CN103442547B - 用来确定肥料需求，特别是氮肥料需求的方法以及实行这种方法的设备 - Google Patents

用来确定肥料需求，特别是氮肥料需求的方法以及实行这种方法的设备 Download PDF

Info

Publication number
CN103442547B
CN103442547B CN201280011769.2A CN201280011769A CN103442547B CN 103442547 B CN103442547 B CN 103442547B CN 201280011769 A CN201280011769 A CN 201280011769A CN 103442547 B CN103442547 B CN 103442547B
Authority
CN
China
Prior art keywords
nutriment
fertilizer
crop
absorbs
stage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201280011769.2A
Other languages
English (en)
Other versions
CN103442547A (zh
Inventor
弗朗茨-克萨韦尔·迈德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Technische Universitaet Muenchen
Original Assignee
Technische Universitaet Muenchen
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Technische Universitaet Muenchen filed Critical Technische Universitaet Muenchen
Publication of CN103442547A publication Critical patent/CN103442547A/zh
Application granted granted Critical
Publication of CN103442547B publication Critical patent/CN103442547B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • 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
    • 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
    • A01B79/02—Methods for working soil combined with other agricultural processing, e.g. fertilising, planting
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C15/00—Fertiliser distributors
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C17/00—Fertilisers or seeders with centrifugal wheels
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C17/00—Fertilisers or seeders with centrifugal wheels
    • A01C17/006—Regulating or dosing devices
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C17/00—Fertilisers or seeders with centrifugal wheels
    • A01C17/006—Regulating or dosing devices
    • A01C17/008—Devices controlling the quantity or the distribution pattern
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C21/00—Methods of fertilising, sowing or planting
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C21/00—Methods of fertilising, sowing or planting
    • A01C21/007—Determining fertilization requirements

Abstract

本发明公开了一种方法和一种设备，它们用来施放用于农业人工栽培作物的肥料。根据本发明，所需要的肥料量的得出依赖于与当前养料吸收（养料状况）、到施肥日期的最优化的养料吸收（养料需求）以及到下一个施肥日期的最优化的养料吸收（养料需求），其中，其他的影响因素通过校正因子DIMA加以考虑。

