CN109475080B - 确定有用植物的植物属性的方法 - Google Patents
确定有用植物的植物属性的方法 Download PDFInfo
- Publication number
- CN109475080B CN109475080B CN201780035442.1A CN201780035442A CN109475080B CN 109475080 B CN109475080 B CN 109475080B CN 201780035442 A CN201780035442 A CN 201780035442A CN 109475080 B CN109475080 B CN 109475080B
- Authority
- CN
- China
- Prior art keywords
- field
- values
- plant
- useful plants
- digital map
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 244000045561 useful plants Species 0.000 title claims abstract 15
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims description 83
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 80
- 244000038559 crop plants Species 0.000 claims description 53
- 229910052757 nitrogen Inorganic materials 0.000 claims description 40
- 239000002689 soil Substances 0.000 claims description 31
- 230000008635 plant growth Effects 0.000 claims description 27
- 230000012010 growth Effects 0.000 claims description 21
- 239000000575 pesticide Substances 0.000 claims description 10
- 239000003337 fertilizer Substances 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000004590 computer program Methods 0.000 abstract description 5
- 241000196324 Embryophyta Species 0.000 description 59
- 235000013339 cereals Nutrition 0.000 description 9
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 235000015097 nutrients Nutrition 0.000 description 6
- 238000009331 sowing Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000002363 herbicidal effect Effects 0.000 description 4
- 239000004009 herbicide Substances 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000002028 Biomass Substances 0.000 description 2
- 206010061217 Infestation Diseases 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000010902 straw Substances 0.000 description 2
- 235000007319 Avena orientalis Nutrition 0.000 description 1
- 244000075850 Avena orientalis Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 208000005156 Dehydration Diseases 0.000 description 1
- 101100326341 Drosophila melanogaster brun gene Proteins 0.000 description 1
- 240000005979 Hordeum vulgare Species 0.000 description 1
- 235000007340 Hordeum vulgare Nutrition 0.000 description 1
- 244000082988 Secale cereale Species 0.000 description 1
- 235000007238 Secale cereale Nutrition 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 241001377938 Yara Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003967 crop rotation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- -1 for example Substances 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 235000009973 maize Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 235000003715 nutritional status Nutrition 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 208000024891 symptom Diseases 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
-
