015
27 maj / 10 juni 2015
Reflectance diagram
from Jensen 2000
Spectral registrations of different sensors
in relation to plant properties
Tractor: Yara N-Sensor; 45 bands (10 nm), 450-890 nm
Handheld: GreenSeeker; R,NIR
UAV: 5-bands; B,G,R,NIR1,NIR2
Satellites: DMC; G,R,NIR
Sentinel-2; 13 bands