Description

用来确定肥料需求，特别是氮肥料需求的方法以及实行这种 方法的设备
技术领域
本发明涉及一种确定农业人工栽培作物的肥料需求的方法，并且涉及一种用于肥料计量的设备。
背景技术
在精细农作的领域中，子区域特异性的给肥是主要的挑战。过度施肥从生态的观点上和从经济的观点上都是有问题的。在施肥不足的情况下轮作田的产量降低，从而要力争需求最优化地施肥。
基于土地的异质性和微气候，来自土壤的产量能力和养料的可用性在轮作田内部是变化的。这些异质性导致作物的不同生长和分化的产量形成以及相应地不同的肥料需求。现在在农业实践中，以均一的计量量在整个轮作田中施放氮肥料的量——所提到的异质性经常被忽略。这种类型的均一施肥导致在各个子区域中带有与之伴随的缺点的、或多或少的过度施肥或施肥不足。
已知一种用于子区域特异性地施肥的系统，在其中作物的养料状况通过传感器检测，并且然后肥料需求依赖于传感器信号，例如植被指数和在机载计算机中的或可以在线检索的子区域特异性数据，被计算出来。基于肥料需求，产生用于肥料计量设备(施放机)的控制信号。例如在DE 199 13 971A1中公开了这种类型的解决方案。
在这种解决方案的情况下，用来检测植被指数的传感器在开始运作之前必须被校准。这例如能够通过所谓的氮测试器进行，然而该氮测试器具有一系列的缺点。这种类型的氮测试器的使用是极其繁琐的，并且需要一定的经验。氮测试器测量光穿过作物的叶片的透光度。这个值与叶绿素和氮含量紧密相关，但是不与生物质的量相关。由N含量和生物质计算出氮吸收，其对于肥料测定是重要的。在此有问题的是，对比通过氮含量，氮吸收更多地通过作物的生物质确定。如所提到的那样，在肥料测定时，不能忽略所在地的产量能力。然而，这种产量能力对养料需求的影响，比对作物中氮浓度的波动的影响更大。在产量差的子区域上的作物总是具有低的氮浓度——在这种类型的子区域上，基于其他的产量限制参数，低氮量相应地对于最优化的生长是足够的，从而在不考虑产量能力的情况下，通常这种类型的子区域被过度施肥。产量高的子区域相反地更容易倾向于得到过少的肥料。
除此之外，传感器的测量值强烈地依赖于品种，因此经常要提供所谓的品种校正表。然而，因为(德国)联邦品种局(Bundessortenamt)每年登记的多种品种，这些品种校正表必须相应地每年更新，这给操作传感器造成进一步的困难。
在EP 1 411 758 B1中描述了一种用来施放肥料的方法，在其中，在计算肥料量中包括了最大可获得的收获量和对于各个区域预测的收获量，以及在最优化的收获量下作物的养料吸收和对于轮作田的预测的收获量。这种方法仅在作物生长期时预定了一次性的施肥。
由现有技术已知多种植被指数，经常使用的是所谓的REIP植被指数(红边拐点(Red Edge Inflection Point))。显而易见地，还可以使用其他的植被指数，如NDVI(归一化植被指数)、IRR(红外辐射计指数)、IRG(红外绿色指数)、IRI(相对重要性指数)、SAVI(土壤调节植被指数)等。在REIP指数中利用了作物的光吸收特性或反射特性。相应地，这些作物具有吸收大部分特定波长的光，而反射大部分更长波长的光的普遍的性质。因此，蓝色、绿色或者红色的光组分被作物的叶片吸收，其中，作物的细胞结构和水含量导致在红外开始范围中的吸收在陡边(拐点)处转入到反射中。研究证明了，可以采用这种主要拐点(REIP)用来确定生物质生长和氮含量。
由WO 01/45490 A1公知了一种用来确定叶绿素含量的传感器。
在2005年10月11日到12日在唯森(Weihenstephan)召开的IKB最终研讨会的范畴中，讨论了子区域特异性的氮肥料的方面。在IKB子项目9 Optimierung der Bestandsführung mit berührungsloser Sensorik nach(“根据农作物异质性通过非接触式触感技术最优化子区域特异性的农作物管理”)的范畴中的报告中，对比性地展示了以上所提到的植被指数的可使用性。另外，在所提到的最终研讨会时，本发明的发明人在报告《N-Düngung》(子区域特异性的施加氮肥)中阐述了，最优化的氮吸收非常强地依赖于发育阶段和在各个子轮作田中的产量潜力。
发明内容
本发明的任务在于，创建一种用来施放肥料，特别是氮肥料的方法，以及一种用来实行这种类型的方法设备，通过这些方法和设备，在肥料计量时可以更好地考虑该子区域特异性方面，其中，调节技术和设备技术的花费应当进一步地最小化。
这个任务通过如下的方法以及如下的设备解决，其中，所述方法具有以下步骤：
(a)在数据存储器中储存第一特征曲线/表，其用于依赖于植被指数、发育阶段和/或所期望的产量的作物的当前的养料吸收；
(b)储存第二特征曲线/表，其用于依赖于发育阶段和/或在待施肥的子轮作田中所期望的产量的作物的最优化的养料吸收；
(c)测量在子轮作田中的植被指数并且由第一特征曲线/表依赖于产量和/或发育阶段读取当前的养料吸收；
(d)就当前的发育阶段和/或所期望的产量而言，由第二特征曲线/表读取最优化养料吸收；
(e)由最优化的养料吸收以及当前的养料吸收之间的差异计算养料量，并且通过用校正因子的结算来校正这个量，在校正因子中，涉及肥料作用时间、在土壤中的肥料固定、由土壤产生的矿化和肥料利用率这些参数中的一个；
并且其中，所述设备带有用来存储第一和第二特征曲线/表的存储器，第一和第二特征曲线/表用于依赖于在待施肥的子轮作田中作物的发育阶段、在子轮作田中的作物的质量和/或在子轮作田中所期望的产量以及校正因子的当前的养料吸收或最优化的养料吸收，
带有用来检测植被指数的传感器，
