CN109844524A - 土壤诊断方法及土壤状况改善方法 - Google Patents
土壤诊断方法及土壤状况改善方法 Download PDFInfo
- Publication number
- CN109844524A CN109844524A CN201780051967.4A CN201780051967A CN109844524A CN 109844524 A CN109844524 A CN 109844524A CN 201780051967 A CN201780051967 A CN 201780051967A CN 109844524 A CN109844524 A CN 109844524A
- Authority
- CN
- China
- Prior art keywords
- soil
- growth
- crop
- distribution
- point
- 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.)
- Pending
Links
- 239000002689 soil Substances 0.000 title claims abstract description 247
- 238000000034 method Methods 0.000 title claims abstract description 118
- 238000003745 diagnosis Methods 0.000 title claims abstract description 71
- 230000008569 process Effects 0.000 claims abstract description 89
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000000704 physical effect Effects 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims abstract description 7
- 235000003715 nutritional status Nutrition 0.000 claims abstract description 6
- 210000003608 fece Anatomy 0.000 claims description 36
- 239000010871 livestock manure Substances 0.000 claims description 36
- 235000015097 nutrients Nutrition 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 30
- 239000003337 fertilizer Substances 0.000 description 17
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 16
- 230000035558 fertility Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 229910052757 nitrogen Inorganic materials 0.000 description 8
- 238000003306 harvesting Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 150000003839 salts Chemical class 0.000 description 5
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 4
- 238000004856 soil analysis Methods 0.000 description 4
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 3
- 235000011941 Tilia x europaea Nutrition 0.000 description 3
- 239000004571 lime Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910000147 aluminium phosphate Inorganic materials 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000012447 hatching Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009331 sowing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002361 compost Substances 0.000 description 1
- 125000000058 cyclopentadienyl group Chemical group C1(=CC=CC1)* 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- ZSWFCLXCOIISFI-UHFFFAOYSA-N endo-cyclopentadiene Natural products C1C=CC=C1 ZSWFCLXCOIISFI-UHFFFAOYSA-N 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004255 ion exchange chromatography Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- RMAQACBXLXPBSY-UHFFFAOYSA-N silicic acid Chemical compound O[Si](O)(O)O RMAQACBXLXPBSY-UHFFFAOYSA-N 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- 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
