CN109414005A - 害虫控制方法 - Google Patents

害虫控制方法 Download PDF

Info

Publication number
CN109414005A
CN109414005A CN201780039747.XA CN201780039747A CN109414005A CN 109414005 A CN109414005 A CN 109414005A CN 201780039747 A CN201780039747 A CN 201780039747A CN 109414005 A CN109414005 A CN 109414005A
Authority
CN
China
Prior art keywords
harmful organism
map
subregion
control
application
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.)
Granted
Application number
CN201780039747.XA
Other languages
English (en)
Other versions
CN109414005B (zh
Inventor
H·霍夫曼
O·彼得斯
E·格吕内贝格
A·约嫩
A-G·吉尔格
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.)
BASF SE
Original Assignee
BASF SE
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 BASF SE filed Critical BASF SE
Publication of CN109414005A publication Critical patent/CN109414005A/zh
Application granted granted Critical
Publication of CN109414005B publication Critical patent/CN109414005B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M21/00—Apparatus for the destruction of unwanted vegetation, e.g. weeds
    • A01M21/04—Apparatus for destruction by steam, chemicals, burning, or electricity
    • A01M21/043—Apparatus for destruction by steam, chemicals, burning, or electricity by chemicals
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
    • A01M7/0089—Regulating or controlling systems
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01N—PRESERVATION OF BODIES OF HUMANS OR ANIMALS OR PLANTS OR PARTS THEREOF; BIOCIDES, e.g. AS DISINFECTANTS, AS PESTICIDES OR AS HERBICIDES; PEST REPELLANTS OR ATTRACTANTS; PLANT GROWTH REGULATORS
    • A01N25/00—Biocides, pest repellants or attractants, or plant growth regulators, characterised by their forms, or by their non-active ingredients or by their methods of application, e.g. seed treatment or sequential application; Substances for reducing the noxious effect of the active ingredients to organisms other than pests
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01N—PRESERVATION OF BODIES OF HUMANS OR ANIMALS OR PLANTS OR PARTS THEREOF; BIOCIDES, e.g. AS DISINFECTANTS, AS PESTICIDES OR AS HERBICIDES; PEST REPELLANTS OR ATTRACTANTS; PLANT GROWTH REGULATORS
    • A01N25/00—Biocides, pest repellants or attractants, or plant growth regulators, characterised by their forms, or by their non-active ingredients or by their methods of application, e.g. seed treatment or sequential application; Substances for reducing the noxious effect of the active ingredients to organisms other than pests
    • A01N25/02—Biocides, pest repellants or attractants, or plant growth regulators, characterised by their forms, or by their non-active ingredients or by their methods of application, e.g. seed treatment or sequential application; Substances for reducing the noxious effect of the active ingredients to organisms other than pests containing liquids as carriers, diluents or solvents
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01N—PRESERVATION OF BODIES OF HUMANS OR ANIMALS OR PLANTS OR PARTS THEREOF; BIOCIDES, e.g. AS DISINFECTANTS, AS PESTICIDES OR AS HERBICIDES; PEST REPELLANTS OR ATTRACTANTS; PLANT GROWTH REGULATORS
    • A01N53/00—Biocides, pest repellants or attractants, or plant growth regulators containing cyclopropane carboxylic acids or derivatives thereof
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Wood Science & Technology (AREA)
  • Pest Control & Pesticides (AREA)
  • Zoology (AREA)
  • Toxicology (AREA)
  • Agronomy & Crop Science (AREA)
  • Dentistry (AREA)
  • Plant Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Insects & Arthropods (AREA)
  • Mechanical Engineering (AREA)
  • Soil Sciences (AREA)
  • Ecology (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Catching Or Destruction (AREA)
  • Agricultural Chemicals And Associated Chemicals (AREA)

