EKSEMPEL PÅ PRAKTISK ANVENDELSE AF DRONER I DANSK LANDBRUG KAN DER UDARBEJDES ET KVÆLSTOFTILDELINGSKORT PÅ BAGGRUND AF DRONEMÅLINGER?

Transkript

1 EKSEMPEL PÅ PRAKTISK ANVENDELSE AF DRONER I DANSK LANDBRUG KAN DER UDARBEJDES ET KVÆLSTOFTILDELINGSKORT PÅ BAGGRUND AF DRONEMÅLINGER?

2 Rapporten er udarbejdet af Rita Hørfarter, SEGES Jens Christian Skov Jensen, GeoTeam Marts 2015

3 Indholdsfortegnelse Formål... 3 Baggrund... 3 Materialer og metoder... 3 Ejendomsbeskrivelse... 3 Drone flyvning og måling... 4 Forberedelse på kontoret... 4 I marken... 4 Efterbehandling af data på kontoret... 5 Isaria sensor... 6 Kvælstoftildeling... 6 Beregning af kvælstoftildeling ud fra sensor data... 6 Udarbejdelse af kort til gradueret kvælstof... 7 Tilpasning af kvælstoftildelingskort... 8 As-applied... 9 Isaria målinger... 9 Diskussion Konklusion Litteraturliste

4 Formål SEGES og firmaet Geoteam A/S har i 2014 gennemført en demonstration, der skal afklare om det i praksis er muligt, at overflyve en mark med en drone, hvori der er placeret en sensor, og dernæst behandle de indsamlede data og derudfra udarbejde et kvælstoftildelingskort og sprede gødningen gradueret på marken. I processen fra dronemåling til udspredning af gradueret kvælstof på marken, indgår en del ukendte faktorer, der især handler om, at håndtere de store datamængder fra dronen. Data, der geografisk skal rettes op, og ikke mindst generaliseres (fra høj opløsning til lavere opløsning). Der findes i øjeblikket ikke et ITprogram, der kan klare ovenstående, så i demonstrationen vil dataprocessen blive håndholdt hele vejen igennem. Baggrund Gennem de seneste 10 år har plantesensorer været anvendt i landbruget. Hidtil har disse været placeret på taget af en traktor, på en redskabsbom (Yara N-sensor, Isaria, Greenseeker) eller på en satellit. Sidstnævnte er ikke så udbredt i Danmark. En plantesensor måler refleksionen af lys fra afgrøden, og kan derudfra beregne RVI (Reflections Vegetation Index), der er tæt korreleret med biomassen. I ovenstående demonstration flyttes sensoren op i en drone, der overflyver marken, mens der måles kontinuerligt. Sensordata fra dronen sammenholdes med data fra den traktormonterede Isaria sensor. Forsøg fra 2002 udført af SEGES og Aarhus Universitet har vist at omfordeling af kvælstof indenfor en mark skal ske fra sandjord med tynd plantevækst, samt hvor afgrøden er meget kraftigt udviklet, uanset jordtypen til områder med højt lerindhold og lav plantevækst. Den algoritme, der blev udviklet ud fra disse forsøg inddrages i udarbejdelse af det endelige kvælstoftildelingskort. Materialer og metoder Ejendomsbeskrivelse Demonstrationsmarken er beliggende på godset Adamshøjs arealer ved Tissø på Sjælland. Adamhøj er et planteavlsbrug uden husdyr. Den dominerende jordtype på forsøgsmarken er JB 6 se figur 1. 3

5 Figur 1. Demonstrationsmarken er beliggende ved Tissø på Sjælland og er i alt på 30 ha. Marken er meget kuperet med en højdeforskel på 20 meter og er her vist med 1 meter højdekurver. I undersøgelsen indgår kun de 20 ha vist med rød og blå farve. I området vist med rød markgrænse tildeles gødning gradueret, mens området vist med blå markgrænse tildeles kvælstof ensartet. Drone flyvning og måling Dronen er af typen Trimble UX5 monteret med et Sony NEX-5R kamera. Opløseligheden på kameraet er 20 MP. For at flyve med en fastvingedrone at typen UX5, skal der erhverves certifikat fra luftfartsstyrelsen. Forberedelse på kontoret Ved planlægning af flyvning med drone skal afstande til større veje og bymæssig bebyggelse kontrolleres i henhold til de afstandskrav, der er opstillet af luftfartsstyrelsen. Her viste det sig, at ikke hele forsøgsarealet kunne overflyves pga. afstandskrav til en større vej sydvest for marken. Derfor blev flyveretningen ændret fra nord/syd til øst/vest. Til trods for ændring af flyveretningen, er der alligevel et lille hjørne af marken, der ikke kan overflyves. Dernæst skal valg af flyvehøjde samt overlap af drone billederne fastlægges. Jo højere der flyves, jo lavere fotoopløsning og jo større kapacitet har dronen. Det siger sig selv, at jo højere dronen flyver, jo større areal kan den måle. Ved en flyvehøjde på 100 meter kan dronen overflyve omkring 500 ha på ca. 50 min. Til sidst fastlægges selve flyveruten, som dronen skal foretage hen over forsøgsarealet, og ikke mindst, hvor den skal lande. I marken Inden dronen kommer i luften, er det nødvendigt at udlægge hvide plader (paspunkter) i marken, der logges med en håndholdt GPS. Paspunkterne benyttes senere til at geo-referere billedet som dronen produce- 4

6 rer. Dernæst sættes dronen i affyringsrampen som vist i Figur 2, hvorefter den flyver den forud planlagte rute. Når ruten er gennemfløjet, cirkler dronen rundt indtil der bliver trykket på landingsknappen, hvorefter dronen returnerer og lander med lav hastighed på det planlagte sted. Figur 2. Til vestre ses Trimble UX5 drone med SONY NEX-5R kamera klar på affyringsrampen. Til højre ses den aktuelle flyverute. Trekanten i midten af kortet viser dronens start og slut punkt. Som det ses, er det ikke muligt at flyve nord / syd på grund at en større landevej, hvilket også gør at den sydlige del af marken ikke kan overflyves. Efterbehandling af data på kontoret Efter endt flyvning, downloades data fra kameraet. Opløsningen pr. billede er 2*2 cm, så samlet fylder de 30 ha 8 GB, hvilket stiller store krav til computeren. Alle billederne behandles i et billedbehandlingsprogram, der følger med dronen. Disse lægges sammen til ét stort billede, der geo-refereres (rettes op) via paspunkterne (de hvide plader, der blev lagt ud i marken). For hver pixel på 2*2 cm er der beregnet en NDVI-værdi (normalized difference vegetation index), der er et udtryk for den aktuelle biomasse på punktet. Sensor måling med Yara N-sensor, Greenseeker og Isaria måler både indstråling fra oven og refleksion af lys fra afgrøden, hvilket betyder at biomassemålingerne korrigeres for skiftende lys i form af skydække og sol. Det betyder, at en sensormåling kan genskabes uanset de aktuelle lysforhold. En udfordring i forbindelse med drone sensormålingerne været, at den ikke kan måle lysindstråling fra oven, men kun refleksionen fra afgrøden. For at overvinde denne udfordring med manglende måling af indstrålingen, er der målt forskellige steder i marken med den håndholdte sensor GreenSeeker, der har sin egen lyskilde, og derfor er uafhængig af vejrliget. Data fra GreenSeekeren er benyttet til at kalibrere NDVI-data fra dronen. Som tidligere nævnt, er mængden af sensordata, der skal håndteres, meget stor (8 GB), hvilket primært skyldes den høje opløsning. I forbindelse med gødningstildeling med en centrifugalspreder, der spreder 30 meter med dobbelt overlap er en pixelstørrelse på 2*2 cm alt for høj. Derfor er der beregnet gennemsnitlige NDVI-værdier i 5*5 meter pixels til beregning af kvælstoftildelingskortet. 5

7 Isaria sensor Forsøgsarealet er overkørt med Isaria sensoren fra Fritzmeier. Her er i alt 4 sensorer monteret på sprøjtebommen, og der måles kontinuerligt, mens traktoren kører gennem marken. Isaria sensoren er udstyret med egen lyskilde og optiske NIR sensorer, der beregner et IRMI-vegetationsindeks, som er godt korreleret til NDVI-vegetationsindekset. Kvælstoftildeling Beregning af kvælstoftildeling ud fra sensor data SEGES har i 2002, i samarbejde med Aarhus Universitet, udviklet en algoritme til omfordeling af kvælstof ud fra sensormålinger med og uden inddragelse af jordtypen. (Oversigt over Landsforsøgene 2002, s ). Konklusionen er, at hvis det kun er jordtypen der indgår i omfordelingen, så skal kvælstoftildelingen stige til et vist niveau, og derefter falde igen. I figur 3, er dette vist ved EM38-målinger, der populært sagt måler jordens indhold af ler. Lave EM38 målinger er lig med lavt indhold af ler, og høje værdier er lig med højt indhold af ler i jorden. Beregningsmodellen for RVI har et tilsvarende forløb. Nederste i figur 3 ses værdierne fra en Yara N-sensor, og her ses, at kvælstoftildelingerne øges indtil en RVI-værdi på 9, hvorefter kvælstoftildelingen reduceres. Når der i modellen indgår både jordens lerindhold og RVI, tildeles den største kvælstofmængde i områder med højt indhold af ler og lavt RVI. Det vil på forholdsvis svær jord sige, hvor afgrøden ikke er for tæt. De laveste kvælstofmængder tildeles i områder med sandet jord og tynd plantebestand, samt hvor afgrøden er meget kraftigt udviklet, uanset jordtypen. 6

8 Figur 3. Øverst ses kvælstoftildeling, hvis der kun tages hensyn til jordens lerindhold, her vist med EM38-data (høj ledningsevne = højt lerindhold, lav ledningsevne =lavt lerindhold). Det fremgår af kurven, at de meget svære lerjorde skal have tilført mindst kvælstof af alle. Samme kurve er vist med RVI-målinger (plantesensor). Her ses at kvælstoftildelingerne topper ved RVI 9, hvorefter kurven flader ud. Hvis både RVI og jordens lerindhold indgår skal den største kvælstoftildeling ske ved højt lerindhold og lavt RVI. De laveste kvælstofmængder tildeles i områder med sandet jord og tynd plantebestand, samt hvor afgrøden er meget kraftigt udviklet, uanset jordtypen. Udarbejdelse af kort til gradueret kvælstof Jordtypen i den nordlige del af marken er meget leret, mens den sydøstlige del er mere sandblandet lerjord. Marken er meget kuperet med en højdeforskel på 20 meter. Afgrøden er foderhvede med et samlet kvælstofbehov, ifølge gødningsplanen på 175 kg kvælstof pr. ha. Den 13. marts 2014 er der tilført 300 kg NPK pr. ha på hele arealet, hvilket er 63 kg N pr. ha. Der er dermed 112 kg N pr. ha tilbage, til at omfordele efter dronemålingerne. For at kunne arbejde med dronedata, har det været nødvendigt at generalisere disse, det vil sige opløsning af data er ændret til 5*5 meter. Derefter anvendes ovenstående algoritme for omfordeling af kvælstof. Umiddelbart er der ikke særligt meget spænd i sensormålingerne, hvorved kvælstofvariationen er meget lille. Derfor ændres algoritmen lidt for at give mere spænd i data, hvorefter beregningen foretages for alle dronemålingerne. Resultatet er vist i figur 4. 7

9 Figur 4. Ud fra drone data og den tilrettede kvælstofmodel, ser kvælstoftildelingskortet ud som vist. De røde områder tildeles høje og de blå områder tildeles lave kvælstofmængder. Kvælstoftildelingen spænder fra 84 til 132 kg kvælstof pr. ha. Som det fremgår, er der mange kvælstofniveauer, der ofte dækker små områder. Den anvendte gødningsspreder er en centrifugal spreder med 30 meter dobbeltoverlap, hvilket passer dårligt med forholdsvis små områder og hyppige skift i kvælstofniveauer. Tilpasning af kvælstoftildelingskort I forbindelse med udarbejdning af tildelingskort, skal der tages højde for hvilken maskine der skal benyttes til opgaven. De vigtigste elementer, er her redskabets arbejdsbredde og fremkørselshastighed. Gødningsspredere, såmaskiner, sprøjter mm. reagere med forskellig hastighed, som følge af hastigheden på hydrauliske funktioner, aktuatorer m.m. Produktet der skal spredes, kan variere betydeligt, og derigennem påvirke reguleringshastigheden. En centrifugalspreder arbejder med dobbelt overlap for at opnå en ens fordeling på tværs af fremkørselsretningen. En sprøjte har typisk en noget længere reaktionstid (30 sek.), fra ventilen reagere, til ændringen er sket ude ved dyserne. Et tildelingskort, til et redskab med lille arbejdsbrede og lav hastighed kan laves med høj detaljegrad. Modsat skal et tildelingskort til et redskab med stor arbejdsbrede og høj hastighed have en noget lavere detaljeringsgrad. Figur 5. Kvælstoftildelingskort. Ved sammenligning med kvælstofstildelingskortet i figur 4 er der sket en vis forenkling der er færre gødningsniveauer og de enkelte områder er større. Kortet er tilrettet gødningssprederen. Figur 5 viser kvælstof tildelingskortet, der er læst ind i gødningssprederen. Vestsiden af marken følger normal praksis for gødningsfordeling på bedriften. Bemærk, at alle foragere bliver tildelt mindre gødning som følge af lavere vækstpotentiale. Den østlige side af marken er tildelt gødning jævnfør, SEGES, PlanteInnovations kvælstofomfordelingsmodel. Bemærk, at tildelingsplanen der er udarbejdet til centrifugalsprederen er forenklet meget, set i forhold til det oprindelige tildelingskort vist i figur 4. 8

10 As-applied Den gødningsmængde, der tildeles et areal er bestemt ud fra GPS-antennens placering, og den tilhørende gødningsmængde på positionen. Områder der ligger ved siden af køresporet/ved siden af GPS-antennens placering, har ingen indflydelse på den gødningsmængde, der tildeles. Figur 6. Under kørsel logger traktorterminalen den gødningsmængde, der er spredt den 28. april 201 4("As applied"). Figur 6 viser, hvad gødningssprederen rent faktisk har tildelt af gødning. Gødningssprederens terminal registrerer hele tiden on-the-go, hvor meget gødning der tilføres. As applied kortet er vigtigt for at forstå, hvordan en gødningsspreder reagerer på en tildelingsplan. Ved sammenligning af figur 5 og figur 6, ses forskellen mellem tildelingsplanen og As applied kortet. Her ses, at gødningssprederen ikke reagerer i mindre områder langs den østlige markgrænse. Dette viser, at tildelingsplanen er for detaljeret set i forholde til gødningssprederens reaktion. Isaria målinger Der er i landsforsøg undersøgt, om de forskellige traktormonterede sensorer måler det samme, på trods af at de anvender forskellige vegetations indeks. Konklusionen er, at der er en god korrelation mellem målinger på samme mark med henholdsvis Isaria, Yara N-sensor og GreenSeeker (se Oversigt over Landsforsøgene 2013, side 236). Derfor forventer vi også en god korrelation mellem dronesensormålinger og Isaria-sensoren. Desværre viser målingerne, at der ikke er nogen korrelation, eller meget lille korrelation mellem dronemålingerne og Isaria-sensormålingerne fra april måned. Årsagen hertil er, at de 4 sensorer på Isaria-sensoren har været 9

11 defekt, i den forstand at der måles forskelligt på hver side af bommen. Ud fra kortet i figur 7 ses, at de to sensorer på venstre side af bommen måler markant højere værdier end i sensorerne på højre side. Derfor har det ikke været muligt at sammenholde sensormålinger med Isaria målinger i undersøgelsen. Figur 7. Det interpolerede kort fra Isaria-måling fra 25. april viser, at der er en generel fejl med sensor-målingerne på venstre side af bommen. Her er målingerne meget højere end i højre side. Blå farve er lig med lavere værdier, mens rød farve er høje værdier. Den mørkeblå linje markerer køresporene og pilene viser kørselsretningen. Diskussion Flyvning og indsamling af data med droner, er langt fra en triviel disciplin i år Men projektet har vist at teknologien er til stede, og at det kan lade sig gøre. Projektet belyser de elementer, der indgå i processen, fra flyvning med dronen, til udarbejdelse af et gradueret kvælstoftildelingskort samt til spredning i marken. Kvælstoftildeling ud fra dronedata har dog begrænsede økonomiske perspektiver, set i en dansk kontekst. Det er nævnt, at den meget høje dataopløsning på 2*2 cm, er alt for høj til gradueret tildeling af næringsstoffer indenfor landbruget. Det vil kræve redskaber, der kan behandle meget små områder individuelt. Til landbrugsformål må en opløsning på 5*5 meter være optimal. I projektet løste vi problemet ved at generalisere data, en anden mulighed er at lade dronen flyve højere end de 100 meter, det vil formindske pixelstørrelsen, men er ikke tilladt i Danmark. Det lykkedes desværre ikke, at lave en sammenligning af målinger af Isaria og dronedata. Det ville have været interessant at se, hvordan de to tildelingskort ville have set ud. Med de erfaringer der er fra projektet, må det alt andet lige være noget billigere at anvende Isaria sensoren, da det er on-the-go sammenlignet med håndtering af sensordata. 10

12 Et krav til anvendelse af dronedata må være at kameraet i dronen måler både indstråling og udstråling, så man ved en ny flyvning samme dag under andre lysforhold kan genskabe data. Et andet ønske er, at der er påmonteret en RTK-antenne, så data er korrigerede og derfor har en høj nøjagtighed. Anvendelse af RTK GPS-signal, betyder at udlægning af hvide pas plader kan udelades og at data ikke skal geo-refereres. Det har været en erkendelse, at uanset hvor mange kvælstofniveauer gødningstildelingskortet indeholder, og hvor detaljeret det udarbejdes, kan virkeligheden ofte være en ganske anden, hvilket også ses af asapplied kortet. Det betyder, at der kan være stor forskel på, hvad man planlægger der skal tildeles i marken, og hvad der rent faktisk tildeles. Konklusion Konklusionen på projektet må være at; ja det er muligt, at overflyve en mark med en drone, hvori der er placeret en sensor, behandle de indsamlede data og derudfra udarbejde et kvælstoftildelingskort og sprede gødningen gradueret på marken. Men det er tidskrævende og data skal håndholdes hele vejen igennem. På sigt vil det kræve, at der findes it-løsninger for datahåndteringen før det kan blive økonomisk rentabelt at anvende en drone fremfor en sensor monteret på en sprøjte eller traktor. Sidstnævnte vil automatisk lave et kort for hver gang marken overkøres i forbindelse med plantebeskyttelsesopgaver eller gødskning, og kræver ingen datahåndtering, og er derved svær at konkurrere med. Mulighederne for at anvende droner i forbindelse med planteavlsrådgivning er til stede med den nuværende teknik, men indtil videre ligger hovedvægten indenfor overvågning i marken. Dronen sendes op og brugeren kigger på fotoet for at se, om alt er som det skal være. Det er også erfaringerne fra konference i USA i sommeren 2014, at det er hovedoverskriften når der tales om droner indenfor landbruget. Hvis droner i landbruget skal anvendes til andet end overvågning, kræver det et færdigt IT-program, der kan indlæse dronedata og ved et klik kan udlæse et kvælstoftildelingskort m.m. Litteraturliste Oversigt over Landsforsøgene 2002, s Oversigt over Landsforsøgene 2013, side GIS/Sider/indtryk_fra_konference_infoag_2014_pl_14_1871.aspx 11

13 SEGES P/S Agro Food Park 15 DK 8200 Aarhus N T E info@seges.dk W seges.dk SEGES P/S skaber løsninger til fremtidens landbrugs- og fødevareerhverv. Vi udvikler forretningsmuligheder og serviceydelser i tæt samarbejde med vores kunder, forskningsinstitutioner og virksomheder over hele verden. SEGES er det nye navn for Videncentret for Landbrug, som pr. 1. januar 2015 også omfatter Videncenter for Svineproduktion.