评估单元，其用来选取适当的第一、第二特征曲线/表以及用来读取当前的养料吸收、最优化的养料吸收以及校正因子，以及由这些参数，凭借根据本发明的方法计算最优化的养料量以及用来向肥料播撒器输出控制信号，
带有肥料播撒器，其用来根据控制信号计量养料。
根据本发明，在用于确定农业人工栽培作物的肥料需求的方法中，首先在数据存储器中储存特征曲线族(或表)，其体现了至少依赖于植被指数和/或作物的发育阶段的、作物的当前养料吸收(养料状况)。
另外，特征曲线族(或表)储存在数据存储器中，该特征曲线族(或表)包含在待施肥的子轮作田中依赖于发育阶段和/或所期望的产量和/或产品质量(粗蛋白质含量)的、作物的最优化养料吸收。
在测量步骤中，在待施肥的子轮作田中测量植被指数，并且从相应的特征曲线/特征表中读取当前的养料吸收。
在下一步的步骤中，在当前的发育阶段和/或这种子轮作田中的产量潜力的情况下，读取在这种子轮作田中最优的养料吸收(养料状况)，并且然后由最优化的养料状况和直至下一个施肥日期的养料需求之间的差异计算出肥料量，并且通过校正因子结算出这种差异，该校正因子通过子区域特异性参数确定。这些参数例如可以是肥料作用时间、在土壤中的肥料固定、来自土壤的矿化以及肥料利用率。在这种校正因子还可以包括被观察的子区域中的作物的发育阶段。
控制信号经由评估单元然后输出到肥料计量器上，并且肥料量依赖于以上所提到的量而进行计量。
对于每个子轮作田实行至少一次这种方法，从而在避免施肥不足或过度施肥的情况下，进行高效率地、子区域特异性地施肥，并且因此以最优化的方式利用了每个子区域的产量潜力。
在本发明的特别优选的改进方案中，在养料需求的计算中，由养料吸收产生的差异还额外地涉及在下一个植被周期时所期望的养料需求和当前的养料状况。这种差异被添加到之前所阐述的差异中。
当用来通过传感器信号确定当前的养料吸收(养料状况)的特征曲线选择在第一级近似中作为直线或直线段时，测量信号的评估是特别容易的。如在以下还要详细地所阐述的那样，这些直线对作物的发育阶段具有显著的依赖性。
在根据本发明的实施例中，这种直线的截距本身通过估计函数确定，优选通过负斜率的直线确定，从而在所观察的发育阶段下和在子区域的产量潜力下，该截距随着作物增加的中等肥料吸收而减小。
这种直线的斜率同样再次由估计函数(优选为直线)确定，其中，该斜率随着上述中等的养料吸收而增加。
根据本发明，优选植被指数是REIP植被指数。
用于计算要计量的肥料量的上述的校正因子的大小例如位于0.5到1.5的范围中。
根据本发明的用来施放(播撒)肥料的设备具有用来存储以上所描述的特征曲线的数据存储器，这些特征曲线体现了依赖于在待施肥的子轮作田中的各个发育阶段、在这些子轮作田中力争达到的作物质量以及在子轮作田中所期望的产量的，所力争达到的养料状况或最优化的养料吸收。此外，该设备具有用来检测植被指数的传感器，以及评估单元，该评估单元用来选取适当的特征曲线/表、并且用来读取依赖于植被指数的当前的养料吸收(养料状况)、并且用来读取最优化的养料吸收和子区域特异性校正值、以及用来由这些参数计算肥料量。此外，通过评估单元，计量量信号输出到肥料计量设备上并且相应地操控该肥料计量设备。
附图说明
在以下结合示意性附图详细地阐述根据本发明的优选实施例(示例方式地用于冬小麦)。在附图中：
图1示出了用来施放肥料的设备的基本元件的框形示意图；
图2示出了用来得出依赖于植被指数和发育阶段的当前氮吸收的特征曲线图；
图3和图4示出了用于确定根据图2的特征曲线的线性方程；
图5示出了用来得出依赖于发育阶段和产量潜力的最优化的冬小麦氮吸收的特征曲线族；
图6示出了由根据图5的特征曲线族得出的、带有标出的氮吸收的特征曲线；
图7示出了根据图5的特征曲线族，在该特征曲线族中标出了依赖于发育阶段、产量潜力和校正因子的必需的氮吸收；
图8和图9以冬小麦为示例，示出了用来阐明在不同的产量期望下，示出了最优化的氮吸收与发育阶段和产品质量的依赖性的特征曲线族。
图10示出了用来得出依赖于肥料利用率和发育阶段的校正因子DIMA的表；以及，
图11示出了用来阐明田地的不同产量区域的土壤地图。
具体实施方式
图1示出了非常示意性的、用来阐述根据本发明的方法的框形图表。
据此，在农用拖拉机上或这类商用车辆上布置有一个或多个用来检测的传感器1。
原则上，这种类型的传感器由多个光传输元件构成，这些光传输元件放射例如预定波长的单色的光。此外，传感器1具有光接收元件，其接收由作物2反射的光，并且产生指示所接收的光的各自的强度的信号。光传输元件的控制通过集成在传感器1中的控制部分进行，该控制部分在周期序列中操控光传输元件，并且所反射的光的各自的强度由光接收元件的输出信号得出。由所得到出的整个测量周期的光强度，接着计算出REIP植被指数。然后与植被指数(REIP)相应的测量信号4提供给农用拖拉机的中央计算单元的评估单元6。这种评估单元6配属有数据存储器8，在其中储存有一些在以下还将详细地阐述的、用来计算要施放的肥料量的特征曲线和子区域特异性数据。
基于由申请人在不同的环境方面下实行的多光谱反射测量，计算出了大量的在文献中所描述的植被指数，并且检验了稳定性(品种依赖性、阳光入射角、叶片水分、作物大小、作物的营养状况等)。因此，植被指数REIP被证明是非常稳定的，从而在以下所阐述的肥料量计算基于这个指数进行。在这些研究中证明了不同的作物指数以及REIP对于作物发育阶段是非常敏感的。相应地，对于每种作物/品种，特征曲线族(或表)被储存在数据存储器中，这使氮吸收能够依赖于REIP和发育阶段EC得出。图2以示例方式示出了用于农业人工栽培作物的特征曲线族10——可以辨识出上面提到的绝对氮吸收(kg/ha(千克/公顷))与人工栽培作物的发育阶段的强烈依赖性。因此，在特定的REIP值，例如在725nm的情况下，在早期发育阶段时的绝对氮吸收，以远大于一半的量低于在发育阶段65时的氮吸收。