- 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
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/02—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells by mechanically taking samples of the soil
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/2294—Sampling soil gases or the like
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N2001/021—Correlating sampling sites with geographical information, e.g. GPS
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Soil Sciences (AREA)
- Mechanical Engineering (AREA)
- Environmental Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Geology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Fluid Mechanics (AREA)
- Biomedical Technology (AREA)
- Environmental & Geological Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cultivation Of Plants (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
- Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
- Pretreatment Of Seeds And Plants (AREA)
Abstract
本发明涉及用于确定田地中的有用植物的植物属性的方法、系统以及计算机程序产品,其特征在于与有用植物有关的外部数据存储在存储器单元中,测量设备确定关于至少一个植物属性的原始测量值,并且基于原始测量值并且考虑来自存储器单元的外部数据确定用于植物属性的校准值或校正值。
Description
技术领域
本发明涉及一种用于确定田地内有用植物的植物属性的方法、系统和计算机程序产品。
背景技术
为了能够以低资源利用率实现有用植物的最大产量,尽可能精确地了解有用植物的状态和发育是必要的,以便可选地通过适当的措施影响生长过程,诸如灌溉、营养供应和/或农药的施用。在此,发现通过适当措施的空间或地理参考差异,可以特别有效地利用资源。因此,已知大量传感器和决策算法,其基于传感器的测量结果提出定义的农业措施。
例如,研究信息系统(FISA),德国联邦共和国及其联邦州的信息门户,是指由Hohenheim大学为子区域特定的除草剂施用创建能够实时测量的装置的项目。在此,测量装置由具有集成图像处理和对象识别的多个相机和控制终端组成。相机用侧臂固定在田地喷雾机的框架上。在通过作物区域的行程中,相机连续拍照。每次在图片中可识别的植物或植物部分被评估并分配给适当的分类器。最后,借助于存储在控制终端中的特定作物和施用情况的算法,实时确定田地喷雾机是否在特定位置被激活以及需要什么样的施用量。因此,不再需要在田地作物中除草剂的整个区域施用,而是现在仍然可以将除草剂仅施用于实际杂草侵染的子区域。然而,例如在有时非常多样化的农业环境和条件的情况下关于植物的更稳健识别需要改进测量装置。
Yara公司提供所谓的N传感器,该传感器测量和分析从植物作物反射的阳光。通过同时测量直接入射的太阳光,可以补偿不同的光照条件。由传感器捕获的光被传递到光谱仪,进行光谱分离和分析。在某些光谱带中,植物作物的反射属性受氮营养状态影响。因此,从反射属性中可以确定瞬时氮含量,并且由此确定未来的氮需求,然而为此,N传感器需要预先进行复杂的校准。
即使在执行校准时,N传感器仅在有限的程度上产生可用于确定有用植物进一步生长所需的氮量的值。如果例如要进行第二次施氮,则使用N传感器,通常仍然不考虑来自第一次施氮的土壤中仍然极少存在的氮量。基于N传感器的测量结果,然后确定太高的施用量用于第二次氮施加。这表明,对测量结果的评估及其作为农业措施基础的使用非常复杂,并且需要大量的当地专家对空间上非常多样化的环境条件的了解。
发明内容
因此,本发明基于在确定植物属性时改善测量装置的测量结果的测量质量和预测值的问题。
本发明所基于的问题由独立权利要求1、12和14的主题解决。优选实施例可在从属权利要求和本说明书中找到。
因此,本发明的第一主题是包括以下步骤的方法:
·通过有用植物正在生长的田地或在该田地上方移动测量装置,其中测量装置包括传感器和位置确定系统,
·借助于传感器捕获与有用植物的植物属性相关的原始测量值,同时借助于位置确定系统确定测量装置在田地内或在田地上方的位置,
·提供田地的数字地图,其中记录用于田地的至少一个属性的子区域特定值,
·识别与关于位置捕获的原始测量值对应的数字地图的一个值/多个值,
·从捕获的原始测量值和数字地图的一个对应值/多个对应值中确定用于植物属性的校准值或校正值。
本发明的另一主题是包括以下的系统:
·具有传感器和位置确定系统的测量装置,其中测量装置被设计为使得其在有用植物生长的田地上方或通过该田地移动,在此期间接收与有用植物的植物属性有关的原始测量值,并同时借助于位置确定系统确定测量装置在田地内或在田地上方的位置,
·存储器单元,其中存储田地的数字地图,其中在数字地图中记录用于田地的至少一个属性的子区域特定值,以及
·计算机单元,其被配置为使得
-从测量装置中接收原始测量值以及在原始测量值的捕获时测量装置所处的位置的坐标,
-识别与原始测量值对应的数字地图的值,以及
-从原始测量值和数字地图的对应值中计算用于植物属性的校准值或校正值。
本发明的另一主题是一种计算机程序产品,包括机器可读数据存储装置和程序代码,该程序代码存储在数据存储装置上,并且在计算机上执行时使计算机
·借助于传感器从测量装置中接收与田地中的有用植物的植物属性相关的原始测量值,以及在原始测量值的捕获时间测量装置所处的田地内或在田地上方的测量装置的位置的坐标,
·从田地的数字地图中识别与原始测量值对应的田地的属性的值,以及
·从原始测量值和田地的属性的对应值中计算用于植物属性的校准值或校正值。