Abstract

本发明涉及在作物栽培中控制害虫的技术领域。本发明公开用于害虫控制的方法、用于害虫控制的系统，以及用于施用一种或多种害虫控制药剂的数字施用地图的用途。

Description

害虫控制方法
技术领域
本发明涉及在栽培植物的栽培中控制有害生物的技术领域。本发明涉及一种用于控制有害生物的方法，一种用于控制有害生物的系统，以及一种用于针对有害生物施用一种或多种控制药剂的数字施用地图的用途。
背景技术
在栽培植物的栽培期间，存在许多不同的生物，该生物可以降低产量，可以不利地影响收获的质量或者可以对栽培的植物或收获的作物产生一些其它不希望的影响。
这些有害生物例如是杂草和禾本科杂草、真菌、动物害虫和病原体。
此外，有许多不同的措施和手段来预防、减少或控制这些有害生物。
例如，通过使用除草剂，可以在栽培植物的栽培期间成功地控制杂草和禾本科杂草。
然而，在使用除草剂期间越来越多地观察到抗性。对除草剂的抗性的进化是一种自然过程，对于植物可以使其能够适应其环境条件并因此确保其存活。
抗性植物的进化始于每个种群中天然存在的单个个体，并且对所用的药剂具有抗性。
具有相同或相似作用机制的除草剂的重复使用导致对杂草的选择压力。所述选择压力有利于相应适应的(抗性)个体的存活。如果没有执行任何避免或中断该选择过程的策略，则抗性个体可能会随着时间的推移在种群中变得普遍。这引起了初始控制问题，并且最终存在抗性种群。
这不仅适用于用除草剂控制杂草和禾本科杂草，而且类似于用适当的控制药剂控制其它有害生物。
为了防止抗性的形成，必须做的是只有在必要的地方并且只在必要的程度内使用针对有害生物的控制药剂。
关于控制药剂的具体用途，在过去几年中已经公布了各种方法。
公开的说明书WO95/01719描述了一种计算机系统，借助于该计算机系统，首先将田地分成被独立地监视的多个区域。然后取决于由监视所确定的需求逐个区域进行灌溉和化学品的使用。对区域的持续观察需要相应的传感器以及用于数据采集、数据处理和数据分析的部件。
专利US 6,199,000描述了一种方法，其中在种植作物植物期间使用RTK GPS(实时动态全球定位系统)接收器以便生成田地的数字地图。由于RTK GPS确定位置的高精度，各个作物植物的位置在数字地图上被准确地登记到下至几厘米。因此，配备有适当传感器(例如“叶绿素检测器”)的车辆可以识别在没有种子被引入土壤的地点生长的植物。如果在没有执行播种的地方检测到植物，则很可能涉及杂草。然后可以在该地方上直接控制该杂草。
WO00/23937描述了一种计算机系统。计算机系统的一部分是农业田地的数字地图，其基于摄影图像，并且包含地理经度和纬度信息，使得位置确定成为可能。在所述数字地图中，用户可以定义区域。用户可以为区域分配物质(肥料、杀虫剂、除草剂)的配方和所述待施用的物质配方的量。计算机系统可以生成数据集。所述数据集允许农民借助于相应的车辆接近农业用地的各个区域，并根据所做的分配施用相应数量的相应配方。
Carina Ritter的论文(2008年在教授R.Gerhards博士的管理下的霍恩海姆大学杂草科学系植物医学研究所的Evaluation of weed populations under the influenceof site-specific weed control to derive decision rules for a sustainable weedmanagement)描述了如何生成杂草(Galium aparine L.和Alopecurus myosuriodes HUDS)的数字分布地图，并且在DGPS控制(DGPS＝差分全球定位系统)喷洒装置的帮助下，如何基于所述地图以特定位置的方式施用除草剂。这涉及在一定程度上考虑杂草阈值。首先针对多年中的每一年内生成数字杂草分布地图，并且然后基于地图执行除草剂处理，每年一次仅以特定位置的方式施用除草剂配方(具体见第2.2.2节中的表1和第3.2.3节中的表6)。观察到的是，在一些田地中，出现存活数年的杂草巢。
从所述现有技术出发，本领域技术人员面临有效且高效地控制有害生物的技术目标，其中控制药剂的使用限于有意义和经济的程度，并且对所用控制药剂的抗性形成的风险将降低。还必须防止形成有害生物的稳定巢。
发明内容
该目的由独立权利要求的主题实现。优选实施例可以在从属权利要求和以下描述中找到。
本发明首先提供了一种用于在对栽培植物进行栽培的田地上控制有害生物的方法，该方法具有以下步骤：
(A)生成数字有害生物分布地图，在该数字有害生物分布地图上登记田地上的子区域，在该子区域中检测到有害生物；
(B)基于数字杂草分布地图生成数字施用地图，在数字施用地图上登记田地的如下子区域，在该子区域上将要施用针对有害生物施用一种或多种控制药剂，针对所述子区域中的每一个子区域登记采用一种或多种控制药剂的处理次数N，其中N大于1；
(C)根据步骤(B)的数字施用地图，针对有害生物施用一种或多种控制药剂，所处理的子区域的次数N减少1作为处理结果；
(D)针对每个子区域重复步骤(C)，直到N达到零值。
本发明进一步提供了一种数字施用地图，在该数字施用地图上登记用于栽培植物的田地的子区域，该子区域将采用针对有害生物的一种或多种控制药剂处理，其中针对这些子区域中的每一个子区域，登记整数N，该整数N指定将要采用针对有害生物的一种或多种控制药剂处理子区域多少次，其中N大于1。
本发明进一步提供用于一种控制有害生物的系统，包括：
(a)数字施用地图，在该数字施用地图上登记将要采用针对有害生物的一种或多种控制药剂处理的田地的那些子区域；
(b)位置确定系统；
(c)施用装置，其包括
-至少一个容器，用于容纳针对有害生物的至少一种控制药剂，
-喷洒装置，用于施用至少一种控制药剂，以及
-控制单元，包括用于在数字施用地图中读取的存储器，用于与位置确定系统通信的部件，以及用于控制喷洒装置的部件，
其中，在数字施用地图上针对每个子区域登记次数N，该次数指定将要采用控制药剂发生子区域的处理多少次，其中N大于1，并且其中控制单元以如下的方式配备，即在发生处理之后次数N减少一。
本发明进一步提供了数字施用地图的用途，其该数字施用地图上登记用于栽培植物的田地的子区域，在该子区域中将采用针对有害生物的一种或多种控制药剂发生处理，
对于针对有害生物的一种或多种控制药剂的施用，
其中，在数字施用地图上对于子区域中的每一个子区域登记次数N，该次数指定将采用一种或多种控制药剂发生子区域的处理多少次，其中N大于1，并且其中，在发生子区域的处理之后，次数N减少一。
具体实施方式
下面将更具体地阐述本发明，而不区分本发明的主题(方法、施用地图、系统、用途)。相反，下面的阐述旨在类似地适用于本发明的所有主题，而与它们发生在哪种上下文(方法、施用地图、系统、用途)无关。
在下文中，“有害生物”应理解为是指在栽培植物的栽培期间可能出现并损害栽培植物，对栽培植物的收获产生不利影响或与栽培植物竞争自然资源的生物。这些有害生物的示例是杂草、禾本科杂草、动物害虫(诸如例如甲虫、毛虫和蠕虫)、真菌和病原体(例如细菌和病毒)。尽管从生物学的角度来看，病毒并不计入生物内，但这里仍然由术语有害生物覆盖。
在文献中，有时在所述有害生物中存在重叠。特别是在真菌侵袭的情况下，通常会同义地讨论真菌和疾病。例如，当动物害虫传播病毒时，会发生进一步的重叠。在这种情况下，害虫和病毒都可以被认为是有害生物，并用适当的控制药剂控制。然而，这种重叠对于本发明来说并不重要。从本发明的观点来看，在田地中栽培植物的栽培期间中观察以巢形式发生的不利影响。必须用适当的控制药剂消除所述效果，其中所用控制药剂的量应限于有意义和经济的程度。
术语“控制”是指防止现有有害生物的数量扩散或减少现有有害生物的数量。在杂草/禾本科杂草的情况下，术语“量”是指例如以杂草/禾本科杂草形式存在的生物质。然而，特别在疾病的情况下，术语“量”也可以理解为已经表现出疾病症状的栽培植物的量。
将控制药剂施用于子区域在此也称为“处理”；“经处理的子区域”是在其上已施用一种或多种控制药剂的子区域。
通过施用一种或多种控制药剂来控制有害生物。对于个体有害生物，存在多种控制药剂，诸如例如除草剂(针对杂草和/或禾本科杂草)、杀虫剂(针对动物害虫)和杀真菌剂(针对真菌)。
例如，杂草或禾本科杂草通过施用一种或多种除草剂来控制。
根据本发明，通过在如下地点多次施用控制药剂来控制田地上的有害生物，在该地点已经检测到有害生物至少一次并且预期形成稳定的巢。
术语“栽培植物”应理解为是指通过有目的方式的人类干预而作为作物植物或观赏植物栽培的植物。
术语“田地”被理解为是指地球表面的空间限定区域，该区域通过种植的栽培植物在农业上利用，提供营养物并在这种田地上收获。
术语“巢”应理解为是指在其上重复观察到某种有害生物的田地的子区域。
以下陈述在原则上作为有害生物处理杂草和禾本科杂草；然而，它们旨在同样适用于所有可能的有害生物。因此，本发明不限于杂草和禾本科杂草作为有害生物，即使它优选用于借助于除草剂控制杂草和/或禾本科杂草。
术语“杂草”(复数：杂草)被理解为在栽培植物种群、草地或花园区域中自然伴生植物(田间生长植物区系)的植物，其中植物不是在那里特别栽培的，并且例如来自在土壤中潜伏的种子或已经通过风到达以生长。该术语不限于实际意义上的草本植物，还包括草、蕨类植物、苔藓或木本植物。