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/245—Earth materials for agricultural purposes
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Environmental Sciences (AREA)
- Soil Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Remote Sensing (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mathematical Physics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Botany (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Fertilizing (AREA)
Abstract
土壤诊断方法包含生长分布检测工序、采土地点决定工序以及土壤诊断工序。在所述生长分布检测工序中,对田地内的作物的生长状态的分布进行检测。在所述采土地点决定工序中,基于通过所述生长分布检测工序而获得的检测结果,决定包含生长状态相对不良的区域内所存在的采土地点(P1~P4)在内的1个或者多个采土地点(P1~P5)。在所述土壤诊断工序中,基于在所述采土地点(P1~P5)所采集的土壤样本,对所述采土地点(P1~P5)的各处的土壤养分状况或者土壤物理性状中的至少一者进行诊断。
Description
技术领域
本发明涉及土壤诊断方法及土壤状况改善方法。
背景技术
以往,为了获知田地内的土壤的养分状况、物理性状而广泛地进行土壤诊断。专利文献1公开了进行这种土壤诊断(土壤分析)的土壤分析系统。
在该专利文献1中,公开了如下内容:为了得到精确的分析结果,只要以针对田地(农场)整体进行所需的数据收集的方式而在适当分散的多处位置进行采集土壤样本的采样即可,但优选将田地整体的四角及对角线上的任意2点的共计6点的位置设为采样位置。另外,还公开了如下内容:也可以将田地划分成多个矩形形状的分区而对各分区进行采样。
专利文献
专利文献1:日本特许第5351325号公报
发明内容
但是,在将田地整体的四角及对角线上的任意2点的共计6点的位置设为采样位置的情况下,还有可能存在下述情况:偶然地在上述6点的任意位置处的土壤的养分状况、物理性状均良好,但在除此以外的位置处则包含土壤的养分状况、物理性状不良的区域。在这种情况下,有可能遗漏田地内的土壤的养分状况、物理性状不良的区域,从而错过对该区域实施耕土、基肥等适当的措施的机会。
另外,在将田地划分成多个矩形形状的分区而对各分区进行采样的情况下,为了不遗漏土壤的养分状况、物理性状不良的区域,需要尽量划分为细致的分区,因此存在如下问题:采样数量增大,对土壤的分析需花费莫大的劳力和时间。
本发明是鉴于上述情况而完成的,其目的在于,即使设定了过多的采土地点,也能够获得土壤的养分状况、物理性状不良的区域的土壤诊断结果,并能够将该结果灵活运用于随后的耕土、基肥等。
本发明试图解决的课题如上,下面对用于解决该课题的方法及其效果进行说明。
根据本发明的第1观点,提供以下土壤诊断方法。即,该土壤诊断方法包含生长分布检测工序、采土地点决定工序以及土壤诊断工序。在所述生长分布检测工序中,对田地内的作物的生长状态的分布进行检测。在所述采土地点决定工序中,基于通过所述生长分布检测工序而获得的检测结果,决定包含生长状态相对不良的区域内所存在的采土地点在内的、1个或者多个采土地点。在所述土壤诊断工序中,基于在所述采土地点所采集的土壤样本,对所述采土地点的各处的土壤养分状况或者土壤物理性状中的至少一者进行诊断。
由此,能够获得在生长状态相对不良的区域内包含的采土地点处的土壤诊断结果,并能够将该结果灵活运用于随后的耕土、基肥等。
在所述土壤诊断方法中,优选进行如下设定。即,所述生长分布检测工序包含拍摄工序和生长分布图像生成工序。在所述拍摄工序中,利用拍摄单元对作物的生长状态进行拍摄。在所述生长分布图像生成工序中,将利用所述拍摄单元拍摄所得的图像变换为表示作物的生长状态的波动的生长分布图像。
由此,通过将利用拍摄单元拍摄所得的图像变换为生长分布图像,能够更精确地获得田地内的作物的生长状态的分布,能够可靠地获得与生长状态相对不良的区域相关的土壤诊断结果。
在所述土壤诊断方法中,优选进行如下设定。即,所述拍摄单元为多光谱照相机。所述生长分布图像为表示归一化植被指数的分布的图像。
由此,通过参照表示归一化植被指数的分布的生长分布图像,能够准确地掌握田地内的作物的生长状态的分布,能够适当地决定进行土壤诊断的必要性较高的区域。进而能够实现高效的土壤诊断。
在所述土壤诊断方法中,优选所述拍摄单元搭载于飞行体。
由此,能够从空中以俯视方式对田地内的作物的生长状态进行拍摄,能够进行偏差较小的高精度的拍摄。因此,能够更精确地获取田地内的作物的生长状态的分布,能够准确地获知进行土壤诊断的必要性较高的区域。进而能够实现高效的土壤诊断。
根据本发明的第2观点,提供以下土壤状况改善方法。即,该土壤状况改善方法包含生长分布检测工序、采土地点决定工序、土壤诊断工序以及耕土工序。在所述生长分布检测工序中,对田地内的作物的生长状态的分布进行检测。在所述采土地点决定工序中,基于通过所述生长分布检测工序而获得的检测结果,决定包含生长状态相对不良的区域内所存在的采土地点在内的、1个或者多个采土地点。在所述土壤诊断工序中,基于在所述田地内的作物被收割之后在所述采土地点所采集的土壤样本,对所述采土地点的各处的土壤养分状况或者土壤物理性状中的至少一者进行诊断。在所述耕土工序中,在所述田地内种植下一周期的作物之前,基于通过所述土壤诊断工序而获得的诊断结果,执行所述田地的耕土或者基肥中的至少一者。