具体实施方式
下面更详细地描述本发明,而不在本发明的主题(方法、系统、计算机程序产品)之间区分。相反,以下解释旨在以类似的方式应用于本发明的所有主题,而不管它们发生在何种上下文(方法、系统、计算机程序产品)中。
在根据本发明的方法中,通过有用植物正在生长的田地或在该田地上方移动测量装置,
术语“田地”应理解为意指地球表面的在农业上利用的可在空间上定义的区域,因为有用植物在这种田地上被种植,被供应养料并被收获。
术语“有用植物”应理解为意指通过人类的参与有意地生长为有用或观赏植物的植物。与术语“有用植物”同义的术语是术语“栽培植物”。
测量装置具有位置确定系统,该系统使得可以确定测量装置在田地内或田地上方的当前位置。位置确定系统优选地是基于卫星的位置确定系统。全球定位系统(简称GPS,正式称为NAVSTAR GPS)是一种基于卫星的全球位置确定系统。
测量装置进一步具有一个或多个传感器,采用该传感器可以捕获与在田地中生长的有用植物的植物属性相关的原始测量值。当在本说明书和权利要求书中提到“传感器”或“该传感器”时,这不应该被理解为限制,而是总是被解释为使得也可以存在多个传感器。这同样特别适用于诸如“原始测量值”、“植物属性”、“值”和“田地/该田地的属性”的术语。
优选地,传感器无接触地操作。
在根据本发明的方法中,借助于传感器确定与植物属性有关的原始测量值(或几个原始测量值)。
这里,植物属性可以直接与有用植物相关,诸如例如品种、有用植物的高度或谷物或稻草水分含量。然而,它还可以涉及可影响有用植物的生长、健康和/或可能产量的环境条件或影响因素。作为环境条件或影响量的示例,可以提及土壤水分含量或杂草侵染。所有这些直接属性或环境条件/影响因素旨在由术语“植物属性”涵盖。
优选地,植物属性是有用植物本身的属性。
植物属性的第一示例是有用植物的品种,诸如例如小麦、黑麦、大麦、燕麦或玉米。植物属性还可以涉及有用植物的生长阶段。植物属性的进一步示例是:由其它养料引起的压力水平及其表型征状、水分压力或残余生长潜力、由于UV-B暴露引起的日灼、未来48小时(或下一x小时)的预期光合/代谢活动、叶角或作物高度。
如上所述,植物属性不仅包括直接影响有用植物的属性,还包括可能对有用植物的发育状态或未来发育具有影响的边界条件或环境因素(例如关于产量)。这种间接属性的示例是存在的杂草物种,存在的杂草物种的生长阶段,害虫的孵化时间(南坡早于北坡)或来自先前施用的农药的残余保护。
在本发明的优选实施例中,植物属性是有用植物的氮含量。
在特别优选的实施例中,植物属性是有用植物的总氮含量,包括土壤中(仍然)存在的氮含量。
在另一个优选的实施例中,植物属性是有用植物的生长阶段。
在另一个优选的实施例中,植物属性是收获的有用植物的量(例如重量)的量度。
在另一个优选的实施例中,植物属性是杂草的生长阶段。
在另一个优选的实施例中,植物属性是存在的杂草量的量度。
测量装置可以具有非接触式传感器,其例如可以设计为像上述Yara N传感器或H传感器那样的光学传感器。这里的光学传感器可以是在日光下操作的无源传感器。在该情况下,传感器可以测量直接曝晒,使得可以正确地分类由于不同光照条件而导致的不同测量结果。传感器还可以使用人造光进行操作,该人造光将其使用时间延长至夜晚时分。光学传感器还旨在包括不在可见波长范围内操作的传感器,诸如例如NIR传感器。NIR传感器在短波红外光范围内操作,并且可用于有用植物的水分测量。
在另一种实施方式中,传感器根据电磁波的感应原理操作。这方面的示例是来自加拿大制造商Geonics的EM 38土壤扫描仪。
测量装置可包括用于实际收获的有用植物的传感器。例如,因此可以测量所收获的谷物的重量,由此植物生长模型例如产生用于谷物水分含量的数据。从所收获的谷物的重量和谷物水分含量中,然后可以确定归一化为限定的谷物水分含量的校准的谷物重量。
传感器优选地附接在田地机器上,该田地机器例如可以是用于农药或养料的施用机器(例如,田地喷雾机、厩肥撒布机、石灰撒布机或撒肥机)、土壤耕作装置、播种机或种植机。这里,田地机器应理解为一种也可由拖拉机和拖车/附件组成的单元。
传感器也可以安装在卫星上进行遥感。例如,基于卫星数据,可以计算地理参考的植被指数(例如NDVI),从中可以导出田地上的生物量。关于植被的这种数据一方面可以作为经由遥感无法捕获的其它植物属性的基础。另一方面,遥感数据可用于验证植物生长建模中的某些假设并适当地修改这些假设。此外,还可以经由遥感测量土壤的水分含量。在此,土壤水分含量可以在计算土壤水分含量时加以考虑。
也可以使用飞机(无人驾驶飞机(无人机)或驾驶飞机)来捕获原始测量值。
在通过田地或在田地上方移动(或自主移动)测量装置的同时,借助于传感器捕获与植物属性有关的原始测量值。同时,确定在捕获原始测量值时测量装置所处的特定位置。优选地,原始测量值与特定位置的坐标一起存储在用于数字数据的存储器单元中。
在根据本发明的方法的另一步骤中,提供田地的数字地图。
术语“数字”意指地图可以由机器处理,通常是计算机。“处理”应理解为意指用于电子数据处理(EDP)的已知方法。
在数字地图中,记录用于田地的属性的值。数字地图是子区域特定的,即它被划分为大量子区域,并且每个子区域具有对于子区域特定的田地的属性的值。
数字地图的值在本说明书中也被描述为“外部数据”或者也称为“离线数据”。
外部数据涉及田地的一个或多个属性。术语“田地的属性”应被广义地理解。它包括例如土壤的属性,诸如例如氮含量和水分,在田地上生长的有用植物的属性,过去的产量数据,植物生长的建模值,过去在田地上施用的农药和/或养料的属性和数量等。
外部数据或离线数据应该是不直接来自测量装置的测量值的数据。因此,这些外部数据的来源可以具有不同的属性。例如,它们可以是过去对于有用植物和/或田地已知的数据(例如近年的产量)或已经进入当前生长期的数据(例如播种的谷类品种)。另外,例如,为了使用N传感器返回上述示例,可以是第一次施氮的时间和量。因此,采用外部数据,可以绘制与有用植物和有用植物的参数相关的确定图像,然而在该过程中,在此不考虑来自测量装置的当前测量值(在线数据)。通过适当地包括离线数据来提供本发明以便增加在线数据的相关性和重要性。
如上所述,外部数据是地理参考数据。例如,田地可以被细分为大量区域元素(子区域),其中特定数据可用于各个区域元素(子区域)。这些地理参考数据可以以高空间分辨率(例如100×100米,50×50米或5×5米)的数字地图的形式获得。例如,对于每个区域元素,这种数字地图可以示出在某一天施加到田地上的氮量。可以借助于施用装置记录这种地图的数据,该施用装置取决于位置记录并节省分配的氮量。此外,关于植物属性,仅一个定性类,例如“1、2、3或4”或“非常小、小、中、大、非常大”可以分配给每个区域元素。
