CN1505794A - 用于农田的计算机定位施肥 - Google Patents
用于农田的计算机定位施肥 Download PDFInfo
- Publication number
- CN1505794A CN1505794A CNA02808912XA CN02808912A CN1505794A CN 1505794 A CN1505794 A CN 1505794A CN A02808912X A CNA02808912X A CN A02808912XA CN 02808912 A CN02808912 A CN 02808912A CN 1505794 A CN1505794 A CN 1505794A
- Authority
- CN
- China
- Prior art keywords
- farmland
- appointed place
- soil
- soil nutrient
- measured value
- 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
Images
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
- A01B49/00—Combined machines
- A01B49/04—Combinations of soil-working tools with non-soil-working tools, e.g. planting tools
- A01B49/06—Combinations of soil-working tools with non-soil-working tools, e.g. planting tools for sowing or fertilising
-
- 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
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/20—Reduction of greenhouse gas [GHG] emissions in agriculture, e.g. CO2
- Y02P60/21—Dinitrogen oxide [N2O], e.g. using aquaponics, hydroponics or efficiency measures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S111/00—Planting
- Y10S111/90—Methods of planting seeds and miscellaneous compositions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S111/00—Planting
- Y10S111/903—Monitor
Abstract
利用获得最大产量所需规定的营养量的图(132)将现场土壤营养规定量图(140)应用于给农田施肥。从所需的营养量减去农田现有营养量(138),由此得到需要加入土壤中的现场规定的营养量图(142)。所述营养量利用该图和常规可变加量施肥方法施加。获得最大产量所需的土壤营养量产生自上一季产生的生物数量的定点图测量值,它是来自遥感生物数量图象(120)。
Description
技术领域
本发明涉及农田定点施肥的方法/过程,尤其涉及既能保持农田最大可能产量又能使施肥量最小的方法/过程。
发明背景
肥料能为生产各种作物需要的土壤提供营养。土壤中最常见的营养素是氮、磷、钾。此外,根据土壤情况,一些作物还需要微量营养素,如锌(Zn)和铁(Fe)。肥料当然需要花钱,但在过去,一般来说施肥不足而带来产量降低的风险要超过施肥过量而花费的钞票。因为生产氮肥通常需要使用天然气,而天然气价格的不稳定会使氮肥价格不可预见地上涨。此外,施肥过量会对环境造成潜在的负面影响,所以从环境的角度考虑,也希望尽可能减少施肥量。实际上,一些国家,大部分在欧洲,严格控制农民的施肥量。
计算农田需氮量的常规方法涉及下列公式:
N肥料=N作物-N土壤残余-(N有机矿化+N+N粪肥)-N灌溉
其中:N肥料=建议肥料供N量
N作物=目标产量×N产量因子
N残积土=种植前土壤剖面NO3-含量(或残积土)
N有机矿化=有机N矿化量
N前季作物=可得到的豆类作物中的N量
N粪肥=可得到的粪肥N含量
N灌溉=可得到的灌溉水含N量
见Havlin等,Sail Fertility and Fertilizers,1999,Prentice Hall,New Jersey,第350-351页。上述公式与Havlin等提出的公式的不同之处是它包括从灌溉水可得到的氮(N灌溉)。如Havlin等在第351页所讨论的那样,N作物表示作物的需氮量,要求预测作物产量和达到此产量所需的氮量。“生物数量”的度量基本上是植物生命的密度或量,已知直接与作物产量相关。作物生物数量(如玉米和大豆)的一种尺度是众所周知的“叶面积指数”(LAI),至少可用两种方法测量。测量LAI的第一种方法是采摘单位面积农田里全部作物的叶子,然后在实验室用面积测量计测量全部叶子一面的总面积。测量LAI的另一种方法是利用树冠反射模型获得遥感数据。参见Kuusk发表在《RemoteSensing of Environment》上的“可逆、快捷树冠反射模型”,51:342-350(1995);Verhoef发表在《Remote Sensing of Environment》上的“叶层光散射及其在树冠反射模型中的应用:SAIL模型”,16:125-141(1984)。后一种方法不会对作物造成破坏,适用于田间管理。
利用诸如全球定位系统(GPS)的精确农耕技术已经找到许多用途,一种是用于农田施肥,例如Monson等的美国专利5220876所述。专利’876介绍了可变加量施肥系统,该系统有一个数字化地图,可表征农田的土壤类型。该系统还有其他地图,能表征待施于农田的各类肥料的适宜量。所述专利认为,施肥量可由预定特征确定,如现有肥料水平、农田形貌或排水设施等。有一台处理器根据土壤图和肥料图计算并控制各种肥料的施给。施肥车上定位探测器提供必要指定地点的信息,以便把预定量的肥料施于正确的位置。Monson的相关美国专利5355815介绍了一种闭环施肥系统,该系统也能变换施肥速度,但不需要现时肥料水平。据称该系统能够针对具体土壤实况实时确定化肥施给量,所依据的是实时土壤分析仪所测定的土壤现有含肥量,然后该系统根据确定的施肥量施肥。
Ortlip的美国专利4630773介绍了另一种可变加量施肥系统。专利’773介绍的系统根据农田中各类土壤的具体需要施肥。该专利还介绍了待施肥农田的数字土壤地图的汇编,使用的是农田的航拍红外图。该专利认为图片中不同的灰度对应于各种土壤的不同湿度。该图片经过数字化,形成象素阵列。根据图片中的灰度情况,给每个象素设定一个数值,这样就用数值代表了象素所代表的土壤类型。施肥量则根据数字化土壤地图进行变化。
农田里特定地点能够达到的最大可能作物产量——即“目标产量”,它包括在上述公式中的N作物——可能随着地点而变化。例如,农田里可能有一片砾石,不管在那里施多少氮肥,都不可能增加产量。砾石可能只会让野草在那里生长,也可能阻碍任何植被的生长。砾石可能位于表面,也可能在浅表层下面。砾石也可能从土壤图象中检测不出。可能改变农田里某一特定地点的产量但无法从土壤图象中检测到的其他因素是土壤肥力及其pH值。尽管单幅农田产量在这方面有变数,但本发明者注意到,原有技术中的可变加量施肥体系全部采用单一目标产量来度量一幅农田。
发明概述
总体上,本发明是控制对农田的施肥量的方法和体系,同时能继续维持最大可能作物产量。一方面,本发明涉及农田地图的创制,所述地图包含农田里每个地点对土壤营养指定地点的需求量的信息,目的是获得该地点能够获得的最大可能作物产量。从作物对营养指定地点的需求量中减去农田里目前存在指定地点的营养需求量,就得到土壤营养指定地点需求量的分布地图,所述土壤营养需要用常规可变加量施肥方法通过肥料施加到农田里。本发明适用于如下作物,如玉米(玉米粒和种子)、高粱、大豆、棉花、禾谷粒(如大麦、小麦)以及饲料作物。在本说明书中,应当理解“作物”通常包括草,除非上下文另有所指。
在各种实施方式中,指定地点的作物最大可能产量或“目标产量”可根据农田在过去一个或数个生长季节里指定地点的生物数量测值,如常规叶面积指数(LAI)来预测。定位生物数量测值也可以从植被指数获得,它是从卫星图象的可见光波段和近红外波段得到的归一化差分植被指数(NDVI)和土壤校正植被指数(SVI)。此外,也可以根据常规土壤湿度指数指定地点量测值图来预测指定地点作物最大产量。所述土壤湿度指数指定地点量测值可以基于农田的形貌数据,也可以从其他方法获得,如得自土壤亮度指数作为形貌替代层。本发明方法和体系有助于预测各种通常通过肥料施加的土壤营养,如氮、磷、钾、有机肥(粪肥)和微量营养素(例如Zn和Fe)。另一方面,本发明体系和方法包括利用各种方法预测农田土壤营养中的有机质含量。在一种实施方式中,利用种植前获得的农田裸土图像创建指定地点的土壤营养中的有机质含量图,而在另一种实施方式中,用土壤样品的导电性来创建指定地点的土壤营养中有机质含量图。
本发明的特定实施方式具有下述一种或多种优点。可以减少农田施肥量,而不会影响作物产量,因此可降低作物生产成本,减少由于过量施肥对环境造成的负面影响。不会在永远不可能达到高产的农田面积上浪费肥料,例如在有对产量造成负面影响的砾石的地面上。此外,对农民展示本发明制作和使用指定地点信息能使农民产生这样一种必要的信心,即减少某些农田地面上的施肥量不会对产量造成负面影响,从而生产者更有可能在实际行动上减少这些地面上的施肥量。另外,总是统一量施肥可能造成特定农田中高产区域施肥量不足。增加高产区域的施肥量可增加总体产量,但不会在根本上增加土地总面积上的总施肥量。本发明的一些实施方式避免取用费钱费时的土壤样品,如原有技术方法所采用的那样,虽然可以看到本发明有一些实施方式仍然采用土壤取样。
本发明的某些实施方式可用来影响作物质量及产量。例如,在硬质赤色(面包)小麦中,必须达到最低蛋白质含量才能满足分级标准。土壤含氮量不足会导致蛋白质水平低于标准;可以采用前述方法在检测出蛋白质含量不足的地方施加更多的氮。相反,高蛋白在制麦芽用的大麦中则是不利性状,因此适宜施加足够的氮以确保充分的产量,但要刚刚足够,以使氮被作物“消耗光”,不能有过量的氮转化成蛋白质。上述方法可用来使农田中残余氮量高的区域的施氮量最小。本发明的一种或多种实施方式的详情将结合附图说明如下。本发明的其他特征、目标和优点将可以从说明、附图和权利要求中清楚地看出。
附图说明
图1是本发明计算机系统框图,该系统在内存中有计算机程序。
图2是本发明计算机程序运行概念图。
图3-5是根据本发明运行的计算机程序操作步骤流程图。
图6是本发明另一种实施方式的概念图。
图7是图6所示实施方式采用的计算方法图。
各图中相同的符号代表相同的元素。
发明详述
如图1所示,常规计算机系统100具有至少一个负责执行计算机程序指令的处理器组件102,用于储存程序和数据的内存组件104,人—用户—可与在系统100上运行的程序互动的用户界面装置106,以及输出装置110如打印机或显示器。上述及其他组件通过一条或多条总线108连接起来后彼此产生作用。内存组件104通常包括易失随机存储器(RAM),非易失只读存储器(ROM),以及一种或多种磁盘驱动器,用于储存数据和程序。
在内存104中常驻的是本发明的软件程序。与常规情况相同,软件程序包含可执行程序指令112,用来处理与一个或多个农田相关的各种图像文件114和数据库116。根据本发明的一种实施方式,图像文件114可包括在作物生物数量处于顶峰时拍摄的一张作物长势卫星图和另一张在种植作物之前的某个时候拍摄的裸土卫星图。这些图像将随后详细讨论。数据库116可包括每一块农田的下述信息:该农田的地理边界;该农田每季种植的作物,例如小麦、大豆等;这些作物的产量数据;该农田的有机质采样;形貌数据,可以是垂直切面图;灌溉数据,可包括作物种植季节的灌溉水量;作物管理方法;历史天气数据;土壤硝酸盐测试结果;粪肥施加情况;需要通过肥料加入的营养量图。因为是通过本发明的计算机程序产生的数据,所以在这里要特别强调数据库116所示需要通过施加肥料加入的养分量图。该图可以图像格式打印出来,也可以用它创建农田指定地点的施肥方案。所述指定地点的施肥方案可(例如)下载下来,并用于控制农田施肥速度的常规方法中。数据库116中所包含信息将随后详加讨论,因为对该信息的讨论要结合对如何确定施于农田指定地点的营养量的过程步骤的详细讨论,所述农田被分成了多个区域。
图2所示为本发明实施方式中计算机程序的概念性操作图。图2中的具体实例涉及氮,但很容易看出,本发明的一般概念也适用于其他土壤营养素,如磷、钾、有机肥(例如粪肥)、微量营养素(例如Zn和Fe)。举例来说,本发明中此实施方式的程序用到了两个遥感图像。第一个是农田中植被120的图像。例如当前期作物处于或接近生物数量高峰时,就可以得到该图像。第二个图像是该农田的裸土图像122。例如在种植作物之前就可以获得该图像。计算机程度根据原始植被指数120创建出一个该农田生物数量的测量值图124。作为一个例子,生物数量的测量值可以是叶面积指数(LAI)测量值,利用常规的植冠反射比模型获得。测量生物数量的其他方法包括植被指数,得自峰值生物数量的可见及近红外波段的图像,如NDVI和SVI。利用该农田生物数量的测量值图124,同时利用单值量测作为该农田历史上平均产量126,计算机程序可创建该农田指定地点的目标产量(YG)图128。如前面所提到的,生物数量与潜在产量有直接关系,因此根据本发明,可创建该农田指定地点的目标产量值图128,并用于计算该农田所需的施肥量。接下来,根据农田目标产量值图128,如果假定不同作物需要不同营养,还要利用待种作物类型130,计算机程序可计算出农田所需的总营养量图132(用氮作为营养素的例子时表示为N作物),以使特定作物达到指定地点的目标产量。这样,农田所需的总营养量图132表示农田里任何特别地点都能够维持最大可能产量时所需的营养量。
图2的下半部分从总体上描述了确定已经存在于土壤中的营养(这里是氮)量需要用到的计算,或者换句话说,营养积点(nutrient credits)。营养积点—例如N残积土、N有机矿化、N前季作物、N粪肥、N灌溉—要从作物所需的总营养量(N作物)中减去。更详细地讲,根据裸土的原始图像122,利用常规模型如树冠反射,计算机程序创建了该农田的土壤亮度(brightness)值图134。土壤亮度与农田里的有机质含量有关,在氮的情况中,有机质积点为N有机矿化。这样土壤亮度值图134成为存在于农田的营养量图136的一部分计算。此外,去年作物的生物数量与作物的营养积点(N前季作物)有关,因此,土地的生物数量图124也成为存在于农田的营养量图136的一部分)。残余土壤营养,例如上次施肥的残余氮(N土壤残余)与从农田土壤亮度136得到的有机质相关。其他营养积点数据138,如与灌溉和施加的粪肥有关的信息,也成为存在于农田的营养量图136的一部分。
将营养积点图136从所需的总营养量图132中减去,得到需要加到农田的营养量图138。如上所讨论的,图138可以图像格式用打印机140打出。如分程序142所述,图138还可用来计算另一个需要加到农田中的特定氮肥量图,后者又反过来用于常规基于位置的施肥方法以控制施肥。
图3-5所示为可用于完成图2所示本发明实施方式的处理步骤实例的流程图。应该理解,流程图中的许多步骤未必遵照所描述的顺序,而其他步骤将需要遵照所示顺序,因为该步骤基于前一步计算的数据。该过程从获取图像200和202开始。作为最大植被或生物数量的时间窗口,图像200是在作物处于最后植被状态时获得的,例如美国的玉米产区那是从7月中旬到8月中旬。生物数量图200可以是最后一季或最后五季中任何一季作物的情况,只要天气状况好,可以获取图像。生物数量图像宜为多光谱图像,包括绿、红和红外波段。空白作物图像202的时间窗口在种植作物前获取,在美国玉米产区那是从4月到5月。裸土图像可以是全色图(黑白图),也可以是多光谱图。
如前面所提到的,所述图像是(例如)卫星图像,由商业卫星SPOT 1,2,4,Landsat TM 5和7,或IRS 5获得。多光谱卫星图宜具有30米或更小的空间分辨率。在现有商业卫星上,全色图像通常具有更好的分辨率,因此,宜从卫星或空中平台获取具有20米或更小的特殊分辨率的上述图像。从为数不少的销售商那里获得图像也是可能的,他们需要根据顾客的要求获取特定的图像,或者他们已经有了顾客需要的图像。例如,SPOT Image Corporation(1897Preston White Drive,Reston,VA 20191-4368,United States)就是一个销售商,它提供光盘(CD)图像。Landsat的图像通常能覆盖120×120平方英里的面积,SPOT能覆盖36×36平方英里的面积。上述卫星的多光谱图像通常具有30×30平方米的单个象素尺寸,而全色图像通常具有10×10平方米的象素尺寸。软件程序可能需要将图像按照地理参照系放入特定的坐标系中,或者放到全球地图投影参考系中,如用WGS 84数据确定的Universal Transverse Mercator(UTM),误差在一个象素之内。此外,所述图像还可附有景物感应参数文件,包含绝对校正值、太阳角、卫星视角以及每个波段和每个图像景物的相对方位角,在框204中用来对图像作大气校正,在框206中用来计算叶面积指数(LAI),以计算生物数量值。大气校正可用相对简单的大气校正算法完成,以计算树冠反射,消除雾、水蒸气、臭氧、气溶胶等的影响。见Kaufmann等的“对可见及近红外卫星图像的自动大气校正对数”,Int’l Jnl.Of Remote Sensing,9:1357-1358(1988);Richter,“用于Landsat TM图像的大气快速校正对数”,Int’l Jnl.Of Remote Sensing,11:159-166(1990);Richter,“高空间分辨率卫星图像的大气校正和形貌效果”,Int’l Jnl.OfRemote Sensing,18:1099-1111(1997)。
下一个框206中,叶面积指数(LAI)图用常规树冠反射或其他类似模型由校正图像计算得到,如Verhef(1985)和Kuusk(1995)所述。与此实施方式中用来计算LAI的这种模型相配套的还有一个求逆程序,要实现此求逆程序需要用到搜索算法。在该求逆程序中,搜索算法搜索由LAI的树冠反射模型创建的查用表数据库以及其他模型参数,使与每个象素以一个最小误差相“匹配”。使用这种搜索算法可使LAI的计算以良好的速度进行。此外,植被指数,如NDVI和SVI,也可以得自可见和近红外波段的图像,并用来推定生物数量。在LAI图的计算中,输入信息既包括数据库116(图1)中在得到最大生物数量图像时存在于农田里的作物类型的信息208,也包括图像中农田的地理边界。也可以另外附加一个备用程序,途径是利用最大生物数量图像通过图像分类法获得作物信息。举例来说,获得的图像包含一块120×120平方英里的面积,因此包含数据库116(图1)中的许多农田。而且,在获得图像的时间里,不同农田也许种有不同作物。因此,框206在处理时采用这个农田边界信息和每块农田的作物信息,用它计算农田的LAI图。
在框210中计算了土壤亮度指数图。通常,土壤亮度指数的计算相对简单,包括将裸土图像(全色或多光谱图像)校正到一定数字范围。此外,土壤亮度指数可由土壤反射模型或“土壤线”方法获得。所述“土壤线”方法要用到可见及近红外波段,使多光谱数据从头循环。在212中,将LAI图和土壤亮度指数测量值切割成单个图像文件,用于数据库116(图1)中的农田。为此还需要用到农田边界信息214。接着在216和218中,LAI和土壤亮度指数测量值被在农田边界之内归一化到0-1的范围之内,并修正落在计算标准偏差之外的测量值。
参见同一流程图在图4上的部分,在220中计算了特定农田指定地点的目标产量(YG)测量值图,所依据的是该农田的LAI生物数量测量值图222、种植在该农田的特定作物224和过去种植在该农田里的作物的历史产量226。本实施方式中的历史产量值225是整块农田的单产值,虽然此单产值可以是过去5年作物的平均产量。通常要将指定农田的目标产量分布与LAI关联起来,因为农田的目标产量与LAI有相同的空间分布模式。目标产量测量值的分布至少对应于相应LAI测量值总体分布的90%,去掉两头5%的分布。这样做是为了使由于农田边界测量不精确而导致的非均衡分布和测量值不精确度达到最小。农田里一个位置的给定目标产量(YG)的下限可以设定为(例如)50蒲式耳/英亩。这样做是为了保证农田里低洼的地方在下一个生长季节异常干燥的情况下有足够的氮肥,这些低洼的地方通常情况下会有水涝。
在步骤226、232、238、242和248中,计算了农田的营养积点。在226中计算了指定地点的有机质中氮(N)积点(N有机矿化)。如228中的输入所显示的,输入计算步骤226的是在过去5年测量土壤样品得到的平均农田有机质含量(干重%)。可以假定农田有机质在过去5年里保持不变。输入计算步骤226的还有农田的土壤亮度测量值图。土壤亮度与有机质含量、形貌和土壤湿度分布有确定的联系。土壤亮度低说明有机质含量高、农田形貌中的位置低、土壤湿度较高。可以用类似于计算步骤220的方法设定归一化土壤亮度分布和平均农田有机质含量的上限和下限。
在232中计算了指定地点的前一季作物N积点(N前季作物),所依据的是该农田的LAI生物数量测量值图234和上一生长季的作物类型。需要这种积点的最常见理由出现在前季作物是大豆作物或其他豆类作物。举例来说,前一季大豆作物的平均N积点可以是30磅/英亩,因为大豆能固定土壤中的氮。前季大豆作物的N积点也与该作物的生物数量有关,因此生物数量测量值234进入232中的计算。在238中计算了有灌溉水时的统一量氮积点(N灌溉)。这要求输入240,可以包括(例如)一段时间内的灌溉水总量(以英寸为单位)和在特定季节、地点的水中硝酸N量(以百万分浓度为单位,ppm)。源于灌溉水的平均N积点可以估计为2.7磅-N/英亩-英尺每ppm硝酸N。见Havlin,1999。
在238中计算了指定地点的残留土壤N积点(N残积土)。给定农田的平均硝酸根N(ppm)可根据前季作物类型和管理方法、天气条件和农田的形貌。此信息也可在施肥前通过土壤硝酸根测试获得。在一种实施方式中,N残积土基于土壤亮度指数244的归一化值和土壤硝酸根测试的平均硝酸根N(ppm)246。如联系其他步骤所讨论的那样,同样可以设定归一化值分布的上限和下限。举例来说,平均N积点可以是3.6磅-N/ppm硝酸根N。见Havlin,1999。在248中计算了粪肥的统一量N积点(N粪肥),所依据的是关于每英亩所施粪肥量和所施粪肥类型(例如猪场或鸡场)的输入250。粪肥的平均N积点可以是10磅-N/吨-粪肥,同样依据粪肥的类型。见Havlin,1999。鸡场粪肥的N积点通常大于猪场粪肥的N积点。粪肥还会影响下一个种植季节的土壤营养,这取决于根据粪肥分解条件和从作物土壤中去除的营养。
见图5,在252中计算了指定地点的总N需求(N作物),依据是在220计算指定地点的目标产量(图4)乘上N转化因子。如前面所提到的,此N作物图代表使农田里的特定位置产生所能维持的最大可能产量的需氮量。对于大多数美国玉米产区的土壤,转化因子可以在(例如)1.0-1.4范围内。N转化因子多半依赖天气条件和土壤性质。在254中,需要加入农田的氮在指定地点的量测值完成图(N肥料)可通过从N作物中减去所有N积点(N残积土、N有机矿化、N前季作物、N粪肥、N灌溉)计算。N肥料测量值图可用于前述方法中。
在另一实施方式中,如图6所示,农田目标产量测量值图128可在农田土壤湿度指数(WI)测量值图324的基础上创建,而不是依据图2所示实施方式中那样的最大生物数量120。土壤湿度指数(WI)测量值图324又反过来根据农田形貌数据320计算。先前的研究已经表明可供水量和农田产量变化之间的直接关系。据信水对产量的影响是总降水量和作物生长季降水分布联合作用的结果。导致农田产量降低忧虑的农田分区可能由水缺乏或水过量引起。例如,高湿度指数区易在种植季各个阶段受过量土壤湿度影响,使得产量因作物密度减小、根浅和氮不足而减少。另一方面,湿度指数低的农田分区可能由于缺水而产量降低。这种情况发生的程度依赖于天性不可预测的天气。在非常干燥的年份,例如,具有高湿度指数的农田面积可能是农田里最有产量的区域,只要不遭受其他因素如虫害和疾病的影响。
在计算农田指定地点的湿度指数(WI)时,可以考虑农田总排水面积和此处坡度,利用下面的公式:
WI=ln(As/tanα)
其中:As=汇水比面积
α=倾斜角
见Moore等,“用地形分析发预测土壤积点”,Soil Sci.Soc.Am.Jnl.,57:443-452(1993)。湿度指数可以看作种植季里土壤湿度可能水平的指标,指定农田分区的湿度指数越高,此特定分区在种植季里湿度高的可能性也高。图7所示目标产量关系可发生偏移,如果农田遇到正常的排水问题,就向左偏,如果农田位于高地位置,土壤排水性好或土壤持水量低,则向右偏。实际上,在后一种情况下,对于高湿度指数(虚线)产量未必会降低。
图6还示出了图2所示实施方式的另一种形式。使用的是农田里土壤导电性(EC)测量值322(图2),而不是用裸土图像122来类衡量农田里的有机质(图2)。研究表明,土壤EC与有机质正相关。因此,土壤EC可以作为有机质的替代测量值和土壤在种植季节的供氮能力。
如前面所提到的,本发明适用于氮以外的营养素。例如,本发明适用于磷(P)、钾、微量元素如Zn和Fe,还有有机肥如粪肥。营养素不同,计算结果当然不同,但发明特色相同。为了举例说明不同营养素的计算结果的一些可能差异,土壤中存在的氮在每个生长季节都大部分被耗尽或冲走了(当然,如果作物是大豆则例外,如前面指出的)。对于其他营养素,特别是磷,情况则不同,因此过去对农田的特定营养管理在计算需要施加到农田里指定地点的营养量时占的比重更大。此外,对于磷,已知土壤pH直接关系到土壤中的含磷量。这样,在应用本发明提供施磷的营养配方时,可能需要土壤pH样品,尽管有其他方法估计农田里各个地方的pH。此外,磷配方也可以包含生物数量测量值,以确定农田作物在特定地点的最大可能产量。可以看到,对于土壤缺磷是一个特定问题的区域,如巴西地区,本发明在提供磷配方上特别有用。
已经描述了本发明的若干实施方式。然而,应当理解,只要不背离本发明的主旨和范围,可以进行各种修改。相应地,其他实施方式包括在下述权利要求里。
Claims (33)
1.利用计算机程序提供指定地点的土壤营养量图的方法,所述营养通过肥料施加到分成各地点的农田中,所述方法包括:
根据该农田指定地点的农田特征数据图计算得到在每个地点获得最大可能产量所需的指定地点的土壤营养量图;
从该农田最大产量所需的指定地点的土壤营养量减去农田中本来存在的指定地点的土壤营养测量值,由此得到要通过肥料施加到农田指定地点的土壤营养量图。
2.如权利要求1所述方法,其特征在于所述农田特征是该农田在过去一个或多个生长季节产生的生物数量测量值。
3.如权利要求2所述方法,它还包括:
根据该农田在过去一个或多个生长季节获得指定地点的图像计算得到指定地点的叶面积指数测量值图,叶面指数用作该农田生物数量的测量值。
4.如权利要求2所述方法,它还包括:
根据该农田在过去一个或多个生长季节获得指定地点的图像计算得到指定地点的植被指数定位测量值,植被指数用作该农田生物数量的测量值。
5.如权利要求所述方法,它还包括:
根据农田的形貌图计算得到指定地点的土壤湿度指数测量值,湿度指数用作农田特征。
6.如权利要求1所述方法,其特征在于所述土壤营养素是氮。
7.如权利要求1所述方法,其特征在于所述土壤营养素是磷。
8.如权利要求1所述方法,其特征在于所述土壤营养素是钾。
9.如权利要求1所述方法,其特征在于所述土壤营养素是有机肥。
10.如权利要求9所述方法,其特征在于所述有机肥是粪肥。
11.如权利要求1所述方法,其特征在于所述土壤营养素是微量营养素。
12.如权利要求11所述方法,其特征在于所述微量营养素是Zn。
13.如权利要求11所述方法,其特征在于所述微量营养素是Fe。
14.如权利要求1所述方法,它还包括:
根据从裸土状态拍摄的指定地点的农田图像数据图计算得到指定地点的土壤亮度测量值图;
全少根据指定地点的土壤亮度测量值图计算已经存在于指定地点的土壤中的土壤营养测量值。
15.如权利要求1所述方法,其特征在于所述存在于指定地点的农田中的土壤营养测量值是至少根据指定地点的土壤导电性测量值计算得到的。
16.利用计算机程序提供指定地点的土壤营养量图的方法,所述营养通过肥料施加到分成各地点的农田中,所述方法包括:
根据过去在农田指定地点种植的一种或多种作物的生物数量测量值图计算得到在每个地点获得指定地点的最大可能产量所需的土壤营养量图;
根据从裸土状态拍摄的农田指定地点的图像数据图计算得到指定地点的土壤亮度测量值图;
至少根据指定地点的土壤亮度的测量值图计算目前存在于农田指定地点的土壤营养测量值;
从该农田指定地点的最大产量所需的土壤营养量减去农田中在指定地点目前存在土壤营养测量值,由此得到通过肥料施加到农田指定地点的土壤营养量。
17.如权利要求16所述方法,其特征在于所述土壤营养素是氮。
18.如权利要求16所述方法,其特征在于所述土壤营养素是磷。
19.如权利要求16所述方法,其特征在于所述土壤营养素是钾。
20.如权利要求16所述方法,其特征在于所述土壤营养素是有机肥。
21.如权利要求16所述方法,其特征在于所述土壤营养素是微量营养素。
22.一种计算机程序,位于计算机可读媒体中,用于提供指定地点的土壤营养量图,所述营养通过肥料施加到分成各地点的农田中,所述计算机程序包含的指令可使计算机:
根据该农田指定地点的农田特征数据图计算得到在每个地点获得最大可能产量所需的指定地点的土壤营养量图;
从该农田最大产量所需的指定地点的土壤营养量减去农田指定地点中目前存在的土壤营养测量值,由此得到通过肥料施加到农田指定地点的土壤营养量。
23.如权利要求22所述计算机程序,其特征在于所述农田特征是该农田在过去一个或多个生长季节产生的生物数量测量值。
24.如权利要求23所述计算机程序,其特征在于所述指令进一步使计算机:
根据该农田在过去一个或多个生长季节获得指定地点的图像计算得到指定地点的叶面积指数测量值图,叶面指数用作该农田生物数量的测量值。
25.如权利要求23所述计算机程序,其特征在于所述指令进一步使计算机:
根据该农田在过去一个或多个生长季节获得指定地点的图像计算得到指定地点的植被指数测量值,植被指数用作该农田生物数量的测量值。
26.如权利要求22所述计算机程序,其特征在于所述指令进一步使计算机:
根据农田的形貌图计算得到指定地点的土壤湿度指数测量值,湿度指数用作农田特征。
27.如权利要求22所述方法,其特征在于所述土壤营养素是氮。
28.如权利要求22所述方法,其特征在于所述土壤营养素是磷。
29.如权利要求22所述方法,其特征在于所述土壤营养素是钾。
30.如权利要求22所述方法,其特征在于所述土壤营养素是有机肥。
31.如权利要求22所述方法,其特征在于所述土壤营养素是微量营养素。
32.如权利要求22所述计算机程序,其特征在于所述指令进一步使计算机:
根据从裸土状态拍摄的农田指定地点的图像数据图计算得到指定地点土壤亮度测量值图;
至少根据指定地点的土壤亮度测量值图计算目前存在于农田中指定地点的土壤营养测量值。
33.如权利要求22所述计算机程序,其特征在于所述指令使计算机至少根据指定地点的土壤导电性测量值图计算存在于农田中指定地点的土壤营养值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US27215801P | 2001-02-28 | 2001-02-28 | |
US60/272,158 | 2001-02-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1505794A true CN1505794A (zh) | 2004-06-16 |
Family
ID=23038658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA02808912XA Pending CN1505794A (zh) | 2001-02-28 | 2002-02-28 | 用于农田的计算机定位施肥 |
Country Status (9)
Country | Link |
---|---|
US (3) | US6889620B2 (zh) |
EP (1) | EP1379987A4 (zh) |
CN (1) | CN1505794A (zh) |
AR (1) | AR032918A1 (zh) |
AU (1) | AU2008202110B2 (zh) |
BR (1) | BR0207723A (zh) |
CA (1) | CA2439575C (zh) |
MX (1) | MXPA03007772A (zh) |
WO (1) | WO2002069230A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102668899A (zh) * | 2012-03-28 | 2012-09-19 | 北京师范大学 | 一种农作物种植模式识别方法 |
CN103810640A (zh) * | 2014-02-21 | 2014-05-21 | 孙克 | 手机定位式测土配方施肥服务平台实现方法及系统 |
CN104732372A (zh) * | 2015-04-13 | 2015-06-24 | 成都数云科技有限公司 | 一种用于农产品供应链中的决策支持辅助系统 |
WO2015139356A1 (zh) * | 2014-03-18 | 2015-09-24 | 北京农业信息技术研究中心 | 一种确定田间调查及田间管理的空间尺度的方法及系统 |
CN108521963A (zh) * | 2018-05-16 | 2018-09-14 | 吉林省土壤肥料总站 | 一种测土配方施肥通用精准模型 |
CN110115142A (zh) * | 2019-04-25 | 2019-08-13 | 中科赛诺(北京)科技有限公司 | 一种基于遥感数据的农田变量施肥方法 |
CN111328516A (zh) * | 2020-04-10 | 2020-06-26 | 厦门精图信息技术有限公司 | 基于高分卫星的智慧农业服务系统及方法 |
CN113875370A (zh) * | 2021-04-07 | 2022-01-04 | 济宁市农业科学研究院 | 一种基于大数据的玉米栽培自动施肥设备 |
CN114051810A (zh) * | 2021-11-10 | 2022-02-18 | 上海联适导航技术股份有限公司 | 一种无人驾驶高精度农机施肥控制方法、系统及智慧农机 |
Families Citing this family (124)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6889620B2 (en) * | 2001-02-28 | 2005-05-10 | The Mosaic Company | Method for prescribing site-specific fertilizer application in agricultural fields |
US20040032973A1 (en) * | 2002-08-13 | 2004-02-19 | Eastman Kodak Company | Method for using remote imaging to predict quality parameters for agricultural commodities |
US20050111756A1 (en) * | 2003-11-25 | 2005-05-26 | Turner Robert W. | System and method for generating coherent data sets of images from various sources |
US7657124B2 (en) * | 2004-02-27 | 2010-02-02 | The Boeing Company | Multiple image data source information processing systems and methods |
CN1324507C (zh) * | 2004-04-12 | 2007-07-04 | 中国科学院合肥智能机械研究所 | 一种用于农作物生长状态监测及营养施肥处方生成装置和方法 |
US20050246066A1 (en) * | 2004-04-29 | 2005-11-03 | Pursell Technologies, Inc. | Method of predicting fertilizer performance |
US20060025927A1 (en) * | 2004-07-27 | 2006-02-02 | Hoskinson Reed L | Method of optimally producing and harvesting agricultural products |
US8274715B2 (en) | 2005-07-28 | 2012-09-25 | Omnivision Technologies, Inc. | Processing color and panchromatic pixels |
US8139130B2 (en) | 2005-07-28 | 2012-03-20 | Omnivision Technologies, Inc. | Image sensor with improved light sensitivity |
US7916362B2 (en) * | 2006-05-22 | 2011-03-29 | Eastman Kodak Company | Image sensor with improved light sensitivity |
US8031258B2 (en) | 2006-10-04 | 2011-10-04 | Omnivision Technologies, Inc. | Providing multiple video signals from single sensor |
FI20061153L (fi) * | 2006-12-22 | 2008-06-23 | Kemira Growhow Oyj | Menetelmä, laite ja järjestelmä kasvun apuaineiden tarpeen määrittämiseksi kasviston kasvun edistämiseksi |
WO2009050729A2 (en) * | 2007-06-06 | 2009-04-23 | Tata Consultancy Services Limited | A mobile based advisory system and a method thereof |
US8816262B2 (en) | 2007-07-03 | 2014-08-26 | Kyle H. Holland | Auto-calibration method for real-time agricultural sensors |
US8319165B2 (en) * | 2007-07-03 | 2012-11-27 | Holland Kyle H | Variable rate chemical management for agricultural landscapes |
US9585307B2 (en) | 2007-07-03 | 2017-03-07 | Kyle H. Holland | Optical real-time soil sensor and auto-calibration methods |
NZ562273A (en) | 2007-10-04 | 2009-11-27 | David Stanley Hoyle | Spreader with GPS guided spread pattern |
BRPI0914887B1 (pt) * | 2008-06-06 | 2019-11-26 | Monsanto Technology Llc | geração de produtos de informações agrícolas utilizando detecção remota |
FR2940002B1 (fr) * | 2008-12-22 | 2013-01-18 | Hexagrain | Procede de tracabilite agricole |
US9538714B2 (en) * | 2009-04-21 | 2017-01-10 | Deere & Company | Managing resource prescriptions of botanical plants |
US8150554B2 (en) | 2009-04-21 | 2012-04-03 | Deere & Company | Resource use management in yards and gardens |
US8028470B2 (en) | 2009-04-21 | 2011-10-04 | Deere & Company | Robotic watering unit |
US8437879B2 (en) * | 2009-04-21 | 2013-05-07 | Deere & Company | System and method for providing prescribed resources to plants |
US8321365B2 (en) * | 2009-04-21 | 2012-11-27 | Deere & Company | Horticultural knowledge base for managing yards and gardens |
US8412419B1 (en) | 2009-09-17 | 2013-04-02 | Helena Chemical Company | System for mapping GIS layers |
JP5425688B2 (ja) * | 2010-03-31 | 2014-02-26 | 株式会社日立ソリューションズ | 地図連携型施肥設計システム |
IL212106A (en) * | 2010-04-04 | 2015-10-29 | Uri Rapoport | A method of killing plant pests by treating the top layer of the soil with pesticide gas |
US8594375B1 (en) * | 2010-05-20 | 2013-11-26 | Digitalglobe, Inc. | Advanced cloud cover assessment |
US8924152B2 (en) * | 2010-05-28 | 2014-12-30 | Agjunction Llc | Remote management system for equipment |
US8321061B2 (en) | 2010-06-17 | 2012-11-27 | Deere & Company | System and method for irrigation using atmospheric water |
US9076105B2 (en) | 2010-08-20 | 2015-07-07 | Deere & Company | Automated plant problem resolution |
US9357759B2 (en) | 2010-08-20 | 2016-06-07 | Deere & Company | Networked chemical dispersion system |
US8504234B2 (en) | 2010-08-20 | 2013-08-06 | Deere & Company | Robotic pesticide application |
US8437498B2 (en) * | 2010-08-31 | 2013-05-07 | Valmont Industries Inc. | Self propelled mechanized irrigation system with a remote visual monitoring system |
US8594897B2 (en) * | 2010-09-30 | 2013-11-26 | The Curators Of The University Of Missouri | Variable product agrochemicals application management |
US9872445B2 (en) | 2010-09-30 | 2018-01-23 | The Toro Company | Turf management |
US9058633B2 (en) | 2010-10-25 | 2015-06-16 | Trimble Navigation Limited | Wide-area agricultural monitoring and prediction |
US8768667B2 (en) | 2010-10-25 | 2014-07-01 | Trimble Navigation Limited | Water erosion management incorporating topography, soil type, and weather statistics |
US9846848B2 (en) | 2010-10-25 | 2017-12-19 | Trimble Inc. | Exchanging water allocation credits |
US8855937B2 (en) | 2010-10-25 | 2014-10-07 | Trimble Navigation Limited | Crop characteristic estimation |
US10115158B2 (en) | 2010-10-25 | 2018-10-30 | Trimble Inc. | Generating a crop recommendation |
US9213905B2 (en) | 2010-10-25 | 2015-12-15 | Trimble Navigation Limited | Automatic obstacle location mapping |
US9408342B2 (en) | 2010-10-25 | 2016-08-09 | Trimble Navigation Limited | Crop treatment compatibility |
US20120101784A1 (en) * | 2010-10-25 | 2012-04-26 | Trimble Navigation Limited | Wide-area agricultural monitoring and prediction |
US8737694B2 (en) * | 2011-02-07 | 2014-05-27 | Southern Minnesota Beet Sugar Cooperative | Organic matter mapping using remotely sensed images |
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 |
US20120287273A1 (en) * | 2011-05-09 | 2012-11-15 | Abengoa Bioenergia Nuevas Tecnologias, S.A. | System for identifying sustainable geographical areas by remote sensing techniques and method thereof |
US20120290363A1 (en) * | 2011-05-09 | 2012-11-15 | Abengoa Bioenergia Nuevas Tecnologias, S.A. | Method of monitoring sustainability of bioproducts |
US9756844B2 (en) | 2011-05-13 | 2017-09-12 | The Climate Corporation | Method and system to map biological pests in agricultural fields using remotely-sensed data for field scouting and targeted chemical application |
US20130104455A1 (en) * | 2011-05-13 | 2013-05-02 | David P. Groeneveld | Method and System for Remote Sensing and Limited Field Sampling to Prescribe and Deliver Soil Amendments Targeted Discretely Across Cultivated Fields |
US10096073B2 (en) | 2011-05-13 | 2018-10-09 | The Climate Corporation | Systems to prescribe and deliver fertilizer over agricultural fields and related methods |
BR112013029611A2 (pt) * | 2011-05-18 | 2016-08-09 | Fritzmeier Georg Gmbh & Co Kg | método para determinar uma quantidade de aplicação em função de um estado de desenvolvimento abrangido de uma população de plantas e dispositivo para a realização do método |
CN103930919A (zh) * | 2011-10-24 | 2014-07-16 | 天宝导航有限公司 | 农业和土壤管理 |
US9288938B2 (en) | 2012-06-01 | 2016-03-22 | Rowbot Systems Llc | Robotic platform and method for performing multiple functions in agricultural systems |
US9717171B2 (en) * | 2013-03-07 | 2017-08-01 | Blue River Technology Inc. | System and method for automated odometry calibration for precision agriculture systems |
US20140321714A1 (en) * | 2013-04-24 | 2014-10-30 | Billy R. Masten | Methods of enhancing agricultural production using spectral and/or spatial fingerprints |
CA3017849C (en) * | 2013-05-13 | 2021-07-13 | Clean Seed Agricultural Technologies Ltd. | A system for variable-ratio blending of multiple agricultural products for delivery via a ported opener |
WO2015023873A1 (en) | 2013-08-14 | 2015-02-19 | Rowbot Systems Llc | Agricultural autonomous vehicle platform with articulated base |
US11026362B2 (en) | 2013-08-27 | 2021-06-08 | Amvac Chemical Corporation | System and method for treating individual seeds with liquid chemicals during the planting process |
US10058023B2 (en) | 2016-07-13 | 2018-08-28 | Amvac Chemical Corporation | Electronically pulsing agricultural product with seed utilizing seed transport mechanism |
US10470356B2 (en) | 2013-08-27 | 2019-11-12 | Amvac Chemical Corporation | System and method for dispensing multiple low rate agricultural products |
US10517206B2 (en) | 2013-08-27 | 2019-12-31 | Amvac Chemical Corporation | System for providing prescriptive application of multiple products |
US10064327B2 (en) | 2015-07-03 | 2018-09-04 | Amvac Chemical Corporation | Apparatus and method for minimizing the volume of a liquid carrier used for delivering agricultural products into a furrow during planting |
US11058046B2 (en) | 2013-08-27 | 2021-07-13 | Amvac Chemical Corporation | System and method for dispensing multiple low rate agricultural products |
US9820431B2 (en) | 2013-08-27 | 2017-11-21 | American Vanguard Corporation | System and process for dispensing multiple and low rate agricultural products |
JP6144580B2 (ja) * | 2013-09-04 | 2017-06-07 | Necソリューションイノベータ株式会社 | 栽培支援装置、栽培支援方法、及び、プログラム |
US20150130936A1 (en) | 2013-11-08 | 2015-05-14 | Dow Agrosciences Llc | Crop monitoring system |
EP3827654A1 (en) | 2013-11-20 | 2021-06-02 | Rowbot Systems LLC | Agricultural robot for performing multiple functions in argicultural systems |
US10387977B2 (en) | 2014-02-25 | 2019-08-20 | Pioneer Hi-Bred International, Inc. | Environmental management zone modeling and analysis |
US10474454B2 (en) * | 2014-03-20 | 2019-11-12 | Oracle International Corporation | System and method for updating a trusted application (TA) on a device |
US9489576B2 (en) | 2014-03-26 | 2016-11-08 | F12 Solutions, LLC. | Crop stand analysis |
FR3020876B1 (fr) * | 2014-05-06 | 2016-05-06 | Polyor Sarl | Diagnostic de l'etat diazotrophe de sols arables et preconisation des apports d'engrais n |
US20150370935A1 (en) * | 2014-06-24 | 2015-12-24 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
BR112017003725A2 (pt) * | 2014-08-27 | 2017-12-26 | Premier Crop Systems Llc | sistema operável para aplicar uma entrada agrícola e colher uma saída agrícola em uma zona de gestão e método para randomizar e replicar entradas agrícolas |
US11089773B2 (en) | 2014-08-27 | 2021-08-17 | Premier Crop Systems, LLC | System and method for controlling machinery for randomizing and replicating predetermined argonomic input levels |
US9519861B1 (en) * | 2014-09-12 | 2016-12-13 | The Climate Corporation | Generating digital models of nutrients available to a crop over the course of the crop's development based on weather and soil data |
US9916505B2 (en) * | 2014-09-22 | 2018-03-13 | Deere & Company | Method and system for collecting image data |
US9652840B1 (en) | 2014-10-30 | 2017-05-16 | AgriSight, Inc. | System and method for remote nitrogen monitoring and prescription |
CN104521397B (zh) * | 2014-12-18 | 2016-09-21 | 长沙伟诺机电有限公司 | 树木施肥控制方法及施肥机自动控制系统 |
US9719973B2 (en) * | 2015-01-05 | 2017-08-01 | Deere & Company | System and method for analyzing the effectiveness of an application to a crop |
MX369934B (es) * | 2015-04-13 | 2019-11-26 | Mysphera S L | Dispositivo identificador. |
US10028426B2 (en) | 2015-04-17 | 2018-07-24 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
ES2942267T3 (es) | 2015-07-15 | 2023-05-31 | Climate Llc | Generación de modelos digitales de nutrientes disponibles en un cultivo durante el curso del desarrollo del cultivo en función de datos meteorológicos y del suelo |
US9740208B2 (en) | 2015-07-30 | 2017-08-22 | Deere & Company | UAV-based sensing for worksite operations |
US10628895B2 (en) * | 2015-12-14 | 2020-04-21 | The Climate Corporation | Generating digital models of relative yield of a crop based on nitrate values in the soil |
CA3016216C (en) * | 2016-03-04 | 2023-05-02 | Nutrien Ag Solutions (Canada) Inc. | System and method for prescribing fertilizer application rates for spatial distribution of a product |
US10275550B2 (en) | 2016-04-27 | 2019-04-30 | The Climate Corporation | Assimilating a soil sample into a digital nutrient model |
US11544296B1 (en) * | 2016-09-15 | 2023-01-03 | Winfield Solutions, Llc | Systems and methods for spatially-indexing agricultural content |
JP6906959B2 (ja) * | 2017-01-12 | 2021-07-21 | 東光鉄工株式会社 | ドローンを使用した肥料散布方法 |
EP3574456A1 (en) | 2017-01-24 | 2019-12-04 | Gamaya SA | Method and apparatus for recording, processing, visualisation and application of agronomical data |
WO2018222875A1 (en) * | 2017-06-01 | 2018-12-06 | Valmont Industries, Inc. | System and method for irrigation management using machine learning workflows |
US11224153B2 (en) | 2017-07-28 | 2022-01-18 | Kinze Manufacturing, Inc. | Agricultural implement and row units including double acting actuator systems, methods, and apparatus |
US11263707B2 (en) | 2017-08-08 | 2022-03-01 | Indigo Ag, Inc. | Machine learning in agricultural planting, growing, and harvesting contexts |
CN107609695B (zh) * | 2017-09-04 | 2018-10-23 | 北京信德智图科技有限公司 | 基于可调植被指数的作物产量遥感估算方法 |
WO2019118758A1 (en) | 2017-12-15 | 2019-06-20 | Kinze Manufacturing, Inc. | Systems, methods, and apparatus for controlling downforce of an agricultural implement |
US11710196B2 (en) | 2018-04-24 | 2023-07-25 | Indigo Ag, Inc. | Information translation in an online agricultural system |
US11367093B2 (en) | 2018-04-24 | 2022-06-21 | Indigo Ag, Inc. | Satellite-based agricultural modeling |
CN108828147B (zh) * | 2018-06-14 | 2021-04-20 | 福州大学 | 一种耦合遥感响应特征的刚竹毒蛾危害检测方法 |
US11596119B2 (en) * | 2018-08-13 | 2023-03-07 | Climate Llc | Digital nutrient models using spatially distributed values unique to an agronomic field |
JP7250457B2 (ja) * | 2018-08-23 | 2023-04-03 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
USD908277S1 (en) | 2018-08-25 | 2021-01-19 | Amvac Chemical Corporation | Container for dry products |
US10645866B2 (en) | 2018-08-28 | 2020-05-12 | Amvac Chemical Corporation | Container system for transporting and dispensing agricultural products |
US11382261B2 (en) | 2018-08-28 | 2022-07-12 | Amvac Chemical Corporation | System and method for stacking containers |
CA3106467A1 (en) * | 2018-08-31 | 2020-03-05 | Farmers Edge Inc. | Method and system for estimating effective crop nitrogen applications |
US10684612B2 (en) * | 2018-10-10 | 2020-06-16 | The Climate Corporation | Agricultural management recommendations based on blended model |
EP3897090A4 (en) | 2018-12-20 | 2023-01-11 | Climate LLC | USE OF SPATIAL STATISTICAL MODELS TO PERFORM AGRONOMIC EXPERIMENTS |
US20220261928A1 (en) * | 2019-07-08 | 2022-08-18 | Indigo Ag, Inc. | Crop yield forecasting models |
US11895941B2 (en) | 2019-09-23 | 2024-02-13 | Cnh Industrial America Llc | Tillage system with variable fertilizer application |
US11704581B1 (en) | 2020-01-29 | 2023-07-18 | Arva Intelligence Corp. | Determining crop-yield drivers with multi-dimensional response surfaces |
US11610272B1 (en) | 2020-01-29 | 2023-03-21 | Arva Intelligence Corp. | Predicting crop yield with a crop prediction engine |
US11715024B1 (en) | 2020-02-20 | 2023-08-01 | Arva Intelligence Corp. | Estimating soil chemistry at different crop field locations |
US11704576B1 (en) | 2020-01-29 | 2023-07-18 | Arva Intelligence Corp. | Identifying ground types from interpolated covariates |
JP7429964B2 (ja) | 2020-04-27 | 2024-02-09 | 国立研究開発法人農業・食品産業技術総合研究機構 | 基肥量演算装置、基肥量演算方法および基肥量演算プログラム |
US11947355B2 (en) | 2020-10-15 | 2024-04-02 | Topcon Positioning Systems, Inc. | Method and apparatus for zone mapping |
US20240099184A1 (en) * | 2020-12-23 | 2024-03-28 | Basf Agro Trademarks Gmbh | Decision system for seed product and/or crop nutrition product application using remote sensing based soil parameters |
CN112840772B (zh) * | 2021-01-11 | 2022-03-29 | 河北省农林科学院农业资源环境研究所 | 依据冬小麦留茬量的夏玉米精量施肥装置 |
US11880894B2 (en) | 2021-08-31 | 2024-01-23 | Indigo Ag, Inc. | Systems and methods for ecosystem credit recommendations |
CN114391351A (zh) * | 2021-12-29 | 2022-04-26 | 北京市农林科学院信息技术研究中心 | 变量施肥决策方法及装置 |
NO20220416A1 (en) * | 2022-04-05 | 2023-10-06 | Digifarm As | Methods and systems for estimating crop yield from vegetation index data |
US20230320259A1 (en) * | 2022-04-08 | 2023-10-12 | Deere & Company | Predictive nutrient map and control |
US20240023479A1 (en) * | 2022-06-21 | 2024-01-25 | Raven Industries, Inc. | Agricultural slurry applicator |
CN115349340B (zh) * | 2022-09-19 | 2023-05-19 | 沈阳农业大学 | 基于人工智能的高粱施肥控制方法及系统 |
CN115443780B (zh) * | 2022-10-24 | 2023-06-23 | 西北农林科技大学 | 一种基于土壤锌含量及人体锌需求的旱地小麦施锌肥方法 |
CN116108318B (zh) * | 2023-04-06 | 2023-06-13 | 华中农业大学 | 基于无人机多光谱影像的油菜氮肥推荐追施量计算的方法 |
Family Cites Families (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3852750A (en) | 1972-10-16 | 1974-12-03 | Communications Satellite Corp | Navigation satellite system |
US4013875A (en) | 1974-01-11 | 1977-03-22 | Mcglynn Daniel R | Vehicle operation control system |
US4479444A (en) * | 1982-09-30 | 1984-10-30 | Ag-Chem Equipment Co., Inc. | Manometer apparatus and system for distribution of liquid fertilizers |
US4630773A (en) | 1984-11-06 | 1986-12-23 | Soil Teq., Inc. | Method and apparatus for spreading fertilizer |
US5673637A (en) * | 1991-07-22 | 1997-10-07 | Crop Technology, Inc. | Soil constituent sensor and precision agrichemical delivery system and method |
US5033397A (en) * | 1990-07-31 | 1991-07-23 | Aguila Corporation | Soil chemical sensor and precision agricultural chemical delivery system and method |
US6138590A (en) * | 1987-07-21 | 2000-10-31 | Aguila Corporation | Soil constituent sensor and precision agrichemical delivery system and method |
IE61778B1 (en) * | 1989-01-04 | 1994-11-30 | Emyville Enterprises | Image processing |
US5323317A (en) * | 1991-03-05 | 1994-06-21 | Hampton Terry L | Method and apparatus for determining runoff using remote geographic sensing |
US6484652B1 (en) * | 1991-07-22 | 2002-11-26 | Crop Technology, Inc. | Soil constituent sensor and precision agrichemical delivery system and method |
US5220876A (en) | 1992-06-22 | 1993-06-22 | Ag-Chem Equipment Co., Inc. | Variable rate application system |
US5355815A (en) | 1993-03-19 | 1994-10-18 | Ag-Chem Equipment Co., Inc. | Closed-loop variable rate applicator |
US5479992A (en) * | 1993-07-27 | 1996-01-02 | Dawn Equipment Company | Agricultural implement controller to compensate for soil hardness variation |
US5519609A (en) * | 1993-06-30 | 1996-05-21 | Black & Veatch | Biosolids tracking system |
US6266549B1 (en) * | 1993-12-06 | 2001-07-24 | Heska Corporation | Apparatus and method for evaluating cardiac functions |
WO1995018432A1 (en) * | 1993-12-30 | 1995-07-06 | Concord, Inc. | Field navigation system |
US5668719A (en) | 1994-08-05 | 1997-09-16 | Tyler Limited Partnership | Method of fertilizer application and field treatment |
US6393927B1 (en) * | 1995-03-24 | 2002-05-28 | Li-Cor, Inc. | Method and apparatus for real-time determination and application of nitrogen fertilizer using rapid, non-destructive crop canopy measurements |
US6236907B1 (en) * | 1995-05-30 | 2001-05-22 | Ag-Chem Equipment Co., Inc. | System and method for creating agricultural decision and application maps for automated agricultural machines |
US5721679A (en) | 1995-12-18 | 1998-02-24 | Ag-Chem Equipment Co., Inc. | Heads-up display apparatus for computer-controlled agricultural product application equipment |
US5630773A (en) * | 1996-02-02 | 1997-05-20 | Eaton Corporation | Method and apparatus for slip mode control of automatic clutch |
US5845229A (en) * | 1996-10-28 | 1998-12-01 | Appropriate Systems | Method and apparatus for mapping crop quality |
US5841282A (en) * | 1997-02-10 | 1998-11-24 | Christy; Colin | Device for measuring soil conductivity |
US6070539A (en) * | 1997-03-21 | 2000-06-06 | Case Corporation | Variable rate agricultural product application implement with multiple inputs and feedback |
US6091997A (en) * | 1997-09-23 | 2000-07-18 | Case Corporation | Enhanced statistical/status display |
US5913915A (en) * | 1997-09-30 | 1999-06-22 | Ag-Chem Equipment Company, Inc. | Multi-variable rate dispensing system for agricultural machines |
US6141614A (en) | 1998-07-16 | 2000-10-31 | Caterpillar Inc. | Computer-aided farming system and method |
US6570999B1 (en) * | 1998-08-17 | 2003-05-27 | Ag-Chem Equipment Co., Inc. | Soil particle and soil analysis system |
US6115481A (en) * | 1998-10-22 | 2000-09-05 | Centrak, Llc | User modifiable land management zones for the variable application of substances thereto |
US6216614B1 (en) * | 1999-04-28 | 2001-04-17 | Ag-Chem Equipment Co., Inc. | Boom dispensing point control system |
US6266595B1 (en) * | 1999-08-12 | 2001-07-24 | Martin W. Greatline | Method and apparatus for prescription application of products to an agricultural field |
FI112402B (fi) * | 1999-10-28 | 2003-11-28 | Diware Oy | Menetelmä puustotunnusten määrittämiseksi sekä tietokoneohjelma menetelmän suorittamiseksi |
JP4853935B2 (ja) * | 2000-09-01 | 2012-01-11 | 日立マクセルエナジー株式会社 | アルカリ乾電池 |
US6889620B2 (en) * | 2001-02-28 | 2005-05-10 | The Mosaic Company | Method for prescribing site-specific fertilizer application in agricultural fields |
US6549852B2 (en) * | 2001-07-13 | 2003-04-15 | Mzb Technologies, Llc | Methods and systems for managing farmland |
US6389999B1 (en) * | 2001-11-02 | 2002-05-21 | Dennis Duello | Dynamic controller of excess downpressure for surface engaging implement |
-
2002
- 2002-02-26 US US10/083,681 patent/US6889620B2/en not_active Expired - Fee Related
- 2002-02-28 CN CNA02808912XA patent/CN1505794A/zh active Pending
- 2002-02-28 MX MXPA03007772A patent/MXPA03007772A/es unknown
- 2002-02-28 CA CA002439575A patent/CA2439575C/en not_active Expired - Lifetime
- 2002-02-28 WO PCT/US2002/006321 patent/WO2002069230A1/en not_active Application Discontinuation
- 2002-02-28 BR BR0207723-0A patent/BR0207723A/pt not_active Application Discontinuation
- 2002-02-28 EP EP02709751A patent/EP1379987A4/en not_active Withdrawn
- 2002-02-28 AR ARP020100724A patent/AR032918A1/es active IP Right Grant
-
2005
- 2005-03-21 US US11/085,589 patent/US7171912B2/en not_active Expired - Lifetime
-
2006
- 2006-12-21 US US11/643,647 patent/US7343867B2/en not_active Expired - Fee Related
-
2008
- 2008-05-13 AU AU2008202110A patent/AU2008202110B2/en not_active Expired
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102668899A (zh) * | 2012-03-28 | 2012-09-19 | 北京师范大学 | 一种农作物种植模式识别方法 |
CN102668899B (zh) * | 2012-03-28 | 2015-02-25 | 北京师范大学 | 一种农作物种植模式识别方法 |
CN103810640A (zh) * | 2014-02-21 | 2014-05-21 | 孙克 | 手机定位式测土配方施肥服务平台实现方法及系统 |
WO2015139356A1 (zh) * | 2014-03-18 | 2015-09-24 | 北京农业信息技术研究中心 | 一种确定田间调查及田间管理的空间尺度的方法及系统 |
CN104732372A (zh) * | 2015-04-13 | 2015-06-24 | 成都数云科技有限公司 | 一种用于农产品供应链中的决策支持辅助系统 |
CN108521963A (zh) * | 2018-05-16 | 2018-09-14 | 吉林省土壤肥料总站 | 一种测土配方施肥通用精准模型 |
CN108521963B (zh) * | 2018-05-16 | 2020-06-02 | 吉林省土壤肥料总站 | 一种测土配方施肥通用精准模型 |
CN110115142A (zh) * | 2019-04-25 | 2019-08-13 | 中科赛诺(北京)科技有限公司 | 一种基于遥感数据的农田变量施肥方法 |
CN111328516A (zh) * | 2020-04-10 | 2020-06-26 | 厦门精图信息技术有限公司 | 基于高分卫星的智慧农业服务系统及方法 |
CN113875370A (zh) * | 2021-04-07 | 2022-01-04 | 济宁市农业科学研究院 | 一种基于大数据的玉米栽培自动施肥设备 |
CN114051810A (zh) * | 2021-11-10 | 2022-02-18 | 上海联适导航技术股份有限公司 | 一种无人驾驶高精度农机施肥控制方法、系统及智慧农机 |
Also Published As
Publication number | Publication date |
---|---|
BR0207723A (pt) | 2004-12-28 |
AU2008202110A1 (en) | 2008-06-05 |
US20050165552A1 (en) | 2005-07-28 |
EP1379987A4 (en) | 2006-08-09 |
AU2008202110B2 (en) | 2011-03-03 |
WO2002069230A1 (en) | 2002-09-06 |
US20070186830A1 (en) | 2007-08-16 |
MXPA03007772A (es) | 2004-11-12 |
US20030019408A1 (en) | 2003-01-30 |
WO2002069230A8 (en) | 2002-10-10 |
US7343867B2 (en) | 2008-03-18 |
US7171912B2 (en) | 2007-02-06 |
US6889620B2 (en) | 2005-05-10 |
CA2439575A1 (en) | 2002-09-06 |
CA2439575C (en) | 2008-02-19 |
EP1379987A1 (en) | 2004-01-14 |
AR032918A1 (es) | 2003-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1505794A (zh) | 用于农田的计算机定位施肥 | |
US11615276B2 (en) | Detection of plant diseases with multi-stage, multi-scale deep learning | |
BR112021009659A2 (pt) | mapeamento de anomalias de campo com o uso de imagens digitais e modelos de aprendizado de máquina. | |
CN113196294A (zh) | 使用机器学习方法利用卫星数据来映射土壤属性 | |
BR112019002436B1 (pt) | Método e sistema para estimar conteúdo de nitrogênio utilizando imagens hiperespectrais e multiespectrais e um ou mais meios de armazenamento legíveis por computador não transitórios | |
US20150206255A1 (en) | Method and system to prescribe variable seeding density across a cultivated field using remotely sensed data | |
BR112018011989B1 (pt) | Método para geração de modelos digitais de rendimento relativo de uma cultura e um ou mais meios legíveis por computador não transitórios | |
BR112018000627B1 (pt) | Método e sistema de processamento de dados para geração de modelos digitais de nutrientes disponíveis para uma cultura | |
CN109614891A (zh) | 基于物候学和遥感的农作物识别方法 | |
EP1239723A1 (en) | Method for fertilizing cultivated plants for optimizing the quantity and quality of the yield | |
BR112021006110A2 (pt) | sistemas e métodos para identificar e utilizar locais de teste em campos agrícolas | |
BR112021002525A2 (pt) | aprimoramento de modelos de nutrientes digitais usando valores espacialmente distribuídos exclusivos para um campo agronômico | |
CN109757175A (zh) | 一种基于无人机监测的玉米水肥一体化变量施肥方法 | |
BR112021010533A2 (pt) | Geração de script preditivo para grãos de soja | |
Sari et al. | Detecting rice phenology in paddy fields with complex cropping pattern using time series MODIS data | |
US11805321B2 (en) | System and method for automatic control of exposure time in an imaging instrument | |
Zou et al. | Combining spectral and texture feature of UAV image with plant height to improve LAI estimation of winter wheat at jointing stage | |
Dlamini | Exploring the potential of using remote sensing data to model agricultural systems in data-limited areas | |
Franzen | 2 Nitrogen Management in Sugar Beet Using Remote Sensing and GIS | |
Schepers | Site-specific Nitrogen Management for Irrigated Corn | |
Cheng et al. | Crop Aboveground Biomass Monitoring Model Based on Uav Spectral Index Reconstruction and Bayesian Model Averaging: A Case Study of Film-Mulched Wheat and Maize | |
Charvát et al. | Delineation of management zones by using satellite imagery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1066890 Country of ref document: HK |
|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1066890 Country of ref document: HK |