由此,能够获得在作物的生长状态相对不良的区域内包含的采土地点处的土壤诊断结果,并能够基于该诊断结果而进行耕土或者基肥。因此,可以期待下一周期的作物的收获量以及品质的提高。
在所述土壤状况改善方法中,优选进行如下设定。即,所述生长分布检测工序包含拍摄工序和生长分布图像生成工序。在所述拍摄工序中,利用拍摄单元对作物的生长状态进行拍摄。在所述生长分布图像生成工序中,将利用所述拍摄单元拍摄所得的图像变换为表示作物的生长状态的波动的生长分布图像。
由此,通过将利用拍摄单元拍摄所得的图像变换为生长分布图像,能够更精确地获知田地内的作物的生长状态的分布。因此,能够可靠地获得与生长状态相对不良的区域相关的土壤诊断结果,并能够基于该结果而适当且高效地对田地进行耕土或者基肥。因此,可以期待下一周期的作物的收获量以及品质的提高。
附图说明
图1是表示在本发明的一个实施方式所涉及的土壤诊断方法中包含的生长分布检测工序中为了检测田地内的作物的生长状态的分布而利用多旋翼飞行器从上空对田地进行拍摄的情形的侧视图。
图2是简易地表示对图1中获得的拍摄图像进行变换而得到的生长分布图像的图。
图3是表示基于生长分布图像而决定多个采土地点的例子的图。
图4是按照时间序列而表示本发明的一个实施方式所涉及的土壤诊断方法中包含的工序的框图。
图5是按照时间序列而表示本发明的一个实施方式所涉及的土壤状况改善方法中包含的工序的框图。
图6是表示追肥对应图的例子的图。
图7(a)是表示通过以往的方法执行基肥及追肥的情况下的田地的氮吸收量的分布的例子的图。图7(b)是表示灵活运用由拍摄单元拍摄所得的结果而生成各种对应图并执行基肥及追肥的情况下的、田地的氮吸收量的分布的例子的图。
具体实施方式
下面,参照附图对本发明的实施方式进行说明。图1是表示在本发明的一个实施方式所涉及的土壤诊断方法中包含的生长分布检测工序中,为了检测田地1内的作物2的生长状态的分布而利用多旋翼飞行器10从上空对田地1进行拍摄的情形的侧视图。
在本实施方式的土壤诊断方法中,图1所示的多旋翼飞行器(飞行体)10用于从上空对田地1进行拍摄(摄像)。多旋翼飞行器10搭载有多光谱照相机(拍摄单元)20。
多旋翼飞行器10构成为搭载有多个(例如,6个)螺旋桨(旋转件)11的无人多旋翼飞行器,可以基于无线方式进行远程操纵。另外,多旋翼飞行器10具有用于驱动螺旋桨11的驱动源(例如,电动马达),由此能够使机体飞行。
多光谱照相机20构成为例如能够同时拍摄2个波段(可见红色光及近红外光)的图像的数码照相机。该多光谱照相机20以镜头向下的状态安装于多旋翼飞行器10的下部,能够从上空以俯视的方式对田地1进行拍摄而得到图像。
在多旋翼飞行器10具有未图示的GPS等定位装置,在利用多光谱照相机20对田地1进行拍摄的情况下,能够预先对该拍摄时的机体的位置进行定位、存储。由此,能够容易地掌握利用多旋翼飞行器10拍摄的图像和田地1的位置之间的对应关系。
在本实施方式的土壤诊断方法中,执行如下处理:将利用多光谱照相机20拍摄所得的田地1的图像变换为表示作物2的生长状态的波动的生长分布图像(在本实施方式中为NDVI图像)的处理。
NDVI是众所周知的,下面对其进行简单说明。通常已知植物的绿叶具有如下特性:吸收可见红色光的区域的波长的光、并强烈地反射近红外光的区域的波长的光。如果作物持续生长,则绿叶变得浓密,从而进一步吸收可见红色光并进一步强烈地反射近红外光。如果作物几乎未生长,则绿叶变得稀薄,从而几乎不吸收可见红色光、并微弱地反射近红外光。NDVI是利用了这一点的归一化植被指数(NDVI;Normalized Difference VegetationIndex)。
此外,通过NDVI=(IR-R)/(IR+R)的算式对NDVI的值进行计算。这里,R为可见红色光的观测值,IR为近红外光的观测值。实施归一化而使得NVDI的值变为-1~1的值,通过对该值例如以红~蓝的方式对应地标注颜色而能够生成NDVI图像(生长分布图像)。即,在该NDVI图像中,作物2的生长状态越好的区域越以接近红色的颜色来表示,作物2的生长状态越不良的区域越以接近蓝色的颜色来表示。通过参照NDVI图像的颜色,能够获知田地1内的作物2的生长状态的波动。
用户使多旋翼飞行器10在进行土壤诊断的对象的田地1的上空飞行,并利用多光谱照相机20从上空对该田地1进行拍摄(生长分布检测工序的拍摄工序)。通过拍摄所得的2个波段(可见红色光及近红外光)的图像分别保存于在多光谱照相机20安装的可移动外部存储器。将该可移动外部存储器中保存的图像读入图像处理用的适当的计算机并利用上述计算式进行适当处理,由此变换为NVDI图像(生长分布检测工序的生长分布图像形成工序)。
在本实施方式的土壤诊断方法中,基于该NVDI图像来决定多个采集土壤而进行采样的采土地点(采土地点决定工序)。用户通过肉眼观察NVDI图像而将多个采土地点适当地决定为包含作物2的生长状态相对不良的区域,优选以不会遗漏作物2的生长状态不良的区域的土壤状况的趋势而进行土壤诊断。图3是表示基于NVDI图像而决定多个采土地点P1~P5的例子的图。此外,在图3所示的例子中,除了将作物2的生长状态相对不良的区域内包含的4个地点决定为采土地点P1~P4之外,还将作物2的生长状态相对良好的区域内包含的1个地点决定为采土地点P5。该采土地点P5用于采集作为比较对象而使用的(更具体而言,例如用于获取土壤改性的目标值的)土壤样本。
在决定了采土地点P1~P5、且作物2在田地1生长并被收割完毕之后,在田地1内的采土地点P1~P5,用户利用众所周知的土钻等以规定的深度而获取土壤,并将其作为土壤样本。此时,执行利用土钻等进行的表土深度的测定、以及利用土壤硬度计等进行的土壤硬度的测定中的至少一者,并对采土地点的土壤物理性状的一部分进行记录。
接下来,对于在采土地点P1~P5分别采集的土壤样本,用户进一步测定例如干土质量、干土容积、以及生土容积等除了上述所得的土壤物理性状以外的物理特性,并且使用众所周知的土壤分析装置、适当的缓冲液等对pH、磷酸吸收系数、以及可给态氮、游离氧化铁、可给态硅酸、可给态磷酸、置换性钾、置换性石灰等的含量进行测定。由此进行土壤诊断(土壤诊断工序)。