从现在起，如果想要对于每种农业人工栽培作物和对于这种作物的每个发育阶段，存储相应的特征曲线10，那么这将意味着过多的数据量，这在硬件以及软件技术上都是难以掌握的。因此在本发明的范畴中，发展了一种估计算法，其使如下所述成为可能，即，借助反射测量可以给出不依赖于发育阶段的、作物的绝对氮吸收。因为作物的发育阶段的对于REIP的特殊性的已知的重要性，进行了大量的研究并且在此发现，在以下所阐述的用来确定以上所提到的特征曲线10的估计算法的回归环节极其紧密地与作物发育相关。在第一级近似中，在图2中所示出的特征曲线族10的各个特征曲线可以通过直线：
N当前＝(a)×(REIP)+y
其中，N当前是作物当前的养料吸收，a是特征曲线的斜率，y是特征曲线的截距。
在图3和图4中，对于冬小麦以示例方式示出了这种特征曲线的截距y和斜率a的依赖性。可以看出，斜率a(图3)随着所研究的作物的增加的中等氮吸收N*，根据等式：
a＝0.102N*+2.0894
提高，其中统计决定系数R2＝0.8991。
通过评估现有的测量结果，得出以上所引述的用来确定斜率a的等式，其中，在图3中示出了各个测量点。
图4示出了用来由中等氮吸收N*来得出截距y的图表。可以辨识，截距y也与中等氮吸收N*处在线性关系下。在所研究的冬小麦和中等产量潜力的前提下以及特定的发育阶段EC的情况下，计算等式内容是：
y＝-73.584N*-1478.3
其中，统计决定系数再次非常地高地为R2＝0.8974。据此，截距y随着提高的中等氮吸收N*降低。
通过这两个用来确定特征曲线的截距y和斜率a的等式，在知晓作物的中等氮吸收N*的情况下，因此可以对于研究所在地的各个发育阶段和产量潜力确定用来确定绝对氮吸收的N当前(养料状况)的特征曲线。
这种系统在大量的农业人工栽培作物(冬小麦，夏小麦，冬油菜，冬大麦，夏大麦，小黑麦，冬黑麦)的情况下进行了查验，并且表明，该系统在所有提到的作物种类的情况下起作用，其中，统计决定系数始终大于0.85，从而由此假定，该得出算法也可以应用在其他农业人工栽培作物的情况下。借助于这种算法，在知晓REIP的情况下，可以因此对于各种人工栽培作物，对于各个任意的作物发育阶段给出以dt/ha(分吨/公顷)为单位的生物质以及以kg N/ha(公斤氮/公顷)为单位的氮吸收。
换句话说，可以借助以上所提到的等式，以容易的方式计算用来确定依赖于发育阶段EC和REIP的当前氮吸收N当前的有效的特征曲线。
在接下来的步骤中，现在由通过测量技术得出的当前氮吸收(养料状况)N当前得出实际的肥料需求。
得出肥料需求的基础是知晓最优化的氮供给状态的，也就是说对于各种人工栽培作物的氮营养状况的最优值。得出这些最优值的前提是，这些最优值依赖于所在地的生长条件。为检验这种假设，示例性地对于冬小麦区分和结算出了不同的试验系列和文献中的数据。这表现出，最优化氮吸收值(在此示例性地对于冬小麦)可以根据在图5中所示出的关系，依赖于发育阶段EC和产量范围(分吨/公顷)描述。可以辨识出，最优化的氮吸收N最优随着增加的发育阶段EC提高，其中显而易见地，高产区域的氮吸收值N最优明显地高出低产区域。最优化的氮吸收在预定的产量范围和发育阶段的情况下可以根据图5以特征曲线描述，该特征曲线以近似方式地多由条直线段组成，其中，对于各个发育阶段(EC30、EC32、……)发生了斜率的改变。
图6示出了相应于80分吨/公顷产量区域的特征曲线。同样地，在图6中标出了在不同的子轮作田中作物的当前的氮吸收N当前，其基于根据图2的特征曲线，以通过传感器1测量的所知晓的REIP来得出。所必需的化肥量根据等式：
N＝[(N最优–N当前)+(N最优+1–N最优)]×DIMA
计算，其中，N是待施放的化肥量(公斤氮/公顷)，N最优是由根据图5的关系得出的最优化氮吸收，N当前是由REIP确定的当前氮吸收，N最优+1是到下一个施肥日期的最优氮吸收并且DIMA是校正因子。
这种校正因子DIMA由成分肥料作用时间D、在土壤中的氮固定I、来自土壤的矿化M以及肥料利用率A组成。因子DIMA的这些系数由不同所在地的氮施肥试验以及来自文献的数据导出。在此，DIMA的各个参数相对于产量水平来设定。在图6中标出了各个参数(N当前，N最优，N最优+1)，其中，为了简单起见，设定DIMA等于1。因为在计划的施肥日期的情况下N当前明显地小于N最优，所以存在供给不足的农作物——为了保障直至下一个施肥日期的氮供应，必须根据在图6中的附图，供应通过括号所标识出的每公顷子区域的氮量。
与在图6中那样，图7示出了对于不同的产量潜力相应的关系——据此还必须随着提高的产量潜力施放更大的氮量，以避免施肥不足。
结合图8和图9阐述了氮吸收对于产品质量的依赖性。图8示例性地示出了最优化的氮吸收对于发育阶段(近似于在图6和图7中的特征曲线族)和冬小麦的产品质量的依赖性，其中，在图8中，上面的特征曲线代表带有A级质量的冬小麦，而下面的特征曲线代表在同样的产量水平(10吨/公顷)下的C级质量。图9示出了在6吨/公顷的较小的产量水平的情况下，相应的特征曲线。
结合这些特征曲线阐明了，最优化的氮吸收相当强地依赖于作物质量，其中，如所期望的那样，在更高的质量的情况下(A级质量)比在相对而言较低的产品质量的情况下，存在更高的肥料需求。
本发明的一个方面在于，检测用于各个作物种类的特征曲线族，其中，优选检测依赖于发育阶段、产量潜力以及作物质量的最优化的氮吸收。