外部数据可以是来自植物生长模型的结果,该植物生长模型优选地在测量装置确定植物属性的原始测量值的时间内对田地的至少一种属性进行建模。因此,例如植物生长模型可以对土壤中的氮含量进行建模,其中对于该建模,已经执行施氮并且可以考虑有用植物的生长。
术语“植物生长模型”应理解为意指基于内在(遗传)和外在(环境)因子的植物(优选生长的有用植物)的生长的数学模型。
存在大量有用植物的植物生长模型。
例如,由i)2014年10月在Wiley VCH Verlag出版(ISBN:978-3-527-41217-4)的Marco Günther和Kai Velten的“Mathematische Modelbildung und Simulation”[Mathematical modeling and simulation]和ii)2014年在美国的Academic Press(Elsevier)出版的Daniel Wallach、David Makowski、James W.Jones和Francois Brun的“Working with dynamic crop models”的书籍提供植物生长模型创建的介绍。
植物生长模型通常模拟定义时期内有用植物的作物生长。还可以基于单个植物使用模型,其模拟植物的各个器官中的能量和材料流动。混合模型也是可用的。
除了植物的遗传特征外,有用植物的生长显著取决于植物生命周期内盛行的当地天气条件(入射太阳辐射的数量和光谱分布、温度变化、降水量、大风天气)、土壤的状况和养料供应。
已经采取的栽培措施和可能已经发生的害虫的任何侵染也可以对植物生长产生影响并且可以包括在生长模型中。
植物生长模型通常是所谓的动态基于过程的模型(参见2014年在美国的AcademicPress(Elsevier)出版的Daniel Wallach、David Makowski、James W.Jones和FrancoisBrun的“Working with dynamic crop models”),但也可以完全或部分基于规则或统计或基于数据/经验。模型通常是所谓的点模型。在这些中,模型通常被校准,使得输出反映输入的空间表示。如果确定空间中某一点的输入或对空间中的一个点进行插值或估计,则通常假设模型输出对整个相邻田地有效。在田地水平处校准为通常进一步更粗糙的尺度的所谓的点模型的应用是已知的(Hofmann等人,2016年)。将这些所谓的点模型应用于田地内的若干点,从而实现子区域特定建模。
动态的,基于过程的植物生长模型的示例是Apsim、Lintul、Epic、Hermes、Monica、STICS等。关于模型的模型和对应文献的比较可以例如从以下出版物和其中列出的参考文献获得:Hoffmann H、Zhao G、Asseng S、Bindi M、Biernath C、Constantin J、CoucheneyE、Dechow R、Doro L、Eckersten H、Gaiser T、Grosz B、Heinlein F、Kassie BT、KersebaumK-C、Klein C、Kuhnert M、Lewan E、Moriondo M、Nendel C、Priesack E、Raynal H、RoggeroPP、RP、Siebert S、Specka X、Tao F、Teixeira E、Trombi G、Wallach D、WeihermüllerL、Yeluripati J、Ewert F.于2016年在PLoS ONE 11(4):e0151782,doi:10.1371/journal.pone.0151782上的“Impact of spatial soil and climate input dataaggregation on regional yield simulations”。
优选地,以下参数中的一个或多个流入(输入)到建模中:
a)天气:每日降水总量、日照总量、每日最低和最高气温以及接近土壤的温度和土壤温度、风速等。
b)土壤:土壤类型、土壤质地、土壤性质、田间含水量,永久凋萎点、有机碳、无机氮含量、体积密度、Van Genuchten参数等。
c)作物植物:物种、品种、品种特异性参数,诸如特定叶面积指数、温度总量、最大根深度等。
d)栽培措施:种子、播种日期、播种密度、播种深度、肥料、肥料重量、施肥日数、施肥日期、土壤耕作、收获残留物、轮作、上一年同一作物的田间距离、灌溉等。
在一个实际示例中,在植物生长模型中使用可对植物属性的值或强度具有影响的气象数据。例如,可以考虑空气温度、大气湿度、日照时数和/或降水量——优选地在高空间分辨率下。这些量一方面对有用植物的生长具有决定性影响,并且因此影响大量植物属性。另一方面,它们还可以对某些植物属性(例如稻草水分含量)具有直接影响。
在根据本发明的方法中,也可以使用对有用植物的生长具有影响的土壤数据。例如,对于在生长时期的不同时间点的田地的区域元素,可以计算土壤的水含量。基于该值,植物生长模型然后可以对有用植物从土壤中吸取的水量进行建模。优选地也在这里以单个区域元素的高空间分辨率表示的土壤的水含量同时也可以考虑气象数据来计算。
在根据本发明的方法的另一步骤中,识别与捕获的原始测量值对应的田地的数字地图的值。在该过程中,原始测量值经由相应的位置(地理坐标)与数字地图的对应值相关联。在借助于位置确定系统捕获原始测量值的情况下确定位置。数字地图具有可用的对应数据信息(地理坐标)。
因此,优选地基于地理坐标来实现将原始测量值分配给数字地图的值(或多个值)。
在根据本发明的方法的另一步骤中,从捕获的原始测量值和来自数字地图的对应值中确定用于植物属性的校准值或校正值。
因此,根据本发明,保存在存储器单元中的外部数据用于基于原始测量值确定用于植物属性的校准值或校正值。
外部数据也可以描述为离线数据,该离线数据用于在线数据的校准(这里是原始测量值)。换句话说,在本发明的一个实施例中,离线数据用于测量装置的参数化,使得测量值更精确,或者可以从这些值中得出与一个或多个植物属性相关的正确结论。
来自测量装置的测量值可以例如基于来自植物生长模型的数据来调节。通过该调节,可以校准或更优地解释测量值。例如,如果测量装置借助于基于先前生长和由此建立的植物属性的植物生长模型检测到可以指向一种植物疾病A和另一种植物疾病B二者的有用植物的某些光谱异常,可以估计关于是否更可能是植物疾病A或植物疾病B的概率。例如,如果有用植物已经具有极度潮湿的过去,其可以经由植物生长模型中的气象数据描绘,则这可能使植物疾病A比植物疾病B明显更可能。借助于植物生长模型,二者可能甚至可以将两种疾病分类为不可能,尽管测量异常,因为异常干旱是测量异常的原因。因此,植物生长模型可以帮助正确地解释来自测量装置的(原始)测量值。