此外,只要能够掌握各土壤样本的土壤养分状况及土壤物理性状中的至少一者(优选两者)即可,也可以使用众所周知的所有方法进行土壤诊断。即,既可以使用市场上销售的简易的土壤分析工具进行诊断,也可以使用在研究所中使用的高精度的测定装置(例如,离子色谱装置)进行诊断。
这样,能够获得作物2的生长状态相对不良的区域中包含的采土地点P1处的土壤诊断的结果。该土壤诊断的结果可以灵活运用于随后的耕土、基肥等(耕土工序)。
下面,进行具体说明。例如,作为采土地点P1的土壤诊断的结果,在诊断为排水不良且pH较低的情况下,对于随后的耕土,可以针对包含该采土地点P1的区域而规划使用深松机的硬盘破碎以及石灰材料的投入。通过执行该规划(耕土工序),能够对田地1的包含采土地点P1的区域进行利用深松机的硬盘破碎,使得不透水层破碎而改善降雨后的排水。另外,通过将石灰材料投入而能够提高pH。
另外,例如,作为采土地点P2的土壤诊断的结果,在诊断为表土层较浅且pH较高的情况下,对于随后的耕土及基肥,可以针对包含该采土地点P2的区域而规划进行使用犁的深耕以及偏酸性肥料的利用。通过执行该规划(耕土工序),能够对田地1的包含采土地点P2的区域进行利用犁的深耕,加深表土的深度而使得下一个周期种植的作物2的根区扩大。另外,通过利用偏酸性的肥料而能够降低pH。
另外,例如,作为采土地点P3的土壤诊断的结果,在诊断为土壤较硬(致密度较高)且导电度较高的情况下,对于随后的耕土及基肥,可以针对包含该采土地点P3的区域而规划使用プラソイラ(注册商标,plasoiler)的硬盘破碎以及不会提高盐类浓度的肥料的运用。通过执行该计划(耕土工序),能够对田地1的包含采土地点P3的区域进行利用プラソイラ(注册商标,plasoiler)的硬盘破碎,使得地下水位下沉,为了获取下沉后的地下水而使得下一个周期种植的作物2的根较深地伸展。另外,通过灵活运用不会提高盐类浓度的肥料,能够降低导电度。或者,也能够制定如下规划:下一个周期在田地1(的至少采土地点P3周围的区域)不种植作物2,而是取而代之地种植抑草作物(在本实施方式的情况下为适于吸收盐类的植物)。通过设置种植抑草作物的期间,能够使采土地点P3周围的区域的盐类浓度降低,从而在此后的周期中能够调整为适合作物2的栽培的盐类浓度。
另外,例如,作为采土地点P4的土壤诊断的结果,在诊断为(因有机物较少而引起的)土壤较硬且腐蚀含量较低的情况下,对于随后的耕土及基肥,可以针对包含该采土地点P4的区域而规划使用犁的有机物的翻入以及略多堆肥的施用。通过执行该规划(耕土工序),能够对田地1的包含采土地点P4的区域进行利用犁的绿肥等有机物的翻入,促进对它们进行分解的微生物的活性化而形成团粒。由此,土变得松软,能够实现透水性、排水性的改善。
此外,如上所述,在基于土壤诊断工序中的土壤诊断的结果而制定随后的耕土、基肥等规划的情况下,也可以将作物的生长状态良好的区域中包含的采土地点(在本实施方式中为采土地点P5)处的土壤诊断的结果作为目标值,由此制定在作物的生长状态不良的区域(图3所示的剖面线的区域)中的局部的耕土、基肥等规划。由此,可以期待使得下一周期的作物2的生长状态在田地1的整个区域实现均匀化,进而可以期待作物2的收获量以及品质的提高。
这样,在本实施方式中,通过包含生长分布检测工序、采土地点决定工序、以及土壤诊断工序的土壤诊断方法而进行土壤诊断(参照图4)。在所述生长分布检测工序中,对田地1内的作物2的生长状态的分布进行检测。在所述采土地点决定工序中,基于通过所述生长分布检测工序而获得的检测结果(在本实施方式中为NVDI图像),决定包含生长状态相对不良的区域内所存在的采土地点P1~P4在内的、1个或者多个采土地点P1~P5。在所述土壤诊断工序中,基于在所述采土地点P1~P5采集的土壤样本,对所述采土地点P1~P5的各处的土壤养分状况或者土壤物理性状中的至少一者进行诊断。
由此,能够获得作物2的生长状态相对不良的区域内包含的采土地点P1~P4处的土壤诊断结果,并能够将该结果灵活运用于随后的耕土、基肥等。换言之,能够针对田地1内的作物2的生长状态不良的区域而着重进行土壤诊断,并能够利用其结果而进行随后的耕土、基肥等。
另外,在本实施方式的土壤诊断方法中,所述生长分布检测工序包括拍摄工序和生长分布图像生成工序。在所述拍摄工序中,利用拍摄单元(多光谱照相机20)对作物2的生长状态进行拍摄。在所述生长分布图像生成工序中,将利用所述拍摄单元(多光谱照相机20)拍摄所得的图像变换为表示作物2的生长状态的波动的生长分布图像(NDVI图像)。
由此,通过将利用拍摄单元(多光谱照相机20)拍摄所得的图像变换为生长分布图像(NDVI图像),能够更精确地获知田地1内的作物2的生长状态的分布,能够可靠地获得与作物2的生长状态相对不良的区域相关的土壤诊断结果。
另外,在本实施方式的土壤诊断方法中,所述拍摄单元为多光谱照相机20。所述生长分布图像为表示归一化植被指数的分布的NDVI图像。
由此,通过参照表示归一化植被指数的分布的NDVI图像,能够准确地掌握田地1内的作物2的生长状态的分布,能够适当地决定进行土壤诊断的必要性较高的区域。进而,能够针对必要的位置而着重且高效地实现土壤诊断。
另外,在本实施方式的土壤诊断方法中,多光谱照相机20搭载于多旋翼飞行器(飞行体)10。
由此,能够从空中以俯视方式对田地1内的作物2的生长状态进行拍摄,能够进行偏差较小的高精度拍摄。因此,能够更精确地获得田地1内的作物2的生长状态的分布,能够准确地获知进行土壤诊断的必要性较高的区域。进而能够实现高效的土壤诊断。
并且,在本实施方式中,通过包含生长分布检测工序、采土地点决定工序、土壤诊断工序、以及耕土工序在内的土壤状况改善方法而进行田地1内的土壤的改性(土壤状况的改善)。在所述生长分布检测工序中,对田地1内的作物2的生长状态的分布进行检测。在所述采土地点决定工序中,基于通过所述生长分布检测工序而获得的检测结果,决定包含生长状态相对不良的区域内所存在的采土地点P1~P4在内的、1个或者多个采土地点P1~P5。在所述土壤诊断工序中,基于在田地1内的作物2被收割之后在所述采土地点P1~P5所采集的土壤样本,对采土地点P1~P5的各处的土壤养分状况或者土壤物理性状中的至少一者进行诊断。在所述耕土工序中,在田地1内种植下一周期的作物2之前,基于通过所述土壤诊断工序而获得的诊断结果,执行田地1的耕土或者基肥中的至少一者。