在图9中还示例性地标出了待施放的肥料量，其中，N当前再次由通过植被指数确定的当前养料状况给出(见图2)，并且然后由所阐述的特征曲线族，例如依赖于产品质量、发育阶段和产量预期/产量水平得出待施肥的肥料量。在根据图9的实施例中，由此计算出直至再下一个的发育阶段(EC92)的肥料量(N)。显而易见地，如在根据图6和图7的实施例中那样，还可以计算出直至下一个发育阶段(在此为EC65)的肥料量。
校正因子在这些实施例中为了简便起见再次设为1。
如已经描述的那样，这种校正因子DIMA由因子D(肥料作用时间)、I(在土壤中的氮固定)、M(来自土壤的矿化)以及A(肥料利用率)组成。例如，在根据图10的表中示出了因子DIMA对于发育阶段的依赖性和肥料利用率A。从中可以看出，校正因子DIMA在待施放的肥料量的得出上具有大的影响，因为其仅仅基于不同的肥料利用率，可以在发育阶段中以高于30％波动。在图10中要注意的是，其他的经济作物具有其他的生长节律和土壤生根，从而该值对于不同的发育阶段相应地发生改变。
因子D在很大程度上依赖于人工栽培作物的土壤扎根和生长的强度。小的或幼小的作物具有微小的根和微弱的生长。据此，到肥料吸收要花非常长的时间，或者在给定的时间内对于特定的养料吸收需要高的肥料量(在土壤中高养料浓度)。根据图10中的表，较早期的发育过程必需相对较高的DIMA值。
因子I和M的特性相反。在冬末，氮固定在土壤中首先占主导地位。在春季的过程中，氮矿化提高，氮固定降低。中欧的天气条件下，在大约六月初达到矿化的最大值。然后矿化减低，固化提高。在大约九月的第三旬中达到第二矿化最大值。
相应于不同的农业经济作物种类的不同生长周期，对于I或M的不同数量适用于不同的发育时期。
在图10中所示出的肥料利用率A由土壤的储水量和降水条件确定。在高降水和/或低可用田间持水量的情况下，出现高渗水率。可用田间持水量在它那方面紧密地依赖于土壤的产量能力(见图10)。渗水量决定了所谓的、无可避免的氮淋溶。
在以下条件下，将A设为大于1(肥料利用率100％)可能是有意义的：
a)水保护区：在水保护区中以下可能是有意义的，即，放弃最高产量以便在渗水中保持特别低的氮浓度。A大于1的值在现实中是不可能的。如果使用这种类型的值，这将总是与特定的产量损失相关联。
b)总是伴有常年的氮过量施肥的所在地：在德国，氮过平衡位于在大约100公斤氮/公顷的范围中。特别是圈养禽畜的农场具有高的氮过平衡。伴有常年氮过量施肥的所在地具有在土壤中高的氮库以及高的磷酸盐排放的潜在危险。当在强烈的地热的情况下释放出过多的氮的时候，这种高的氮库对于作物的产量形成也可能是不利的。为了吸收这些氮储备，使用更高的A的值可以是有意义的。此外，不必要的氮储备在土壤中的吸收导致肥料消耗减少，这还提供了生态上的优点。
图11示例性地示出了试验田的土壤地图，其中，带有明亮的着色的区段代表产量较低的区域，而带有深色着色的区段代表产量较高的区域。在这幅图中可以清晰的辨识出，在考虑到不同的产量范围、发育阶段、作物质量等的情况下，在不同的子区域中待施放的肥料量必须强烈的波动。土壤地图在数据存储器中数字化地储存，并且然后例如依赖于通过GPS检测到的施放肥料的车辆的位置，实行子区域特异性施肥，从而以最优化的方式给各个子区域供给肥料，并且因此在考虑到其他条件的情况下，可以可靠地避免过度施肥和施肥不足。
校正因子DIMA可以小于或者大于1。在早期发育阶段中，氮固定占主导地位——则DIMA大于1。在较晚的发育阶段中，矿化占主导地位——则DIMA相应地小于1。因此，例如在较晚发育阶段还更温暖，从而肥料被更快地转化。在早期发育阶段则是相反的。肥料的作用时间同样地依赖于发育阶段。用于肥料的利用率的子因子A通过土壤种类以及降水确定。这两个参数基本上确定了所谓的无可避免的氮损失。如果子区域位于水保护区中，那么这种子因子A应当等于或者接近于1。在实践中，因子A也可以更小，例如为0.85。
根据在图1中的图示，对于计算最优化氮吸收所必需的曲线变化借助表/特征曲线12储存在数据存储器8中，从而在以上所描述的方式下，通过当前氮吸收、发育阶段、产量区域、作物质量、校正因子以及其他以上所提到的、包括在计算中的参数，可以得出例如直至下一个发育阶段的肥料需求N。基于这种肥料需求N，接着由评估单元6把控制信号14提交到肥料播撒器16上，并且肥料然后相应于这种控制信号14计量。通过这种方式，在每个子轮作田上仅计量可以被作物高效地利用的肥料量。在此，对于各个子轮作田，其他的调节曲线可能是可行的，从而使最高精确的、子区域特异性化肥施放成为可能。
根据图1的根据本发明的设备以及以上所描述的方法，可以实现在所有的环境条件下、特别是所有的经济作物种类的情况下氮吸收的绝对测量。氮肥料需求的子区域特异性计算需要在考虑当前的氮吸收、所在地的产量能力、产品的利用方向(产品质量)、肥料的作用时间、氮矿化以及氮固定的情况下实行。据此，可以在注意环境条件的情况下，实现高精确的子区域特异性氮肥料计量。这种类型的解决方案，大幅优越于开头在现有技术中所阐述的解决方案。
以上通过氮需求的得出阐述了本发明，这原则上也可以用于得出其他肥料种类。
公开了一种方法以及以一种设备，它们用来对于农业人工栽培作物施放肥料。根据本发明，所需要的肥料量的得出依赖于当前养料吸收(养料状况)、到施肥日期的最优化的养料吸收(养料需求)以及到下一个施肥日期的最优化的养料吸收(养料需求)，其中，其他的影响因素通过校正因子DIMA加以考虑。
附图标记列表
1 传感器
2 作物
4 测量信号
6 评估单元
8 数据存储器
10 特征曲线族
12 特征曲线族/表
14 操控信号
16 肥料计量器