取决于数据分辨率、田地的异质性和/或生产强度,植物生长模型可以对与整个田地或仅对非常小的区域单位(诸如1x1米的像素)相关的值进行建模,使得在高空间分辨率下可以出现不同的结果。还可以提供的是,例如取决于地点,如果对于某些区域,需要特别区分的考虑/建模,则开始使用植物生长模型的不同植物生长模型或特殊模块。
如果现在通过可以包含上述N传感器的测量装置,例如通过有用植物的反射行为确定其氮含量,则可以在第一步骤中使用来自存储器单元的外部数据来校准N传感器。外部数据可以涉及有用植物的品种和/或也涉及植物作物的属性,该属性影响植物中反射行为和氮含量之间的关系。在一个实施方式中,校准可以专门基于来自存储器单元的外部数据,或者在另一种实施方式中至少在田地校准中考虑。不考虑外部数据情况下来自N传感器的测量值可以被视为原始测量值。
在第二步骤中,(预)校准的原始测量值可以进一步细化到如下程度,即经由外部数据也考虑关于土壤的氮含量的信息。基于原始测量值和第一校准(植物中的氮含量)和第二校准(土壤中的氮含量),然后可以确定包括土壤氮的总氮含量的测量值。关于有用植物对于其进一步生长需要的氮的附加量的决定,这种测量值提供了比不使用外部数据的测量值更优的基础。
具有田地的一个或多个属性的值(外部数据)的田地的数字地图存在于可由测量装置访问的存储器单元中。
在一个实际示例中,存储器单元被设计为例如以服务器形式的外部存储器单元,测量装置可以访问该外部存储器单元或者该外部存储器单元与测量装置通信。例如,它可以是基于web的平台,用户在测量开始之前使用测量装置登录该平台,并且因此可以访问服务器的外部数据或离线数据。取决于测量装置的瞬时位置或将要被处理的田地的对应输入,可以经由平台传递与正在使用的传感器的参数化相关的外部数据。可能的是,在一定空间分辨率下计算考虑当前天气数据的测量时间点的某些植物属性的植物生长模型首先通过登录开始。即使这些数据仅根据要求计算,这些应该是所述外部数据或离线数据,因为它们与当前的测量结果无关。还可以提供的是,通过测量装置的操作,自动请求或确定外部数据。
外部存储器单元和测量装置之间的连接优选地无线地实现,例如经由互联网。原则上,还可以将其上存储外部数据的诸如USB棒的可移动存储介质附接到测量装置。然后,存储介质上的外部数据还可以涉及在某种程度上对应于测量的时间点的时间点。
在一个实际示例中,由测量单元考虑外部数据确定的植物属性的值用于控制农业致动器。农业致动器例如可以是田地喷雾机的泵,液体形式的农药通过该泵施加到田地上。这里,测量装置首先确定某个植物属性的原始测量值,然后考虑外部数据对其进行校正或校准。然后可以基于校正或校准的测量值控制泵。例如,当通过测量装置检测某一区域元素的高水平杂草时,田地喷雾机的泵中的压力相应地增加,结果为该区域元素施加更大量的除草剂。另一方面,如果由外部数据校正/校准的测量值表明很少或没有杂草,则对于所涉及的区域元素,泵的压力可以减小或设置为零。影响施加量的另一种可能性在于喷嘴横截面的变化。喷嘴横截面越小,施加到田地上的液体越少。
在田地喷雾机的情况下,可变剂量的另一种可能性在于改变水与所用农药或肥料的比率。对于根据校正的测量值需要很少农药或肥料的区域元素,减少其在混合物中的比例。另外,可以经由施加压力和/或通过提供压缩空气流来调节将要被施用的试剂的液滴大小可以取决于校正的测量值而变化。
为了能够对异常的土壤条件作出反应,播种机中可能的变化例如通过涂覆种子的敷料的区别分配、不同的播种深度或不同的播种距离来获得。
取决于在一定空间分辨率下来自测量装置的校正测量值,还可以控制无人机,该无人机然后遵循限定的飞行模式,并且从而取决于瞬时位置释放计量的农药或肥料。
将基于实际示例更详细地解释本发明。通过使用田地喷雾机将氮施加到田地上。为了在线捕获田地上的有用植物或植物作物的氮含量,田地喷雾机具有N传感器。在施用开始之前,田地喷雾机和中央服务器之间的连接通过登录基于Web的平台完成。在输入田地的空间坐标或明确识别田地的数据之后,服务器提供外部数据或离线数据,其描述在田地上的有用植物的几种植物属性。这里的数据基于植物生长模型的结果,该模型对当前时间点的有用植物的大量植物属性进行建模。如果植物生长模型具有适当的天气预测模块,则还可以提供当前天气以及另外天气的可能发展。
基于所传输的植物属性(例如谷类品种、生物量作物),N传感器被参数化,使得相对良好地估计有用植物的氮含量可行。为了计算氮或氮载体的必要量,关于土壤氮含量的数据也传输到田地喷雾机。这些土壤数据涉及过去已经进行的施氮和直至当前时间点的有用植物的(经建模的)发育。从这些数据中,然后计算施用剂量,并且尽可能以高空间分辨率区域特异性地施加到田地上。施用剂量的计算可以由田地喷雾机上的处理器执行。然而,原则上,施用剂量也可以由服务器计算。在该情况下,来自N传感器的测量结果被加载到服务器上。作为响应,服务器然后发送与施用剂量有关的数据。然后,可以将要施用的量和实际施用的量的数据保存在服务器上。然后,这些数据作为进一步对植物生长进行建模的基础,并且可以在下一个即将到来的农业措施(例如进一步施氮或收获)中考虑。不言而喻,这里给出的实际示例也旨在通过示例的方式应用于农药或其它农业措施的应用。
Claims (14)
1.一种用于确定有用植物的植物属性的方法,包括步骤:
·通过有用植物正在生长的田地或在该田地上方移动测量装置,其中所述测量装置包括传感器和位置确定系统,
·借助于所述传感器捕获与所述有用植物的植物属性相关的原始测量值,同时借助于所述位置确定系统确定所述测量装置在所述田地内或在所述田地上方的所述位置,
·提供所述田地的数字地图,其中列出用于所述田地的至少一个属性的子区域特定值,其中所述数字地图的所述子区域特定值是植物生长模型的结果,所述植物生长模型对所述测量装置确定用于所述植物属性的所述原始测量值的时间点的所述田地的至少一个属性进行建模,
·识别与关于所述位置捕获的所述原始测量值对应的所述数字地图的所述值,
·从捕获的所述原始测量值和所述数字地图的一个对应值/多个对应值中确定用于所述植物属性的校准值或校正值。
2.根据权利要求1所述的方法,其特征在于,能够从原始测量值确定所述有用植物的氮含量,同时在所述田地的所述数字地图中列出土壤的氮含量,并且所述植物属性的所述校正值表明包括仍然位于所述土壤中的氮含量的所述有用植物的总氮含量。
3.根据权利要求1所述的方法,其特征在于,能够从原始测量值中确定所述有用植物的氮含量,同时在所述田地的所述数字地图中列出生长的所述有用植物的生长阶段,并且所述植物属性的所述校准值基于当时存在的所述生长阶段表明所述有用植物的校准的氮含量。
4.根据权利要求1所述的方法,其特征在于,所述测量装置包括用于实际收获的有用植物的传感器。