由此,能够获得在作物2的生长状态相对不良的区域内包含的采土地点P1~P4处的土壤诊断结果,并能够基于该诊断结果而进行耕土或者基肥。因此,可以期待下一周期的作物2的收获量以及品质的提高。
另外,在本实施方式的土壤状况改善方法中,所述生长分布检测工序包含拍摄工序和生长分布图像生成工序。在所述拍摄工序中,利用多光谱照相机(拍摄单元)20对作物2的生长状态进行拍摄。在所述生长分布图像生成工序中,将利用所述多光谱照相机(拍摄单元)20拍摄所得的图像变换为表示作物的生长状态的波动的NDVI图像(生长分布图像)。
由此,通过将利用多光谱照相机(拍摄单元)20拍摄所得的图像变换为NDVI图像(生长分布图像),能够更精确地获取田地1内的作物2的生长状态的分布。因此,能够可靠地获得与作物2的生长状态相对不良的区域相关的土壤诊断结果,并能够基于该结果而适当且高效地对田地1进行耕土或者基肥。因此,可以期待下一周期的作物2的收获量以及品质的提高。
另外,在本实施方式的土壤状况改善方法中,在所述耕土工序中,可以在田地1内种植下一周期的作物2之前,基于通过所述土壤诊断工序而获得的诊断结果,对该田地1的一部分区域(具体而言,作物2的生长状况不良的区域)执行田地1的耕土或者基肥中的至少一者。
由此,能够仅对田地1内的必要的区域实施耕土或者基肥中的至少一者,以备下一周期的作物2的种植。因此,能够实现无浪费的农作业。
以上对本发明的优选实施方式进行了说明,但上述结构例如可以进行如下变更。
在上述实施方式中,作为拍摄单元的多光谱照相机20搭载于无人的多旋翼飞行器10,但并不局限于此。例如,也可以取而代之地将拍摄单元搭载于无人直升机或者无人飞机。或者,也可以取而代之地将拍摄单元搭载于人造卫星。或者,也可以将拍摄单元搭载于有人的飞行体。
作为与上述NVDI相同的指数,也可以将与田地1的区域建立关联地由图像表示GNDVI(Green Normalized Difference Vegetation Index)的GNDV图像用作上述生长分布图像。此外,利用GDNVI=(IR-G)/(IR+G)的算式对GNDVI的值进行计算。这里,IR为近红外光的观测值,G为绿色光的反射光强度的观测值。
在上述实施方式中,在生长分布检测工序中,以NVDI图像的方式表示1片田地1内的作物2的生长状态的分布,但并不局限于此,例如,也可以取而代之地从上空统一对多片田地1、1、...进行拍摄,以NVDI图像的方式表示多片田地1、1、...之间的生长状态的分布(波动),并基于该结果而决定采土地点。
也可以利用在上述的生长分布检测工序中生成的NVDI图像而计算出针对作物2追加施用的肥料的量(追肥量)。
在上述实施方式中,设为从作物2的生长状态相对不良的区域(在图3中以剖面线示出的区域)内决定4处采土地点,但该采土地点的数量既可以多于4处,或者也可以少于4处。
在上述实施方式中,为了用作在对土壤样本(从采土地点P1~P4采集的样本)的土壤养分状况及土壤物理性状进行评价时的比较对象,还从生长状态相对良好的采土地点P5采集了土壤样本,但从生长状态相对良好的区域进行的采样并非必不可少。
在上述实施方式中示出的耕土工序中用于耕土及基肥的各种作业机及材料仅为示例而已,可以使用其他作业机进行耕土,另外也可以使用其他材料或者将上述材料和其他材料组合而执行基肥。
在上述实施方式中,简而言之,基于表示作物2的绿叶的茂密程度的指数的NDVI,生成了表示作物2在田地1中的生长状态的波动的生长分布图像,但并不局限于仅基于作物2的绿叶的茂密程度而获取作物2的生长状态的分布。例如,也可以在作物2的绿叶的茂密程度(具体而言为NVDI)的基础上、或者取而代之地将根据多光谱照相机20的拍摄结果而获得的田地1中的作物2的密度分布、以及通过对作物2的绿叶的茂密程度和密度分布的积进行计算而推断出的田地1的肥力等纳入考虑范畴,并由此获取作物2的生长状态的分布。
在上述实施方式中,在采土地点决定工序中,用户通过肉眼观察生长分布图像(NVDI图像),从而适当地将采土地点决定为包含作物2的生长状态相对不良的区域。然而,采土地点的决定并不局限于通过肉眼观察而进行,例如,也可以取而代之地利用计算机自动地将NVDI图像中的蓝色或者与其相近的颜色的多个部分决定为采土地点。在该情况下,优选将配置于彼此分离的位置的多个采土地点决定为该采土地点。
下面,概要地说明利用由多光谱照相机20拍摄所得的图像综合地对田地1的运营进行管理的方法。
首先,利用搭载于飞行体的多光谱照相机20从上空以俯视的方式对田地1进行拍摄。
接下来,基于由多光谱照相机20拍摄所得的图像而获取表示田地1中的作物2的茂密程度的图像、即叶色对应图(具体而言为上述NVDI图像)。另外,基于由多光谱照相机20拍摄所得的图像而获取表示田地1中的作物2的密度分布的图像即茎数对应图。并且,求出利用叶色对应图所得的叶色值与利用茎数对应图所得的茎数(密度)之积,由此获取田地1中的氮吸收量的分布即肥力对应图。这样,基于由多光谱照相机20拍摄所得的图像而生成叶色对应图、茎数对应图以及肥力对应图。
并且,基于以上述方式获得的叶色对应图而生成追肥对应图,该追肥对应图中规定了对本次周期内在田地1种植的作物2追加播撒肥料的量。该追肥对应图是将田地1的田地地面分割为适当大小的区域(例如,单位分区)并针对分割出的各区域而决定应该播撒肥料的量的对应图。图6中示出了追肥对应图的例子。
将该追肥对应图的信息输入至搭载有肥料的飞行体(例如无人直升机)的控制部,一边基于追肥对应图并根据不同的场所而改变施肥量,一边从上空对田地1追加肥料。由此,例如能够针对作物2的生长状况良好的区域而减少追加肥料、并针对生长状况不良的区域而增多追加肥料。其结果,可以期待本次周期的作物2的收获量以及品质的提高。