Claims (11)

1.一种用来确定养料需求的方法，所述方法具有以下步骤：
(a)在数据存储器(8)中储存第一特征曲线/表(10)，其用于依赖于植被指数、发育阶段(EC)和/或所期望的产量的作物的当前的养料吸收(N当前)；
(b)储存第二特征曲线/表(12)，其用于依赖于发育阶段(EC)和/或在待施肥的子轮作田中所期望的产量的作物的最优化的养料吸收(N最优)；
(c)测量在子轮作田中的植被指数并且由所述第一特征曲线/表(10)依赖于产量和/或发育阶段(EC)读取当前的养料吸收(N当前)；
(d)就当前的发育阶段(EC)和/或所期望的产量而言，由所述第二特征曲线/表(12)读取最优化养料吸收(N最优)；
(e)由所述最优化的养料吸收(N最优)以及所述当前的养料吸收(N当前)之间的差异计算养料量(N)，并且通过用校正因子(DIMA)的结算来校正这个量，在所述校正因子(DIMA)中，涉及肥料作用时间(D)、在土壤中的肥料固定(I)、由土壤产生的矿化(M)和肥料利用率(A)这些参数中的一个。
2.根据权利要求1所述的方法，其中，由根据步骤(e)所述的差异连同由在下一个施肥日期的最优化的养料吸收(N最优+1)和所述当前的养料吸收的差异计算出所述待施放的养料量(N)。
3.根据上述权利要求中任意一项所述的方法，其中，所述依赖于植被指数的第一特征曲线(10)在第一级近似中通过直线：
N当前＝(a)×(植被指数)+y
或者通过直线段构成，其中，a是斜率，y是截距，N当前表示当前的养料吸收。
4.根据权利要求3所述的方法，其中，所述截距y由第一直线
y＝(a*)×(N*)+b*
确定，其中，N*是在发育阶段中以及在假设的产量潜力下作物的中等氮吸收，并且y随着增加的中等氮吸收N*降低，并且其中，a*是所述第一直线的斜率并且b*是所述第一直线的截距。
5.根据权利要求3所述的方法，其中，所述斜率a由第二直线
a＝(a**)×(N*)+b**
确定，其中，N*是在发育阶段中以及在假设的产量潜力下作物的中等氮吸收，并且a随着增加的中等氮吸收N*增加，并且其中，a**是所述第二直线的斜率并且b**是所述第二直线的截距。
6.根据权利要求3所述的方法，其中，所述第二特征曲线/表(12)还依赖于作物质量建立。
7.根据权利要求1或2所述的方法，其中，所述植被指数是REIP。
8.根据权利要求1或2所述的方法，其中，校正因子(DIMA)是大于0.5并且小于1.5的。
9.根据权利要求8所述的方法，其中，所述校正因子(DIMA)与所述发育阶段有关。
10.根据权利要求1所述的方法，其中，所述方法用来确定农业人工栽培作物的氮肥需求。
11.一种用来施放养料的设备，所述设备
带有用来存储第一和第二特征曲线/表(10、12)的存储器(8)，所述第一和第二特征曲线/表用于依赖于在待施肥的子轮作田中作物的发育阶段、在所述子轮作田中的作物的质量和/或在所述子轮作田中所期望的产量以及校正因子(DIMA)的当前的养料吸收或最优化的养料吸收，
带有用来检测植被指数的传感器(1)，
评估单元(6)，其用来选取适当的第一、第二特征曲线/表(10、12)以及用来读取所述当前的养料吸收(N当前)、所述最优化的养料吸收(N最优)以及所述校正因子(DIMA)，以及由这些参数，凭借根据以上权利要求中任一项所述的方法计算所述最优化的养料量(N)以及用来向肥料播撒器(16)输出控制信号(14)，
带有肥料播撒器(16)，其用来根据所述控制信号(14)计量养料。
CN201280011769.2A 2011-03-04 2012-03-02 用来确定肥料需求，特别是氮肥料需求的方法以及实行这种方法的设备 Active CN103442547B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
DE102011001096 2011-03-04
DE102011001096.3 2011-03-04
DE102011050877.5A DE102011050877B4 (de) 2011-03-04 2011-06-06 Verfahren zur Bestimmung des Düngerbedarfs, insbesondere des Stickstoff-Düngerbedarfs und Vorrichtung zur Durchführung des Verfahrens
DE102011050877.5 2011-06-06
PCT/EP2012/053589 WO2012119931A1 (de) 2011-03-04 2012-03-02 Verfahren zur bestimmung des düngerbedarfs, insbesondere des stickstoff-düngerbedarfs und vorrichtung zur durchführung des verfahrens