5.根据权利要求4所述的方法,其特征在于,借助于所述传感器测量所收获的谷物的重量,并且在所述数字地图中记录用于谷物水分含量的值,并且从所收获的谷物的所述重量和所述谷物水分含量中确定归一化为限定的谷物水分含量的校准的谷物重量。
6.根据权利要求1至5中的一项所述的方法,其特征在于,所述传感器附接在田地机器上。
7.根据权利要求6所述的方法,其特征在于,所述田地机器是收割机、用于农药或肥料的施用机器、播种机或种植机。
8.根据权利要求1至5中的一项所述的方法,其特征在于,所述田地的所述数字地图存储在以中央服务器的形式设计的存储器单元中。
9.根据权利要求8所述的方法,其特征在于,经由所述测量装置和所述服务器之间的无线连接实现外部数据的传输。
10.根据权利要求1至5中的一项所述的方法,其特征在于,所确定的所述植物属性的校准值或校正值用于控制农业致动器。
11.一种用于确定有用植物的植物属性的系统,包括:
·具有传感器和位置确定系统的测量装置,其中所述测量装置被设计为使得其在有用植物正在生长的田地上方或通过该田地移动,并且由此借助于所述传感器捕获与所述有用植物的植物属性有关的原始测量值,并同时借助于所述位置确定系统确定所述测量装置在所述田地内或在所述田地上方的所述位置,
·存储器单元,在其中存储所述田地的数字地图,其中在所述数字地图中列出用于所述田地的至少一个属性的子区域特定值,其中所述数字地图的所述子区域特定值是植物生长模型的结果,所述植物生长模型对所述测量装置确定用于所述植物属性的所述原始测量值的时间点的所述田地的至少一个属性进行建模,以及
·计算机单元,其被配置为使得所述计算机单元:
-从所述测量装置中接收原始测量值以及在所述原始测量值的捕获时所述测量装置所处的所述位置的坐标,
-识别与所述原始测量值对应的所述数字地图的所述值,以及
-从所述原始测量值和所述数字地图的对应值中计算用于所述植物属性的校准值或校正值。
12.根据权利要求11所述的系统,进一步包括农业致动器,其中所述计算机单元被配置为使得所述计算机单元使用用于所述植物属性的所计算的校准值或校正值以控制所述农业致动器。
13.一种计算机设备,包括计算机可读数据存储装置和程序代码,所述程序代码存储在所述数据存储装置上,并且在计算机上执行时所述程序代码使所述计算机:
·借助于传感器从测量装置中接收与田地中的有用植物的植物属性相关的原始测量值,以及在所述原始测量值的捕获的时间点时所述测量装置所处的在所述田地内或在所述田地上方的所述测量装置的位置的坐标,
·从所述田地的数字地图中识别与所述原始测量值对应的所述田地的所述属性的值,其中所述数字地图的子区域特定值是植物生长模型的结果,所述植物生长模型对所述测量装置确定用于所述植物属性的所述原始测量值的时间点的所述田地的至少一个属性进行建模,以及
·从所述原始测量值和所述田地的属性的对应值计算用于所述植物属性的校准值或校正值。
14.根据权利要求13所述的计算机设备,其中,进一步使所述计算机使用用于所述植物属性的所计算的校准值或校正值以控制农业致动器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16173692 | 2016-06-09 | ||
EPEP16173692.1 | 2016-06-09 | ||
PCT/EP2017/063954 WO2017211948A1 (de) | 2016-06-09 | 2017-06-08 | Verfahren zur ermittlung von pflanzeneigenschaften einer nutzpflanze |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109475080A CN109475080A (zh) | 2019-03-15 |
CN109475080B true CN109475080B (zh) | 2022-07-01 |
Family
ID=56148130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780035442.1A Active CN109475080B (zh) | 2016-06-09 | 2017-06-08 | 确定有用植物的植物属性的方法 |
Country Status (10)
Country | Link |
---|---|
US (2) | US11324157B2 (zh) |
EP (1) | EP3468339B1 (zh) |
JP (1) | JP2019517270A (zh) |
CN (1) | CN109475080B (zh) |
AU (1) | AU2017276730A1 (zh) |
BR (1) | BR112018074684B1 (zh) |
CA (1) | CA3026970A1 (zh) |
ES (1) | ES2918007T3 (zh) |
PL (1) | PL3468339T3 (zh) |
WO (1) | WO2017211948A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111241712B (zh) * | 2020-02-27 | 2023-04-18 | 东北林业大学 | 一种针叶树种比叶面积的预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5467271A (en) * | 1993-12-17 | 1995-11-14 | Trw, Inc. | Mapping and analysis system for precision farming applications |
CN1658187A (zh) * | 2004-02-17 | 2005-08-24 | 株式会社日立制作所 | 植物生长分析系统及分析方法 |
CN1715880A (zh) * | 2005-08-03 | 2006-01-04 | 北京农业信息技术研究中心 | 一种便携式植物氮素和水分含量的无损检测方法及测量仪器 |
CN2864669Y (zh) * | 2005-12-16 | 2007-01-31 | 浙江大学 | 基于近红外光谱的植物生长信息获取装置 |
