AT16964U1 - Verfahren zur Analyse und/oder Kartierung einer landwirtschaftlich genutzten Fläche - Google Patents
Verfahren zur Analyse und/oder Kartierung einer landwirtschaftlich genutzten Fläche Download PDFInfo
- Publication number
- AT16964U1 AT16964U1 ATGM50191/2019U AT501912019U AT16964U1 AT 16964 U1 AT16964 U1 AT 16964U1 AT 501912019 U AT501912019 U AT 501912019U AT 16964 U1 AT16964 U1 AT 16964U1
- Authority
- AT
- Austria
- Prior art keywords
- soil
- values
- representative
- area
- measurements
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008569 process Effects 0.000 title claims abstract description 10
- 238000013507 mapping Methods 0.000 title claims abstract description 6
- 239000002689 soil Substances 0.000 claims abstract description 139
- 238000005259 measurement Methods 0.000 claims abstract description 62
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000009499 grossing Methods 0.000 claims abstract description 14
- 238000007417 hierarchical cluster analysis Methods 0.000 claims abstract description 7
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 10
- 239000000654 additive Substances 0.000 claims description 8
- 230000000996 additive effect Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000004720 fertilization Effects 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 235000021049 nutrient content Nutrition 0.000 claims description 6
- 239000011148 porous material Substances 0.000 claims description 6
- 238000003973 irrigation Methods 0.000 claims description 5
- 230000002262 irrigation Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G01N33/245—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
Die Erfindung betrifft ein Verfahren zur Analyse und/oder Kartierung einer landwirtschaftlich genutzten Fläche (10), insbesondere eines oder mehrerer Felder, bei dem: (a) erste bodenbezogene Daten (1) bereitgestellt werden, die - durch erste Messungen (11) an verschiedenen Positionen innerhalb der landwirtschaftlich genutzten Fläche (10) gewonnene - Werte (w1) zumindest einer bodenbezogenen Größe, vorzugsweise der elektrischen Bodenleitfähigkeit, umfassen, wobei den Werten (w1) jeweils Positionsdaten (p1) zugeordnet sind, (b) die zu analysierenden Fläche (10) in ein Raster (8) unterteilt wird und die einzelnen Werte (w1) der ersten bodenbezogenen Daten (1) - in Abhängigkeit der den Werten (w1) zugeordneten Positionsdaten (p1) - den jeweiligen Zellen (9) des Rasters (8) zugeordnet werden, (c) jeweils aus den einer Rasterzelle (9) zugeordneten Werten (w1) zumindest ein repräsentativer Wert (m1), vorzugsweise ein Mittelwert oder Median, ermittelt und der jeweiligen Rasterzelle (9) zugeordnet wird, (d) optional die repräsentativen Werte (m1) der Rasterzellen (9) mittels eines Glättungsverfahrens räumlich geglättet werden, wodurch geglättete repräsentative Werte (g1) erhalten werden, (e) unter Zugrundelegung der - vorzugsweise geglätteten - repräsentativen Werte (m1, g1) eine - vorzugsweise hierarchische - Clusteranalyse oder eine Künstliche-Intelligenz-Analyse durchgeführt wird, wobei anhand der dabei erhaltenen Cluster Teilflächen (10a ... 10e) der landwirtschaftlich genutzten Fläche (10), die jeweils hinsichtlich der zumindest einen bodenbezogenen Größe homogen sind oder ähnliche Werte der zumindest einen bodenbezogenen Größe aufweisen, identifiziert werden.
Description
[0001] Die Erfindung betrifft ein Verfahren zur Analyse und/oder Kartierung einer landwirtschaftlich genutzten Fläche, insbesondere eines oder mehrerer Felder.
[0002] Für geophysikalische Untersuchungen landwirtschaftlich genutzter Böden werden gamma-spektroskopischen, geoelektrischen und elektromagnetischen Messmethoden basierende Sensoren eingesetzt. Diese liefern zwar räumlich und zeitlich hochauflösende Messdaten, jedoch führt deren Verarbeitung zum Zwecke der Bewertung landwirtschaftlicher Flächen bislang zu unbefriedigenden Ergebnissen. Insbesondere erfordern die mit solchen Messmethoden gemessenen Rohdaten einer Dateninterpretation, welche bislang nicht zufriedenstellend realisiert werden konnte.
[0003] Um den zunehmenden Nahrungsmittelbedarf der Bevölkerung zu decken, müssen die Felderträge mit Hilfe modernster Bewirtschaftungsmethoden optimiert werden. Solche Methoden umfassen einerseits eine exakte Düngung, andererseits genaue Kenntnisse bezüglich der Bodenbeschaffenheit. Nicht nur einzelne Felder unterscheiden sich bezüglich ihrer Bodenqualität, sondern innerhalb eines Feldes sind sehr oft gravierende Unterschiede feststellbar.
[0004] Die Erfindung setzt sich zur Aufgabe, ein Verfahren zur Analyse und/oder Kartierung einer landwirtschaftlich genutzten Fläche bereitzustellen, mit dem eine zuverlässige und den tatsächlichen Bodenverhältnissen Rechnung tragende Bewertung der genutzten Fläche ermöglicht wird. Es soll zudem die Möglichkeit geschaffen werden, mit überschaubarem Aufwand eine Teilflächenbewertung zu realisieren. Das anzuwendende Verfahren soll die Messdaten unabhängig von der jeweils eingesetzten Sensortechnologie transparent und nachvollziehbar verarbeiten können.
[0005] In einer bevorzugten Ausführungsform soll die Integration von im Labor untersuchten chemisch und/oder physikalischen und/oder biologischen Bodeneigenschaften ermöglicht werden.
[0006] Diese Aufgabe wird durch ein eingangs erwähntes Verfahren dadurch gelöst, dass
(a) erste bodenbezogene Daten bereitgestellt werden, die - durch erste Messungen an verschiedenen Positionen innerhalb der landwirtschaftlich genutzten Fläche gewonnene - Werte zumindest einer bodenbezogenen Größe, vorzugsweise der elektrischen Bodenleitfähigkeit, umfassen, wobei den Werten jeweils Positionsdaten zugeordnet sind,
(b) die zu analysierenden Fläche in ein Raster unterteilt wird und die einzelnen Werte der ersten bodenbezogenen Daten - in Abhängigkeit der den Werten zugeordneten Positionsdaten - den jeweiligen Zellen des Rasters zugeordnet werden,
(c) jeweils aus den einer Rasterzelle zugeordneten Werten zumindest ein repräsentativer Wert, vorzugsweise ein Mittelwert oder Median, ermittelt und der jeweiligen Rasterzelle zugeordnet wird,
(d) optional die repräsentativen Werte der Rasterzellen mittels eines Glättungsverfahrens räumlich geglättet werden, wodurch geglättete repräsentative Werte erhalten werden,
(e) unter Zugrundelegung der - vorzugsweise geglätteten - repräsentativen Werte eine - vorzugsweise hierarchische - Clusteranalyse oder eine Künstliche-Intelligenz-Analyse durchgeführt wird, wobei anhand der dabei erhaltenen Cluster Teilflächen der landwirtschaftlich genutzten Fläche, die jeweils hinsichtlich der zumindest einen bodenbezogenen Größe homogen sind oder ähnliche Werte der zumindest einen bodenbezogenen Größe aufweisen, identifiziert werden.
[0007] Die Verfahrensschritte werden vorzugsweise mittels einer Programmlogik durchgeführt. Die Programmlogik liegt dabei einem Datenverarbeitungsprogramm zugrunde. Das Programm kann in einer Datenverarbeitungsvorrichtung und/oder einem Datenträger hinterlegt sein.
[0008] Durch die Kombination der Unterteilung der landwirtschaftlich genutzten Fläche in ein Raster, der Mittelwertbildung und der nachfolgenden Clusteranalyse, im Zuge derer Teilflächen ausgemacht werden, die sich jeweils durch einen bestimmten Homogenitätsgrad auszeichnen, untereinander aber in Bezug auf die bodenbezogene Größe unterschiedlich sind, kann eine zu-
verlässige Bewertung der landwirtschaftlich genutzten Fläche erfolgen. Die Mittelung - gemäß Schritt (c) - und optional auch die Glättung - gemäß Schritt (d) - ermöglicht zuverlässige Aussagen, welche die gesamte landwirtschaftliche Fläche betreffen.
[0009] In weiterer Folge können die Ergebnisse dieses Verfahrens dazu verwendet werden, die Bewirtschaftung (Pflanzenkultur, Düngung, Bewässerung, etc.) auf die einzelnen Teilflächen abzustimmen.