在植物保护领域中，频繁使用术语“禾本科杂草”(复数：禾本科杂草)以便清楚地区分草本植物。在本文中，除非参考特定的杂草或禾本科杂草，否则术语杂草被用作旨在包括术语禾本科杂草的涵盖性术语。
因此，在本发明的上下文中，禾本科杂草和杂草是在其栽培期间伴随所需栽培植物的植物。由于它们与栽培植物竞争资源，因此它们是不希望的并且因此受到控制。
本发明优选用于那些已知在田地的相同子区域上经常稳定或重复出现的有害生物(Nordmeyer H.2006年的精确农业7,219-231的Patchy weed distribution and site-specific weed control in winter cereals)。通常在栽培植物的植被期之后观察到巢。特别优选用例的示例是细长的草甸狗尾草(Alopecurus myosuroides Huds)，其具有接近母本植物的种子分布(Wilson BJ、Brain P.1991年Weed Res 31,367-373的Long-termstability of distribution close to the mother plant)。在该情况下，杂草巢是稳定的或重复出现的；然而，新的杂草巢也可以单独出现。进一步优选的示例是Galiumaparine、V.arvensis Murr.，C.album L.，Polygonum aviculare L.的蚕豆中的Orobranche crenata Forsk(Oveisi M，Yousefi AR，Gonzalez-Andajur JL.的Spatialdistribution and temporal stability of crenate broomrape(Crop Protection 2010年第29期第717-720页的Orobranche crenata Forsk)in faba bean(Vicia faba L.):Along-term study at two localities)，(参见概述，“Precision Crop Protection–theChallenge and Use of Heterogeneity”中的Spatial and Temporal Dynamics of WeedPopulations。编辑：Oerke，EC，Gerhards R，Menz G，Sikora RA.Springer，2010年，Heidelberg.ISBN978-90-481-9276-2，第17-25页)。
此外，本发明可以应用于具有空间稳定模式的所有疾病和动物害虫。示例是线虫侵袭(Campos-Herrera R.，Johnson EG，EL-Borai FE，Stuart RJ，Graham JH，Duncan LW在2011年的Ann Appl Biol 158:55–68中的Long-term stability of entomopathogenicnematode spatial patterns in soil as measured by sentinel insects and real-time PCR assays；Godefroid M.，Delaville L.，Marie-Luce S.，QuénéhervéP.在2013年Soil Biology&Biochemistry 57：173-181z中的Spatial stability of a plant-feedingnematode community in relation to macro-scale soil properties，；B.V.Ortiz，C.Perry，P.Goovaerts，G.Vellidis和D.Sullivane在Geoderma的2010年5月；156(3-4)：243-252中的Geostatistical modeling of the spatial variability and risk areasof southern root-knot nematodes in relation to soil properties)。
“空间稳定模式”是指在田地中可重复观察或可测量的巢的空间分布或排列。此外，疾病和害虫的空间稳定模式可以指i)疾病或害虫侵染的原因，ii)疾病或害虫侵染本身以及iii)疾病或害虫侵染的特性特征。例如，害虫W可以传播病毒X，其导致具有症状Z的疾病Y。可以想到W、X、Y和/或Z是可测量的并且在每种情况下产生稳定的模式。
特别地，所述模式可以由病原体或害虫的发育周期与另外的非生物因素的相互作用引起。因此，本发明还可以应用于田地中由于其特性而具有通常较高的疾病或害虫压力的区域。这些特征因素的示例是位置或暴露、凹陷、土壤或田地边缘特征(例如树篱)。
可提及的示例是壳针孢属叶斑病，其在有利条件下由壳针孢属孢的真菌孢子感染而产生。然后，由于相对高的水分或由于暴露、局部凹陷和/或土壤类型引起的相对低的空气交换，可以存在所述有利条件。
其中出现重复模式的害虫的示例是油菜籽中的甘蓝荚蠓(Dasineurabrassicae)。由于风媒的准备度较低，相对于冬季宿主的距离对于侵染是显著的。由于田地位置相对于冬季宿主的位置以及前一年的油菜种植田地的位置的结果，这里出现重复模式。
另一个示例是病原体，其侵染压力由土壤中的植物残留物的降解速率决定。由于土壤的局部差异，这里可能会产生稳定的巢。
在根据本发明的方法的第一步骤中，创建数字有害生物分布地图。在该地图上登记的是田地的子区域，在该子区域中已经检测到有害生物。
术语“数字”意味着地图可以由机器(通常是计算机系统)处理。“处理”应理解为指与电子数据处理(EDP)有关的已知方法。
例如，在Carina Ritter的论文中描述了用于关于生成杂草和/或禾本科杂草已出现的地点登记数字地图的方法：2008年在教授R.Gerhards博士的管理下的霍恩海姆大学杂草科学系植物医学研究所的Evaluation of weed populations under the influence ofsite-specific weed control to derive decision rules for a sustainable weedmanagement(特别参见第1.1.5节)。
用于生成数字杂草分布地图的GB2447681A、US 6,199,000、US2009/0132132A1和WO00/23937中描述的方法也可以在这里应用。
在生成数字有害生物分布地图期间，在该领域搜索有害生物。该搜索可以由一个(或多个)个人或仅通过机器完成。还可以想到的是由一个(或多个)个人进行的机器辅助搜索。优选地，通过位置确定系统辅助对有害生物的搜索。这意味着人或机器在田地上或田地上方移动，并且借助于位置确定系统自动记录并保存人或机器的当前位置。适当的位置确定系统通常归入在术语GPS(全球定位系统)下。
如果该人或机器在地点发现有害生物，则将在该地点已经发现有害生物存储在数字地图上。
除了在某个地点发现有害生物的事实之外，可以在数字地图上存储进一步的信息，诸如例如发现的有害生物的种类、数量、发育阶段和进一步的信息。
为了自动识别有害生物，可以借助于照相装置将有害生物捕获为数字图像，并且然后提供给图像识别方法。
例如，可以使用车辆或无人驾驶飞行物体(无人机)来实现对有害生物的田地自动搜索。还可以想到使用田地的卫星图像用于识别有害生物。
为了允许各种配方的区域特定性使用，杂草分布地图中的杂草/禾本科杂草优选被识别为单子叶植物和双子叶植物，或者相对于适当或有效的配方收集在杂草和/或禾本科杂草的组中。
在生成有害生物分布地图的情况下，应该注意的是，有害生物本身并不总是被绝对观察到，而是它们对例如栽培植物的影响。然而，这对于本发明来说并不重要。因此，根据本发明的方法的步骤(A)应理解为意味着在田地上检测位置并在数字分布地图上登记，该位置表明存在有害生物。因此，直接或间接地检测有害生物(由于其对环境的影响)。
步骤(A)的结果是机器可读的在其上登记位置的地图，在该位置处已经检测到有害生物或其影响。
在随后的步骤中，基于数字有害生物分布地图生成数字施用地图。
数字施用地图是机器可读的，并且指定一种或多种控制药剂的施用将在该田地的哪些子区域发生。
数字施用地图可以是所谓的ON/OFF地图。例如，可以想到，在数字有害生物分布地图上登记有害生物的任何地方，在相应的施用地图上登记将在那里施用一种或多种控制药剂，而在有害生物分布地图上没有登记有害生物的任何地方，在数字施用地图上登记将不在那里施用任何控制药剂。
例如，当根据本发明的方法的步骤(A)中用于检测有害生物的检测方法不是特别敏感时，这种ON/OFF地图是有意义的，但是只有当存在有害生物已经达到或甚至超过经济阈值的数量时才会发现有害生物。
相反，如果检测方法非常敏感，则当在相应的地点达到或超过预定阈值时，优选地仅将控制药剂的施用输入到数字施用地图中。为此，有必要将存在的特定有害生物(或受感染的栽培植物的数量)的(近似)数量记录在数字有害生物分布地图上。在数字施用地图上，然后仅在达到或超过有害生物存在阈值的那些地点登记计划的控制药剂施用。在所有其它地点，阈值不足；因此，没有设想控制药剂的施用，并且也没有在施用图上登记计划的施用。