Publications (2)

Publication Number Publication Date
CN103442547A CN103442547A (zh) 2013-12-11
CN103442547B true CN103442547B (zh) 2017-01-18

Family

ID=46671425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280011769.2A Active CN103442547B (zh) 2011-03-04 2012-03-02 用来确定肥料需求，特别是氮肥料需求的方法以及实行这种方法的设备

Country Status (10)

Country Link
US (1) US10007640B2 (zh)
EP (1) EP2680684B1 (zh)
CN (1) CN103442547B (zh)
BR (1) BR112013022106B1 (zh)
CA (1) CA2828654C (zh)
DE (1) DE102011050877B4 (zh)
EA (1) EA026995B1 (zh)
UA (1) UA114288C2 (zh)
WO (1) WO2012119931A1 (zh)
ZA (1) ZA201306579B (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10387977B2 (en) 2014-02-25 2019-08-20 Pioneer Hi-Bred International, Inc. Environmental management zone modeling and analysis
FR3018117B1 (fr) * 2014-03-03 2018-09-28 Polyor Sarl Procede de calibration de diagnostiques de l'etat physiologique de cultures agronomiques
WO2015153834A1 (en) * 2014-04-02 2015-10-08 Agco Corporation Method of managing additive applications in an agricultural environment
EP3072376A3 (en) * 2015-03-26 2016-11-23 Basf Se Method and vehicle for applying an agrochemical mixture to a working area of a field
CA3026970A1 (en) 2016-06-09 2017-12-14 Basf Se Method for ascertaining plant properties of a useful plant
US10410299B2 (en) 2016-08-24 2019-09-10 The Climate Corporation Optimizing split fertilizer application
CN107027402B (zh) * 2017-04-01 2019-02-15 阜南县鑫荣种养专业合作社 一种大棚栽培红油亮油桃的施肥技术
CN107114177A (zh) * 2017-04-01 2017-09-01 阜南县鑫荣种养专业合作社 一种富锌沾化冬枣的种植方法
US10912251B2 (en) 2017-10-31 2021-02-09 Deere & Company Method for treating plants with respect to estimated root zones
US10830751B2 (en) 2017-10-31 2020-11-10 Deere & Company Method for treating plants with respect to estimated root zones
RU2693255C1 (ru) * 2018-07-11 2019-07-01 Общество с ограниченной ответственностью "АгроДронГрупп" Методика дистанционной рекогносцировочной диагностики обеспечения растений азотом (с помощью мультиспектральной камеры и беспилотных летательных аппаратов)
CN113423263A (zh) * 2019-02-14 2021-09-21 巴斯夫欧洲公司 用于确定氮稳定添加剂的量的方法和装置
WO2020253915A1 (de) 2019-06-17 2020-12-24 Phytoprove Pflanzenanalytik Ug (Haftungsbeschränkt) Vorrichtung und verfahren zur erkennung des düngestatus
DE102019130269A1 (de) 2019-11-09 2021-05-12 365Farmnet Group Kgaa Mbh & Co Kg Assistenzsystem zur Ermittlung einer Gewinnprognose eines landwirtschaftlichen Feldes
DE102020001799A1 (de) 2020-03-18 2021-09-23 Agvolution GmbH i. Gr. Vorrichtung zur Ermittlung von Daten auf einer Bodenfläche sowie Verfahren zur Abfrage von Daten mittels einer Applikation
EP4266863A1 (en) * 2020-12-23 2023-11-01 BASF Agro Trademarks GmbH Decision system for seed product and/or crop nutrition product application using remote sensing based soil parameters
US11895942B2 (en) 2021-03-10 2024-02-13 Earth Scout GBC Plant growth platform
CN113671156B (zh) * 2021-08-25 2023-02-03 河北省农林科学院粮油作物研究所 一种定量土壤有效氮对作物氮营养贡献率的方法
CN114711009B (zh) * 2022-04-25 2023-03-24 生态环境部华南环境科学研究所 一种基于南方蔬菜种植土壤氨减排的施肥方案筛选方法
CN117236070B (zh) * 2023-11-08 2024-01-30 吉林大学 基于最佳产量的区域玉米植株磷需求量定量化获取方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0843958A1 (de) * 1996-11-21 1998-05-27 Amazonen-Werke H. Dreyer GmbH & Co. KG Verfahren zum Steuern und/oder Regeln von landwirkschaftlichen Bearbeitungs- und/oder Verteilmaschinen
WO2001045490A1 (en) * 1999-12-20 2001-06-28 Kemira Agro Oy Method for fertilizing cultivated plants for optimizing the quantity and quality of the yield
WO2002069230A1 (en) * 2001-02-28 2002-09-06 Cargill, Incorporated Computer specified fertilizer application for agricultural fields
CN1387752A (zh) * 2002-06-06 2003-01-01 山东省农业科学院土壤肥料研究所 大棚蔬菜专家施肥系统
WO2005107432A1 (en) * 2004-05-05 2005-11-17 The Board Of Regents For Oklahoma State University Low-cost system and method for the precision application of agricultural products