[0010] In einer weiter unten beschriebenen Ausführungsform können die Ergebnisse auch dazu verwendet werden, weitergehende und detaillierte (zweite) Messungen - jedoch nur mehr an ausgewählten (bzw. repräsentativen) Punkten - durchzuführen. Diese zweiten Messungen können wiederum verarbeitet werden, um die Teilflächen noch genauer zu spezifizieren.
[0011] Die ersten bodenbezogene Daten können auch mehrdimensional sein. Zum einen wäre es möglich, dass diese Messungen Werte zumindest zweier bodenbezogenen Größen (z.B. der elektrischen Bodenleitfähigkeit und der Bodenfärbung) umfassen. Zum anderen wäre es auch möglich, Werte ein und derselben bodenbezogenen Größe (z.B. der elektrischen Bodenleitfähigkeit) für verschiedene Bodentiefen bereitzustellen. Letzteres ermöglicht eine 3-dimensionale Ausbzw. Bewertung der landwirtschaftlich genutzten Fläche.
[0012] Die ersten bodenbezogenen Daten (georeferenzierte Bodenparameterdaten) können in Form eines Datensatzes bereitgestellt werden. Sie können zudem die Rohmesswerte enthalten oder bereits teilweise umgewandelte oder aufbereitete Werte.
[0013] Das Raster bzw. die Größe der Rasterzellen können je nach Erfordernis oder zu analysierender Fläche gewählt werden. Es ist jedoch bevorzugt, wenn die Rasterzellengröße höchstens 400m°®, vorzugsweise höchstens 100m*® beträgt. Ebenso ist es bevorzugt, wenn die Rasterzellengröße mindestens 10m®, vorzugsweise mindestens 20m® beträgt. Bevorzugt ist zudem ein Raster mit quadratischen Rasterzellen.
[0014] Auch die (optionale) räumliche - d.h. über jeweils eine Gruppe von Rasterzellen oder über sämtliche Rasterzellen der zu analysierenden Fläche erfolgende - Glättung kann gemäß beliebigem Gilättungsverfahren durchgeführt werden, insbesondere durch Approximation der Werte durch eine oder mehrere Funktionen oder Splines oder durch komplexere Modelle. Beim Glättungsverfahren kann auch auf sogenannte Extrapolationsverfahren zurückgegriffen werden. Als Extrapolationsverfahren sind im diesem Zusammenhang auch statistische Prädiktionsmodelle zu verstehen, die eine Abschätzung des tatsächlichen Messwertes - auch für ein breites Spektrum an diversen (Boden-) Parametern - ermöglichen. Als Modellklasse können hierfür Generalisierte Additive Modelle (GAM) gewählt werden.
[0015] Die räumliche Glättung der Daten - gemäß Schritt (d) - könnte aber auch mittels eines Nearest-Neighbour Konzeptes erreicht werden. Dabei müsste zunächst eine Umgebung um jeden einzelnen Wert festgelegt werden. Innerhalb dieser definierten Umgebung wird eine statistische Kennzahl (wie Mittelwert oder Median) berechnet und die Abweichung des Messwertes zur Kennzahl bestimmt werden. Überschreitet die Abweichung einen spezifizierten Toleranzbereich, so wird der Messwert durch die statistische Kennzahl ersetzt. Die Glättungsgüte hängt hierbei von der Größe der definierten Umgebung, der statistischen Kennzahl und dem Toleranzbereich ab.
[0016] In dieser Form aufbereitete Daten - Schritt (c) und (optional) Schritt (d) - stellen eine gute Basis für eine Aufgliederung der Bodenflächen dar, die eine Unterteilung der Bewirtschaftungsfläche in mehrere homogene Feldabschnitte ermöglichen müsste.
[0017] Im Rahmen von Messreihen und Datenaufzeichnungen unter Feldbedingungen treten in der Praxis unvermeidbare Störungen von Bodensensoren auf, gleich ob diese Systeme technologisch auf hochauflösenden gamma-spektroskopischen, geoelektrischen oder auch elektromagnetischen Messmethoden basieren.
[0018] Dies kann in weiterer Folge sowohl zu leicht erkenn- und korrigierbaren Messfehlern, als auch zu einer tatsächlichen Fehlinterpretation erhobener Daten führen. Vor allem dann, wenn
gravierende Falschmessungen nicht hinreichend gut erkannt werden (können). In einem WorstCase kann somit eine nicht erkennbare zeitweilige Störung der Messsysteme (vor allem unter den wechselnden natürlichen Bedingungen im Feld) auftreten, die zur Folge hätte, dass bei unbedarfter Dateninterpretation ein völlig verzerrtes Bild der Realität entstünde. Es hat sich gezeigt, dass mit vorliegender Erfindung die Auswirkungen solcher Messfehler minimiert werden können. Im besten Fall können die Messfehler auch gezielt erkannt und eliminiert werden.
[0019] In dieser Form aufbereitete Daten - siehe Schritt (c) bzw. Schritt (d) - stellen eine gute Basis für eine Clusteranalyse dar, welche eine Unterteilung der gesamten Bewirtschaftungsfläche in mehrere homogene Teilflächen ermöglicht.
[0020] Zur Homogenisierung der Feldabschnitte eignet sich generell die Clusteranalyse, aber auch Methoden aus dem Bereich „Künstliche Intelligenz“ (Kl).
[0021] Die Clusteranalyse ist ein statistisches Verfahren mit dem Ziel, aus einer heterogenen Gesamtheit von Klassifikationsobjekten (Variablen), homogene Teilmengen (sogenannten Klassen oder Cluster) zu identifizieren. Die Variablen, die dabei einer homogenen Gruppe zugeordnet sind, sollen dabei untereinander ähnlich sein, während Variablen, die unterschiedlichen Gruppen angehören, verschieden sein sollen. Bei einer hierarchischen Clusteranalyse kann mittels eines Dendrogramms und fachlichem Wissen eines Experten die optimale Anzahl von Clustern festgelegt werden.
[0022] Das Kernforschungsgebiet der Kl ist es, die menschliche Wahrnehmung bzw. das menschliche Handeln durch Maschinen nachzubilden. Unter dem Oberbegriff werden Technologien wie etwa Machine Learning, Deep Learning oder neuronale Netze eingeordnet. Für die vorliegende Erfindung eignen sich vor allem Machine Learning Ansätze (Algorithmen), um homogene Teilmengen (Cluster) zu identifizieren. Machine Learning (ML) beschreibt mathematische Techniken, die es einem System (einer Maschine) ermöglichen, selbständig Wissen aus „Erfahrungen“ zu generieren. ML-Algorithmen dienen vornehmlich dazu, Muster in vorhandenen Datenbeständen zu erkennen, Vorhersagen zu treffen oder Daten zu klassifizieren / zu clustern.
[0023] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass - vor Schritt (a) oder vor Schritt (b) oder vor Schritt (c) - fehlende und/oder fehlerhafte und/oder aus-reißende Werte, vorzugsweise mittels Interpolation und/oder Mittelung und/oder eines Nearest-Neighbour-Algorithmus und/oder Schätzung, vorzugsweise unter Berücksichtigung zumindest eines räumlich benachbarten Wertes, ersetzt oder korrigiert werden. Dadurch können unerwünschte Einflüsse auf die Bewertung der Fläche von vornherein eliminiert werden. Das Nearest-Neighbour-Prinzip könnte derart verwirklicht sein, dass fehlende Werte durch den räumlich am nächsten liegenden Messwert ersetzt werden. Dabei muss der Begriff der räumlichen Nähe mit einem geeigneten Distanzmaß (wie beispielsweise der Euklidische Distanz oder generell der Minkowski Distanz der Ordnung p) charakterisiert werden.
[0024] Auch kann in diesem Zusammenhang eine Plausibilitätsprüfung durchgeführt werden, um statistisch fundierte Aussagen treffen zu können. Ziel dieser Überprüfung kann sein, Ausreißer bzw. fehlerhafte Messwerte zu erkennen und um fehlende Werte zu identifizieren.