“经济阈值”是来自农业、林业和园艺的术语。它规定病原体、疾病或杂草占据的侵染密度，从该侵染密度中，控制处理具有经济意义。最高至该值，由于控制处理而产生的额外经济支出大于要担心的收获损失。如果侵染或杂草生长超过该值，则控制成本至少由预期的额外产量抵消。
经济阈值可以取决于害虫或疾病的性质显著变化。在只能大力控制并且对于进一步生产具有负面副作用的害虫或疾病的情况下，经济阈值可能非常高。但是，如果低侵染可能足以成为威胁破坏整个生产的传播焦点，则经济阈值可能非常低。
在现有技术中，存在确定经济阈值的许多示例(例如，参见Claus M.Brodersen在Berichte der GIL[GIL报告]，第7卷，第26至36页中的Informationen inSchadschwellenmodellen[经济阈值模型中的信息]，http：//www.gil-net.de/Publikationen/7_26.pdf)。
在优选实施例中，关于导致有害生物出现或有利于其传播的因素的信息包括在数字施用地图的创建中。
可以想到，施用地图包含要施用的指定量的控制药剂配方。控制药剂的类型或配方类型也可以保存在数字施用地图上。
在第一次记录某一位置处的有害生物期间创建数字施用地图，并定义所述有害生物在所述位置处的施用的次数N。施用次数N取决于检测到的有害生物的种类。施用次数至少为两次；优选地，它是两次、三次、四次或五次，并且它同样存储在涉及的每个子区域的施用地图上。
在优选实施例中，在根据数字施用地图发生控制药剂的多次施用的时段内再次创建田地的数字有害生物分布地图，并且数字施用地图由新发现的巢扩展。即使当前没有检测到更多有害生物，其中尚未生效的控制药剂施用在数字施用地图(N>0)中登记的子区域仍然有效。因此，如果已经为数字施用地图上的子区域定义了将要多次(N次)施用控制药剂，但是实际上尚未达到要执行的施用次数，即使在相应的地点还没有检测到更多的有害生物，所述子区域(仍然)接收施用的信息仍然有效。
多次施用并不一定意味着必须多次使用相同的配方。可以想到使用不同配方的喷洒剂(“作用模式”)并改变从施用到施用的喷洒剂的配方/组合。
此外，如果在田地的同一子区域检测到另外的有害生物，则可以在接下来的几年中相应地改变配方。特别地，这可以导致在每种情况下用一种配方处理包含一种有害生物的田地的子区域，并且用另外的配方处理包含多种有害生物的共同子区域。
这可以基于以下实施例阐明，其中两种杂草(杂草1和杂草2)出现在田地的相同子区域上。
示例1：杂草1和杂草2对除草剂1敏感→施用除草剂1。
示例2：杂草1对除草剂1敏感，并且杂草2对除草剂2敏感，并且没有对杂草1和杂草2二者起作用的已知可用的除草剂→施用除草剂1和除草剂2。
示例3：杂草1对除草剂1敏感，并且杂草2对除草剂2敏感，并且存在对杂草1和杂草2二者起作用的已知可用的除草剂3→可单独施用除草剂3或与除草剂2组合施用除草剂1。
例如，以下控制药剂用于控制禾本科杂草细长草甸狗尾草：在BBCH阶段11的秋季使用期间，使用由活性物质甲磺隆和碘磺隆(优选加安全药剂)组成的磺酰基混合物。随着活性物质的变化，然后使用丙氧基卡巴腙或甲氧磺草胺和双氟磺草胺。当在春季，禾本科杂草反复超过经济阈值时，则在春季也执行例如用活性物质甲磺隆和碘磺隆(加安全药剂)的处理。除了ALS抑制剂组外，还有另一种活性物质组，即具有所谓FOPS的ACCase抑制剂。活性物质的性质和施用量取决于杂草或禾本科杂草的种类，每平方米的植物数量或杂草或禾本科杂草的生物量和抗性程度。
此外，可以想到数字施用地图包含用于控制药剂配方的施用装置的命令。这意味着可以将数字施用地图或其部分加载到施用装置的存储器中，并且从那里将命令发送到喷洒装置。
施用装置应理解为是指用于将控制药剂配方施用于田地的自动化装置。这种施用装置通常包括用于容纳至少一种控制药剂配方的至少一个容器，喷洒装置，借助于该喷洒装置将控制药剂配方分配到田地上，以及控制单元，借助于该控制单元控制在喷洒装置方向中从至少一种控制药剂的容器到至少一种控制药剂配方的转换。因此，数字施用地图优选地保存在控制单元的存储器中。此外，控制单元优选地连接到位置确定系统，该位置确定系统确定施用装置在田地上的位置。优选地，当控制单元在数字施用地图上登记施用将在一个地点进行时以及当位置确定系统报告施用装置当前位于所述地点时，控制单元启动施用过程。
在根据本发明的方法的下一步骤中，使用数字施用地图发生针对在步骤(A)中识别的有害生物的一种或多种控制药剂的施用。
在一个实施例中，人(用户)将数字施用地图加载到具有GPS接收器的移动计算机系统，例如移动电话(智能电话)。当用户走过田地时，移动计算机系统借助于场地的图形图像向所述用户显示所述用户当前所在的位置以及所述用户将在哪些地点手动喷洒(施用)一种或多种控制药剂。然后，所述用户在施用地图包含相关信息的地点手动喷洒。如果用户在一个地点施用控制药剂，则可以想到经由适当的传感器系统将关于受影响的施用进程的通知发送到移动计算机系统，并且保存受影响的施用过程。还可以想到，受影响的施用过程显示在移动计算机系统上，使得用户可以识别所述用户已经在哪些地方施用。此外，可以想到记录在移动计算机系统上的数据立刻或稍后发送到固定计算机系统(例如服务器)并保存在其中。在任何情况下，每个子区域的受影响的施用被记录在数字施用地图中，使得(仍然)要实现的施用(处理)的次数N减少一。
还可以想到，具有车辆的人驾驶穿过田地，借助于GPS接收器记录车辆的当前位置，并且当车辆位于根据施用地图发生一种或多种控制药剂的施用的田地的地点时，基于数字施用地图将命令发送到车辆上的喷洒装置，从而自动发生相应的施用。
还可以想到的是，一种或多种控制药剂的施用以完全自动化的方式发生：不具有人工控制器的机器穿过田地通过GPS辅助移动，并且在数字施用地图中设想相关施用的田地上的地点处施用。同样，受影响的施用被登记在数字施用地图中：对于处理的子区域，次数N减少一。
用适当的化学和/或生物植物杀虫剂的有害生物控制可以通过物理/机械控制方法来补充。
物理去除(或机械去除)应理解为，例如，作为有害生物的杂草/禾本科杂草被完全去除或其部分被去除，结果杂草/禾本科杂草不再生存并且死亡。与用除草剂控制杂草/禾本科杂草相比，可以将这称为化学控制，在物理/机械控制中不施加化学或生物学手段。因此，物理/机械控制也不对杂草/禾本科杂草施加选择压力，但往往比除草剂的施用更复杂和更昂贵。
物理/机械控制也应理解为是指例如灌溉，例如通过该灌溉期望地使杂草发芽以便然后特别地消除它们。此外，物理/机械控制也应理解为对有害生物的火焰处理。
例如，可以想到以交替方式施用化学和物理方法。
还可以想到化学地处理区域的部分以及物理地处理另一部分。
然而，也可以想到在一个操作中的组合变体，例如当由于法律规定限制化学品的使用或者存在使用机械和化学方法的组合控制具有最大成功机会的有害生物的组合时。当组合发挥协同效应时，物理和化学方法的组合使用也可能是有意义的。
在优选的实施例中，有害生物的物理去除发生在没有超过有害生物的经济阈值但已经检测到有害生物的田地的地点。
基于数字施用地图的一种或多种控制药剂的施用占用一定量的时间。所述时间例如取决于田地的大小、田地中发生施用的地点的数量，所述地点的大小，以及施用装置可携带的控制药剂的数量(在一些情况下，施用装置可以携带的控制药剂的数量不足以采用控制药剂提供在施用地图上登记的所有地点，使得施用装置必须被填充一次或多次，这占用时间)。
“工作通过施用地图”应理解为如下的过程，其中在数字施用地图上被登记将施用一种或多种控制药剂的田地中的所有地点已经由施用装置访问并且已经被执行相关施用。
如果施用地图在创建之后通过第一次工作，则所述过程在此称为“第一施用”。
通常，取决于田地的大小，通过数字施用地图的工作将花费不到一天到最多2周。
因此，第一次工作通过的持续时间发生在第一时段内。
对于本发明重要的是数字施用地图至少两次工作通过。因此，在施用地图上登记的巢采用控制药剂喷洒多次(例如2次、3次、4次或5次)。
因此，根据本发明的方法的步骤(C)之后是步骤(D)，其中在第二时间段内再次对施用地图上的相同位置进行喷洒(施用地图的第二次工作通过)。
可以想到，相同的施用地图在第三时段内通过第三次工作。
可以想到，相同的施用地图在第四时段内通过第四次工作。
可以想到进一步的重复工作通过，但在第三次工作通过之后发生的任何进一步的工作通过都不太可能。
因此，步骤(C)和(D)也可归入以下要点：多次使用在步骤(B)中生成的数字施用地图，使得一种或多种控制药剂在田地的子区域处多次(N次)施用，在该子区域处已经超过一个或多个有害生物的经济阈值(即使在施用时没有检测到更多的有害生物)。
如上所述，可以通过结合新检测到的巢来随时扩展施用地图。
在第一时段(步骤(C))内的施用地图的第一次工作通过和第二时段(步骤(D))内的施用地图的第二次工作通过之间存在其中没有施用控制药剂的时段。所述时段是至少一天，优选至少一周，甚至更优选至少一个月。如果施用地图在第三时段中第三次工作通过，则在第二时段和第三时段之间再次存在至少一天，优选至少一周，甚至更优选至少一个月的时段，在该时段中不存在施用。
类似的考虑适用于施用地图的任何进一步的工作通过。