另一方面,基于以上述方式获得的肥力对应图而生成基肥对应图,该基肥对应图规定了下一周期内在田地1种植作物2之前(预先)播撒的肥料的量。与上述的追肥对应图相同,该基肥对应图也是将田地1的田地面分割为适当大小的区域(例如,单位分区)、并针对分割出的各区域而决定应该播撒的肥料的量的对应图。
将该基肥对应图输入至施肥装置,一边基于该基肥对应图根据不同的场所而改变基肥量,一边利用施肥装置预先向田地1播撒肥料。由此,例如可以针对田地1的肥力较高的区域减少基肥量、且针对肥力较低的区域增多基肥量。其结果,可以期待下一周期的作物2的收获量以及品质的提高。
图7(a)表示在未灵活运用由多光谱照相机20拍摄所得的图像而是通过以往的方法执行基肥及追肥的情况下的、田地1中的氮吸收量的分布的例子。在该例子中,由于未能掌握田地1中的肥力的分布,而且,未能掌握生长状况的分布,因此,对田地1的整个区域均匀地实施基肥及追肥的结果,产生了氮吸收量的分布的区域性的波动。
图7(b)表示在灵活运用了由多光谱照相机20拍摄所得的图像而生成基肥对应图及追肥对应图、且将这些对应图纳入考虑范畴而执行基肥及追肥的情况下的、田地1中的氮吸收量的分布的例子。在该例子中,在掌握田地1的肥力的分布的基础上执行基肥,另外,在掌握生长状况的分布的基础上执行追肥,其结果,氮吸收量的分布的区域性的波动得到抑制。
附图标记说明
1 田地
2 作物
10 多旋翼飞行器(飞行体)
20 多光谱照相机(拍摄单元)
P1~P5 采土地点
Claims (6)
1.一种土壤诊断方法,其特征在于,包含如下工序:
生长分布检测工序,对田地内的作物的生长状态的分布进行检测;
采土地点决定工序,基于通过所述生长分布检测工序而获得的检测结果,决定包含生长状态相对不良的区域内所存在的采土地点在内的、1个或者多个采土地点;以及
土壤诊断工序,基于在所述采土地点所采集的土壤样本,对所述采土地点的各处的土壤养分状况或者土壤物理性状中的至少一者进行诊断。
2.根据权利要求1所述的土壤诊断方法,其特征在于,
所述生长分布检测工序包含如下工序:
拍摄工序,利用拍摄单元对作物的生长状态进行拍摄;以及
生长分布图像生成工序,将利用所述拍摄单元拍摄所得的图像变换为表示作物的生长状态的波动的生长分布图像。
3.根据权利要求2所述的土壤诊断方法,其特征在于,
所述拍摄单元为多光谱照相机,
所述生长分布图像为表示归一化植被指数的分布的图像。
4.根据权利要求2或3所述的土壤诊断方法,其特征在于,
所述拍摄单元搭载于飞行体。
5.一种土壤状况改善方法,其特征在于,包含如下工序:
生长分布检测工序,对田地内的作物的生长状态的分布进行检测;
采土地点决定工序,基于通过所述生长分布检测工序而获得的检测结果,决定包含生长状态相对不良的区域内所存在的采土地点在内的、1个或者多个采土地点;
土壤诊断工序,基于在所述田地内的作物被收割之后在所述采土地点所采集的土壤样本,对所述采土地点的各处的土壤养分状况或者土壤物理性状中的至少一者进行诊断;以及
耕土工序,在所述田地内种植下一周期的作物之前,基于通过所述土壤诊断工序而获得的诊断结果,执行所述田地的耕土或者基肥中的至少一者。
6.根据权利要求5所述的土壤状况改善方法,其特征在于,
所述生长分布检测工序包含如下工序:
拍摄工序,利用拍摄单元对作物的生长状态进行拍摄;以及
生长分布图像生成工序,将利用所述拍摄单元拍摄所得的图像变换为表示作物的生长状态的波动的生长分布图像。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016-204685 | 2016-10-18 | ||
JP2016204685A JP2018066616A (ja) | 2016-10-18 | 2016-10-18 | 土壌診断方法、及び土壌状況改善方法 |
PCT/JP2017/035167 WO2018074171A1 (ja) | 2016-10-18 | 2017-09-28 | 土壌診断方法、及び土壌状況改善方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109844524A true CN109844524A (zh) | 2019-06-04 |
Family
ID=62018413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780051967.4A Pending CN109844524A (zh) | 2016-10-18 | 2017-09-28 | 土壤诊断方法及土壤状况改善方法 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP2018066616A (zh) |
KR (1) | KR20190042690A (zh) |
CN (1) | CN109844524A (zh) |
WO (1) | WO2018074171A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744617A (zh) * | 2021-09-17 | 2021-12-03 | 海南省环境科学研究院 | 一种酸性硫酸盐土的整段标本制作方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7352366B2 (ja) * | 2019-03-28 | 2023-09-28 | 株式会社トプコン | 農業情報処理装置、農業情報処理方法および農業情報処理用プログラム |
JP7288632B2 (ja) * | 2019-08-06 | 2023-06-08 | ヤンマーパワーテクノロジー株式会社 | 生育値算出方法、および生育値算出システム |
DE102019007686A1 (de) * | 2019-11-06 | 2021-05-06 | Sebastian Zunhammer | Förderanordnung für Wirtschaftsdünger sowei Computerprogrammprodukt und Verfahren zum Ausbringen von Wirtschaftsdünger |