WO2016025848A1 (en) * | 2014-08-15 | 2016-02-18 | Monsanto Technology Llc | Apparatus and methods for in-field data collection and sampling |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19913971A1 (de) | 1999-03-18 | 2000-09-28 | Norsk Hydro As | Verfahren und Vorrichtung zum teilflächenspezifischen Düngen von Pflanzen |
DE10325534B4 (de) | 2003-06-04 | 2005-06-23 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zum Bestimmen des Düngebedarfs in Gärten, Gärtnereien oder Parkanlagen |
DE102008009753B3 (de) | 2008-02-18 | 2009-09-10 | Yara International Asa | Verfahren zum Bestimmen der Biomasse und Morphologie von Pflanzenbeständen mittels Ultraschall |
US8855937B2 (en) * | 2010-10-25 | 2014-10-07 | Trimble Navigation Limited | Crop characteristic estimation |
US9408342B2 (en) | 2010-10-25 | 2016-08-09 | Trimble Navigation Limited | Crop treatment compatibility |
DE102011050877B4 (de) | 2011-03-04 | 2014-05-22 | Technische Universität München | Verfahren zur Bestimmung des Düngerbedarfs, insbesondere des Stickstoff-Düngerbedarfs und Vorrichtung zur Durchführung des Verfahrens |
DE102011085380A1 (de) | 2011-10-28 | 2013-05-02 | Deere & Company | Anordnung und Verfahren zur vorausschauenden Untersuchung von mit einer Erntemaschine aufzunehmenden Pflanzen |
DE102013201996A1 (de) | 2013-02-07 | 2014-08-07 | Deere & Company | Verfahren zur Einstellung von Arbeitsparametern einer Erntemaschine |
US9872433B2 (en) | 2015-05-14 | 2018-01-23 | Raven Industries, Inc. | System and method for adjusting harvest characteristics |
US10188037B2 (en) * | 2015-09-24 | 2019-01-29 | Deere & Company | Yield estimation |
EP3358932B2 (de) | 2015-10-05 | 2023-08-23 | BASF Agro Trademarks GmbH | Verfahren zum betreiben einer erntemaschine mit hilfe eines pflanzenwachstumsmodells |
-
2017
- 2017-06-08 EP EP17727622.7A patent/EP3468339B1/de active Active
- 2017-06-08 BR BR112018074684-3A patent/BR112018074684B1/pt active IP Right Grant
- 2017-06-08 CA CA3026970A patent/CA3026970A1/en not_active Abandoned
- 2017-06-08 AU AU2017276730A patent/AU2017276730A1/en not_active Abandoned
- 2017-06-08 JP JP2018564306A patent/JP2019517270A/ja active Pending
- 2017-06-08 ES ES17727622T patent/ES2918007T3/es active Active
- 2017-06-08 PL PL17727622.7T patent/PL3468339T3/pl unknown
- 2017-06-08 WO PCT/EP2017/063954 patent/WO2017211948A1/de unknown
- 2017-06-08 CN CN201780035442.1A patent/CN109475080B/zh active Active
- 2017-06-08 US US16/307,967 patent/US11324157B2/en active Active
-
2022
- 2022-05-09 US US17/739,773 patent/US20220264786A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5467271A (en) * | 1993-12-17 | 1995-11-14 | Trw, Inc. | Mapping and analysis system for precision farming applications |
CN1658187A (zh) * | 2004-02-17 | 2005-08-24 | 株式会社日立制作所 | 植物生长分析系统及分析方法 |
CN1715880A (zh) * | 2005-08-03 | 2006-01-04 | 北京农业信息技术研究中心 | 一种便携式植物氮素和水分含量的无损检测方法及测量仪器 |
CN2864669Y (zh) * | 2005-12-16 | 2007-01-31 | 浙江大学 | 基于近红外光谱的植物生长信息获取装置 |