[0025] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass die zumindest eine bodenbezogene Größe, deren Werte in Schritt (a) bereitgestellt werden, die elektrische Leitfähigkeit des Bodens und/oder die Bodentextur und/oder die Korngröße und/oder die Porengröße und/oder die Bodenfärbung und/oder die Zugspannung und/oder ein Nährstoffgehalt und/oder ein Vegetationsindex und/oder die Bodentemperatur und/oder der pH-Wert des Bodens ist. Um auf eine Vielzahl von Messpunkten zurückgreifen zu können, wird im Rahmen der ersten Messungen bevorzugt ein einfach und schnell zu messender Bodenparameter ermittelt. Besonders geeignet ist die elektrische Leitfähigkeit des Bodens. Andere Parameter, welche von der Höhe der elektrischen Leitfähigkeit abhängen oder diese bedingen, können später mittels zweiter Messungen allerdings nur an wenigen repräsentativen Positionen - ermittelt werden und auch Grundlage einer Modellierung einer Zielgröße sein.
[0026] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass die ersten bodenbe-
zogenen Daten Werte von zumindest zwei verschiedenen bodenbezogenen Größen umfassen. Dadurch erhöht sich die Zuverlässigkeit und Aussagekraft der durchgeführten Analyse.
[0027] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass das Glättungsverfahren des Schritts (d) die Anwendung eines additiven Modells, insbesondere eines generalisierten additiven Modells (GAM), beinhaltet. Durch diese Maßnahme konnten besonders genaue - den tatsächlichen Verhältnissen entsprechende - Ergebnisse erzielt werden. GAMs wurden von den beiden Statistikern Hastie und Tibshirani (1990) vorgeschlagen, um die GLMs (General Linear Models) zu verallgemeinern und zu erweitern; siehe auch: Hastie, T. und Tibshirani, R. (1990), Generalized Additive Models, London: Chapman & Hall/CRC; sowie Wood, S. N. (2006), Generalized Additive Models, Boca Raton: Chapman and Hall. Insbesondere wird diese Modellklasse verwendet, wenn das gegebene Problem nicht durch ein gewöhnliches lineares oder nichtlineares Modell zufriedenstellend erklärt werden kann. Häufig kommen GAMs auch dann in Verwendung, wenn a priori nicht klar ist, welche Form das Modell haben soll.
[0028] Bei den GAMs können anstelle der parametrischen linearen funktionalen Zusammenhänge zwischen Einflussgrößen und Zielgröße (Messwerte) auch glatte Funktionen (Splines) der Einflussgrößen und ihrer Interaktionen zugelassen werden. Splines sind stückweise polynomielle Funktionen, welche zur Interpolation und Approximation entwickelt wurden. Durch die stückweise Definition sind Splines flexibler als Polynome, aber trotzdem relativ einfach und glatt. Ein Spline kann linear, quadratisch, kubisch oder höherdimensional sein. Mittels eines GAM Modells können nicht nur fehlende Messwerte ersetzt, sondern auch korrigiert werden. Folglich kann mittels dieser Modelle eine räumliche Glättung der (den einzelnen Rasterzellen zugeordneten) Bodenparameterwerte erreicht werden.
[0029] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass die in Schritt (e) identifizierten Teilflächen innerhalb der analysierten Fläche, insbesondere auf einem Bildschirm, graphisch, vorzugsweise kartographisch, dargestellt werden.
[0030] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass die ersten Messungen durchgeführt werden, indem mit einem Fahrzeug, insbesondere einem landwirtschaftlichen Nutzfahrzeug, vorzugsweise in mehreren Querungen, über die landwirtschaftlich genutzte Fläche gefahren wird und mit einer an dem Fahrzeug befindlichen Messeinrichtung - kontinuierlich oder intermittierend - Messungen durchgeführt werden. Auf diese Weise können - ohne nennenswerten Aufwand - Messungen an einer Vielzahl an Messpunkten durchgeführt werden.
[0031] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass jeweils innerhalb einer in Schritt (e) identifizierten Teilfläche unter Anwendung eines Algorithmus zumindest eine - für die Teilfläche hinsichtlich der zumindest einen bodenbezogenen Größe repräsentative - Position, vorzugsweise in Form einer Rasterzelle, ermittelt wird. Die repräsentative Position repräsentiert mit ihrem zugehörigen Wert der bodenbezogenen Größe die gesamte Teilfläche, d.h. ist charakteristisch für letztere. Neben der Identifikation der unterschiedlichen Cluster - Schritt (e) - ist auch eine nähere Charakterisierung derselben vorteilhaft. Die Beschreibung eines Clusters bzw. einer Teilfläche kann prinzipiell durch die Identifikation eines repräsentativen Punktes erfolgen. Dazu muss auf Basis der Einflussfaktoren der Clusteranalyse eine, bzw. auch mehrere statistische Kennzahlen eines jeden einzelnen Clusters bestimmt werden und jener Punkt bzw. jene Position identifiziert werden, welche(r) am ähnlichsten zu den statistischen Kennzahlen ist. Eine saubere mathematische bzw. statistische Definition der Ahnlichkeit lässt sich durch die Berechnung der Distanz (wie beispielsweise der Euklidischen Distanz oder generell der Minkowski Distanz der Ordnung p) beschreiben. Basierend auf dieser repräsentativen Position können z.B. ergänzende Bodenproben für weitere Untersuchungen gezogen werden.
[0032] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass die Ermittlung der repräsentativen Position derart erfolgt, dass jeweils aus den - in Schritt (c) den einzelnen Rasterzellen zugeordneten - Werten innerhalb einer Teilfläche ein Mittelwert oder Median ermittelt wird und jene Rasterzelle als repräsentative Position für die Teilfläche identifiziert wird, deren Wert von dem ermittelten Mittelwert oder Median hinsichtlich eines Abstandsmaßes, insbesondere der euklidischen Distanz oder der Minkowski-Distanz, den geringsten Abstand aufweist. Die reprä-
sentative Position hat somit eine hinsichtlich des Mittelwertes oder Medians eine für die Teilfläche repräsentative Funktion.
[0033] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass die ermittelten, für die jeweiligen Teilflächen repräsentativen Positionen, insbesondere auf einem Bildschirm, graphisch, vorzugsweise kartographisch, dargestellt oder als Koordinaten ausgegeben werden.
[0034] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass an den ermittelten, für die jeweiligen Teilflächen repräsentativen Positionen der landwirtschaftlich genutzten Fläche zweite Messungen zumindest einer bodenbezogenen Größe durchgeführt werden. Die Ermittlung einer repräsentativen Position für jede Teilfläche ermöglicht nun eine gezielte und repräsentativere Probenahme. Die repräsentative Position kann räumlich (horizontal und vertikal) als auch zeitlich (Jahresverlauf) exakt definiert sein. Diese mittels der zweiten Messungen zusätzlich erhobenen Bodenparameter gelten dann als „repräsentativ“ für die gesamte Teilfläche (Cluster) und können in einem weiteren Schritt bei der (statistischen) Modellierung einer Zielgröße (z.B. der Düngung, der Bewässerung oder des Ertrags) herangezogen werden, um zu einer verbesserten Bewirtschaftung beizutragen.
[0035] Ein Bodenparameter von besonderer Bedeutung für das gesunde Pflanzenwachstum ist der pH-Wert. Der pH-Wert hat großen Einfluss auf die Verfügbarkeit von Nährstoffen und die Aktivität des Bodenlebens. Ein pH-Wert, der im falschen Bereich liegt, kann die Aufnahme der Nährstoffe reduzieren und somit das Pflanzenwachstum hindern, sogar dann, wenn ausreichend Nährstoffe im Boden vorhanden sind. Jede Pflanzensorte hat einen unterschiedlichen Anspruch an die Bodenqualität und den pH-Wert. Böden mit einem pH-Wert unter 6,5 werden als sauer eingestuft, Böden mit einem pH-Wert von 7,5 oder höher als alkalisch. Es ist daher bevorzugt, wenn zumindest der ph-Wert im Rahmen der zweiten Messungen ermittelt wird.
[0036] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass die zweiten Messungen jeweils die Entnahme einer Bodenprobe an der jeweiligen repräsentativen Position und eine - vorzugsweise physikalische und/oder chemische und/oder biologische - Analyse der Bodenprobe, vorzugsweise in einem Labor, beinhalten. Da die repräsentativen Positionen im Wesentlichen der Anzahl der Cluster entspricht und bevorzugter Weise die Anzahl 10 nicht übersteigt muss im Verhältnis zu den ersten Messungen nur eine geringe Anzahl zweiter Messungen durchgeführt werden. Diese können dafür detaillierter ausfallen und mehrere Bodenparameter betreffen.
[0037] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass die zumindest eine bodenbezogene Größe, die mittels der zweiten Messungen ermittelt wird, die elektrische Leitfähigkeit des Bodens und/oder die Bodentextur und/oder die Korngröße und/oder die Porengröße und/oder die Bodenfärbung und/oder die Zugspannung und/oder ein Nährstoffgehalt und/oder ein Vegetationsindex und/oder die Bodentemperatur und/oder der pH-Wert des Bodens ist.