US11580729B2 (en) * | 2019-11-22 | 2023-02-14 | Intelinair, Inc. | Agricultural pattern analysis system |
CN112034141A (zh) * | 2020-09-22 | 2020-12-04 | 湖南农业大学 | 田间土壤的现场诊断方法及改良方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008032450A (ja) * | 2006-07-27 | 2008-02-14 | Si Seiko Co Ltd | 土壌検査方法 |
JP2013059356A (ja) * | 2013-01-08 | 2013-04-04 | Mitsubishi Agricultural Machinery Co Ltd | 歩行型管理機 |
JP5351325B1 (ja) * | 2012-11-27 | 2013-11-27 | 株式会社みらい蔵 | 土壌分析システム及び土壌分析用プログラム |
JP2016144990A (ja) * | 2015-02-07 | 2016-08-12 | ヤンマー株式会社 | 空中散布装置 |
CN105897920A (zh) * | 2016-05-27 | 2016-08-24 | 北京农业信息技术研究中心 | 一种农作物监测分析方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5351325A (en) | 1976-10-20 | 1978-05-10 | Kawasaki Heavy Ind Ltd | Electrically-driven booster blower starting process for main engine |
JPH0343022A (ja) * | 1989-07-11 | 1991-02-25 | Kubota Corp | 農用の所要被散布物散布方法 |
JP3932222B2 (ja) * | 1998-02-23 | 2007-06-20 | ヤンマー農機株式会社 | 精密農法 |
WO2014084166A1 (ja) * | 2012-11-27 | 2014-06-05 | 株式会社みらい蔵 | 土壌分析方法、土壌評価方法、土壌分析システム及び土壌分析用プログラム |
-
2016
- 2016-10-18 JP JP2016204685A patent/JP2018066616A/ja active Pending
-
2017
- 2017-09-28 KR KR1020197009077A patent/KR20190042690A/ko not_active Application Discontinuation
- 2017-09-28 WO PCT/JP2017/035167 patent/WO2018074171A1/ja active Application Filing
- 2017-09-28 CN CN201780051967.4A patent/CN109844524A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008032450A (ja) * | 2006-07-27 | 2008-02-14 | Si Seiko Co Ltd | 土壌検査方法 |
JP5351325B1 (ja) * | 2012-11-27 | 2013-11-27 | 株式会社みらい蔵 | 土壌分析システム及び土壌分析用プログラム |
JP2013059356A (ja) * | 2013-01-08 | 2013-04-04 | Mitsubishi Agricultural Machinery Co Ltd | 歩行型管理機 |
JP2016144990A (ja) * | 2015-02-07 | 2016-08-12 | ヤンマー株式会社 | 空中散布装置 |
CN105897920A (zh) * | 2016-05-27 | 2016-08-24 | 北京农业信息技术研究中心 | 一种农作物监测分析方法和系统 |
Non-Patent Citations (2)
Title |
---|
北海道農政部肥料コスト低減対策推進会議: "《土壌診断に基づく施肥設計手順》", 31 October 2008 * |
岸本晟: "《土壌分析値の見方》", 31 July 1983, 国際協力事業団サンパウロ支部農業情報室 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744617A (zh) * | 2021-09-17 | 2021-12-03 | 海南省环境科学研究院 | 一种酸性硫酸盐土的整段标本制作方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2018074171A1 (ja) | 2018-04-26 |
JP2018066616A (ja) | 2018-04-26 |
KR20190042690A (ko) | 2019-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109844524A (zh) | 土壤诊断方法及土壤状况改善方法 | |
Undersander et al. | Alfalfa management guide | |
Farias et al. | Normalized Difference Vegetation Index (NDVI) for soybean biomass and nutrient uptake estimation in response to production systems and fertilization strategies | |
Garside et al. | Management of legume biomass to maximise the benefits to the following sugarcane crop | |
Iqbal et al. | Using remote sensing and soil physical properties for predicting the spatial distribution of cotton lint yield | |
Mesterházi | Development of measurement technique for GPS-aided plant production | |
Laffan | Cropping systems for sustainable wheat production | |
Carroll | A study of the potato eelworm (Heterodera schachtii) in the Irish Free State | |
Wang et al. | Evaluating multiple diagnostic tools for monitoring in-season nitrogen status of chipping potatoes in the Upper Midwest of the USA | |
Wilkins | Research and the land: an account of recent progress in agricultural and horticultural science in the United Kingdom | |
El-Zayat | Agriculture study on sugar beet in Egypt | |
Besand et al. | Evaluating different multispectral vegetation indices for assessing the nitrogen status of white cabbage (Brassica oleracea var. capitata) under organic farming conditions | |
Furneaux et al. | Soils in relation to marsh spot of pea seed1 | |
Weirich Neto et al. | Positioning of fertilizer in corn sowing | |
Singh | Grassland techniques and management | |
Singh et al. | Intelligent farming with surveillance agribot | |
Forestieri | Integrated Nutrient Management and Cover Cropping Practices in Louisiana Sugarcane Production Systems | |
Boubou | Towards precision inputs through improved understanding of the underlying causes of in-field variation in lettuce crop maturity and yield | |
Bobobee et al. | THE TEK MECHANICAL CASSAVA HARVESTER DEVELOPMENT IN GHANA–CHALLENGES, OPPORTUNITIES AND PROSPECTS FOR CASSAVA PRODUCTION IN AFRICA | |
Brant et al. | Management of infiltration processes in hop gardens. | |
Dean et al. | Winter beans: the use of an unmanned aerial vehicle for monitoring and prediction of crop performance | |
Hemming et al. | Field performance evaluation method for a machine vision based intra row hoeing machine | |
HOTO | Water use efficiency | |
Hobson | The effects of crop establishment system and field traffic on soil physical properties, root system | |
Mallard et al. | UGA Cotton Team Newsletter May 2023 |
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 | ||
CB02 | Change of applicant information |
Address after: Osaka Prefecture, Japan Applicant after: Yangma Power Technology Co., Ltd Address before: Osaka Prefecture, Japan Applicant before: YANMAR Co.,Ltd. |
|
CB02 | Change of applicant information | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190604 |
|
WD01 | Invention patent application deemed withdrawn after publication |