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6199000B1 (en) * 1998-07-15 2001-03-06 Trimble Navigation Limited Methods and apparatus for precision agriculture operations utilizing real time kinematic global positioning system systems
DE19860306C2 (de) * 1998-09-03 2000-07-13 Hydro Agri Deutschland Gmbh Verfahren und Vorrichtung zum teilflächenspezifischen Düngen von Pflanzen
DE19913971A1 (de) 1999-03-18 2000-09-28 Norsk Hydro As Verfahren und Vorrichtung zum teilflächenspezifischen Düngen von Pflanzen
AU2002317549B2 (en) 2001-07-24 2007-06-28 The Board Of Regents For Oklahoma State University A process for in-season nutrient application based on predicted yield potential
US6601341B2 (en) * 2001-07-24 2003-08-05 The Board Of Regents For Oklahoma State University Process for in-season fertilizer nitrogen application based on predicted yield potential
US7809475B2 (en) * 2004-12-20 2010-10-05 Fw Enviro, Llc Computer controlled fertigation system and method
WO2008118080A1 (en) * 2007-03-23 2008-10-02 Heliospectra Aktiebolag System for modulating plant growth or attributes
DE102009052159A1 (de) * 2009-08-05 2011-02-10 Georg Fritzmeier Gmbh & Co. Kg Messeinrichtung zur Bestimmung eines Vegetationsindex-Werts (REIP) von Pflanzen

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0843958A1 (de) * 1996-11-21 1998-05-27 Amazonen-Werke H. Dreyer GmbH & Co. KG Verfahren zum Steuern und/oder Regeln von landwirkschaftlichen Bearbeitungs- und/oder Verteilmaschinen
EP1166613B1 (de) * 1996-11-21 2007-02-28 Amazonen-Werke H. Dreyer GmbH & Co. KG Verfahren zum Steuern und/oder Regeln von landwirtschaftlichen Bearbeitungs- und/oder Verteilmaschinen
WO2001045490A1 (en) * 1999-12-20 2001-06-28 Kemira Agro Oy Method for fertilizing cultivated plants for optimizing the quantity and quality of the yield
WO2002069230A1 (en) * 2001-02-28 2002-09-06 Cargill, Incorporated Computer specified fertilizer application for agricultural fields
CN1387752A (zh) * 2002-06-06 2003-01-01 山东省农业科学院土壤肥料研究所 大棚蔬菜专家施肥系统
WO2005107432A1 (en) * 2004-05-05 2005-11-17 The Board Of Regents For Oklahoma State University Low-cost system and method for the precision application of agricultural products

Also Published As

Publication number Publication date
UA114288C2 (uk) 2017-05-25
CN103442547A (zh) 2013-12-11
WO2012119931A1 (de) 2012-09-13
BR112013022106A2 (pt) 2016-09-20
EP2680684B1 (de) 2020-04-08
EA026995B1 (ru) 2017-06-30
ZA201306579B (en) 2014-06-25
CA2828654C (en) 2018-04-03
DE102011050877B4 (de) 2014-05-22
US10007640B2 (en) 2018-06-26
US20130338931A1 (en) 2013-12-19
EA201391276A1 (ru) 2014-02-28
DE102011050877A1 (de) 2012-09-06
EP2680684A1 (de) 2014-01-08
CA2828654A1 (en) 2012-09-13
BR112013022106B1 (pt) 2019-06-18

Similar Documents

Publication Publication Date Title
CN103442547B (zh) 用来确定肥料需求，特别是氮肥料需求的方法以及实行这种方法的设备
Araya et al. Crop coefficient, yield response to water stress and water productivity of teff (Eragrostis tef (Zucc.)
Verhulst et al. The effect of tillage, crop rotation and residue management on maize and wheat growth and development evaluated with an optical sensor
Maleki et al. On-the-go variable-rate phosphorus fertilisation based on a visible and near-infrared soil sensor
Paul et al. Soil temperature under forests: a simple model for predicting soil temperature under a range of forest types
Yao et al. Active canopy sensor-based precision N management strategy for rice
Berenguer et al. Nitrogen fertilisation of irrigated maize under Mediterranean conditions
Araya et al. Simulating yield response to water of Teff (Eragrostis tef) with FAO's AquaCrop model
Liu et al. Effect of regulated deficit irrigation on alfalfa performance under two irrigation systems in the inland arid area of midwestern China
Pala et al. Assessment of the effects of environmental factors on the response of wheat to fertilizer in on-farm trials in a Mediterranean type environment
Schröder et al. Effects of N application on agronomic and environmental parameters in silage maize production on sandy soils
Jégo et al. Calibration and performance evaluation of the STICS crop model for simulating timothy growth and nutritive value
MXPA03007772A (es) Aplicacion de fertilizante especifico por computadora para campos agricolas.
Russell et al. Soil tests to predict optimum fertilizer nitrogen rate for rice
Willatt et al. Water uptake by soya-bean roots as affected by their depth and by soil water content
Rahimikhoob et al. Development of a critical nitrogen dilution curve for basil (Ocimum basilicum L.) under greenhouse conditions
Devkota et al. Nutrient responses of wheat and rapeseed under different crop establishment and fertilization methods in contrasting agro-ecological conditions in Nepal
Chen et al. Comparison of five nitrogen dressing methods to optimize rice growth
Tubaña et al. In‐season canopy reflectance‐based estimation of rice yield response to nitrogen
Debnath et al. Diagnosing P status and P requirement of tea (C amellia sinensis L.) by leaf and soil analysis
Kar et al. Radiation utilization efficiency, latent heat flux, and crop growth simulation in irrigated rice during post-flood period in east coast of India
Saleem Variable rate fertilization in wild blueberry fields to improve crop productivity and reduce environmental impacts
Duchemin et al. Water budget with phenology derived from optical satellite data
Porter Sensor based nitrogen management for cotton production in coastal plain soils
Girma et al. Improving estimation of N top-dressing by addressing temporal variability in winter wheat

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant