Карты дифференцированного внесения удобрений

Приемы дифференцированного внесения минеральных удобрений в точном земледелии

Важнейший компонент системы точного земледелия — использование специальных сканеров и сенсоров для оценки состояния посевов, последующего дифференцированного внесения удобрений и средств химической защиты растений (пестицидов) в зависимости от состояния культурных растений, наличия сорняков на отдельных участках поля.

При традиционной системе земледелия, даже при достаточно точном и обоснованном расчете необходимых доз применяемых агрохимикатов, всё равно отмечается их значительный перерасход, что, как уже отмечалось, не только экономически невыгодно, но и создает реальную опасность загрязнения окружающей среды.

С другой стороны, агрохимический анализ почвы, которую брали на участках с различной урожайностью, показал в пробах значительные отклонения по содержанию азота, фосфора и калия, несмотря на то, что минеральные удобрения вносились достаточно равномерно. Это связано, в первую очередь, с неоднородностью почвенного плодородия, что отмечается, например, в Северо-Западном регионе и Нечерноземной зоне России.

Все это является следствием того, что растения поглощают не только вещества, вносимые при выращивании данной (сегодняшней) культуры, но и те, что накопились в почве ранее. При этом сама биологическая потребность растения в питании на том или ином участке поля может быть разной, в зависимости от его освещенности, влажности почвы, наличия сорняков и т.д.

Следовательно, при внесении постоянной дозы удобрений нельзя добиться оптимизации питания всех растений. Поэтому удобрения нужно вносить в почву дифференцированно, с учетом количества ранее накопленных в ней основных питательных веществ и ряда других характеристик конкретного участка поля. Еще большую изобретательность и гибкий подход к расчету доз нужно проявлять при борьбе с сорняками, вредителями и болезнями растений.

Внесение удобрений по технологии точного земледелия проводится дифференцированно, то есть, условно говоря, на каждый квадратный метр вносится столько удобрений, сколько необходимо именно здесь (на данном элементарном участке поля). Внесение проводится в двух режимах — off-line и on-line. Дифференцированное внесение минеральных удобрений на сегодняшний день является одним из ключевых элементов в точном земледелии.

Режим off-line предусматривает предварительную подготовку на стационарном компьютере карты-задания, в которой содержатся пространственно привязанные с помощью GPS дозы удобрения для каждого элементарного участка поля. Для этого осуществляется сбор пространственно привязанных данных о границах поля и контурах неоднородности свойств. Проводится расчёт дозы для каждого элементарного участка поля, тем самым формируется (в специальной программе) карта-задание.

Затем карта-задание переносится на флеш-карте (или другом носителе информации) на бортовой компьютер, оснащённый GPS-приёмником и управляющим контроллером сельскохозяйственной техники. Трактор, оснащенный бортовым компьютером, двигаясь по полю, с помощью GPS определяет свое местонахождение, считывает с карты дозу удобрений, соответствующую месту нахождения и посылает сигнал на контроллер распределителя удобрений (или опрыскивателя). Контроллер же, получив сигнал, выставляет на распределителе удобрений нужную дозу.

Режим реального времени (on-line) предполагает предварительное проведение калибровки непосредственно на посевах перед выполнением операции, а доза удобрений определяется во время работы агрегата при его движении по полю. Калибровка в данном случае – это количественная зависимость дозы удобрения от показаний датчика, установленного на сельскохозяйственной технике, выполняющей операцию. Одним из таких датчиков является Hydro-N-Sensor производства фирмы Yara © , который в инфракрасном и красном диапазонах излучения определяет содержание хлорофилла в листьях и рассчитывает по этим показателям относительную биомассу.

На основании этих данных, а также данных по сорту и фазе развития (фенофазе) растения, определяется доза азотных удобрений. Помимо использования N-сенсора (Hydro-N-Sensor) также используется портативный прибор N-tester, определяющий азотный статус растения и позволяющий рассчитать рекомендуемую дозу внесения удобрений по калибровочным таблицам для разных сортов. Результаты выполнения операции внесения удобрений on-line (дозы и координаты, обработанная площадь, время выполнения и фамилия исполнителя) записываются на чип-карту.

В режиме on-line бортовой компьютер получает данные от датчика, сравнивает их с определенными и записанными в память значениями, полученными во время калибровки, и посылает сигнал на контроллер по той же схеме, что и в режиме off-line. В настоящее время активно ведутся разработки различных датчиков, позволяющих использовать режим on-line. Это оптические датчики, работающие в диапазонах разных длин волн, определяющие содержание азота в листьях, засоренность посевов, а также развитие болезней посевов.

Отмечается колоссальная польза совместного использования сенсоров и систем навигации при разбрасывании и опрыскивании. В отличие от посева и почвообработки, где заметна обработанная площадь, на этих операциях механизатору ориентироваться на предыдущие проходы значительно сложнее. По старинке в хозяйствах пользуются колышками-маркерами, используют помощь сигнальщиков с флажками или фонариками, указывающими направление движения соответственно при дневном и ночном опрыскивании. Курсоуказатели позволяют уйти не только от этих устаревших методов, но и отказаться от различных видов маркеров, стоимость которых иногда превышает стоимость навигационных приборов.

Как уже отмечалось, навигационное оборудование разрабатывалось для параллельного вождения (исключение пропусков и перекрытий), т.е. основная экономия происходит именно на данном этапе. Так, в ходе работы традиционным (глазомерным) способом было выявлено, что при внесении минеральных удобрений и обработке посевов средствами защиты растений ввиду отсутствия маркеров на разбрасывателях и опрыскивателях получены следующие данные: на 11 % площади поля были перекрытия, т.е. на этих участках была внесена двойная норма минеральных удобрений и средств защиты растений. Посевы на этих участках были угнетенными либо получили ожог (на 4 % площади поля).

Там, где были допущены пропуски, урожайность была ниже, чем на нормально обработанных участках, т.е. на 15 % площади поля не была соблюдена норма внесения и недополучена прибыль. Необходимо отметить, что при использовании систем автоматического вождения происходит повышение рабочей скорости на 13…20 % за счет концентрации тракториста только на технологическом процессе.

В Центре точного земледелия РГАУ-МСХА имени К.А. Тимирязева для сканирования посевов используются оптический датчик RT-200 GreenSeeker ® (США) и N-Sensor ® ALS (Германия).

Принцип работы сенсорных датчиков основан на измерении индекса NDVI (Normalized Difference Vegetation Index) — нормализованного относительного индекса растительности — простого показателя количества фотосинтетически активной биомассы (обычно называемого вегетационным индексом). Это один из самых распространенных и используемых индексов для количественных оценок растительного покрова.

Будучи искусственным безразмерным показателем, NDVI предназначен для оценки эколого-климатических характеристик растительности, но в то же время может показывать значительную корреляцию с некоторыми параметрами из совсем другой области:

— продуктивностью (временные изменения);

— влажностью и минеральной (органической) насыщенностью почвы;

— объемом выпавших осадков;

— мощностью и характеристиками снежного покрова.

Зависимость между этими параметрами и NDVI, как правило, непрямая и связана с особенностями исследуемой территории, ее климатическими и экологическими характеристиками, кроме этого, часто приходится учитывать временную задержку параметра и ответной реакции NDVI.

Система RT 200 GreenSeeker снабжена активным источником излучения, излучаемого в диапазоне 600 нм (красный) и 780 нм (близкий к инфракрасному). Часть отраженного света попадает на фотодиоды, где измеряется его количество. После вычисления на компьютере выдается индекс вегетации, который служит показателем плотности травостоя и его жизнеспособности. Бортовой компьютер позволяет вычислять и изменять норму внесения.

Алгоритмы для внесения удобрения с региональной спецификой разработаны американской компанией для США и используются на озимой пшенице, вскоре ожидается появление версий для кукурузы и ячменя. Возможна самостоятельная разработка алгоритма внесения удобрений или средств защиты растений.

Например, перед проведением ранневесенней подкормки озимых необходимо на поле выделить и просканировать три (можно и более) участка. Показателям NDVI на плохом участке, где посев изрежен из-за зимнего выпревания, и уже заведомо не будет получено хорошего урожая, присвоить норму внесения удобрений равную нулю. Среднему участку со средними значениями NDVI — максимальную дозу азотных удобрений, для провокации кущения, а самому лучшему участку поля, с максимальными показаниями NDVI — среднюю дозу удобрений, чтобы дать оптимальную подкормку и в то же время снизить вероятность полегания.

Система GreenSeeker представляет собой несколько оптических датчиков, которые равномерно располагаются вдоль штанги опрыскивателя. Датчики можно устанавливать впереди или позади штанги. «Направление» датчика не имеет значения. Таким образом, прямоугольное светодиодное окошко может быть расположено как параллельно, так и перпендикулярно направлению движения. Рабочий луч прибора направлен перпендикулярно поверхности почвы.

Каждый из этих датчиков имеет свой источник излучения и может использоваться в любое время суток. Таким образом, система GreenSeeker ® RT 200 измеряет индекс вегетации биомассы NDVI, затем сравнивает полученное значение с заданным алгоритмом и в режиме реального времени определяет, сколько азотных удобрений надо внести на данном участке поля. Кроме того, если подключить приемник GPS, то в память компьютера можно занести значение индекса NDVI с привязкой к местности, а затем составить карту его распределения.

Индекс NDVI можно использовать для мониторинга состояния посевов, определения потенциального урожая, установления факторов стрессовых ситуаций, воздействия вредителей и болезней.

Системой с бόльшей площадью сканирования, выполняющей аналогичную работу, но несколько с иным принципом действия, является N-Sensor ® ALS, который также используется для сканирования растений.Информация, получаемая при эксплуатации указанных приборов, представляется в виде электронных карт, обрабатывается при помощи компьютерной программы SMS Advanced и представляется в виде ГИС (геоинформационной системы).

Особенно важно использование сенсорных датчиков при внесении азотных удобрений в виде подкормок, применение которых является решающим фактором для получения высоких урожаев и улучшения качества сельхозпродукции. Равномерное по площади внесение удобрений при неоднородном составе питательных веществ в почве приводит к их локальной передозировке или недостаточности.

Следовательно, удобрения необходимо вносить в соответствии с потребностями растений, что обеспечивает оптимальную эффективность их использования. Дифференциальное внесение минеральных удобрений — одно из важнейших экономических и экологических аспектов точного земледелия. Применение данной технологии и оборудования позволяет значительно сократить затраты на удобрения, т.е. вносить их в зависимости от потребности культурных растений, а также обеспечивает оптимальное содержание питательных веществ в почве.

Балабанов В.И., Березовский Е.В., Беленков А.И., Железова С.В.

Российский государственный аграрный университет – МСХА имени К.А. Тимирязева

Использован материал из учебного пособия: Навигационные технологии в сельском хозяйстве. Координатное земледелие / В.И. Балабанов, С.В. Железова, Е.В. Березовский, А.И. Беленков, В.В. Егоров. – М.: Изд-во РГАУ – МСХА имени К.А. Тимирязева, 2013. –148 с.

Источник

Как создать карту задания для техники для дифференцированного внесения

Повышение цен на удобрения, а также стремление фермеров по всему миру увеличить урожайность и снизить себестоимость, выводит технологию дифференцированного внесения удобрений на первый план для многих современных аграриев.

Алексей Васильченко рассказал, как формируется карта дифференцированного внесения по результатам химического анализа почвы и загружается в бортовой компьютер техники, смотрите видео.

В программе SAS можно создать карты задания для любых бортовых компьютеров и скачать их в формате ISOBUS, PDF и ESRI Shapefile с точками, с сеткой, полигонами.

Есть два варианта создания карты для дифференцированного внесения

1. По результатам химического анализа почвы
   Источники данных для создания таких заданий и формирования на их основании карт дифференцированного внесения — тесты почвы, загруженные из файла, с набором отдельных проб с геопривязкой. На основании результатов теста почвы программа строит карту с зонами и рассчитывает, сколько удобрений нужно «довнести» в каждую и всего. Кроме того, на этапе первичной настройки можно выбрать единицы измерения, которые используются в тестах почвы.
2. По карте вегетации поля
   На карте дифференцированного внесения, построенной на основании снимка вегетации, поле по умолчанию поделено на пять зон – красного, коричневого, желтого, светло-зеленого и зеленого цвета. Цвет зоны отвечает уровню развития культуры на разных участках поля. Красный цвет отмечает низкий уровень вегетации, а зеленый – высокий уровень.

Формируя карту для дифференцированного внесения нужно указать размер ячейки и средний уровень внесения. Объемы внесения по зонам система рассчитает автоматически.

Источник

Как создать карту-задание для дифференцированного посева

Зачем нужен
дифференцированный посев

Поднять прибыльность поля можно двумя способами: увеличив урожайность или сэкономив на семенах. При дифференцированном посеве мы в разные участки поля вносим разное количество семян. Где-то увеличиваем норму, где-то уменьшаем. Если всё сделать правильно, мы получим прибавку к урожайности и, возможно, сэкономим на семенах.

Дифференцированный посев экономически выгоден.

Какую информацию использовать
для создания карт посева

При дифференцированном посеве важно верно распределить нормы высева между разными участками поля. Распределение норм зависит от плодородия почвы и, как итог, продуктивности поля. Опираясь на эти показатели, мы создаём карты посева.

Вот какую информацию для этого можно использовать:

• агрохимический анализ,
• яркость почвы и рельеф,
• многолетнюю урожайность,
• данные вегетации.

Агрохимический анализ

Неточность. Существует чёткая методика проведения самого анализа, но единого мнения о том, как правильно отбирать образцы — точечно или по зонам — в научном сообществе нет. Выходит, рассчитывать на данные агрохимии при оценке плодородия рискованно.

Дорого. Средняя стоимость анализа 1 образца — 20–50 USD. Чтобы создать достоверную карту агрохимических свойств почвы, в среднем, для каждых 0,3 га поля нам нужно взять по образцу. Если площадь поля 100 га, выходит, понадобится 300 образцов. И весь анализ обойдётся в 6000–15000 USD (это не считая стоимости отбора самих образцов). Такие затраты на агрохимию, по нашему опыту, с прибавкой урожайности не окупаются.

Неточность. Существует чёткая методика проведения самого анализа, но единого мнения о том, как правильно отбирать образцы — точечно или по зонам — в научном сообществе нет. Выходит, рассчитывать на данные агрохимии при оценке плодородия рискованно.

Дорого. Средняя стоимость анализа 1 образца — 20–50 USD. Чтобы создать достоверную карту агрохимических свойств почвы, в среднем, для каждых 0,3 га поля нам нужно взять по образцу. Если площадь поля 100 га, выходит, понадобится 300 образцов. И весь анализ обойдётся в 6000–15000 USD (это не считая стоимости отбора самих образцов). Такие затраты на агрохимию, по нашему опыту, с прибавкой урожайности не окупаются.

Яркость почвы и рельеф

Недостоверность. За последние два года мы вручную проанализировали несколько сотен полей. Но влияние рельефа и органики на плодородие почвы и продуктивность всегда было разным. Да, в нашей практике рельеф чаще всего влиял на распределение органики и, как итог, на плодородие почвы. Но были и такие поля, где содержание органики никак не зависело от рельефа. Причина могла быть, например, в низкой кислотности.

Другими словами, рельеф и яркость почвы не всегда могут достоверно отразить плодородие почвы и продуктивность зон на поле.

Недостоверность. За последние два года мы вручную проанализировали несколько сотен полей. Но влияние рельефа и органики на плодородие почвы и продуктивность всегда было разным. Да, в нашей практике рельеф чаще всего влиял на распределение органики и, как итог, на плодородие почвы. Но были и такие поля, где содержание органики никак не зависело от рельефа. Причина могла быть, например, в низкой кислотности.

Другими словами, рельеф и яркость почвы не всегда могут достоверно отразить плодородие почвы и продуктивность зон на поле.

Многолетняя урожайность

В этом случае нам понадобится информация об урожайности поля, как минимум, за 3 последних года. Желательно, чтобы погодные условия в эти 3 года были разными и выращиваемые культуры отличались. Это нужно, чтобы убедиться в стабильности зон продуктивности и не ошибиться с распределением норм высева.

Достоверные данные урожайности в таких условиях — самый надёжный источник для оценки продуктивности поля.

Ограниченный доступ к историческим данным урожайности. Зоны продуктивности на поле не всегда стабильны. Если они меняются каждый год из-за погоды или, например, восприимчивости культуры к условиям выращивания, нужно ориентироваться на данные урожайности уже за последние 5 или даже 7 лет. Часто таких данных у нас попросту нет.

Сложности с калибровкой комбайнов. Если на поле работал один комбайн, мы можем собрать все данные и откалибровать их в офисе. Если комбайнов было несколько, всё сложнее. В этом случае мы должны идеально откалибровать всю технику, чтобы получить верные данные об урожайности. Если не записывать фактические данные, которые собрал каждый комбайн в поле, откалибровать их в офисе корректно мы не сможем.

Доступ к историческим данным урожайности. Зоны продуктивности на поле не всегда стабильны. Если они меняются каждый год из-за погоды или, например, восприимчивости культуры к условиям выращивания, нужно ориентироваться на данные урожайности уже за последние 5 или даже 7 лет. Часто таких данных у нас попросту нет.

Сложности с калибровкой комбайнов. Если на поле работал один комбайн, мы можем собрать все данные и откалибровать их в офисе. Если комбайнов было несколько, всё сложнее. В этом случае мы должны идеально откалибровать всю технику, чтобы получить верные данные об урожайности. Если не записывать фактические данные, которые собрал каждый комбайн в поле, откалибровать их в офисе корректно мы не сможем.

Источник