子区域的两次处理之间的间隔基本上由何时预期有害生物的重新出现来确定。因此，优选仅在预期有害生物的重新出现时，特别优选在具有有害生物的子区域的再次侵染进一步扩散到其它子区域之前，进一步处理子区域。
施用地图的多次(至少两次)工作通过优选地在当前植被年和/或随后的植被年完成，在每种情况下在发芽前阶段到在田地上栽培的栽培植物的植被时段结束的时间段内。
“预发芽阶段”在此被认为是从前一作物收获后的第一天到作物发芽前的最后一天的时间段。
在本发明的一个实施例中，两次施用之间的时段对应于栽培的栽培植物的植被时段的持续时间(正/负1天至8周)。
优选地，每年在农业上使用的田地创建扩展的数字有害生物分布地图，首先是为了检查有害生物的种群，并且其次是为了通过可选地结合已超过经济阈值的新添加的地点来调整数字施用地图。
特别是通过例如杂草/禾本科杂草有效控制，本发明导致较低的抗性发展：
·具有子区域特定施用的田地的抗性压力完全低于没有子区域特定施用的区域，因为田地的区域的仅精确的一部分暴露于选择压力。
·如同样在非子区域特定施用的情况下，将相同数量或浓度的除草剂施用于子区域避免了所谓的多基因抗性，否则其以低剂量重复喷洒而定量地积累。这符合“良好的农业实践”。
·由于重复使用施用地图，杂草/禾本科杂草的单个个体的存活在杂草识别地图的所识别的斑块上变得不太可能。地图的年度创建检查该情况，并且从而抵消对未处理的子区域的抗性。
·各种除草剂的使用增加处理的成功率，并且从而减少对某种喷洒的抗性进化。
本发明的优选实施例特别是：
1.一种用于在对栽培植物进行栽培的田地上控制有害生物的方法，包括以下步骤：
(A)生成数字杂草分布地图，在该数字杂草分布地图上登记田地上的地点，在该地点已经检测到杂草和/或禾本科杂草；
(B)基于数字杂草分布地图生成数字施用地图，在数字施用地图上登记田地的如下地点，在该地点已经超过一个或多个杂草和/或禾本科杂草的经济阈值，并且将要针对杂草和/或禾本科杂草施用一种或多种除草剂；
(C)使用来自步骤(B)的数字施用地图，针对杂草和/或禾本科杂草第一次施用一种或多种除草剂；
(D)使用来自步骤(B)的数字施用地图，针对杂草和/或禾本科杂草至少进一步施用一种或多种除草剂。
2.根据实施例1所述的方法，其中基于来自步骤(B)的数字施用地图的一种或多种除草剂的施用次数是2、3或4。
3.根据实施例1和2中任一项的方法，其中在施用一种或多种除草剂之后根据步骤(A)再次生成数字杂草分布地图，并且在步骤(B)中将在现有数字施用地图中一种或多种杂草和/或禾本科杂草已经超过经济阈值的那些区域添加到新数字杂草分布地图中。
4.根据实施例1、2和3中任一项的方法，其中杂草和/或禾本科杂草或其部分的机械去除至少发生在田地的区域的一部分中，在该区域中已经检测到杂草和/或禾本科杂草但是没有超过经济阈值。
5.根据实施例1至4中任一项所述的方法，其中，在数字施用地图中，针对已经达到或超过杂草/禾本科杂草的经济阈值的每个地点登记用于一种或多种除草剂的多次施用的次数，每个受影响的施用的次数减少一，直到所有计划的施用都已生效并且从施用地图中移除地点。
6.一种用于控制杂草和/或禾本科杂草的系统，包括：
(a)数字杂草分布地图，在该地图上登记对栽培植物进行栽培的田地上的地点，在该地点已经检测到杂草和/或禾本科杂草；
(b)数字施用地图，在该地图上登记检测到的杂草和/或禾本科杂草已超过经济阈值的田地上的地点；
(c)位置确定系统；
(d)施用装置，其包括
-至少一个容器，用于容纳至少一种除草剂配方，
-喷洒装置，用于施用除草剂配方，以及
-控制单元，具有用于在数字施用地图中读取的存储器，与位置确定系统的连接，以及用于控制喷洒装置的部件。
7.根据实施例6所述的系统，其中，当位置确定系统发信号通知施用装置位于根据数字施用地图设想的施用至少一种除草剂配方的地点时，控制单元借助于喷洒装置开始施用至少一种除草剂配方。
8.根据实施例6和7中任一项的系统，其中，在数字施用地图中，针对其中已经达到或超过杂草/禾本科杂草的经济阈值的每个地点登记一种或多种除草剂的多次施用的次数，该次数指定在地点仍必须生效多少次施用。
9.一种数字施用地图的用途，在该数字施用地图上登记在该点已经超过了一种或多种杂草和/或禾本科杂草的经济阈值的地点，
对于针对杂草和/或禾本科杂草多次施用一种或多种除草剂，
其中，对于已经超过杂草/禾本科杂草的经济阈值的每个地点，在施用地图中输入多个施用，次数随着每次有效施用减少一。
下面基于示例更具体地阐述本发明。
图1示出在时间t1到t6的各个时间点的田地的不同表示。该田地的表示被描绘为矩形。标有U1的顶行是杂草U1的杂草分布地图。标有U2的中间行是杂草U2的杂草分布地图。标有A的底行是两种不同除草剂H1和H2的施用地图。
时间分为六个快照t1到t6。在这方面，时间从左到右逐列前进。
因此，第一列描绘了第一时间点的田地，第二列描绘了稍后第二时间点的田地，依此类推。例如，位于两列之间的时段可以是在田地上栽培的栽培植物的植被期(通常为一年)的持续时间。该时段也可以是杂草/禾本科杂草的植被期。通常，一种或多种除草剂的施用发生在位于两个连续列之间的时段中-这在底行A中示出-除非在多个时间段(最后一列)上没有检测到杂草。
在顶行中，描绘了在时间点t1到t6的田地中已检测到杂草U1的位置。
因此，田地U1(t1)、U1(t2)、U1(t3)、U1(t4)、U1(t5)和U1(t6)表示关于杂草U1的杂草分布地图。类似地，田地U2(t1)、U2(t2)、U2(t3)、U2(t4)、U2(t5)和U2(t6)表示关于杂草U2的杂草分布地图。杂草1和2的分布也可以汇集在单个分布地图中，但它们在这里分别描述。
在时间点t1，在田地中识别杂草U1；杂草U1以圆形区域(＝子区域)的形式存在(参见U1(t1))。
在同一时间点t1，田地中没有杂草U2(参见U2(t1))。
从杂草分布地图U1(t1)和U2(t1)创建施用地图A(t1)。由于在田地上仅检测到杂草U1，因此施用地图A(t1)也仅包含关于杂草U1的信息和指令。在施用地图A(t1)中，圆形区域用阴影线标记，其中在U1(t1)中检测到区域杂草U1。在所述区域中，意图施用除草剂H1。阴影区域上方的数字3表示该子区域用除草剂H1共处理三次(N＝3)。
在施用除草剂H1之后的较晚时间点，在U1(t2)中可以看出，在先前的圆形区域中显然不再检测到杂草U1；除草剂H1的施用显然是成功的。然而，在前一个圆形区域旁边的新月区域已经发展，其中检测到新月区域杂草U1。因此，杂草U1在田地中向右移动。
另外，出现了杂草U2(参见U2(t2))。这些发现产生施用地图A(t2)。首先，A(t2)示出，即使在U1(t2)中不再检测到除草剂H1，也将要在U1(t1)中检测到杂草U1的圆形区域中进一步施用除草剂H1。这正是本发明的核心：施用地图A(t1)被使用/工作通过多次。阴影区域上方的数字2表示该子区域将要用除草剂H1再处理两次(N＝3-1＝2)。
基于U1(t2)和U2(t2)中的发现，施用地图A(t1)已经扩展到A(t2)。由于现在已经在U1(t2)中检测到杂草U1的新月区域，因此阴影区域在A(t2)中相应地延伸。延长阴影区域上方的数字3表示所述延伸区域用除草剂H1处理总共三次(N＝3)。
另外，A(t2)表示除草剂H2施用于在U2(t2)中检测到杂草U2的区域(波状区域)。波状区域下面的数字4表示该子区域用除草剂H2处理总共四次(N＝4)。
U1(t3)表明包含杂草U1的区域进一步向右移动。在U2(t3)中，杂草U2已完全消失。A(t3)表示与U1(t3)和U2(t3)相关联的施用地图。在A(t1)的圆形区域中，根据A(t3)进一步施用除草剂H1，特别是再一次(N＝1)。在A(t2)中添加到圆形区域的新月形区域中，还要进一步施用除草剂H1，特别是再两次(N＝2)。此外，除草剂H1施用于U1(t3)中新出现的区域，特别是总共三次(N＝3)。
根据A(t3)，除草剂H2也可以再次施用，特别是在与A(t2)相同的区域中。在U2(t3)中没有添加具有杂草U2的新区域。
U1(t4)表明在根据A(t3)施用后在田地上没有检测到更多的杂草U1。U2(t4)表明，在根据A(t3)施用后，在田地上没有检测到更多的杂草U2。然而，根据A(t4)施用除草剂H1和H2。在A(t1)的圆形区域中，在A(t4)中首次不再施用除草剂H1(N＝0)。在所述区域中，除草剂H1施用三次-该施用量足以永久地消灭巢。
在A(t2)和A(t3)中添加到圆形区域的新月形区域中，再次执行施用；在首先出现的新月形区域的情况下再次(N＝1)(参见U1(t2))，在此后出现的新月形区域的情况下再两次(N＝2)(参见U1(t3))。
来自U2(t2)的区域在A(t4)中用除草剂H2再处理两次(N＝2)。
在U1(t5)和U2(t5)中，不再检测到杂草。然而，根据A(t5)进一步施用除草剂H1和除草剂H2：在U1(t3)区域中才用除草剂H1最后一次(N＝1)，以及在U2(t2)的区域中采用除草剂H2最后一次(N＝1)。
U1(t6)和U2(t3)表示不再检测到杂草。根据A(t6)，不需要施用除草剂。
还应注意，该实施例没有明确提及杂草U1和杂草U2的经济阈值。在该示例中，例如，可以假设每当在田地中检测到杂草U1或杂草U2时，已经超过了经济阈值。