WO2016025848A1 (en) * | 2014-08-15 | 2016-02-18 | Monsanto Technology Llc | Apparatus and methods for in-field data collection and sampling |
Also Published As
Publication number | Publication date |
---|---|
PL3468339T3 (pl) | 2022-08-16 |
JP2019517270A (ja) | 2019-06-24 |
US20220264786A1 (en) | 2022-08-25 |
ES2918007T3 (es) | 2022-07-13 |
EP3468339B1 (de) | 2022-04-13 |
WO2017211948A1 (de) | 2017-12-14 |
BR112018074684A2 (pt) | 2019-03-12 |
US20190297771A1 (en) | 2019-10-03 |
CN109475080A (zh) | 2019-03-15 |
US11324157B2 (en) | 2022-05-10 |
AU2017276730A1 (en) | 2019-01-03 |
EP3468339A1 (de) | 2019-04-17 |
CA3026970A1 (en) | 2017-12-14 |
BR112018074684B1 (pt) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240040954A1 (en) | Planning and implementing agricultural measures | |
US11672212B2 (en) | Customized land surface modeling for irrigation decision support for targeted transport of nitrogen and other nutrients to a crop root zone in a soil system | |
US11291172B2 (en) | Methods and systems for irrigation guidance | |
Balafoutis et al. | Smart farming technologies–description, taxonomy and economic impact | |
US11825835B2 (en) | Determination of the requirements of plant protection agents | |
US20050038568A1 (en) | Method and system for spatially variable rate application of agricultural chemicals based on remotely sensed vegetation data | |
WO2012060947A1 (en) | System and method for calibrating agricultural measurements | |
Schumann | Precise placement and variable rate fertilizer application technologies for horticultural crops | |
US20220264786A1 (en) | Method for ascertaining plant properties of a useful plant | |
Meivel et al. | Optimization of agricultural smart system using remote sensible NDVI and NIR thermal image analysis techniques | |
Doraiswamy et al. | Evaluation of MODIS data for assessment of regional spring wheat yield in Kazakhstan | |
Seidl et al. | Integrating remotely sensed images with a soybean model to improve spatial yield simulation | |
Branson | Using conservation agriculture and precision agriculture to improve a farming system | |
WO2024002993A1 (en) | Method for determining location-specific seeding rate or seeding depth based on seeding parameters assigned to zones of different levels | |
Divya et al. | Newfangled Immaculate IoT-Based Smart Farming and Irrigation System | |
Sensing | MARS 677 mathematical programming 165, 171 metadata 41, 323 metadata profiles 41 | |
CN114846483A (zh) | 用于提供测试设计和测试指令数据以用于针对一种产品的不同的速率或施用模式对田地上的产量、毛利率、功效和/或植被指数的影响的比较测试的计算机实现的方法 | |
Test | LAI 201 landscape position 951 laser 273 leaching 47 leaf area index 787, 873 | |
Jochum et al. | Earth Observation methodologies and open-source WebGIS tool for irrigation management: a case study from Italy | |
Schumann | 1. Precision agriculture and site-specific nutrient management |
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 |