[0038] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass zweite bodenbezogene Daten bereitgestellt werden, die - durch die zweiten Messungen an den repräsentativen Positionen der Teilflächen gewonnene - Werte zumindest einer bodenbezogenen Größe umfassen, wobei den Werten jeweils Positionsdaten zugeordnet sind.
[0039] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass der/die - durch eine zweite Messung an einer repräsentativen Position gewonnenen - Wert(e) sämtlichen Rasterzellen einer Teilfläche zugeordnet werden.
[0040] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass die zumindest eine bodenbezogene Größe, deren Werte mit den ersten bodenbezogenen Daten bereitgestellt werden, und die zumindest eine bodenbezogene Größe, deren Werte durch die zweiten Messungen gewonnen werden, verschieden sind.
[0041] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass aus den - durch die zweiten Messungen an den repräsentativen Positionen der Teilflächen gewonnenen - Werten unter Anwendung eines Modells zumindest eine Zielgröße, vorzugsweise der zu erwartende Er-
trag und/oder die erforderliche Düngung und/oder Bewässerung, ermittelt wird, wobei vorzugsweise Art und Umfang der Bewirtschaftung der landwirtschaftlich genutzten Fläche in Abhängigkeit der ermittelten Zielgröße erfolgt.
[0042] Nach der Identifikation von homogenen Feldabschnitten soll in weiterer Folge die Frage beantwortet werden, welche Daten (Einflussgrößen) für die statistische Beschreibung der Zielgrößen, insbesondere Ertrag und Düngung, den größten Erklärungsbeitrag liefern und wie sich die quantifizierten Zusammenhänge in einem geeigneten Modell abbilden lassen. Als potenzielle Einflussgrößen werden neben den Bodensensordaten auch zusätzliche chemisch-physikalische Analysedaten, die in den homogenen Feldabschnitten erhoben werden, bei der Modellierung mitberücksichtigt.
[0043] Die zweiten Messungen können daher auch die Untersuchung von jeweils im Feld georeferenziert gezogener Bodenproben aus zwei oder mehreren Tiefenstufen beinhalten, um die Sensordaten einerseits verbessert validieren und andererseits relevante Einflussfaktoren des untersuchten Bodens auf die Zielgrößen gezielt einschätzen zu können.
[0044] Zur Beurteilung der unterschiedlichen Modelle bzw. der zugehörigen Daten (Einflussgrößen) werden statistische Anpassungskriterien verwendet, die Auskunft darüber geben, wie gut die Zielgröße durch die vorhandenen Einflussgrößen beschrieben werden kann. Aus wissenschaftlicher Sicht können mit solchen Anpassungskriterien gemäß dem Prinzip der Parsimonität jene Erklärungsgrößen identifiziert werden, die den größten Impact bezüglich der Zielgrößen haben. Zudem können Erklärungsdefizite Hinweise für die Erhebung von zusätzlichen Umweltdaten liefern.
[0045] Eine bevorzugte Ausführungsform zeichnet sich dadurch aus, dass die Zielgröße für jeden Punkt und/oder jede Rasterzelle und/oder jede Teilfläche der analysierten Fläche ermittelt wird und/oder dass die Zielgröße, insbesondere auf einem Bildschirm, graphisch, vorzugsweise kartographisch, dargestellt wird.
[0046] Das Ziel wird auch erreicht mit einer Programmlogik zur Analyse einer landwirtschaftlich genutzten Fläche, insbesondere eines oder mehrerer Felder, wobei die Programmlogik die Schritte eines erfindungsgemäßen Verfahrens umfasst.
[0047] Das Ziel wird auch erreicht mit einem Datenverarbeitungssystem und/oder auf einem Datenträger gespeichertes Computerprogrammprodukt, zur Analyse einer landwirtschaftlich genutzten Fläche, insbesondere eines oder mehrerer Felder, wobei auf dem Datenverarbeitungssystem und/oder in dem Computerprogrammprodukt eine erfindungsgemäße Programmlogik hinterlegt ist.
[0048] Zum besseren Verständnis der Erfindung wird diese anhand der nachfolgenden Figuren näher erläutert.
[0049] Es zeigen jeweils in stark vereinfachter, schematischer Darstellung:
[0050] Fig. 1 eine landwirtschaftlich genutzte Fläche mit einem Raster und den Positionen, die den ersten Werten zugeordnet sind;
[0051] Fig. 2 die landwirtschaftlich genutzte Fläche, bei der jeder Rasterzelle ein gemittelter Wert zugeordnet ist;
[0052] Fig. 3 die landwirtschaftlich genutzte Fläche unterteilt in Cluster bzw. Teilflächen; [0053] Fig. 4 ein Fließdiagramm zur Beschreibung des erfindungsgemäßen Verfahrens; [0054] Fig. 5 in schematischer Darstellung eine mögliche Umsetzung des Verfahrens.
[0055] Einführend sei festgehalten, dass in den unterschiedlich beschriebenen Ausführungsformen gleiche Teile mit gleichen Bezugszeichen bzw. gleichen Bauteilbezeichnungen versehen werden, wobei die in der gesamten Beschreibung enthaltenen Offenbarungen sinngemäß auf gleiche Teile mit gleichen Bezugszeichen bzw. gleichen Bauteilbezeichnungen übertragen werden können. Auch sind die in der Beschreibung gewählten Lageangaben, wie z.B. oben, unten,
seitlich usw. auf die unmittelbar beschriebene sowie dargestellte Figur bezogen und sind diese Lageangaben bei einer Lageänderung sinngemäß auf die neue Lage zu übertragen.
[0056] Die Ausführungsbeispiele zeigen mögliche Ausführungsvarianten, wobei an dieser Stelle bemerkt sei, dass die Erfindung nicht auf die speziell dargestellten Ausführungsvarianten derselben eingeschränkt ist, sondern vielmehr auch diverse Kombinationen der einzelnen Ausführungsvarianten untereinander möglich sind und diese Variationsmöglichkeit aufgrund der Lehre zum technischen Handeln durch gegenständliche Erfindung im Können des auf diesem technischen Gebiet tätigen Fachmannes liegt.
[0057] Der Schutzbereich ist durch die Ansprüche bestimmt. Die Beschreibung und die Zeichnungen sind jedoch zur Auslegung der Ansprüche heranzuziehen. Einzelmerkmale oder Merkmalskombinationen aus den gezeigten und beschriebenen unterschiedlichen Ausführungsbeispielen können für sich eigenständige erfinderische Lösungen darstellen. Die den eigenständigen erfinderischen Lösungen zugrundeliegende Aufgabe kann der Beschreibung entnommen werden.
[0058] Der Ordnung halber sei abschließend darauf hingewiesen, dass zum besseren Verständnis des Aufbaus Elemente teilweise unmaßstäblich und/oder vergrößert und/oder verkleinert dargestellt wurden.
[0059] Das erfindungsgemäße Verfahren kann - soweit es sich um rechnergestützte Verfahrensschritte handelt - in einer Programmlogik 3 implementiert sein (Fig. 4 und 5). Eine Datenverarbeitungsvorrichtung 4 bzw. ein Datenträger 5 mit Computerprogrammprodukt sind ebenfalls Gegenstand der Erfindung. Die nachfolgend beschriebenen Analyse- und Auswerteschritte können mittels einer Datenverarbeitungsvorrichtung 4 (z.B. Rechner, Computer, Tablett, Smartphone, etc.) durchgeführt werden.
[0060] Fig. 4 zeigt in Verbindung mit den Fig. 1-3 eine bevorzugte Ausführungsform eines erfindungsgemäßen Verfahrens zur Analyse und/oder Kartierung einer landwirtschaftlich genutzten Fläche 10, insbesondere eines oder mehrerer Felder.
[0061] In einem Schritt (a) werden erste bodenbezogene Daten 1 bereitgestellt, die - durch erste Messungen 11 an verschiedenen Positionen innerhalb der landwirtschaftlich genutzten Fläche 10 gewonnene - Werte w1 zumindest einer bodenbezogenen Größe, vorzugsweise der elektrischen Bodenleitfähigkeit, umfassen. Den Werten w1 sind dabei jeweils Positionsdaten p1 zugeordnet. In Fig. 1 sind die Wertepaare (w1, p1) in Form von Punkten, die entlang einer Schlangenlinie angeordnet sind, dargestellt. Die Schlangenlinie ergibt sich durch das Abfahren eines Feldes mittels eines landwirtschaftlichen Fahrzeuges 13, welches zumindest eine Messeinrichtung 14 aufweist (Fig. 5). Während das Fahrzeug auf dem Feld unterwegs ist, misst die Messeinrichtung 14 - kontinuierlich oder intermittierend - auf und/oder unter der Erdoberfläche. Die Messeinrichtung 14 könnte z.B. eine Einrichtung zur Ermittlung der elektrischen Bodenleitfähigkeit und/oder eine Kamera zur Erfassung der Bodenfärbung, der Bodenstruktur und/oder des Bewuchses sein.
[0062] Nach die ersten bodenbezogenen Daten 1 bereitgestellt wurden, wird in einem Schritt (b) die zu analysierenden Fläche 10 in ein Raster 8 unterteilt wird und die einzelnen Werte der ersten bodenbezogenen Daten 1 - in Abhängigkeit der den Werten w1 zugeordneten Positionsdaten p1 - den jeweiligen Zellen 9 des Rasters 8 zugeordnet.
[0063] Im Schritt wird (c) jeweils aus den einer Rasterzelle 9 zugeordneten Werten w1 zumindest ein repräsentativer Wert m1, vorzugsweise ein Mittelwert oder Median, ermittelt und der jeweiligen Rasterzelle 9 zugeordnet (siehe Fig. 2).
[0064] In dem - vorzugsweise ebenfalls durchgeführten - Schritt (d) werden die (zuvor ermittelten) repräsentativen Werte m1 der Rasterzellen 9 mittels eines Glättungsverfahrens räumlich geglättet, wodurch geglättete repräsentative Werte g1 erhalten werden.
[0065] Im Schritt (e) wird nun unter Zugrundelegung der - vorzugsweise geglätteten - repräsentativen Werte m1, g1 eine - vorzugsweise hierarchische - Clusteranalyse oder eine KünstlicheIntelligenz-Analyse durchgeführt wird, wobei anhand der dabei erhaltenen Cluster Teilflächen 10a
... 10e der landwirtschaftlich genutzten Fläche 10 identifiziert werden. Diese Teilflächen 10a ... 10e sind jeweils hinsichtlich der zumindest einen bodenbezogenen Größe (in sich) homogen oder weisen jeweils ähnliche Werte der zumindest einen bodenbezogenen Größe auf. Mit anderen Worten: es werden Teilflächen ausgemacht, die sich jeweils durch einen bestimmten Homogenitätsgrad auszeichnen, die aber untereinander in Bezug auf die bodenbezogene Größe unterschiedlich sind.
[0066] Die Clusteranalyse ist ein statistisches Verfahren zur Einteilung einer Menge von Klassifikationsobjekten (Variablen) in homogene Gruppen (sog. Klassen oder Cluster). Die Variablen, die dabei einer homogenen Gruppe zugeordnet sind, sollen dabei untereinander ähnlich sein, während Variablen, die unterschiedlichen Gruppen angehören, verschieden sein sollen. Als hierarchische Clusteranalyse bezeichnet man eine bestimmte Familie von distanzbasierten Verfahren zur Clusteranalyse. Cluster bestehen hierbei aus Objekten, die zueinander eine geringere Distanz (oder umgekehrt: höhere Ahnlichkeit) aufweisen als zu den Objekten anderer Cluster. Das Ergebnis kann dabei in einem sogenannten Dendrogramm dargestellt werden. Dabei werden auf der x-Achse die Datenpunkte aufgetragen. Die y-Achse gibt an, bei welchem Abstand zwei Cluster verschmolzen werden.
[0067] In der Praxis hat sich eine Zerlegung der Datenmenge in höchstens 10, bevorzugt zwischen drei und sechs, Clustern bewährt. Eine noch höhere Zahl von Clustern scheint nicht plausibel zu sein, da die Distanzen zwischen den dort zusammengefügten Clustern immer kleiner werden.
[0068] An dieser Stelle sei darauf hingewiesen, dass die in Fig. 1- 3 dargestellte Unterteilung in Rasterzellen eines Rasters rein schematisch zu verstehen ist und aus Gründen der Übersichtlichkeit und des besseren Verständnisses so gewählt wurde. Ein mögliches Beispiel wäre z.B. ein einige hundert Meter langes und breites Feld in 6m x 6m große Zellen aufzuteilen. Jedoch gibt es diesbezüglich keine wirklichen Vorgaben, zumal die Rastergröße an den vorliegenden Datenumfang, die Feldgröße und zu erwartende Inhomogenitäten der zu untersuchenden Fläche angepasst werden kann/soll.
[0069] Es ist bevorzugt, wenn - vor Schritt (a) oder vor Schritt (b) oder vor Schritt (c) - fehlende und/oder fehlerhafte und/oder ausreißende Werte, vorzugsweise mittels Interpolation und/oder Mittelung und/oder eines Nearest-Neighbour-Algorithmus und/oder Schätzung, vorzugsweise unter Berücksichtigung zumindest eines räumlich benachbarten Wertes, ersetzt oder korrigiert werden.
[0070] Wie bereits erwähnt kann die zumindest eine bodenbezogene Größe, deren Werte w1 in Schritt (a) bereitgestellt werden, die elektrische Leitfähigkeit des Bodens und/oder die Bodentextur und/oder die Korngröße und/oder die Porengröße und/oder die Bodenfärbung und/oder die Zugspannung und/oder ein Nährstoffgehalt und/oder ein Vegetationsindex und/oder die Bodentemperatur und/oder der pH- Wert des Bodens sein. Die ersten bodenbezogenen Daten 1 können auch Werte von zwei oder mehreren verschiedenen bodenbezogenen Größen umfassen.
[0071] Die in Schritt(e) identifizierten Teilflächen 10a ... 10e können innerhalb der analysierten Fläche 10, insbesondere auf einem Bildschirm 7, graphisch, vorzugsweise kartographisch, dargestellt werden (siehe Fig. 5).
[0072] Fig. 1 und Fig. 5 zeigen eine Möglichkeit der Durchführung der ersten Messungen 11. Konkret wird hier mit einem Fahrzeug 13, insbesondere einem landwirtschaftlichen Nutzfahrzeug, vorzugsweise in mehreren Querungen, über die landwirtschaftlich genutzte Fläche 10 gefahren. Mit zumindest einer an dem Fahrzeug 13 befindlichen Messeinrichtung 14 werden - kontinuierlich oder intermittierend - Messungen 11 durchgeführt werden. Alternativ oder zusätzlich können die ersten Messungen auch Aufnahmen von Bildern mittels einer Kamera, insbesondere auch Satellitenbilder, umfassen.
[0073] Fig. 3 zeigt, dass jeweils innerhalb einer in Schritt (e) identifizierten Teilfläche 10a ... 10e unter Anwendung eines Algorithmus zumindest eine - für die Teilfläche 10a ... 10e hinsichtlich der zumindest einen bodenbezogenen Größe repräsentative - Position p10a ... p10e, vorzugs-
weise in Form einer Rasterzelle 9, ermittelt werden kann.
[0074] Die Ermittlung der repräsentativen Position kann derart erfolgt, dass jeweils aus den - den einzelnen Rasterzellen 9 zugeordneten - (vorzugsweise geglätten) repräsentativen Werten m1 und/oder g1 innerhalb einer Teilfläche 10a ... 10e ein Mittelwert oder Median M4o0a ... M10e ermittelt wird. Dabei wird jene Rasterzelle 9 als repräsentative Position p+0a ... P10e für die Teilfläche 10a ... 10e identifiziert, deren - vorzugsweise geglätteter - repräsentativer Wert m1, g1 von dem ermittelten Mittelwert oder Median M;oa ... M10e hinsichtlich eines Abstandsmaßes, insbesondere der euklidischen Distanz oder der Minkowski-Distanz, den geringsten Abstand aufweist.
[0075] Diese repräsentativen Positionen p+40a ... P10e können wiederum, insbesondere auf einem Bildschirm 7, graphisch, vorzugsweise kartographisch, dargestellt oder als Koordinaten ausgegeben werden.
[0076] In Fig. 5 ist zu sehen, dass an den solcherart ermittelten repräsentativen Positionen p10a ... P10e der Teilfelder 10a ... 10e zweite Messungen 12 zumindest einer bodenbezogenen Größe durchgeführt werden. Diese zweiten Messungen 12 können jeweils die Entnahme zumindest einer Bodenprobe an der jeweiligen repräsentativen Position p10a ... p10e und eine - vorzugsweise physikalische und/oder chemische und/oder biologische - Analyse der Bodenprobe, vorzugsweise in einem Labor, beinhalten. Diese Analyse kann insbesondere die Bestimmung von zumindest zwei - bevorzugt einer Vielzahl von - bodenbezogene(n) Größen umfassen. Diese bodenbezogenen Größen können z.B. wiederum sein: die elektrische Leitfähigkeit des Bodens und/oder die Bodentextur und/oder die Korngröße und/oder die Porengröße und/oder die Bodenfärbung und/oder die Zugspannung und/oder ein Nährstoffgehalt und/oder ein Vegetationsindex und/oder die Bodentemperatur und/oder der pH-Wert des Bodens.
[0077] Zur weiteren Bewertung bzw. Analyse werden somit zweite bodenbezogene Daten 2 bereitgestellt, die - durch die zweiten Messungen 12 an den repräsentativen Positionen p+40a ... Pi0e der Teilflächen 10a ... 10e gewonnene - Werte w2 zumindest einer bodenbezogenen Größe umfassen, wobei den Werten w2 jeweils Positionsdaten p+0a ... P10e ZUugeordnet sind.
[0078] Nun kann/können der/die - durch eine zweite Messung 12 an einer repräsentativen Position gewonnenen - Wert(e) sämtlichen Rasterzellen 9 einer Teilfläche 10a - 10e zugeordnet werden.
[0079] Besonders bevorzugt ist, wenn die zumindest eine bodenbezogene Größe, deren Werte w1 mit den ersten bodenbezogenen Daten 1 bereitgestellt werden, und die zumindest eine bodenbezogene Größe, deren Werte w2 durch die zweiten Messungen 12 gewonnen werden, verschieden sind. Besonders vorteilhaft ist, wenn die Vielzahl an ersten Messungen eine bodenbezogene Größe betreffen, die leicht und schnell, z.B. durch Abfahren eines Feldes, gemessen werden kann. Die zweiten Messungen können dann komplexere, auch vertikal tiefergehende Messungen betreffen, die zudem schwieriger und zeitaufwendiger, gegebenenfalls in einem Labor zu bestimmen sind. Hier zeigt sich der Vorteil dieser Ausführungsform: Die Bestimmung der repräsentativen Positionen kann mittels einfach durchzuführender Messungen mit vielen räumlich verteilten Messpunkten erfolgen. Komplexe oder detailliertere Messungen müssen sodann nur mehr an den repräsentativen Positionen durchgeführt werden. Dadurch wird das Gesamtverfahren einfach und überschaubar, aber liefert trotzdem zuverlässige und reproduzierbare Ergebnisse.
[0080] So kann z.B. aus den - durch die zweiten Messungen 12 an den repräsentativen Positionen der Teilflächen 10a - 10e gewonnenen - Werten w2 unter Anwendung eines Modells 6 zumindest eine Zielgröße Z(w2), vorzugsweise der zu erwartende Ertrag und/oder die erforderliche Düngung und/oder Bewässerung, ermittelt werden. In weiterer Folge kann die Art und der Umfang der Bewirtschaftung der landwirtschaftlich genutzten Fläche in Abhängigkeit der ermittelten Zielgröße Z erfolgen. Das Modell kann dabei ein empirisches, z.B. auf Erfahrungswerten beruhendes Modell (welches z.B. ein- oder mehrdimensionale Zuordnungstabellen umfasst) oder zumindest ein teilweises analytisches, z.B. funktionales Modell sein.
[0081] Um Unterschiede zwischen Teilflächen charakterisieren zu können, war das primäre Ziel
homogenen Teilflächen (Cluster) zu identifizieren. Die Unterteilung der Felder in homogene Abschnitte stellt eine gute Basis für zusätzliche Bodenprobenerhebungen (zweite Messungen 12) dar, die in weiterer Folge möglichen Einfluss auf die statistische Modellierung der Düngung und des Ertrags haben können. Mit dieser Vorgangsweise können relevante Fragen, wie beispielsweise in welchen Feldzonen sind die höchsten Erträge zu erwarten oder ob es möglich ist, für jede Teilfläche ein eigenes Düngeoptimum zu verabreichen, beantwortet werden. Auch kann in diesem Zusammenhang untersucht werden, ob es eine Beziehung zwischen Ertrag und Düngemenge gibt.
[0082] Die Zielgröße Z kann z.B. für jeden Punkt und/oder jede Rasterzelle 9 und/oder jede Teilfläche 10a ... 10e der landwirtschaftlich genutzten Fläche 10 ermittelt werden. Ebenso kann die Zielgröße Z, insbesondere auf einem Bildschirm 7, graphisch, vorzugsweise kartographisch, dargestellt werden.
[0083] Schließlich wird nochmals darauf hingewiesen, dass das erfindungsgemäße Verfahren auch in Form einer Programmlogik 3 zur Analyse einer landwirtschaftlich genutzten Fläche 10 bereitgestellt werden kann. Auf einem geeigneten Datenverarbeitungssystem 4 und/oder mittels eines - auf einem Datenträger 5 gespeicherten - Computerprogrammprodukt, wäre diese Programmlogik 3 zu hinterlegen.
[0084] Abschließend wird ein - die Erfindung nicht einschränkendes - Beispiel einer datengestützten Teilflächenbewertung im Agrarbereich (in Form eines möglichen Ablaufes) vorgestellt:
1. Vor Durchführung der ersten Messungen: Kalibrierung der Sensoren (z.B. indem Sensordaten mit tatsächlichen Analysewerten aus Proben verknüpft werden).
2. Identifikation von Teilflächen (d.h. homogener Zonen im Feld bzw. Schlag). 2.1. Rasterbildung
2.1.1. Rasterbildung (mit z.B. 6m x 6m großen Rasterzellen) über die zu analysierende landwirtschaftlich genutzte Fläche (z.B. ein oder mehrerer Felder).
2.1.2. Messungen von Parametern (wie Bodenleitfähigkeitsparameter z.B. in 2 Schichten, Bodenfärbung, pH-Wert, Zugspannung und/oder Normalized Density Vegetation Index, etc.) und Verortung der Werte (Zuordnung von Positionsdaten).
2.2 Ermitteln der Werte für die einzelnen Rasterzellen.
2.2.1. Zuordnung der Werte der ersten bodenbezogenen Daten (Roh- oder aufbereitete Messwerte) zu den Rasterzellen.
2.2.2. Ermitteln eines repräsentativen Wertes für jede einzelne Rasterzelle (z.B. Mittelwertbildung über die Werte innerhalb jeder einzelnen Zelle oder Median).
2.2.3. Ersetzen der fehlenden Werte. 2.2.3.1. Entwicklung eines Generalisierten Additiven Modells (GAM). 2.2.3.2. Glättung der Daten mittels GAM.
2.3. Clusteranalyse (explorativ), z.B. mehrdimensionale und/oder hierarchische ClusteranaIyse.
2.3.1. Anzahl der Cluster durch Experten vorgeben lassen (entspricht auch Anzahl der repräsentativen Punkte).
2.3.2. Hierarchisches Clustering (müssen nicht geografisch benachbart sein).
2.4. Festlegung repräsentativer Positionen pro Cluster bzw. Teilfläche.
2.4.1. Gesamtdurchschnittswerte aller Zellen in einem Cluster (ohne Gewichtungen) bilden. 2.4.2 Auffinden der repräsentativen Positionen.
2.4.2.1. Reihung der Rasterzellen innerhalb einer Teilfläche nach minimalster euklidischer Distanz ihrer repräsentativen Werte zu den Gesamtdurchschnittswerten.
2.5. Vervollständigung des Rasters.
2.5.1. Durchführung zweiter Messungen: Punktuelle Probennahme (an den zuvor ermittelten repräsentativen Positionen) und deren physikalische und/oder chemische und/oder biologische Analyse (vorzugweise in einem Labor).
2.5.2. Auffüllen der Rasterzellen innerhalb eines jeden Clusters / Teilfläche mit den Ergebnissen der zweiten Messungen.
3. Modellierung der landwirtschaftlich genutzten Fläche oder zumindest einer Teilfläche: Ermittlung zumindest einer Zielgröße in Abhängigkeit von den durch erste und/oder zweite Messungen gewonnenen Daten (Einflussgrößen).
BEZUGSZEICHENLISTE
1 erste bodenbezogene Daten
2 zweite bodenbezogene Daten
3 Programmlogik
4 Datenverarbeitungsvorrichtung
5 Datenträger
6 Modell
7 Bildschirm
8 Raster
9 Rasterzellen
10 Landwirtschaftlich genutzte Fläche 10a- 10e Teilflächen
11 Erste Messung
12 Zweite Messung
13 Fahrzeug
14 Messeinrichtung
w1 erste Werte
p1 Positionsdaten der ersten Werte w1 m1 repräsentative Werte
g1 geglättete repräsentative Werte
Mioa - M{0e Mittelwerte der einzelnen Teilflächen 10a - 10e w2 zweite Werte
Pı0ca - Pı10e repräsentative Positionen
Z Zielgröße
Claims (1)
- Ansprüche1. Verfahren zur Analyse und/oder Kartierung einer landwirtschaftlich genutzten Fläche (10), insbesondere eines oder mehrerer Felder, bei dem:(a) erste bodenbezogene Daten (1) bereitgestellt werden, die - durch erste Messungen (11) an verschiedenen Positionen innerhalb der landwirtschaftlich genutzten Fläche (10) gewonnene - Werte (w1) zumindest einer bodenbezogenen Größe, vorzugsweise der elektrischen Bodenleitfähigkeit, umfassen, wobei den Werten (w1) jeweils Positionsdaten (p1) zugeordnet sind,(b) die zu analysierenden Fläche (10) in ein Raster (8) unterteilt wird und die einzelnen Werte (w1) der ersten bodenbezogenen Daten (1) - in Abhängigkeit der den Werten (w1) zugeordneten Positionsdaten (p1) - den jeweiligen Zellen (9) des Rasters (8) zugeordnet werden,(c) jeweils aus den einer Rasterzelle (9) zugeordneten Werten (w1) zumindest ein repräsentativer Wert (m1), vorzugsweise ein Mittelwert oder Median, ermittelt und der jeweiligen Rasterzelle (9) zugeordnet wird,(d) optional die repräsentativen Werte (m1) der Rasterzellen (9) mittels eines Glättungsverfahrens räumlich geglättet werden, wodurch geglättete repräsentative Werte (g1) erhalten werden,(e) unter Zugrundelegung der - vorzugsweise geglätteten - repräsentativen Werte (m1, g1) eine - vorzugsweise hierarchische - Clusteranalyse oder eine Künstliche-Intelligenz-AnaIyse durchgeführt wird, wobei anhand der dabei erhaltenen Cluster Teilflächen (10a ... 10e) der landwirtschaftlich genutzten Fläche (10), die jeweils hinsichtlich der zumindest einen bodenbezogenen Größe homogen sind oder ähnliche Werte der zumindest einen bodenbezogenen Größe aufweisen, identifiziert werden.2, Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass - vor Schritt (a) oder vor Schritt (b) oder vor Schritt (c) - fehlende und/oder fehlerhafte und/oder ausreißende Werte, vorzugsweise mittels Interpolation und/oder Mittelung und/oder eines Nearest-Neighbour-Algorithmus und/oder Schätzung, vorzugsweise unter Berücksichtigung zumindest eines räumlich benachbarten Wertes, ersetzt oder korrigiert werden.3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die zumindest eine bodenbezogene Größe, deren Werte (w1) in Schritt (a) bereitgestellt werden, die elektrische Leitfähigkeit des Bodens und/oder die Bodentextur und/oder die Korngröße und/oder die Porengröße und/oder die Bodenfärbung und/oder die Zugspannung und/oder ein Nährstoffgehalt und/oder ein Vegetationsindex und/oder die Bodentemperatur und/oder der pH-Wert des Bodens ist.4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die ersten bodenbezogenen Daten (1) Werte von zumindest zwei verschiedenen bodenbezogenen Größen umfassen.5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Glättungsverfahren des Schritts (d) die Anwendung eines additiven Modells, insbesondere eines generalisierten additiven Modells (GAM), beinhaltet.6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die in Schritt (e) identifizierten Teilflächen (10a ... 10e) innerhalb der analysierten Fläche (10), insbesondere auf einem Bildschirm (7), graphisch, vorzugsweise kartographisch, dargestellt werden.7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die ersten Messungen (11) durchgeführt werden, indem mit einem Fahrzeug (13), insbesondere einem landwirtschaftlichen Nutzfahrzeug, vorzugsweise in mehreren Querungen, über die landwirtschaftlich genutzte Fläche (10) gefahren wird und mit zumindest einer, an dem Fahrzeug (13) befindlichen Messeinrichtung (14) - kontinuierlich oder intermittierend - Messungen (11) durchgeführt werden.10. 11.12. 13.14.15.16.17.Österreichischer AT 16 964 U1 2021-01-15Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass jeweils innerhalb einer in Schritt (e) identifizierten Teilfläche (10a ... 10e) unter Anwendung eines Algorithmus zumindest eine - für die Teilfläche (10a ... 10e) hinsichtlich der zumindest einen bodenbezogenen Größe repräsentative - Position (P40a ... P10e), VOorZUgSsweise in Form einer Rasterzelle (9), ermittelt wird.Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass die Ermittlung der repräsentativen Position derart erfolgt, dass jeweils aus den - in Schritt (c) den einzelnen Rasterzellen (9) zugeordneten - Werten (m1) und/oder aus den in Schritt (d) geglätteten Werten (g1) innerhalb einer Teilfläche (10a ... 10e) ein Mittelwert oder Median (M+40a ... M40e) ermittelt wird und jene Rasterzelle (9) als repräsentative Position (P+0a ... P10e) für die Teilfläche (10a ... 10e) identifiziert wird, deren - vorzugsweise geglätteter - repräsentativer Wert (m1, g1) von dem ermittelten Mittelwert oder Median (M4o0a ... M10e) hinsichtlich eines Abstandsmaßes, insbesondere der euklidischen Distanz oder der Minkowski-Distanz, den geringsten Abstand aufweist.Verfahren nach Anspruch 8 oder 9, dadurch gekennzeichnet, dass die ermittelten, für die jeweiligen Teilflächen (10a ... 10e) repräsentativen Positionen (p+0a ... P10e), Insbesondere auf einem Bildschirm (7), graphisch, vorzugsweise kartographisch, dargestellt oder als Koordinaten ausgegeben werden.Verfahren nach einem der Ansprüche 8 bis 10, dadurch gekennzeichnet, dass an den ermittelten, für die jeweiligen Teilflächen (10a ... 10e) repräsentativen Positionen (p+0a ... P10e) der landwirtschaftlich genutzten Fläche (10) zweite Messungen (12) zumindest einer bodenbezogenen Größe durchgeführt werden.Verfahren nach Anspruch 11, dadurch gekennzeichnet, dass die zweiten Messungen (12) jeweils die Entnahme einer Bodenprobe an der jeweiligen repräsentativen Position (p10a ... P10e) UNd eine - vorzugsweise physikalische und/oder chemische und/oder biologische - AnaIyse der Bodenprobe, vorzugsweise in einem Labor, beinhalten, wobei vorzugsweise die Analyse die Bestimmung von zumindest zwei - bevorzugt einer Vielzahl von - bodenbezogene(n) Größen umfasst.Verfahren nach Anspruch 11 oder 12, dadurch gekennzeichnet, dass die zumindest eine bodenbezogene Größe, die mittels der zweiten Messungen (12) ermittelt wird, die elektrische Leitfähigkeit des Bodens und/oder die Bodentextur und/oder die Korngröße und/oder die Porengröße und/oder die Bodenfärbung und/oder die Zugspannung und/oder ein Nährstoffgehalt und/oder ein Vegetationsindex und/oder die Bodentemperatur und/oder der pH-Wert des Bodens ist.Verfahren nach einem der Ansprüche 11 bis 13, dadurch gekennzeichnet, dass zweite bodenbezogene Daten (2) bereitgestellt werden, die - durch die zweiten Messungen (12) an den repräsentativen Positionen (p+0a ... P10e) der Teilflächen (10a ... 10e) gewonnene - Werte (w2) zumindest einer bodenbezogenen Größe umfassen, wobei den Werten (w2) jeweils Positionsdaten (p+0a ... P10e) ZUgeOordnet sind.Verfahren nach einem der Ansprüche 11 bis 14, dadurch gekennzeichnet, dass der/die durch eine zweite Messung (i2) an einer repräsentativen Position gewonnenen - Wert(e) sämtlichen Rasterzellen (9) einer Teilfläche (10a - 10e) zugeordnet werden.Verfahren nach einem der Ansprüche 11 bis 15, dadurch gekennzeichnet, dass die zumindest eine bodenbezogene Größe, deren Werte (w1) mit den ersten bodenbezogenen Daten (1) bereitgestellt werden, und die zumindest eine bodenbezogene Größe, deren Werte (w2) durch die zweiten Messungen (i2) gewonnen werden, verschieden sind.Verfahren nach einem der Ansprüche 11 bis 16, dadurch gekennzeichnet, dass aus den durch die zweiten Messungen (12) an den repräsentativen Positionen der Teilflächen (10a 10e) gewonnenen - Werten (w2) unter Anwendung eines Modells (6) zumindest eine Zielgröße (Z), vorzugsweise der zu erwartende Ertrag und/oder die erforderliche Düngung und/oder Bewässerung, ermittelt wird, wobei vorzugsweise Art und Umfang der Bewirtschaftung der landwirtschaftlich genutzten Fläche in Abhängigkeit der ermittelten Zielgröße (Z) erfolgt.18. Verfahren nach Anspruch 17, dadurch gekennzeichnet, dass die Zielgröße (Z) für jeden Punkt und/oder jede Rasterzelle (9) und/oder jede Teilfläche (10a ... 10e) der landwirtschaftlich genutzten Fläche (10) ermittelt wird und/oder dass die Zielgröße (Z), insbesondere auf einem Bildschirm (7), graphisch, vorzugsweise kartographisch, dargestellt wird.19. Programmlogik (3) zur Analyse einer landwirtschaftlich genutzten Fläche (10), insbesondere eines oder mehrerer Felder, dadurch gekennzeichnet, dass die Programmlogik (3) die Schritte eines Verfahrens nach einem der vorhergehenden Ansprüche umfasst.20. Datenverarbeitungssystem (4) und/oder auf einem Datenträger (5) gespeichertes Computerprogrammprodukt, zur Analyse einer landwirtschaftlich genutzten Fläche (10), insbesondere eines oder mehrerer Felder, dadurch gekennzeichnet, dass auf dem Datenverarbeitungssystem (4) und/oder in dem Computerprogrammprodukt eine Programmlogik (3) nach Anspruch 19 hinterlegt ist.Hierzu 5 Blatt Zeichnungen
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ATGM50191/2019U AT16964U1 (de) | 2019-10-29 | 2019-10-29 | Verfahren zur Analyse und/oder Kartierung einer landwirtschaftlich genutzten Fläche |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ATGM50191/2019U AT16964U1 (de) | 2019-10-29 | 2019-10-29 | Verfahren zur Analyse und/oder Kartierung einer landwirtschaftlich genutzten Fläche |
Publications (1)
Publication Number | Publication Date |
---|---|
AT16964U1 true AT16964U1 (de) | 2021-01-15 |
Family
ID=74126081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ATGM50191/2019U AT16964U1 (de) | 2019-10-29 | 2019-10-29 | Verfahren zur Analyse und/oder Kartierung einer landwirtschaftlich genutzten Fläche |
Country Status (1)
Country | Link |
---|---|
AT (1) | AT16964U1 (de) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8412419B1 (en) * | 2009-09-17 | 2013-04-02 | Helena Chemical Company | System for mapping GIS layers |
US20160308954A1 (en) * | 2015-04-20 | 2016-10-20 | Wilbur-Elllis Company | Systems and Methods for Cloud-Based Agricultural Data Processing and Management |
WO2018165464A1 (en) * | 2017-03-08 | 2018-09-13 | The Climate Corporation | Location selection for model assessment sampling |
WO2019032648A1 (en) * | 2017-08-08 | 2019-02-14 | Indigo Ag, Inc. | MACHINE LEARNING IN AGRICULTURAL PLANTATION, CULTIVATION AND HARVEST CONTEXTS |
WO2019046967A1 (en) * | 2017-09-11 | 2019-03-14 | Farmers Edge Inc. | GENERATING A YIELD CARD FOR AN AGRICULTURAL FIELD USING REGRESSION AND CLASSIFICATION PROCESSES |
-
2019
- 2019-10-29 AT ATGM50191/2019U patent/AT16964U1/de unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8412419B1 (en) * | 2009-09-17 | 2013-04-02 | Helena Chemical Company | System for mapping GIS layers |
US20160308954A1 (en) * | 2015-04-20 | 2016-10-20 | Wilbur-Elllis Company | Systems and Methods for Cloud-Based Agricultural Data Processing and Management |
WO2018165464A1 (en) * | 2017-03-08 | 2018-09-13 | The Climate Corporation | Location selection for model assessment sampling |
WO2019032648A1 (en) * | 2017-08-08 | 2019-02-14 | Indigo Ag, Inc. | MACHINE LEARNING IN AGRICULTURAL PLANTATION, CULTIVATION AND HARVEST CONTEXTS |
WO2019046967A1 (en) * | 2017-09-11 | 2019-03-14 | Farmers Edge Inc. | GENERATING A YIELD CARD FOR AN AGRICULTURAL FIELD USING REGRESSION AND CLASSIFICATION PROCESSES |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3700320B1 (de) | Erstellung digitaler bearbeitungskarten | |
EP3503724B1 (de) | Bekämpfung von schadorganismen auf basis der vorhersage von befallsrisiken | |
EP3449286B1 (de) | Verfahren zum detektieren landwirtschaftlicher, von einem fahrzeug ausgeführter feldarbeit | |
DE112015002189T5 (de) | Bildfilter auf der Grundlage von Reihenidentifizierung | |
DE102015221085A1 (de) | Verfahren und Informationssystem zum Erkennen zumindest einer auf einem Feld angepflanzten Pflanze | |
WO2019081567A1 (de) | Ertragsabschätzung beim anbau von kulturpflanzen | |
DE102011078290A1 (de) | Verfahren und Vorrichtung zum Klassifizieren eines Umgebungsbereiches eines Fahrzeuges | |
DE102010038014A1 (de) | Verfahren zur Charakterisierung einer Probe und eines Systems | |
DE102018216476A1 (de) | Verfahren zum Sanieren entwicklungsverzögerter Pflanzen | |
EP3673425A1 (de) | Ertragsabschätzung beim anbau von kulturpflanzen | |
DE102018104616A1 (de) | Verfahren zum Aufteilen eines oder mehrerer Bilder einer Probe in nach Farbstoffen aufgeteilte Bilddaten, Computerprogrammprodukt, computerlesbares Medium, auf dem das Computerprogrammprodukt gespeichert ist, und System zum Aufteilen eines oder mehrerer Bilder einer Probe in nach Farbstoffen aufgeteilte Bilddaten | |
DE102017217258A1 (de) | Verfahren zum Klassifizieren von Pflanzen | |
AT16964U1 (de) | Verfahren zur Analyse und/oder Kartierung einer landwirtschaftlich genutzten Fläche | |
DE10317142A1 (de) | Automatische Trefferzählung bei der numerischen Röntgenologie, insbesondere bei der Mammografie | |
DE10358938A1 (de) | Verfahren und Vorrichtung zur mindestens teilweise automatisierten Auswertung von Fernerkundungsdaten | |
DE202022102591U1 (de) | System zur Überwachung des Gesundheitszustands von Pflanzen in der Präzisionslandwirtschaft mittels Bildverarbeitung und Faltungsneuronalem Netz | |
DE102021207983A1 (de) | Unkrauterkennungsvorrichtung, Verfahren zu Unkrauterkennung, Computerprogramm und Speichermedium | |
EP1986127B1 (de) | Erzeugung von Endmember-Spektren | |
EP2732308B1 (de) | Verfahren zur detektion von messfehlern oder artefakten in wetterradarbildern | |
DE102004055217A1 (de) | Verfahren zur Optimierung des Einsatzes von Düngemitteln oder dergleichen in der Landwirtschaft | |
WO2018153511A1 (de) | Verfahren und vorrichtung zur erkennung von ecken | |
DE102022212162A1 (de) | Verfahren zum Ermitteln einer Pflanzenkennzahl von Pflanzen einer Pflanzenreihe einer landwirtschaftlichen Fläche | |
DE102022212169A1 (de) | Verfahren zum Klassifizieren von Pflanzen in und/oder zwischen Pflanzenreihen einer landwirtschaftlichen Fläche | |
DE102021214202A1 (de) | Verfahren zum Identifizieren von Beikräutern in einer Pflanzenreihe einer landwirtschaftlichen Fläche | |
DE102022212171A1 (de) | Verfahren zum Klassifizieren von Pflanzen in und/oder zwischen Pflanzenreihen einer landwirtschaftlichen Fläche |