Claims (18)

1.一种方法，用于在对栽培植物进行栽培的田地上控制有害生物，所述方法具有以下步骤：
(A)生成数字有害生物分布地图，在所述数字有害生物分布地图上登记所述田地上的子区域，在所述子区域中已经直接或间接检测到所述有害生物；
(B)基于所述数字杂草分布地图生成数字施用地图，在所述数字施用地图上登记所述田地的如下子区域，在所述子区域上将要针对所述有害生物施用一种或多种控制药剂，针对所述子区域中的每一个子区域登记采用一种或多种控制药剂的处理次数N，其中N大于1；
(C)根据来自步骤(B)的所述数字施用地图针对所述有害生物施用一种或多种控制药剂，所处理的子区域的所述次数N减少1；
(D)针对每个子区域重复步骤(C)，直到N达到零值。
2.根据权利要求1所述的方法，其中，已经在步骤(A)中直接或间接检测到有害生物或者已经达到或超过经济阈值的所述田地的子区域被结合到所述数字施用地图中。
3.根据权利要求1所述的方法，其中，在步骤(B)中将所述数字施用地图结合到在步骤(A)中已经检测到在施用一种或多种控制药剂之后存活的具有有害生物的巢的所述田地的子区域中。
4.根据权利要求1至3中任一项所述的方法，其中，所述有害生物是杂草和/或禾本科杂草，并且所述一种或多种控制药剂是一种或多种除草剂。
5.根据权利要求1至3中任一项所述的方法，其中，所述有害生物是动物害虫，优选线虫或甘蓝荚蠓，并且其中一种或多种控制药剂是杀虫剂。
6.根据权利要求1至5中任一项所述的方法，其中，将所述数字施用地图的生成中的所述次数N设置为两次、三次或四次。
7.根据权利要求1至6中任一项所述的方法，其中，在对所涉及的子区域的一种或多种控制药剂的有效施用之后，根据步骤(A)再次生成数字有害生物分布地图，并且在步骤(B)中将在现有的数字施用地图中已经检测到有害生物的那些区域添加到新的数字有害生物分布地图中，其中N尚未达到保持有效的零值的子区域和其中N已达到零值的子区域被删除。
8.根据权利要求1至7中任一项所述的方法，其中，采用控制药剂对所述有害生物的控制伴随物理控制，或者所述有害生物的物理控制至少发生在所述田地的如下区域的一部分中，在所述区域中已经检测到有害生物但是没有超过经济阈值。
9.一种数字施用地图，其中，登记用于栽培植物的田地的子区域，所述子区域将要采用针对有害生物的一种或多种控制药剂处理，其中针对这些子区域中的每一个子区域登记整数N，所述整数N指定采用针对所述有害生物使用一种或多种控制药剂处理所述子区域的次数，其中N大于1。
10.根据权利要求9所述的数字施用地图，其中，在所述施用地图上登记有害生物已经达到或超过经济阈值的那些子区域。
11.根据权利要求9和10中任一项所述的数字施用地图，其中，所述有害生物是杂草和/或禾本科杂草，并且所述一种或多种控制药剂是一种或多种除草剂。
12.根据权利要求9和10中任一项所述的数字施用地图，其中，所述有害生物是动物害虫，优选线虫或甘蓝荚蠓，并且其中，一种或多种控制药剂是杀虫剂。
13.根据权利要求9和10中任一项所述的数字施用地图，其中，所述有害生物是真菌，优选斑枯病，并且其中，一种或多种控制药剂是杀真菌剂。
14.根据权利要求9至13中任一项所述的数字施用地图，其中，结合时间点采用一种或多种控制药剂对子区域处理N次，在所述时间点已经在所述数字施用地图中存在的所述子区域的至少一个子区域已经采用一种或多种控制药剂处理至少一次。
15.一种系统，用于控制有害生物，所述系统包括：
(a)数字施用地图，在所述数字施用地图上登记将要采用针对所述有害生物的一种或多种控制药剂处理的田地的子区域；
(b)位置确定系统；
(c)施用装置，其包括
-至少一个容器，用于容纳针对所述有害生物的至少一种控制药剂，
-喷洒装置，用于施用所述至少一种控制药剂，以及
-控制单元，包括用于在所述数字施用地图中读取的存储器，用于与所述位置确定系统通信的部件，以及用于控制所述喷射装置的部件，
其中，在所述数字施用地图上针对所述子区域中的每个子区域登记次数N，所述次数指定将要采用所述控制药剂发生所述子区域的处理的次数，其中N大于1，并且其中所述控制单元以在已经发生处理之后所述次数N减少一的方式配置。
16.根据权利要求15所述的系统，其中，所述有害生物是杂草和/或禾本科杂草，并且所述一种或多种控制药剂是一种或多种除草剂。
17.根据权利要求15和16中任一项所述的系统，其中，当所述位置确定系统发信号通知所述施用装置位于根据所述数字施用地图设想的施用所述至少一种控制药剂的地点时，所述控制单元借助于所述喷射装置开始施用至少一种控制药剂。
18.根据权利要求9至14中任一项所述的数字施用地图的用途，
用于针对所述有害生物的一种或多种控制药剂的施用，
其中，待处理的子区域采用一种或多种控制药剂处理N次，其中，在已经发生所述子区域的处理之后所述次数N减少一。
CN201780039747.XA 2016-06-28 2017-06-23 害虫控制方法 Active CN109414005B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
EP16176650.6A EP3262934A1 (de) 2016-06-28 2016-06-28 Verfahren zur unkrautbekämpfung
EP16176650.6 2016-06-28
EP16185502.8 2016-08-24
EP16185502.8A EP3262935A1 (de) 2016-06-28 2016-08-24 Verfahren zur unkrautbekämpfung
PCT/EP2017/065536 WO2018001893A1 (de) 2016-06-28 2017-06-23 Verfahren zur bekämpfung von schadorganismen

Publications (2)

Publication Number Publication Date
CN109414005A true CN109414005A (zh) 2019-03-01
CN109414005B CN109414005B (zh) 2022-08-23

Family

ID=56296558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780039747.XA Active CN109414005B (zh) 2016-06-28 2017-06-23 害虫控制方法

Country Status (8)

Country Link
US (2) US10939607B2 (zh)
EP (3) EP3262934A1 (zh)
JP (1) JP2019522483A (zh)
CN (1) CN109414005B (zh)
AU (1) AU2017288969A1 (zh)
BR (1) BR112018074948A2 (zh)
CA (1) CA3029322A1 (zh)
WO (1) WO2018001893A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3714688A1 (en) * 2019-03-26 2020-09-30 BASF Agro Trademarks GmbH Camera based pest management sprayer
EP3785538A1 (de) * 2019-08-30 2021-03-03 Amazonen-Werke H. Dreyer GmbH & Co. KG Vorrichtung und verfahren zur bedarfsgerechten pflanzenbehandlung

Families Citing this family (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR122021023418B1 (pt) 2016-10-07 2022-11-22 Basf Agro Trademarks Gmbh Método de identificação de insetos benéficos e/ou organismos prejudiciais em um campo para plantas cultivadas, memória não transitória legível por computador e sistema de identificação de insetos benéficos e/ ou organismos prejudiciais em um campo para plantas cultivadas
EP3528608B2 (de) 2016-10-18 2024-01-10 BASF Agro Trademarks GmbH Planung und ausführung landwirtschaftlicher massnahmen
EP3326461A1 (de) 2016-11-23 2018-05-30 Bayer CropScience AG Applikation von flüssigkeiten
EP3378306A1 (de) 2017-03-24 2018-09-26 Bayer Aktiengesellschaft Drift-korrektur beim ausbringen von pflanzenschutzmitteln
EP3745857A1 (de) * 2018-02-02 2020-12-09 Bayer Aktiengesellschaft Bekämpfung resistenter schadorganismen
US11240961B2 (en) 2018-10-26 2022-02-08 Deere & Company Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity
US11178818B2 (en) 2018-10-26 2021-11-23 Deere & Company Harvesting machine control system with fill level processing based on yield data
US11672203B2 (en) 2018-10-26 2023-06-13 Deere & Company Predictive map generation and control
US11467605B2 (en) 2019-04-10 2022-10-11 Deere & Company Zonal machine control
US12069978B2 (en) 2018-10-26 2024-08-27 Deere & Company Predictive environmental characteristic map generation and control system
US11079725B2 (en) 2019-04-10 2021-08-03 Deere & Company Machine control using real-time model
US11589509B2 (en) 2018-10-26 2023-02-28 Deere & Company Predictive machine characteristic map generation and control system
US11957072B2 (en) 2020-02-06 2024-04-16 Deere & Company Pre-emergence weed detection and mitigation system
US11641800B2 (en) 2020-02-06 2023-05-09 Deere & Company Agricultural harvesting machine with pre-emergence weed detection and mitigation system
US11653588B2 (en) 2018-10-26 2023-05-23 Deere & Company Yield map generation and control system
AU2020248763A1 (en) * 2019-03-27 2021-11-18 Sumitomo Chemical Company, Limited Method for controlling weeds
AU2020246271A1 (en) * 2019-03-27 2021-11-18 Sumitomo Chemical Company, Limited Method for controlling weeds
EP3945809A1 (en) 2019-03-29 2022-02-09 BASF Agro Trademarks GmbH Targeted weed control with chemical and mechanical means
US11234366B2 (en) 2019-04-10 2022-02-01 Deere & Company Image selection for machine control
US11778945B2 (en) 2019-04-10 2023-10-10 Deere & Company Machine control using real-time model
EP3766344A1 (en) * 2019-07-15 2021-01-20 BASF Agro Trademarks GmbH Method for generating an application map for treating a field with an agricultural equipment
US12035648B2 (en) 2020-02-06 2024-07-16 Deere & Company Predictive weed map generation and control system
US20210243951A1 (en) * 2020-02-06 2021-08-12 Deere & Company Machine control using a predictive map
US11477940B2 (en) * 2020-03-26 2022-10-25 Deere & Company Mobile work machine control based on zone parameter modification
US20230217914A1 (en) * 2020-04-16 2023-07-13 Syngenta Crop Protection Ag Methods and algorithms for optimizing application of residue limited crop protection products using variable-rate application
US20230165235A1 (en) 2020-04-17 2023-06-01 Bayer Cropscience Lp Image monitoring for control of invasive grasses
DE102020205079A1 (de) * 2020-04-22 2021-10-28 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Ausbringen wenigstens eines flüssigen Mediums mittels einer Spritzdüseneinheit und Computerprogrammprodukt
US11845449B2 (en) 2020-10-09 2023-12-19 Deere & Company Map generation and control system
US11927459B2 (en) 2020-10-09 2024-03-12 Deere & Company Machine control using a predictive map
US11711995B2 (en) 2020-10-09 2023-08-01 Deere & Company Machine control using a predictive map
US12013245B2 (en) 2020-10-09 2024-06-18 Deere & Company Predictive map generation and control system
US11983009B2 (en) 2020-10-09 2024-05-14 Deere & Company Map generation and control system
US11474523B2 (en) 2020-10-09 2022-10-18 Deere & Company Machine control using a predictive speed map
US11849672B2 (en) 2020-10-09 2023-12-26 Deere & Company Machine control using a predictive map
US12069986B2 (en) 2020-10-09 2024-08-27 Deere & Company Map generation and control system
US11727680B2 (en) 2020-10-09 2023-08-15 Deere & Company Predictive map generation based on seeding characteristics and control
US11889788B2 (en) 2020-10-09 2024-02-06 Deere & Company Predictive biomass map generation and control
US11844311B2 (en) 2020-10-09 2023-12-19 Deere & Company Machine control using a predictive map
US11871697B2 (en) 2020-10-09 2024-01-16 Deere & Company Crop moisture map generation and control system
US11895948B2 (en) 2020-10-09 2024-02-13 Deere & Company Predictive map generation and control based on soil properties
US11675354B2 (en) 2020-10-09 2023-06-13 Deere & Company Machine control using a predictive map
US11946747B2 (en) 2020-10-09 2024-04-02 Deere & Company Crop constituent map generation and control system
US11592822B2 (en) 2020-10-09 2023-02-28 Deere & Company Machine control using a predictive map
US11650587B2 (en) 2020-10-09 2023-05-16 Deere & Company Predictive power map generation and control system
US11825768B2 (en) 2020-10-09 2023-11-28 Deere & Company Machine control using a predictive map
US11635765B2 (en) 2020-10-09 2023-04-25 Deere & Company Crop state map generation and control system
US11864483B2 (en) 2020-10-09 2024-01-09 Deere & Company Predictive map generation and control system
US11874669B2 (en) 2020-10-09 2024-01-16 Deere & Company Map generation and control system
US11849671B2 (en) 2020-10-09 2023-12-26 Deere & Company Crop state map generation and control system
US11889787B2 (en) 2020-10-09 2024-02-06 Deere & Company Predictive speed map generation and control system
EP3987926A1 (en) * 2020-10-22 2022-04-27 BASF Agro Trademarks GmbH Method for avoiding/reducing resistances when selectively applying pesticides
EP4243612A1 (en) * 2020-11-13 2023-09-20 Basf Se Method for determining treatment parameters based on the genetic information of at least one organism in the agricultural field
US12035707B2 (en) 2021-09-23 2024-07-16 Cnh Industrial America Llc System and method for performing spraying operations with an agricultural applicator
US12082531B2 (en) 2022-01-26 2024-09-10 Deere & Company Systems and methods for predicting material dynamics
US12058951B2 (en) 2022-04-08 2024-08-13 Deere & Company Predictive nutrient map and control

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1986005353A1 (en) * 1985-03-22 1986-09-25 Dronningborg Maskinfabrik A/S Agricultural husbandry
US4630773A (en) * 1984-11-06 1986-12-23 Soil Teq., Inc. Method and apparatus for spreading fertilizer
DE4329343A1 (de) * 1993-08-27 1995-03-09 Schering Ag Feldtaugliches bildanalytisches Verfahren zur automatischen Erkennung und Bekämpfung von Unkrautarten
CN101151418A (zh) * 2005-04-29 2008-03-26 G&G诺芙尼威德米和克斯克德米有限公司 用于构建杂草地图的装置
CN101701906A (zh) * 2009-11-13 2010-05-05 江苏大学 基于近红外超光谱成像技术的仓储害虫检测方法和装置
CN105230404A (zh) * 2015-10-16 2016-01-13 金寨县绿野中药材专业合作社 一种结香药材白绢病防治方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5246164A (en) 1991-12-16 1993-09-21 Mccann Ian R Method and apparatus for variable application of irrigation water and chemicals
US5646846A (en) * 1994-05-10 1997-07-08 Rawson Control Systems Global positioning planter system
US5987383C1 (en) * 1997-04-28 2006-06-13 Trimble Navigation Ltd Form line following guidance system
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
US6115481A (en) 1998-10-22 2000-09-05 Centrak, Llc User modifiable land management zones for the variable application of substances thereto
US20040033555A1 (en) * 2001-07-20 2004-02-19 Shawn Louise Anderson Methods using light emission for determining the effeciveness of plant treatment agents in controlling plant disease organisms
GB2447681A (en) 2007-03-21 2008-09-24 Enviro Ltd Nomix Handheld sprayer with GPS
US8265835B2 (en) 2007-11-20 2012-09-11 Pioneer Hi-Bred International, Inc. Method and system for preventing herbicide application to non-tolerant crops
BR112018006888B1 (pt) 2015-10-05 2021-10-19 Bayer Cropscience Ag Método de operação de uma colheitadeira com o auxílio de um modelo de crescimento de planta

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4630773A (en) * 1984-11-06 1986-12-23 Soil Teq., Inc. Method and apparatus for spreading fertilizer
WO1986005353A1 (en) * 1985-03-22 1986-09-25 Dronningborg Maskinfabrik A/S Agricultural husbandry
DE4329343A1 (de) * 1993-08-27 1995-03-09 Schering Ag Feldtaugliches bildanalytisches Verfahren zur automatischen Erkennung und Bekämpfung von Unkrautarten
CN101151418A (zh) * 2005-04-29 2008-03-26 G&G诺芙尼威德米和克斯克德米有限公司 用于构建杂草地图的装置
CN101701906A (zh) * 2009-11-13 2010-05-05 江苏大学 基于近红外超光谱成像技术的仓储害虫检测方法和装置
CN105230404A (zh) * 2015-10-16 2016-01-13 金寨县绿野中药材专业合作社 一种结香药材白绢病防治方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HENNING NORDMEYER: "Patchy weed distribution and site-specific weed control in winter cereals", 《PRECISION AGRICULTURE》 *
屠豫钦: "《农药科学使用指南》", 31 December 2009, 金盾出版社 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3714688A1 (en) * 2019-03-26 2020-09-30 BASF Agro Trademarks GmbH Camera based pest management sprayer
WO2020193666A1 (en) * 2019-03-26 2020-10-01 Basf Agro Trademarks Gmbh Camera based pest management sprayer
CN113631035A (zh) * 2019-03-26 2021-11-09 巴斯夫农化商标有限公司 基于摄像头的害虫管理喷雾器
EP3785538A1 (de) * 2019-08-30 2021-03-03 Amazonen-Werke H. Dreyer GmbH & Co. KG Vorrichtung und verfahren zur bedarfsgerechten pflanzenbehandlung
EP3785538B1 (de) 2019-08-30 2023-07-12 Amazonen-Werke H. Dreyer SE & Co. KG Vorrichtung und verfahren zur bedarfsgerechten pflanzenbehandlung

Also Published As

Publication number Publication date
JP2019522483A (ja) 2019-08-15
EP3262934A1 (de) 2018-01-03
EP3262935A1 (de) 2018-01-03
CN109414005B (zh) 2022-08-23
US20210185888A1 (en) 2021-06-24
US10939607B2 (en) 2021-03-09
AU2017288969A1 (en) 2019-02-14
WO2018001893A1 (de) 2018-01-04
US20190191617A1 (en) 2019-06-27
US11778939B2 (en) 2023-10-10
BR112018074948A2 (pt) 2019-03-06
CA3029322A1 (en) 2018-01-04
EP3474663A1 (de) 2019-05-01

Similar Documents

Publication Publication Date Title
CN109414005A (zh) 害虫控制方法
Monteiro et al. Sustainable approach to weed management: The role of precision weed management
CN109843051B (zh) 基于侵染风险的预测控制有害生物
Liebman et al. Ecologically sustainable weed management: how do we get from proof‐of‐concept to adoption?
CN111526710B (zh) 生成数字耕作地图
US11818975B2 (en) Planning and implementing agricultural measures
Rao Principles of weed science
Silva et al. Direct seeding of 16 Brazilian savanna trees: responses to seed burial, mulching and an invasive grass
EP3745857A1 (de) Bekämpfung resistenter schadorganismen
EP3516580A1 (de) Bekämpfung von schadorganismen
Dhileepan et al. Cat's claw creeper leaf‐mining jewel beetle H ylaeogena jureceki O benberger (C oleoptera: B uprestidae), a host‐specific biological control agent for D olichandra unguis‐cati (B ignoniaceae) in A ustralia
Crotty Soil organisms within arable habitats
Lytton-Hitchins et al. Effects of season and management of irrigated cotton fields on Collembola (Hexapoda) in New South Wales, Australia
McKercher et al. Effects of triallate on wild oat grown in a growth chamber
Schutte et al. Influence of irrigation timing on disturbance-induced reductions in soil seedbank density
Brosius et al. Biotic and abiotic influences on within-plant distribution of soybean aphid (Hemiptera: Aphididae: Aphis glycines)
Giannitsopoulos Optimising conservation tillage systems for wheat and oilseed rape production.
Monteiro et al. Sustainable Approach to Weed Management: The Role of Precision Weed Management. Agronomy 2022, 12, 118
Swinton Site‐Specific Pest Management
Harrison et al. Purple deadnettle (Lamium purpureum) emergence and removal time effects on soybean cyst nematode (Heterodera glycines)
Jørgensen et al. Methodology for a labour extensive and semi-automated field trial design using autoguidance and conventional machinery
Rystrom Site-Specific Pest Management in Nebraska Corn and Soybean Production Systems
Munakamwe Understanding the biology and ecology of poverty weed ('Iva axillaris' Pursh)-a guide towards eradication and control programs in Victoria
Sharma et al. Adoption of improved tomato cultivation practices
Aqeel Using manual defoliation to simulate soybean rust: Effect on growth and yield formation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant