Geostatistiske analyse af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug.

Geostatistiske analyse af afgrøde og jord data til optimering af tildelingsteknologien i præcisionsjordbrug. Speciale Projekt for Helle Kristensen L10416 Sektion for Miljø, Ressourcer og Teknologi Institut for Jordbrugsvidenskab Det Biovidenskabelige Fakultet for Fødevare, Veterinærmedicin og Naturressourcer Intern Vejleder Hans Werner Griepentrog Ekstern Vejleder Leif Knudsen Marts 2007

Resumé Tendensen til stadigt større maskiner i jordbruget for at øge produktiviteten rejser spørgsmålet: Er det muligt at implementere præcisions jordbrug på bedrifterne? Ville det være muligt at implementere præcisions gødskning på de danske bedrifter, for at kunne udnytte de gødningsmængder, der er tilladte i Danmark optimalt eller er maskinerne for store? Ved at analysere variationerne i biomassen og lerindholdet på 8 forskellige lokationer i Danmark, kan der gives et realistisk billede af om det kan lade sig gøre. På de 8 forskellige lokationer blev data fra Geonics Ltd. EM38DD og fra Yara N-sensor indsamlet og analyseret ved hjælp af variogramparametre og Mean Correlated Distance (MCD), MCD kan bruges som indikator for hvor bred gødningssprederen må være for at kunne bruges til præcisions gødskning. Det viste sig at variationen i biomassen var større end variationen i lerindholdet. MCD var mindre end gødningsspreddebredden på 6 ud af de 8 lokationer data blev målt på. Hvilket betyder at maskinerne på de bedrifter umiddelbart kan bruges til præcisions jordbrug, uden ombygning eller anden tilpasning. På de 2 sidste bedrifter var maskinstørrelsen hhv. 2 m og 11 m bredere end MCD, hvilket specielt for den sidste betyder at gødningssprederen er for bred til præcisions jordbrug på denne bedrift, med mindre at maskinen kan variere gødningsmængden i spredebredden. MCD kan bruges til at give landmanden en ide om hvor stort maskineri der skal bruges på hans bedrift såfremt han er interesseret i at implementere præcisions jordbrug. I

Abstract The tendencies to increase the size of the machinery in agriculture on pursuit of a better productivity raise the question: Is it possible to implement Precision Farming on the farms? Would it be possible to implement Precisions Fertilizing on the Danish farms, to exploit the legal amount of fertilizer as much as possible or is the machinery to big? By analysing the spatial variations for soil electric conductivity and biomass index at 8 different locations in Denmark, with variograms and mean correlated distance (MCD) is it possible to give a realistic picture if it can be done. On the 8 locations in Denmark there were collected data from Geonics Ltd. EM38DD and Yara N-sensor. These data was analyzed by variograms and MCD. MCD can be used as an indicator of the maximum allowed size of machinery to be used for Precision Farming. The variation of biomass was bigger than the variation for soil electric conductivity. MCD was smaller than the machinery size on 6 out of the 8 test locations, which mean on these 6 locations the machinery can be used for Precision farming without any changes. On the last 2 locations the machinery size was 2 m and 11 m bigger than the MCD, which means that especialy on the last farm the machinery are to big to be used for precision farming, unless the fertilizer machinery can regulate the amount in the width of the spreading. MCD can give the farmer an indication of the machinery size, which is to be used on his farm, if he wants to implement Precision Farming. II

Forord Hensigten med rapporten er at oplyse om hvorvidt det maskineri der bruges på bedrifterne i dag, kan bruges til præcisionsjordbrug samt hvordan man kan bruge biomassen og lerindholdet til at anbefale maskinstørrelsen. Min målgruppe er forskere, studerende, landmænd pog andre, som har interesse i præcisions jordbrug og nye metoder til at bestemme planternes næringsbehov. Jeg vil gerne takke Rita Hørfarter og Leif Knudsen fra Dansk Landbrugsrådgivning for deres hjælp med fremskaffelse af alt data vedr. Yara N-sensor og Geonics Limited EM38. Tak til Jon Nielsen og Dvoralai Wulfsohn for at give råd og vejledning til de geostatistiske beregninger. Til Steffen Halmø for telefonisk bistand vedrørende Yaras N-sensor. Til Mike Catalano, Canada for bistand til tekniske informationer om EM38. Samt Tak til Hans Werner Griepentrog for god vejledning. Højbakkegård den 13. Marts 2007 (Helle Kristensen) III

Indholdsfortegnelse 1. Introduktion 1 1.1.Problemformulering. 1 1.2.Baggrund for problemet... 2 1.2.1. Hvorfor er det et problem 2 1.2.2. I hvilken sammenhæng er det et problem 2 1.3. Hvorfor er problemet relevant.. 2 1.4. Afgrænsning. 2 1.5. Hensigten med projektet... 3 1.6. Formålet med projektet. 3 1.6.1. Hvad vil du finde ud af i løbet af projektet.. 3 1.6.2. Hvordan vil du finde ud af det. 3 1.7. Hvilken ny viden vil projektet give... 3 1.8. Kildekritik. 4 1.8.1. Litteratur kilder 4 1.8.2. Data Kilder... 4 2. Præcisionsjordbrug. 5 2.1. Afgrødebehov, miljøbeskyttelse og økonomisk optimering. 5 2.1.1. Sensorer til at beskrive afgrødebehovet... 5 2.1.1.1. Telemåling... 5 2.1.1.2. Udbyttemålere. 8 2.1.1.3. Yara N-Sensor. 9 2.1.2. Metoder til beskrivelse af jorden. 12 2.1.2.1. Jordtype... 12 2.1.2.2. Jordprøver 14 2.1.2.3. Geonics Limited EM38DD.. 18 2.1.3. Tildelingsteknologi... 19 2.1.3.1. Maskineri. 19 2.1.3.2. GPS.. 21 2.1.3.3. Tildelingskort/Realtime... 22 3. Materialer og Metoder... 23 3.1. Jord og afgrøde data kilder... 23 3.2. Data konvertering. 23 3.3. Excel. 23 3.4. Markbeskrivelser og data.. 24 3.5. Geostatistik... 26 3.5.1 Data analyse og variabilitet beskrivelse 26 3.5.1.1 Geo.Filter.. 26 3.5.1.2 Surfer 8. 26 3.5.1.3. Mean correlated distance (MCD) 31 3.5.1.4 Analyse af sammenhæng mellem Yara N-sensor data og Geonics Limited EM38DD data... 32 4. Resultater og Diskussion 34 4.1. Maskinstørrelse. 34 4.2. Variogram parameter (nugget, range, sill) og MCD for alle marker 35 4.3. Analyse af sammenhæng mellem Biomasse og Lerindhold. 38 4.4. Sammenligning af maskineri og afgrødebehov 39 IV

5. Konklusion... 41 6. Perspektivering... 42 7. Referencer... 43 8. Bilagsoversigt.. 49 V

1. Introduktion Danmark har siden 1999 haft en gødskning politik, der siger at der maksimalt må gødskes med 90 % af den kvælstofmængde der er økonomiske optimal på en ejendom. Undersøgelser har vist at dette medfører udbyttetab på ca. 1,2 hkg/ha i vinterhvede som 1. års tab, derefter skal tillægges tab ved vedvarende undergødskning (Knudsen 2004). Dette gør at det er vigtigt at udnytte gødningen i så høj grad som muligt. For udnytte gødningen bedst muligt er det vigtigt at kunne tildele denne på de områder, hvor der er størst brug for den. For at få den bedste kvalitet i afgrøden, det bedste udbytte og få det mest optimale ud af jorden er det nødvendigt, at gødske planterne, således at de ikke mangler næringsstoffer samtidigt med ikke at bruge mere gødning end nødvendigt. En måde at udnytte den tilladte mængde gødning bedst muligt er at præcisionsgødske, dvs. at tildele det enkelte område af marken eller den enkelte plante nøjagtig den mængde gødning det/den har brug for. Nogle afgørende krav til præcisionsgødskning er at afgrødens behov kan aflæses og gødningsmængder beregnes, og at disse data kan konverteres til tildelingskort, som er tilstrækkeligt præcise til at maskinerne kan, tildele gødningen efter dem. Et andet problem er om maskinerne kan tildele i de bredder som er nødvendigt. 1.1. Problemformulering På baggrund af data, fra Yara s N-sensor (biomasse index) og Geonics Limited EM38DD (lerindhold) samt oplysninger om forskellige gødningsspredere, vil jeg i mit projekt forsøge at besvare følgende spørgsmål: A. Hvad er (størrelsen af) den spatiale (rummelige) variabilitet på typiske marker i Danmark inden for jord (EM-38DD fra Geonics Limited) og afgrøde (BI fra Yara N-sensor)? B. Hvad er korrelationen (sammenhængen) mellem lerindholdet og biomasse indexet på de danske jorde? 1

C. Er nutidens maskiner tilstrækkelige til præcisionsgødskning med hensyn til bredde, sektionsdelinger m.v. eller skal der udvikles nye maskiner til præcisions tildeling? D. Kan variable rate applikation (VRA) maskineri tilpasses/forbedres til præcisionsgødskning? 1.2. Baggrund for problemet 1.2.1. Hvorfor er det et problem? Såfremt tildelingsmaskinerne i dag ikke er tilstrækkelige præcise til at kunne tildele den optimale gødningsmængde til afgrøden, er der ingen grund til at præcisionsgødske, idet der ikke vil være nogen forbedring i forhold til den ordinære udbringning. 1.2.2. I hvilken sammenhæng er det et problem? Såfremt at tildelingen af gødningen kan optimeres i forhold til afgrødens behov, vil udnyttelsen af gødningen blive mere optimal. Når planterne får tilført flere næringsstoffer end de kan udnytte, forøges udvaskningen af næringsstofferne, denne udvaskning kan gøres mindre ved kun at tilføre de næringsstoffer planterne kan optage og udnytte. Både landmandens og det offentliges økonomi vil dermed blive påvirket af præcisionsgødskning. 1.3. Hvorfor er problemet relevant? Fremtidens landbrug skal tilpasses en mere krævende verden med hensyn til miljø, økonomi m.v. Derfor er det vigtigt at udvikle landbruget således at det skader det omgivende miljø mindst muligt. Fremtidssikringen af landbrug kræver at mekaniseringen og dermed præcisions-systemet udvikles, således at virksomheden kan optimeres mest muligt på alle områder. 1.4. Afgrænsning Jeg har valgt ikke at omregne EM38DD målingerne til lerindhold, i det forholdet mellem de brugte data vil være den samme, uanset om det er lerindholdet eller den 2

direkte måling der er brugt. Samtidigt har de kilder jeg har brugt til sammenligning brugt den direkte måling i deres resultater, således er data lettere at sammenligne direkte. Med hensyn til maskineri har jeg valgt generelt ikke at se på bestemte mærker, jeg har kun fremhævet enkelte mærker i de tilfælde, hvor de adskiller markant fra andre mærker. Samtidigt har jeg valgt ikke at beskrive data forsinkelser og de komplikationer der eventuel kan opstå som følge af det. 1.5. Hensigten med projektet At analysere den spatiale (rummelige) variabilitet i afgrøden og jorden, for at finde ud af hvordan de nuværende tildelings maskiner passer til præcisions gødskning. 1.6. Formålet med projektet 1.6.1. Hvad vil du finde ud af i løbet af projektet? Er det muligt at finde den optimale spredebredde og gødske ud fra mark variabiliteten (lerindhold) og afgrødens behov for N-tildeling (biomasse)? 1.6.2. Hvordan vil du finde ud af det? Ved at analysere jordens forhold (Geonics Limited EM38DD), afgrødes forhold (Yara N-sensor) og nutidens tildelingsmaskiner og sammenligne disse data og konkludere på disse. 1.7. Hvilken ny viden vil projektet give? Er nutidens maskiner tilstrækkelige til præcisionsgødskning med hensyn til bredde, tildelings intervaller m.v. eller skal der udvikles nye maskiner til præcisions tildeling. Samt hvor stor er korrelationen mellem jordforhold (lerindhold) og afgrødeforhold (biomasse). 3

1.8. Kildekritik Projektet er en blanding af litteraturstudie og behandling af data indhentet fra landscenteret. 1.8.1. Litteratur kilder De kilder jeg har brugt fra internettet er primært firmaer, som beskriver deres egne produkter og kan derfor være lidt for rosende, men da det er anerkendte og afprøvede mærker inden for landbruget og det primært er de tekniske detaljer jeg har brugt, mener jeg at deres troværdighed er i orden. Andre adresser jeg har brugt er Landscenteret, Risø og Århus Universitet, hvilket alle 3 er anerkendte forsknings institutioner. Artiklerne jeg har brugt kommer primært fra videnskabelige publikationer og de bøger jeg har anvendt, bruges til undervisnings brug enten på universiteter eller på landbrugsskoler. Jeg vil således mene at de forskellige former for litterær baggrundsmateriale er af en kvalitet, der er kvalificeret til et projekt som dette. 1.8.2. Data kilder Data har jeg fået udleveret fra dansk Landbrugsrådgivning, der har forestået forsøgene på de forskellige lokationer. Til analyse af data er valgt Golden Software Surfer 8, idet der i dette program både kan laves kort, variogrammer, grafer m.v. 4

2. Præcisionsjordbrug Præcisions-, gradueret- eller stedspecifikt jordbrug, har gennem de seneste år fået øget opmærksomhed, idet der er mulighed for at tildele både gødning og sprøjtemidler ud fra de specifikke forhold i marken. Ved at se på planternes behov, sygdomme og jordbundsforhold kan udbringningen varieres i marken, således at der tages højde for variationer planterne imellem. At der er variationer i marken er velkendt, både for udbytte, gødning og sprøjtemidler (Teknologisk Fremsyn 2003). Et indgående kendskab til markens variationer er nødvendig for at kunne benytte præcisionsjordbrug, denne variation har landmanden ofte en god idé om, men for at få den nøjagtige placering af variationerne er det nødvendigt med data målinger. Disse gør at maskinerne kan programmeres til at tage højde for variationer ved sprøjtning/gødningstildelingerne (Teknologisk Fremsyn 2003). 2.1. Afgrødebehov og Jordforhold Landmanden har, på baggrund af dataene om afgrødens behov, en beslutningsstøtte, der kan hjælpe med at reducere forbruget af hjælpestoffer. Hvis brugen af hjælpestoffer i landbruget begrænses, er der potentiale for at miljøet vil blive mindre belastet af hjælpestofferne (Teknologisk Fremsyn 2003) (Berntsen et.al. 2006). Samtidigt vil et reduceret og mere målrettet forbrug kunne optimere gårdens økonomi. 2.1.1. Sensorer til at beskrive afgrødebehovet 2.1.1.1. Telemåling Telemåling dækker over målinger, der er foretaget med fysisk afstand mellem måleinstrumentet og det målte objekt. En telemåling vi kender fra vores hverdag er det menneskelige syn, øjet registrere den elektromagnetiske stråling (refleksionen) fra den genstand det ser på, refleksionen indeholder oplysninger om genstandens overflade, og øjet ser farven og formen af genstanden. På samme måde kan et kamera registrere refleksionen og dermed også se farven og formen (Eduspace 2006). Bliver kameraet monteret i et fly eller satellit, kan 5

det registrere refleksionen af stråling på jordoverfladen og dermed lave et kort over det fotograferede område. Hvis en overflader er hvid er det fordi den reflektere lige store mængder af alle bølgelængder indenfor det synlige lys, såfremt en overflade absorberer noget af den røde og blå del af det synlige spektrum vil overfladen se grøn ud. Spektralsignaturen (sammensætningen af den reflekterede stråling) kan anvendes til at beskrive den overflade der reflektere strålingen (Broge et.al. 2002). Figur 1 viser eksempler på spektralsignaturer fra typiske naturlige overflader. Figur 1: Spektralsignatur på typiske naturlige overflader A: Kurver over spektral signatur for vand, jord og vegetation som de måles ved fotografering fra Landsat satellit. Farverne i blokkene 1,2,3 og 4 markerer de områder, hvor kameraet i satellitten registrerer refleksionen. B: De spektrale signaturer måles som digitale værdier i satellittens scanner. Her ses et tænkt eksempel på, hvordan Landsat satellitten ville måle bar jord, grøn vegetation og vand (Eduspace 2006) (Broge et.al. 2002). Af figur 1A kan princippet i telemålingen anskueliggøres: Vegetation har en markant høj refleksion i kanal 4 og en lav refleksion i kanal 3. Derfor er det muligt at skelne vegetationsdækkede arealer fra arealer med bar jord. Forskellen mellem refleksionen i kanal 4 og kanal 3 er stor for vegetationsdækkede områder og lille for områder med bar jord. 6

I Figur 1B ses satellittens billede af de samme kanaler som i figur 1A efter at satellittens scanner har digitaliseret dataene, for at gøre adskillelsen mellem de forskellige areal- og overfladetyper mere tydelig, således at dataene kan bruges i landbrugsmæssige sammenhæng (Eduspace 2006) (Broge et.al. 2002). I nedenstående tabel 1 ses de satellitter der i dag bruges til jordobservation samt de væsentligste specifikationer for deres billeddannende sensorer (Broge et.al. 2002). Satellit Sensor Spektrale kanaler Rumlig opløsning Overflyvningsfrekvens Dækningsgrad Landsat Multispektral 7 30 m 16 dage 185 x 170 km Spot Multispektral 4 20 m 5-10 dage 60 x 60 km IRS Multispektral 3 23 m 24 dage 141 x 141 IRS Panchromatisk 1 5 m 24 dage 70 x 70 IKONOS Multispektral 4 4 m 1,5 dage 11 km i bredden IKONOS Panchromatisk 1 1 m - - QuickBird Multispektral 4 2,4 m - 16,5 x 165 km QuickBird Panchromatisk 1 0,6 m - - Tabel 1: Oversigt over landbrugsrelevante kommercielle satellitter og de data, de leverer (Broge et.al. 2002) Et Panchromatisk billede svarer til et sort/hvidt foto fra en sensor, der måler i hele det synlige spektrum. Et multispektralt billede er som vist i figur 1, en måling på flere kanaler, der giver billedet af jordoverfladen (Eduspace 2006). For at satellitfotos kan bruges i landbruget er det afgørende at: data kan fremskaffes på det ønskede tidspunkt, der ikke er skydække, 7

prisen er acceptabel i forhold til det forventede merudbytte, logistikken omkring omsætning af satellitdata til vegetationskort, som landmanden kan bruge, er stabil og effektiv. En af årsagerne til at satellitfotos ikke er mere udbredte i landbruget er, at sikkerheden for at modtage billeder på relevante tidspunkter i vækstsæsonen ikke har været stor nok, idet satellitterne har en lang overflyvningsfrekvens samt at der på vores breddegrader er stor risiko for skydække, hvilket medfører at billederne ikke kan bruges. Der er større tiltro til at billeder taget fra fly vil kunne opfylde ovenstående krav, idet flyene kan flyve under skydækket og i det tidsrum, hvor det er muligt at måle de data der er brug for (Broge et.al. 2002). En tredje mulighed er at kameraet bliver monteret direkte på traktoren, hvilket vil medføre at landmanden ikke er afhængig af overflyvningstidspunkter, vejret m.v., men kan bruge data direkte. Dette kræver dog en del forskelligt materiale monteret i traktoren. Alle de ovennævnte metoder bruger den samme metode til at aflæse afgrøden. De billeddannende instrumenters evne til at læse sammensætningen af den reflekterede stråling, er vigtig for deres anvendelighed til kortlægning. Når kort skal bruges i landbrugsmæssig sammenhæng er det vigtigt at forskellen mellem forskellige areal- og overfladetyper er markant (Broge et.al. 2002). 2.1.1.2. Udbyttemålere Næsten alle nye mejetærskere, leveres med udbyttemålere, der på forskellige måder måler udbyttet på markniveau eller sammen med en GPS måler variationen af udbyttet i marken, disse målinger kan så bruges til at udforme et udbyttekort ved hjælp af en Pc er. Udbyttemålerne fra de forskellige forhandlere varierer i deres målemetoder se tabel 2. 8

Udbyder Systemnavn Målemetode Dronningborg Foldmeter Brydning af radioaktivstråling LH Technologies Yieldlogger Kraftpåvirkning af kornet på en prelleplade John Deere Green Star Kraftpåvirkning af kornet på en prelleplade New Holland Kraftpåvirkning af kornet på en prelleplade Claas Quantimeter Måler rumfanget ved brydning af infrarød lyskilde Tabel 2: Oversigt over ubyttemålingssystemer Nøjagtigheden for udbyttemålerne er blevet undersøgt af Münchens tekniske universitet sidst i 90 erne. Resultatet var at unøjagtigheden for de enkelte systemer er max 2 %, dog blev målesikkerheden yderligere forringet i hældende terræn (Landscenteret 2006). 2.1.1.3. Yara N-Sensor Et af forsøgene på at optimere udbringningen af gødningen er Yara s N-Sensor, der fungere på den måde at sensorer måler klorofyl indholdet i planterne ved hjælp af solens indstråling og afgrødens refleksion. Der er en sikker sammenhæng mellem planternes klorofylindhold og kvælstof indhold, derfor er det muligt ved hjælp af matematiske beregninger at finde frem til kvælstofindholdet ud fra klorofylindholdet (Yara 2006) (Risø 2000). Når Yara N-sensor skal bruges kalibreres N-sensoren ved at der køres på et stykke af marken (reference jordstykket) hvor planterne er typiske for marken som helhed, sensoren registrere de målte værdier en gang pr. sekund. Derefter indtastes den mængde gødning der skal spredes på reference jordstykket (Hydro Agri AB 2003). 9

Når disse data er indtastet skifter menuen på skærmen automatisk til den agronomiske kalibrering, hvor der skal indtastes: Afgrødeart Afgrødestadie % N i den brugte gødning, Minimum og maksimum tildeling: Grænseværdierne, systemet skal operere inden for disse værdier. Ensartet tildeling: Den mængde der skal tildeles såfremt der er en sensorfejl. Reference tildeling: Denne værdi skal beregnes ud fra kalibreringen på reference jordstykket og overføres automatisk når kalibreringen er udført. Reference sensor: Den sensor værdi er der målt i forbindelse med reference spredningen, denne overføres automatisk når kalibreringen er udført. Biomass cutoff: Indikations niveauet for den målte biomasse, spredningsmængden nedsættes såfremt der er tale om meget tynde afgrøder N-sensoren forudbestemmer denne værdi ud fra afgrødeart og stadie, men den kan tilpasses efter individuelle forhold. (Hydro Agri AB 2003) Ud fra ovenstående beregner systemet, hvor meget kvælstof det enkelte område i marken skal tildeles, således at hvor der er en lille mængde klorofyl i planterne tildeles en større mængde kvælstof. Yara N-sensor kan måle store variationer i marken som kan skyldes forskel i jordtypen, forfrugt, uens spredning af husdyrgødning eller anden unøjagtighed ved 1. gødningsudbringning. Dette tages der højde for ved gødskningen. Samtidigt med at Yara N-Sensor måler refleksionen og gødningsmængden bliver positionen også registret via GPS, således at der kan laves et tildelingskort, hvor der visuelt kan vises hvor gødningen er tildelt og i hvilke mængder. 10

Em38DD, jordtype, udbyttekort, N-min målinger mv., kan sammenkobles med Yara N-sensor målinger og bruges som beregningsgrundlag for tildeling af gødningen (Yara 2006a). Selve princippet i Yara N-sensor systemet kan ses på nedenstående figur 2 (Yara 2006b) Figur 2: Princippet i en Yara N-sensor. Ved målingen registrerer sensoren under gødningsudbringningen i marken afgrødens indhold af klorofyl (grønkorn). Ved databehandlingen beregnes sammenhængen mellem afgrødens indhold af klorofyl og kvælstof og computeren udregner restbehovet af kvælstof. Spredningen: ud fra det beregnede restbehov af kvælstof optimeres gødningsmængden. Dvs. der gradueres med udgangspunkt i den aktuelle gødningstilstand i marken. 11

Systemet fungere ved at 4 sensorer på traktoren måler refleksionen fra afgrøden (se figur 3 og bilag 1). Disse sensorer måler fra ca. 4,5 til ca. 7,5 m ud fra traktoren, således at der på hver side af traktoren bliver målt et 3 m bredt bånd dvs. ved en spredebredde på 24 m vil der blive målt klorofyl indhold på ca. 25 % af afgrøden (Yara 2006). Arealet sensorerne måler er ca. 5 m 2 pr. sensor eller ca. 20 m 2 i alt beregnet ud fra bilag 2 og med en antaget højde placering af sensoren på 3,25 m, hvilket svare til gennemsnitshøjden af en traktor. Sensorerne måler i en blanding af Nær Infrarød Refleksion (NIR) og synligt lys, hvilket giver stabile bølgelængder over dagen (Halmø 2006). Figur 3: Princip ved sensor måling. Da planternes refleksion vil være mindre i skyet vejr end i solskin, er Yara N- sensoren bygget til at tage højde for størrelsen af solens indstråling og kan derfor bruges uanset vejrliget (Yara 2006). 2.1.2. Metoder til beskrivelse af jorden 2.1.2.1. Jordtype De danske jorder er delt op på baggrund af deres indhold af ler, sand, silt og humus i pløjelaget, det klassificerede areal er delt op i 12 jordtyper (JB 1-12) se nedenstående tabel 3 (Jensen & Jensen 2001). 12

Tekstur definition for jordtype JB.nr. Ler <2µ Silt 2-20µ Finsand 20-200µ Sand i alt 20-2000µ Grovsandet jord 1 0-50 Finsandet jord 2 0-5 0-20 50-100 75-100 Grov lerblandet sandjord 3 0-40 Fin lerblandet sandjord 4 5-10 0-25 40-95 65-95 Grov sandblandet lerjord 5 0-40 Fin sandblandet lerjord 6 10-15 0-30 40-90 55-90 Lerjord 7 15-25 0-35 40-85 Svær lerjord 8 25-45 0-45 10-75 Humus 58,7% C Meget svær lerjord 9 45-100 0-50 0-55 Siltjord 10 0-50 20-100 0-80 <10 Humus 11 >10 Speciel jordtype 12 Tabel 3: JB typer Jordens Bonitet (JB) har bl.a. betydning for hvor nem jorden er at bearbejde. Sandjorde er ofte veldrænede, løse, porøse jorde, der er lette at arbejde med, hvor lerjorde kan være klæbrige når de er våde og hårde når de er tørre. Disse forskelle kan henføres til overflade egenskaberne på de forskellige partikelstørrelser. Jo mere ler der er i pløjelaget jo sværere er de at arbejde med, hvilket betegnelsen svær og meget svær lerjord hentyder til (Jensen & Jensen 2001). JB og dermed lerindholdet har også betydning for det optimale reaktionstal (Rt) i jorden og der med også på næringsstoffernes tilgængelighed, hvilket bliver beskrevet senere. JB klassificeringen anvendes også til at angive jordens udbytte potentiale, udfra JB.nr. angives normerne for tildeling af gødning på de danske jorde (Plantedirektoratet u.å.) 13

2.1.2.2. Jordprøver En udtaget jordprøve bliver oftest undersøgt for Reaktions tallet (Rt), Fosfor tallet (Pt), Kalium tallet (Kt) og Magnesium tallet (Mgt), disse prøver udtages ca. hvert 5 år til en pris på ca. 150 kr./prøve + gebyr og kørsel (Skov 2006). Når prøverne er analyseret, og indtegnet på et kort giver det et godt overblik over kalk- og næringsstofbehovet (se nedenstående figur 4). Kortet kan bruges som grundlag for en mere behov vurderet gødskning (Landscenteret 2003a). Figur 4: Kort over jordprøver Rød=Rt, Blå=Pt, Grøn=Kt og Sort=Mgt Reaktionstallet (Rt) udtrykker jordens surheds grad (svarer ca. til ph + 0,5), Rt har indflydelse på jordens struktur, angreb af visse svampesygdomme og planternes tilgængelighed til næringsstofferne, hvilket kan ses på nedenstående figur 5. 14

Figur 5: Oversigt over reaktionstallets indflydelse på næringstofttilgængeligheden (Landscenteret 2004) Ved at måle Rt kan det udledes om Rt er optimalt eller om der evt. bør kalkes for at sænke jordens ph. Det optimale Rt er afhængig af jordtypen og sædskiftet, se nedenstående tabel 4. 15

Jordtype, JB nr. 1-4 5-6 7-9 11 Sædskifte mht. afgrøder Tilstræbt niveau Tolerante a) 5,8-6,1 Middel b) 6,0-6,3 Følsomme c) 6,0-6,5 Tolerante a) 6,1-6,5 Middel b) 6,3-6,7 Følsomme c) 6,5-6,9 Tolerante a) 6,4-6,7 Middel b) 6,6-6,9 Følsomme c) 6,8-7,1 Tolerante a) 4,8-5,2 Middel b) 5,0-5,4 Følsomme c) 5,2-5,6 Tabel 4: Samspillet mellem jordtype, sædskifte og reaktionstallets (Rt) størrelse. Tolerante afgrøder: Kartofler, rug, havre, græs. Middel følsomme afgrøder: Vinterhvede, vinterbyg, majs, rød- og hvidkløver, raps, markært. Følsomme afgrøder: Lucerne, sukkerroer, sneglebælg, vårbyg (Landscenteret 2005). Fosfortallet (Pt) Udtrykker jordens indhold af plantetilgængeligt fosfor 1 Pt = 10 ppm fosfor i jord, Pt skal helst ligge over 2,5 for planterne har optimale forhold til at optage fosfor. Tilgængeligheden af fosfor er bedst når Rt er mellem 5,5 og 6,5. Er Pt under 2,0 kan der risikeres udbyttetab og det er nødvendigt at forbedre jordens fosfortilstand. 1 Pt svare til ca. 25 kg P/ha, så for at hæve Pt med 1, skal der min. spredes 25 kg P/ha, men skal jordens fosfortilstand forbedres generelt, anbefales det at tilføre 40 kg P/ha/år indtil det anbefalede niveau er nået. Da fosfor praktisk taget ikke udvaskes af jorden, kan det teoretisk tilføres i en mængde, der kan dække flere års behov, men fosfor bindes i jorden så derfor anbefales en årlig gødskning (Marschner 2002)(Storstrømmens Planteavlsrådgivning u.å.). 16

Kaliumtal (Kt) Udtrykker jordens indhold af plantetilgængeligt kalium 1 Kt = 10 ppm kalium i jord, Kt skal helst ligge på 6-8 på sandjorde og 10-12 på lerjorde. Tilgængeligheden af kalium er bedst når Rt ligger mellem 6,0 og 7,0. Jordens Kt kan ændres hurtigt. En kalium krævende afgrøde kan sænke Kt meget, hvilket gør at analysetallet kun vil være vejledende i få år. 1 Kt svare til 25 kg K/ha (Marschner 2002)(Storstrømmens Planteavlsrådgivning u.å.). Magnesiumtal (Mgt) Udtrykker jorden indhold af plantetilgængeligt magnesium 1 Mgt = 10 ppm Magnesium i jord (Marschner 2002), Mgt skal helst ligge mellem 5-8, ligger den lavere bør der anvendes Mg holdige gødninger, 1 Mgt svarer til 25 kg Mg/ha (Storstrømmens Planteavlsrådgivning u.å.). Kvælstof mineralisering (N-min) N-min er et udtryk for hvor meget mineraliseret eller uorganisk kvælstof der forefindes i rodzonen, mineralsk kvælstof er det kvælstof der umiddelbart er tilgængeligt for planterne. Ved beregning af tilførsel af kvælstof ved hjælp af N-min metoden, bruges afgrødens kvælstofbehov (kvælstofforsyningsnorm), hvilket er blevet bestemt ud fra mange forsøg, herfra trækkes N-min og den forventede N-frigivelse der vil være i løbet af året fra organisk materiale (planterester, husdyrgødning m.v.), dette giver så andelen af N, der skal tilføres i handelsgødning for at opnå den økonomiske optimale kvælstof mængde. Optimal gødskning = Kvælstofforsyningsnorm N-min N-frigivelse (alt i kg N/ha) (Landscenteret 2006a). N-min metoden er mest sikker i anvendelse på ensartede marker, og har størst værdi på marker hvor der kan forventes store mængder af mineralsk kvælstof (efter husdyrgødning, N-fikserende afgrøder m.v.). 17

N-min målinger bliver normalt taget med 1 stk./mark til en pris på ca. 700,- kr. ex moms. 1 prøve pr. mark vil være for lidt til at kortlægge marken og med en pris på ca. 700,- kr. ex. Moms vil gøre det ret dyrt at kortlægge markerne med N-min prøver, samtidigt skal prøverne tages hvert år for at kunne være repræsentative for området (Skov 2006). 2.1.2.3. Geonics Limited EM38DD EM38DD måler jordens relative elektriske ledningsevne ved hjælp af elektromagnetisk induktion. Instrumentet har en senderspole placeret forrest, denne udsender et primært magnetfelt, som laver en elektrisk strøm i jorden. Denne strøm laver et sekundært magnetfelt. En modtagerspole bagerst på instrumentet måler, det samlede magnetfelt. Størrelsen af det totale felt fratrækkes det kendte primære felt og dermed findes den relative feltstyrke og er proportional med den tilsyneladende ledningsevne i jorden. Denne ledningsevne aflæses direkte på apparatet i milli-simens pr. meter (ms/m). Arealet den måler i en måling ligger mellem 1-2 m 2 og målehyppigheden er 1 Hz (1 gang pr. sek.). Det effektive måleområde for apparatet er 0,75m i horisontal og 1,5m i vertikal orientering i forhold til jordoverfladen. Herved opnås der informationer om variationen i jordbunden i hele rodzone dybden (Ditlefsen 1999)(Geonics Limited 2006)(KUPA 2006). Jordens Ledningsevne Jordens Ledningsevne af hænger af flere forskellige faktorer, ledningsevnen vil stige med jordens temperatur samt stigende salt-, vand- og lerindhold. Under danske forhold vil saltindholdet kun have en mindre indflydelse på målingen, med mindre der er gødsket for nyligt eller at grundvandet er saltholdigt. Såfremt jordtemperaturen ændres vil målingerne blive parallelforskudt, hvilket gør at den sensorbaserede inddeling af jorden relativ vil være den samme (Landscenteret 2003). Såfremt at vandindholdet og temperaturen holdes konstant har udenlandske laboratorieforsøg vist at over 90 % af variationen i de målte tal skyldes variationen i lerindholdet. Samtidigt viste forsøget at vandindholdet ikke havde 18

den store indvirkning på målingerne, før jorden er drænet til et stykke under jordens markkapacitet (Nehmdahl 2000). Således er jordens lerindhold lineært korrelateret til ledningsevnen (EC a ), udtryk ved nedenstående formel (Williams & Hoey 1987): Gennemsnitlig lerindhold (% <2µm) = 22,8 + 0,133 EC a EM38DD målinger taget over tid har givet identiske kort på trods af store forskelle i vandindhold og jord temperatur. I det EM38 målingerne ikke kan se forskel på ler og Tørv/Humus, kan dette give problemer idet måltallet også vil være højt når der er humus i jorden, dette skal der tages højde for ved fortolkning af EM38 kort (Nehmdahl 2000). For at få mulighed for at lave et kort på baggrund af EM38DD målingerne, er det nødvendigt at have koordinaterne for målingen. For at kunne indhente oplysninger om koordinaterne bliver EM38DD apparatet monteret på en slæde, sammen med en DGPS enhed. Slæden bliver så monteret efter en firhjulet motorcykel, som har monteret en computer, der aflæser og lagrer måledata og position op til en gang i sekundet. Såfremt forholdene er optimale, kan der køres op til 30 km/t og kapaciteten for kortlægning er på ca. 150 ha/dag (Nehmdahl 2000). Når EM38DD målingerne er udtrykt i kort over lerindholdet i jorden, er der mulighed for at lave et gødningstildelingskort. 2.1.3. Tildelingsteknologi Variable rate application (VRA) er en mulighed for at optimere gødskningen, idet forskellige jorde og forskellige afgrøder har brug for forskellige mængder af gødning. 2.1.3.1. Maskineri Både ordinære gødningsspredere og sprøjter kan bruges til udbringning af gødning i præcisionsjordbruget, sprederne til den granulerede gødning og sprøjterne til den flydende gødning. 19

Centrifugalspredere: Spreder via spredeskiver med 2-8 udkastervinger, centrifugal spredere kan kaste gødningen ud med en arbejdsbredde på op til 48 m, spredningen kan styres via computer eller være kørselsafhængig, dvs. at traktoren fremkørselshastighed styrer mængden af gødning der spredes. Trepunkt ophængte centrifugalspredere kan tage op til 2500 kg gødning med i tanken (Bøgballe 2007)(Hvam 2004)(Amazone u.å.). Pneumatiskespredere: Spreder via sprederør der fødes ved hjælp af knast- eller ribbevalser der leder gødningen frem til rørene hvor en kraftig luftstrøm blæser gødningen ud gennem rørene, de pneumatiske spredere kan have en arbejdsbredde op til 24 m og de bugserede har en laste evne på op til 6000 kg, de trepunktsophængte har en laste evne på 900-1600 kg (Hvam 2004). Gødningssprøjter: En almindelig marksprøjte kan bruges til udbringning af flydende gødning enten med den almindelige bom med specielle dyser eller der kan monteres en speciel gødningsbom, sprøjterne kan have en arbejdsbredde op til 40 m afhængig af hvilken type sprøjte det er (Hvam, 2004). Rauch Har udviklet en sprøjte hvor bommen er delt op i 6 sektioner hvor hver sektion kan betjenes uafhængigt af de 5 andre dermed kan sprøjten variere mængden af gødning i sektioner på ca. 6 m (Rauch 2007). Maskinerne på markedet i dag kan variere mængden i kørsels retningen, men problemet er i variation i spredebredden, bredden kan gøres mindre, men de fleste maskiner, kan ikke varieres i sektioner. Sprøjterne kan lukkes i sektioner men ikke variere mængden. Amazone har lavet ZA-M Hytronic som kan varieres i spredebredden, delt i højre og venstre side så den kan varieres i halvdelen af bredden via hydraulik. Rauch har lavet deres AGT 6000 som kan varieres i 6 sektioner ved hjælp af luft (Trane 2006)(Bøgballe u.å.)(amazone u.å.)(christensen 2006). 20

De mest almindelige størrelser på VRA gødningsspredere i Danmark er 20 m og derover (Griepentrog & Persson 2000) 2.1.3.2. GPS Global Position System (GPS) er baseret på 24 satellitter + 3 reserve satellitter, der kredser om jorden i kendte baner, satellitternes position kontrollers jævnligt fra et kontrolcenter på jorden, som der korrigere for eventuelle afvigelser. Satellitterne udsender radiosignaler i et bestemt mønster, signalet indeholder bl.a. oplysninger om satellittens position, tidsstempel og oplysninger om satellittens generelle tilstand (El-Rabbany 2002). Når en GPS modtager signaler fra mindst 4 satellitter, beregner den afstanden fra disse til den selv. Ud fra disse beregninger kan den bestemme sin egen position, idet satellitternes position er kendt i forvejen (El-Rabbany 2002)(Lechner & Baumann 2000). I forbindelse med GPS tales der om både nøjagtighed og præcision. Nøjagtighed beskriver hvor tæt den målte position ligger på den reelle position og præcisionen beskriver hvor tæt gentagne målinger ligger på hinanden. GPS har en nøjagtighed på 22 m horisontalt og 33 m vertikalt, en videreudvikling af GPS systemet er Differential Global Position System (DGPS) der har en nøjagtighed på 1-5 m, fordi den har en stationær GPS modtager, som har konstant radiokontakt til de samme satellitter som den mobile GPS modtager. Den øgede nøjagtighed skyldes dels at begge modtagere er udsat for de samme signalfejl og satellitafvigelser og dels at den ene modtager er stationær og derfor kan bruges som reference. Nøjagtigheden på 1-5 m kan bruges til udbytte-, ukrudtskortlægning og jordbundsvariationer (El-Rabbany 2002). En tredje GPS mulighed er Real-Time Kinematics (RTK-GPS), som fungerer efter samme system som DGPS, men bruger yderligere et system kaldet Carrier 21

Phase Tracking, denne gør at RTK-GPS kan blive nøjagtig ned til få cm og i visse tilfælde helt ned til millimeter (El-Rabbany 2002). 2.1.3.3. Tildelingskort/Realtime Ved hjælp af ovennævnte metoder kan der vælges mellem at køre efter tildelingskort eller realtime. Tildelingskortene bliver lavet ud fra udbyttekort, EM38, jordbundsanalyser m.v. og de bliver lavet inden der køres i marken. Ved realtime bliver analyserne lavet i sekunderne før tildelingen og sker direkte i marken vha. sensorer påmonteret maskineriet f.eks. Yaras N sensor. Realtime kan kombineres med udbyttekort, JB målinger m.v. for at give et endnu bedre grundlag for tildelingen, idet flere parametre for jord og afgrøde bliver brugt i kombination. Fordelen ved realtime er at der bliver taget højde for ændringer i afgrøden helt op til tildelingstidspunktet, men et af problemerne kan være data forsinkelser. Systemet der holder styr på alle data kaldes GIS (geographic information system), dette er en form for database, hvor et geografisk punkt kan sammenholdes med en eller flere værdier i dette punkt, værdierne kan være JB, udbytte, klorofyl indhold etc. (Morgan & Ess 1997). Ved brug af præcisions gødskning burde økonomien blive optimeret, idet når marken/planter får den gødning den har brug for, burde responsen blive et bedre udbytte, men Berntsen et.al. (2006) har ikke fundet nogen stor respons mellem præcisions gødskning og udbytte stigning, de forklarer resultatet med, at den eksperimentelle opbygning ikke var optimal i forhold til at finde sammenhængen mellem sensorbaseret gødningstildeling og udbytte. Flere forskellige velkendte og knapt så velkendte faktorer spiller ind med hensyn til udbyttet på en mark. Disse faktorer kan sløre de estimerede udbytte kurver, såfremt en eventuel udbyttestigning skal kunne måles må flere faktorer, som klima m.v. tages med i forsøget. 22

3. Materialer og metoder 3.1. Jord og afgrøde data kilder Data for lerindhold (EM38DD) og biomasse index (Yara N-sensor) har jeg venligst fået udleveret fra Dansk Landbrugsrådgivning. Jeg har fået udleveret data for 8 forskellige destinationer fordelt over Danmark for at kunne vurdere om der er nogen forskel i gødningsudbringningsbehovet Danmark over. Jeg har desværre ikke kunnet få data fra vestkysten i det Dansk Landbrugsrådgivning desværre ikke har haft forsøg med Yara N- sensoren der (Hørfarther 2006). 3.2. Data konvertering For at få resultaterne ud i meter, blev data kopieret ind i en tekst fil, konverteret fra WGS84 til Utm32 og kopieret ind i en excel fil. Konverteringen skete vha. KMSTrans, som er et konverteringsprogram, der kan downloades som freeware fra Kort og matrikelstyrelsen (Kort og Matrikelstyrelsen 2006). 3.3. Excel For at kunne begynde at beregne på data blev alle data efter de var konverteret til UTM32 koordinater lagt ind i Excel. Excel blev brugt til at lave statiske udregninger og udregninger for vinkler, sporbredder m.v. Variabiliteten i de forskellige marker er beregnet vha. formlerne: For gennemsnit: =MIDDEL(1 celle:sidste celle) For Standard Afvigelse: =STDAFV(1 celle:sidste celle) 23

Punktafstanden er beregnet ved at tage koordinaterne for to punkter med 8 mellemliggende punkter og beregne afstanden mellem disse ved hjælp af formlen: =(KVROD(SUM((X2-X1)^2)+((Y2-Y1)^2)))/9 Ved at dividere med 9 findes den gennemsnitlige afstand mellem de enkelte punkter der ligger mellem de udtagne punkter. 3.4. Markbeskrivelser og data Nedenstående marker er blevet valgt ud fra at kunne dække et så stort område af Danmark som muligt, data skulle gerne være repræsentativt for hele Danmark. Derfor blev landscenteret kontaktet ang. data. Landscenteret leverede nedenstående data, men det var desværre ikke muligt at få målinger fra det syd- og vestlige Jylland eller fra flere lokationer på Sjælland og Lolland-Falster. Men da de lokationer jeg har fået ligger rimeligt spredt over Danmark (Markernes placering i Danmark kan ses på bilag nr. 3), må det antages at de kan være repræsentative for landet med et vist forbehold idet JB nummerne ligger forholdsvist tæt. Tabel 5 beskriver markernes destination, JB nr., størrelse, spredebredde m.v. Punkt Antal Punkt Sporvidde Antal afstand Sporvidde målepunkter Ha JB nr. Yara N- Ltd. afstand Geonics målepunkter Geonics Yara N- Yara N Ltd. sensor Geonics sensor EM38 sensor EM38 (m) Ltd. Em38 (m) (m) (m) Egeskov 3902 5363 24,35 5-6 5,77 1,99 24,14 11,4 Nibe 2967 6928 34,92 3-4 6,06 2,85 20,18 20,2 Odder 711 1373 10,06 5-6 5,86 2,07 34,67 17,3 Spørring 220 424 1,12 3-4 7,45 2,11 12,65 6,4 Tappernøje 360 651 3,17 5-6 5,91 1,73 27,57 15,5 Tommerup 774 1898 4,68 5-6 5,43 1,91 12,26 12,3 Viborg 168 623 1,09 3-4 5,28 1,46 14,91 14,9 Århus 283 760 1,82 5-6 4,67 1,59 16,33 15,8 Tabel 5: mark og databeskrivelser. 24

Geonics Limited EM38 målinger er målinger på jordens ledningsevne og repræsentere jordens lerindhold. Yara N-sensor er målinger på afgrøden refleksion og repræsentere afgrødens biomasse index. Hvilket er beskrevet tidligere. I Tabel 5 kan ses at der er flere målepunkter i refleksionen end i ledningsevne målingen på trods af at Yara N-sensoren i de fleste tilfælde måler i bånd der er bredere end de bånd Geonics Ltd. EM38 måler i. Men da de begge lagre data med 1 Hz og har forskellig fremkørsels hastighed (Geonics Ltd. EM38 op til 30 km/t og Yara N-sensor, kører med den hastighed som gødningsspredning kræver (mellem 10 og 15 km/t)) gør at Yara N-sensor vil nå at logget flere data på samme længde end Geonics Ltd. EM38. Derfor ligger punkterne fra Yara N-sensor tættere end punkterne fra Geonics Ltd. EM38 mens sporvidden er bredere for Yara N-sensor end den er for Geonics Ltd. EM38. Markerne i Egeskov, Nibe og Tommerup er de eneste hvor der er lavet målinger på hele marken både med Geonics Limited EM38 og Yara N-sensor, de resterende 5 marker er Yara N-sensor målingerne sket i et afgrænset område i striber, derfor er målingerne fra Geonics Limited EM38 blevet tilpasset, således at det kun er målinger fra det samme område, der bliver brugt i databeregningerne, denne tilpasning bliver beskrevet senere. Spredebredden på markerne er blevet beregnet ved at tage gennemsnittet af bredden mellem målerækkerne af Yaras N-sensor, idet denne kørsel er sket efter at afgrøden er spiret frem, kan det antages at der er blevet kørt i køresporene på de enkelte marker. Beregningerne på spredebredden viser, at der er mulighed for at der er overlapninger eller huller i mellem køresporene idet de ikke angiver en bredde der svarer til gødningsspredernes bredde som måles i hele meter. Overlap betyder at der bruges mere gødning m.v. end der er nødvendigt, hvilket ikke er økonomisk optimalt og huller kan betyde at der er områder i marken der ikke får de midler de har behov for, og derfor giver mindre udbytte end der ellers kunne forventes. 25

3.5. Geostatistik 3.5.1. Data analyse og variabilitet beskrivelse 3.5.1.1 Geo.Filter For at markerne var ens i størrelsen m.h.t. biomasse data og lerindhold data blev al data filteret således at data ligger inden for de samme markgrænser. Dette blev gjort ved at markgrænserne blev lavet ved hjælp af data fra Yara N- sensor, UTM koordinaterne herfra blev så langt over i kortet med data fra Geonics Ltd. Em38 og alle de målepunkter der lå uden for markgrænsen blev filteret væk. På den måde blev det sikkert at alle data lå inden for de samme markgrænser. (Nielsen & Griepentrog 2006) Alle de filtrede kort over markerne kan ses i bilag 4-11 3.5.1.2 Surfer 8 Surfer 8 er et program til at behandle data statistisk og det kan visualisere data ved hjælp af diverse grafer. Det blev brugt til at behandle data ved hjælp af kriging og variogrammer (Surfer 8 2007). Blanking For at få defineret markernes afgrænsning, blev data lagt ind i Surfer 8 og blev blanked, hvilket er en metode til at kunne udtage de data der ligger inden eller uden for et bestemt område, efter samme system som Geo.Filter (Surfer 8 2007). Kriging Kriging er en interpolationsteknik, som tager højde for den stokastiske variation af den rumlige variation. Kriging estimerer ikke målte lokationer udfra de omkring liggende målte punker. Kriging har vist sig at være rigtig god til at lave interpolationer af f.eks. jordtyper m.v. såfremt der er nok målinger til at metoden kan blive brugt optimalt (Morgan & Ess 1997). Kriging består af to trin, det første trin er en estimering af rådata s variabilitet og derefter en interpolation af disse (Morgan & Ess 1997). 26

Variogram Variogrammer er en måde at se variabiliteten i data på. To data sæt kan være meget ens i alle henseender som antal punkter, gennemsnit, standard afvigelse m.v. men når de lægges ind i et kontur kort kan det ses at de er forskellige. De almindelige statiske beskrivelser tager ikke højde for den rumlige variation af data, og derfor kan de være meget ens for to forskellige data set, variogrammet tager højde for den rumlige variation og viser dermed forskellen i disse data (Surfer 8 2007). Direction Direction er den vinkel hvorfra data bliver set, i dette projekt skulle data ses fra kørselsretningen, direction i surfer starter med 0 i X-aksens retning og med 90 i Y-aksens retning (Surfer 8 2007). Vinkelen blev beregnet i excel ud fra 2 punkter i samme kørespor ved hjælp af formelen: V=Grader(Arctan((Y 2 -Y 1 )/(X 2 -X 1 )) På nogle af lokationerne var det nødvendigt at tage den beregnede vinkel og trække den fra 180 for at få den korrekte positive vinkel. Beregnede vinkler for Geonics Limited (lerindholdet) og Yara (biomassen) ses i nedenstående tabel 6. 27

Vinkel Geonics Vinkel Yara Ltd. Egeskov 20,13 20,03 Nibe 5,91 5,91 Odder 6,61 7,17 Spørring 72,06 70,78 Tappernøje 113,98 114,07 Tommerup 0,00-0,13 Viborg 93,28 96,26 Århus 86,60 86,99 Tabel 6: kørselsretnings vinkler for lerindhold og biomasse Køresporene for Nibe EM38DD er buede men ligger noget af distancen langs med køresporene for data fra Yara N-sensor, derfor er der blevet brugt samme vinkel, mens tolerancen er blevet øget til 10 for at få flere punkter med. Tolerence Tolerence er den vinkel der beskriver synfeltet dvs. ved en tolerence på 5 ses 5 både til højre og venstre for Direction vinkelen (Surfer 8 2007). I projekt her er der valgt at bruge en tolerence mellem 1 og 10 afhængigt af hvor meget køresporene buer, jo mere et spor buer jo større tolerence, den valgte tolerence fremkom ved at se hvor stabilt variogrammet var ved forskellige tolerencer. Tolerence for Geonics Limited (lerindholdet) og Yara (biomassen) ses i nedenstående tabel 7. 28

Tolerence Geonics Ltd. Tolerence Yara Egeskov 3 3 Nibe 10 10 Odder 1 1 Spørring 10 5 Tappernøje 3 5 Tommerup 1 5 Viborg 5 10 Århus 10 10 Tabel 7: Tolerence for lerindhold og biomasse index Nugget, Sill og Range Når Variogrammet er lavet kan der udregnes eller aflæses Nugget, Sill og Range. Nugget er den værdi af variogrammet ved Range (afstanden) 0, hvilket repræsenterer den mikroskala variation eller målestøj i variogrammet. Det vil sige at hvis en måling bliver foretaget det samme sted på to forskellige tidspunkter vil variationen ligge inden for Nugget. Sill er den værdi på x-aksen hvor variogrammet flader ud, og repræsentere variansen i hele området. Hvis der er en stor Sill værdi er der stor varians mellem to målepunkter og omvendt en lille Sill værdi viser en lille varians mellem to målepunkter. Range er den værdi på Y-aksen hvor variogrammet flader ud, det er der hvor variabiliteten bliver konstant, Range kan beskrives som, den afstand hvor datas variation ikke længere afhænger af afstanden. Range viser i hvor stort et område variansen er, se nedenstående figur 6 (Surfer 8 2007)(Foldager 2002). 29

Figur 6: beskrivelse af Nugget, Sill og Range (Foldager 2002) Variogrammerne kan forekomme i flere forskellige graf typer, men umiddelbart er der 3 forskellige typer hvor de fleste datasæt passer i (Surfer 2006), det er de samme tre modeller, der figurerer i dette projekt. De tre modeltyper er vist i figur 7. Figur 7: De tre mest almindelige variogram grafer. Som det kan ses kan der ikke findes Sill og Range for den lineære model i det den ikke på noget tidspunkt vil aftage. Variogrammerne for alle data kan se i bilag 12 19 30

3.5.1.3 Mean correlated distance (MCD) Range er som tidligere beskrevet den afstand, hvor datas variation ikke længere afhænger af afstanden. Hvis størrelsen af maskinerne bliver valgt ud fra denne afstand, vil værdien i den ene side af maskinen ikke være sammenhængende med værdien i den anden side, en værdi mellem 0m og Range vil være mere rigtigt (Han et.al. 1994). Han et.al (1994) beskriver hvordan MCD er baseret på den inverse funktion af variogrammet ved hjælp af formelen: hvor: γ ρ( h) = γ (h) = variogram funktion eller model γ max = max variansen (=Sill) γ ( h) γ ( h) max Ved at tage integralet for denne funktion, vil arealet under formelen fremkomme. Dette areal vil kunne ses som en akkumulation af de relaterede varianser (Han et.al. 1994). Hvor: h max = range (m) A = h max 0 ρ ( h) dh ρ (h) = den inverse funktion af variogrammet Ved at tage arealet og lægge det ud som et rektangel i det inverse variogram med en højde på 1 ( ρ (h) =1) og en bredde der er lig med A eller i denne funktion kaldet MCD. I denne situation kan MCD ses som en hypotetisk afstand med 100 % variation, som vil kunne omfatte al variation under den inverse funktion (Han et.al. 1994). 31

Den samlede funktion for MCD er: Hvor: h max = range (m) S = sill h = lag distance MCD = γ (h) = variogram funktion eller model h max 0 S γ ( h) dh S MCD er en optimering af størrelsen af prøvearealet eller antallet af prøve punkter pr. definerede areal afhængigt af størrelsen af markvariabiliteten (Han et.al. 1994). MCD er specielt brugbart til disse data idet MCD ikke kun bruger Nugget, Sill og Range men også variogram funktionen under Range til at definere maksimum længden, som er nødvendig for at beskrive variabiliteten i data. Dette gør at MCD værdien er mindre end værdien for Range (Griepentrog et.al. 2006). MCD kan bruges til at give en indikation på hvilken størrelse maskine der bør bruges på den enkelte mark/bedrift og dermed give landmanden en hjælp til at beslutte størrelsen på maskinen. MCD er i dette projekt beregnet udfra Yaras N- sensor data og Geonics EM38DD data men data fra et udbyttekort kan også bruges til at beregne MCD for markerne, dette kan give en indikation på om bedriftens maskiner passer, så de kan bruges til præcisions jordbrug (Griepentrog et.al. 2006). 3.5.1.4 Analyse af sammenhæng mellem Yara N-sensor data og Geonics Limited EM38DD data For at få nøjagtigt det samme antal punkter er der for hver mark blevet lavet en kriging i Surfer 8 på biomasse data og lerindhold data med nøjagtigt de samme maksimums og minimums grænser samt spacing. 32

Max. og min. grænserne, blev fastsat af markgrænserne i den enkelte mark. Idet der er valgt at se på to forskellige arealstørrelser på 100m 2 og 400m 2 for at kunne sammenligne disse, blev spacing fastsat ud fra en 10 x 10 m og en 20 x 20m grænse således at arealet kom tættest muligt på 100 m 2 og 400m 2. Bagefter blev data igen filteret således at alle data ligger inden for markgrænserne til dette blev brugt Geo.Filter som er beskrevet tidligere (Nilsen & Griepentrog 2006). Herefter blev data underkastet en korrelations beregning i excel udfra formelen: =KORRELATION(Ax:Ay;Bx:By) hvor: Ax og Bx repræsentere den første værdi i de kolonner der skal beregnes korrelation for. Ay og By repræsentere den sidste værdi i de kolonner der skal beregnes korrelation for. Jo tættere på 1/-1 resultatet er jo større er korrelationen mellem de to data sæt. I bilag 20-27 kan ses diagrammerne for korrelationen på de forskellige arealer på de enkelte marker. 33

4. Resultater og diskussion 4.1. Maskinstørrelse Som beskrevet tidligere kan nutidens maskiner variere i kørselsretningen men de fleste ikke i spredebredden udover at nogle af sprøjterne kan lukke for en sektion den såkaldte on/off system. Amazone har udviklet en triplet med 4 dyser som giver hver sin dosering, tripletten kan så drejes elektronisk alt efter hvor stor dosering der kræves på netop det areal der overkøres hver enkelt triplet kan reguleres uafhængigt af de andre, dette system er dog ikke på markedet endnu idet det er for dyrt produktionsmæssigt (Trane, 2006). Amazone har også deres ZA-M Hytronic der kan regulere spredemængden i henholdsvis højre og venstre side, dvs. halvdelen af spredebredden (Trane 2006). Rauch har deres AGT 6000 serie der kan variere spredemængden i sektioner på ca. 6 m (Rauch 2007). De nuværende maskiners spredebredde kan ses i tabel 8. Gødningstildelere Centrifugalspredere (liftophægte, bugserede) Pneumatiskespredere (liftophængte, bugserede) Gødningssprøjter (liftophængte, trailer, selvkørende) Tabel 8: spredebredde for forskellige gødningstildelere Spredebredde 12 til 48 m 12 til 24 m 6 til 40 m Spredebredden på de lokationer vi har fået data fra er beregnet ud fra sporvidden af Yara N-sensors målinger, idet disse målinger er taget efter at afgrøden er spiret frem og det kan derfor antages at der ved disse målinger er kørt i de anlagte kørespor på marken. Spredebredden kan ses i nedenstående tabel 9. 34

Sporvidde Yara N- sensor (m) Antaget spredebredde (m) Egeskov 24,14 24 Nibe 20,18 20 Odder 34,67 36 Spørring 12,65 12 Tappernøje 27,57 28 Tommerup 12,26 12 Viborg 14,91 15 Århus 16,33 16 Tabel 9: Beregnet sporvidde og antaget spredebredde for alle 8 lokationer Spredebredden er antaget ud fra de mest almindelige bredder på såmaskiner, da jeg ikke har oplysninger om, hvilken bredde der er sået i, er beregningerne lavet så der er mindst muligt overlap/hul ved brug af 3, 4 eller 6m såmaskiner. Som det kan ses ud fra tabel 8 og 9 ligger spredebredderne på lokationerne inden for de gængse spredebredder maskinerne kan fås i. 4.2. Variogram parameter Nugget Sill Nugget/ Range Model MCD (ms/m) 2 (ms/m) 2 Sill (m) (m) Ratio (%) Egeskov 4,0 32,0 12,5 210 Spher, 96 Nibe 2,0 35,0 5,7 189 Spher, 78 Odder 1,0 18,5 18,5 140 Spher, 58 Spørring 0,1 3,5 2,9 39 Spher, 16 Tappernøje 2,0 - - - Linear - Tommerup 1,0 27,0 3,7 90 Expo, 59 Viborg 0,7 6,4 10,9 64 Spher, 29 Århus 0,0 270,0 0,0 135 Expo, 86 Tabel 10. Geostatistisk analyse af Jordens ledningsevne inklusiv Mean Correlation Distance (MCD) 35

I Møller et.al. (2004). er Em38 målinger blevet fortaget på 24 marker liggende på 8 forskellige landskabselementtyper. Deres range ligger i mellem 7 og 330 m (se bilag 28), hvor Range (som det kan ses i tabel 10) i denne rapport ligger mellem 39 og 210 m. Når Range sammenlignes, kan det ses at Range variere meget de forskellige marker imellem, i både ledningsevne og refleksionen, hvilket betyder at der på nogle marker er stor variation inden for den enkelte lokation. Nugget ligger mellem 0-4 hvilket viser at målestøjen eller variansen ligger mellem 0 og 4 (ms/m) 2. Hvis der sammenlignes med forsøgene i Møller et.al. (2004) ligger Nugget effekten meget lig med hinanden i Møller et.al. (2004) ligger Nugget effekten mellem 0 og 9,3 (ms/m) 2 såfremt analysen 9,3 (ms/m) 2 pilles fra er den næst største Nugget effekt 3,6 (ms/m) 2 (bilag 28). Nugget effekten for EM38 målingerne ligger inden for samme interval i begge forsøg, hvilket viser at den målestøj der kan forventes ved andre/nye målinger vil være i mellem 0 og 4 (ms/m) 2. Sill værdierne der viser hvor stor variansen er mellem 2 måle punkter ligger for forsøgene i Møller et.al. (2004) mellem 0,2-37,1 (ms/m) 2 (bilag 28), hvor de ligger mellem 3,5 og 270 (ms/m) 2 i disse forsøg, såfremt værdien på 270 (ms/m) 2 bliver taget ud, er den højeste Sill værdi på 35,0 (ms/m) 2, hvilket gør at Sill værdierne for de 2 forsøg ligger inden for nogenlunde samme ramme. Værdien på 270 (ms/m) 2 giver anledning til at overveje om der findes humus på lokationen i Århus, idet værdien skiller sig markant ud fra resten. 36

Nugget Sill Nugget/ Range Model MCD (-) (-) Sill Ratio (m) (m) (%) Egeskov 0,00 0,315 0,0 56 Spher. 22 Nibe 0,38 0,780 48,7 75 Spher. 52 Odder 0,00 0,260 0,0 124 Spher. 80 Spørring 0,00 0,199 0,0 41 Spher. 16 Tappernøje 0,00 0,001 0,0 44 Spher. 17 Tommerup 0,00 0,360 0,0 38 Spher. 15 Viborg 0,00 0,600 0,0 36 Spher. 14 Århus 0,00 0,158 0,0 40 Spher. 16 Tabel 11. Geostatistisk analyse af refleksionen fra Yara N-sensoren inklusiv Mean Correlation Distance (MCD). I Thiessen (2002) er MCD beregnet ud fra Yara N-sensor målinger på forskellige dage for 12 marker i Tyskland (se bilag 29). MCD for disse målinger ligger mellem 7,2 og 139 m. MCD varierede markant indenfor den enkelte mark på forskellige datoer, de fleste således at jo flere tildelinger der var sket jo større MCD, hvilket jo viser at markerne bliver mere og mere homogene mht. Biomasse index. Denne variation er der ikke taget højde for i dette projekt, men det er muligt at samme variation vil opstå såfremt samme analyser blev lavet på de danske lokationer. De 2 analyser der er blevet lavet i dette projekt viser, at MCD generelt er større i målingerne af ledningsevnen end målingerne i refleksionen. Dette kan forklares med at planternes tilstand afhænger af flere forskellige parameter end jordens lerindhold. Det kan være jordens vandkapacitet, tekstur, indhold af organisk materiale, ph, topografi m.v. (Kitchen et.al. 2003). Odder skiller sig ud i det, at der er MCD større i refleksionen end i ledningsevnen, det kan være pga. jordens evne til at afgive næringsstoffer til planterne er bedre på denne lokation end på resten af lokationerne. I Spørring er MDC for begge analyser den samme. Nugget beregningerne for refleksionen ligger på 0 med undtagelse af Nibe som ligger på 0,38 (ms/m) 2, hvilket viser at målestøjen er begrænset på alle lokationer med udtagelse af Nibe. Sill værdierne eller variansen mellem 2 målepunker ligger mellem 37

0,00 (ms/m) 2 i Tappernøje og 0,78 (ms/m) 2 i Nibe, hvilket betyder at Nugget procentvise størrelse af Sill i Nibe bliver 48,7 %, således kan målestøjen udgøre op til 48,7 % af variansen mellem 2 punkter. Disse datasæt viser at Variable Rate Applikation (VRA) er brugbart på disse marker, idet både jord- og afgrødedata er rummelige variable. 4.3. Analyse af sammenhæng mellem refleksion og ledningsevne Som det kan ses i nedenstående tabel 12 er de fleste af resultaterne for korrelation mellem refleksion og ledningsevne tæt på 0, hvilket betyder at der ikke er sammenhæng mellem refleksion (biomassen) og ledningsevne (lerindholdet). Jo tættere på 1/-1 korrelationerne er jo større sammenhæng er der mellem ledningsevne og refleksion. 10 x 10 m 20 x 20 m Egeskov -0,05-0,06 Nibe 0,07 0,08 Odder -0,34-0,33 Spørring -0,67-0,80 Tappernøje 0,31 0,34 Tommerup 0,20 0,20 Viborg -0,37-0,34 Århus -0,07-0,11 Tabel 12: Korrelation mellem refleksion og ledningsevne beregnet for hhv. 10x 10 m og 20 x 20 m Ehlert & Domsch (2001) fandt ud af at der ikke var nogen typisk korrelation mellem ledningsevnen og biomassen målt med en pendulum sensor i deres forsøg og heller ikke mellem ledningsevnen og udbyttet. Sammenhængen mellem ledningsevne og biomasse er ikke tæt nok til at der umiddelbart kan findes korrelation i mellem disse. En af grundene til dette kan være at planternes ernæring og dermed biomasse ikke kun er afhængig af jordens lerindhold, 38

men af samspillet mellem lerindhold, topografi, tilgængeligheden af næringsstoffer, ph værdier, sygdomme, skadedyr m.m. (Ehlert & Domsch 2001)(Kitchen et.al. 2003). På grund af de lave korrelationsværdier kan biomassen ikke umiddelbart forklares ud fra ledningsevnen. Ehlert & Domsch (2001) fandt ud af hvis de brugte værdier der havde sammenhæng mellem ledningsevnen og andre planteparametre blev korrelationen bedre. 4.4. Sammenligning af maskineri og afgrødebehov Spredebredde (m) MCD (m) Lerindhold MCD (m) Biomasse Egeskov 25 96 22 Nibe 20 78 52 Odder 35 58 80 Spørring 12 16 16 Tappernøje 28-17 Tommerup 12 59 15 Viborg 14 29 14 Århus 16 86 16 Tabel 13: Sammenligning af spredebredde og MCD på de forskellige lokationer I tabel 13 ses det at MCD ligger mellem 14 og 80 meter i Biomassen og 16 og 96 meter i Lerindholdet og det forskellige maskineri ligger mellem 12 og 35 meter, derfor burde det nuværende maskineri på lokationerne Nibe, Odder, Spørring, Tommerup, Viborg og Århus passe til markernes variabilitet, men på lokationerne Egeskov og Tappernøje er MCD i Biomassen mindre end maskinstørrelsen og i disse tilfælde er maskinerne for brede, såfremt der skal implementeres præcisions jordbrug på bedriften. Såfremt at variabiliteten ligger således, at den ikke passer ind i markens kørespor, kan maskineriet alligevel være for bredt. Især på de bedrifter der bruger det bredeste maskineri. 39

I Thiessen (2002) fandt man at MCD varierede markant indenfor den enkelte mark på forskellige datoer, efterhånden som gødnings tildelingerne skete, jo større blev MCD. Thiessen (2002) fandt også at 24 m gødningsspredere er tilstrækkelig til at kunne dække afgrødernes variabilitet. Såfremt at der havde været data på flere forskellige datoer på de samme lokationer i dette projekt, kan det være at der havde været en konklusion der ligner den som Thiessen (2002) er kommet frem til. Lokationernes MCD er ikke afhængig af deres placering i DK. Men da lokationernes JB nr. ligger ret tæt på hinanden, er det muligt at en tendens ville kunne ses, hvis der var flere lokationer der dækkede hele Danmark. De målemetoder vi har i dag kan blive udviklet, så de har en større præcision eller nye mere præcise målemetoder kan blive udviklet, hvilket kan betyde at maskineriet ikke er tilstrækkeligt præcist. 40

5. Konklusion MCD for ledningsevnen ligger mellem 16 og 96 m og MCD for refleksionen ligger mellem 14 og 80 m, hvilket viser at udover Egeskov og Tappernøje passer de maskiner, der er på bedriften til, at der kan implementeres præcisions jordbrug, uden det er nødvendigt at investere i nye maskiner. Resultater fra Thiessen (2002) viser at målingerne bør tages flere gange hen over året for at få flest mulige data, og dermed en bedre baggrund for at beregne MCD. Sammenligningen mellem MCD for begge målinger og lokationernes beliggenhed giver ikke nogen klar tendens over maskinstørrelsen fordelt i Danmark. Korrelationen mellem ledningsevne og biomasse ligger mellem -0,80 og 0,34, hvilket ikke er ikke tæt nok til at der umiddelbart kan findes en sammenhæng i mellem disse. Grunden til dette, er at der er flere andre parametre end ledningsevnen (lerindholdet) der indvirker på planternes biomasse index (næringsstofoptag), hvilket også konkluderes af Ehlert & Domsch (2001). Maskinbredden i dag er god nok, men det kræver at landmanden vælger en maskine der passer til hans bedrift. Tendensen til at landmændene vælger at købe større og større maskiner gør, at det er nødvendigt at udvikle muligheden for sektionsdeling mere. Dette ville give en bedre præcision, idet gødningsmængden så vil kunne varieres både i spredebredden og i kørselsretningen. MCD udregningerne kan hjælpe landmænd med at beskrive mark variabiliteten og dermed give en vurdering af hvilken størrelse maskine, der er brug for på bedriften. Det kan være andre MCD udregninger end for refleksion og ledningsevne, det kunne f.eks. være udbytte målinger. 41

6. Perspektivering MCD udregninger kan blive brugt til at analysere på forskellige faktorer fra jordprøver til udbyttemålinger og kan dermed give landmanden mulighed for at vælge sine maskiners størrelse til præcisions jordbrug ud fra disse for hans bedrift specifikke data. I fremtiden vil der være mulighed for at bedre og mere specifikke målemetoder for afgrødebehovet bliver udviklet, og dermed vil det være nødvendigt at udvikle gødningsudbringnings maskinerne så de kan matche disse målinger. Udviklingen går i retning af, at der kan måles data på den enkelte plante. Derved kan der gives både gødning og sprøjtemidler på plante niveau, dette skulle gerne give udslag i at både gødningsmængden og sprøjtemængden bliver nedsat. Dette kræver dog endnu mere følsomme maskiner mht. variation både i spredebredden og i kørselsretningen. Denne udvikling medfører at de forskellige maskiner både måleudstyret, registrerings-, beregningsmaskiner m.v. skal optimeres således at dataforsinkelser ikke bliver et problem for denne nøjagtige spredning. Ikke mindst forsinkelsen fra maskinens indstilling er ændret, til "den nye" gødningsmængde rammer jorden skal minimeres således at der ikke er kørt flere meter før ændringen træder i kraft. Formentlig vil sprøjterne i fremtiden blive mere brugt til gødningstildeling i præcisions jordbrug, idet de er mere præcise ved udbringningen end bredsprederne er. Samtidigt kan det blive økonomisk billigere, idet der kun skal indkøbes og vedligeholdes en maskine. 42

7. Referencer Amazone (u.å.): Plantebeskyttelsesredskaber, Brøns Maskinforretning, Skærbæk, Printed in Germany Berntsen, J., Thomsen, A., Schelde, K., Hansen, O. M., Knudsen, L., Broge, N., Haougaard, H. og Hørfarter, R. (2006): Agoritms for sencor-based redistribution af nitrogen fertilizer in winter wheat. Precision Agric, nr. 7, side 65-83. Bøgballe (u.å.): Calibrator Uniq Instruktionsbog, Bøgballe A/S, Uldum Bøgballe (2007): Produkter [online] Bøgballe A/S [citeret den 9. januar 2007] tilgængelig på internettet: http://www.bogballe.dk/dk/products/m3wplus.html Broge, N. Andreasen, F. M. & Hansen, O. M. (2002): Remote Sensing i landbruget [online] Dansk Landbrugsrådgivning, Landscenteret [citeret den 29. august 2006] tilgængelig på internettet: http://www.lr.dk/planteavl/informationsserier/planteavlsorientering/pl07-428.htm Christensen, N., K. (2006): Personlig meddelelse, Distriktschef Øerne, Hardi Skandinavien, Helgeshøj Allé 38, 2630 Tåstrup, Tlf. 2160 3165 Ditlefsen, C. (1999): Ny målemetode til kortlægning af rødbrændende teglværksler, GeologiskNyt, nr. 6, side 12-13. Eduspace (2006): Hvad er telemåling? [online] Eduspace [citeret den 29. august 2006] tilgængelig på internettet: http://www.eduspace.esa.int/subtopic/default.asp?document=295 og http://www.eduspace.esa.int/subtopic/default.asp?document=350&language=dk#reponse Ehlert, D. & Domsch, H. (2001): Correlations between soil and plant parameters, Landtechnik, Vol. 3, årgang 2001, side 134-135. 43

El-Rabbany, A. (2002): Introduction to GPS: the Global Positioning System.Artec Houns, INC., Norwood. Foldager, L. (2002): Surfer, Konturdiagrammer og Variogrammer [online] DJF Århus universitet [citeret den 17. januar 2007] tilgængelig på internettet: http://www.jbs.agrsci.dk/~lfo/talks/seminar_pvj190202_text.pdf Geonics Limited (2006): EM38 [online] Geonics Limited [citeret den 30. maj 2006] tilgængelig på internettet: http.//www.geonics.com/html/em38.html Griepentrog, H.W. & Persson, K. (2000): Work Quality of Disc Spreaders With Variable Dosing, Landtechnik, nr. 55, side 142-143. Griepentrog, H.W., Thiessen, E., Kristensen, H. & Knudsen, L. (2006): A Heterogeneity Indes to Assess Machinery to Match Soil and Crop Spatial Variability,. In: Proceedings 6th European Conference on PrecisionAgriculture ECPA, 6.2007 Skiathos, GreeceKVL Denmark, Upublieret. Halmø, S. (2006) ): Personlig Meddelelse, Yara Danmark, Kirstinelundsvej 3, 8740 Brædstrup, Tlf. 4052 8607. Han, S., Hummel, J., W., Goering, C., E. & Cahn, M., D. (1994) Cell Size Selection for Site-Specific Crop management, American Society of Agricultural Engineers, Vol 37, side 19-26 Hvam, S. A.(2004): Markens Maskiner, 4.udgave 2. oplag, Landbrugsforlaget, Århus N. Hydro Agri AB (2003): Brugervejledning til Hydro N-sensor, Hydro Agri AB, Randers Hørfarther, R. (2006): Personlig meddelelse, Konsulent, Dansk landbrugsrådgivning, Tlf. 8740 5430 44

Jensen, H. E. & Jensen S. E. (2001): Jordfysik og Jordbrugsmeteorologi, 2. udgave, DSR Forlag, Frederiksberg C Kitchen, N. R., Drummond, S. T., Lund, E. D., Sudduth, K. A. & Buchleiter, G. W. (2003): Soil Electrical Conductivity and Topography Related to Yield for Tree Contrasting Soil- Crop Systems, Agronomy Journal, Vol. 95, årgang 2003, side 483-495. Knudsen, L. (2004): Kvælstof koster -især når det mangler, [online] Dansk Landbrugsrådgivning, Landscenteret [Citeret den 27. april 2006], tilgængelig på Internet: http://www.lr.dk/planteavl/diverse/kvaelstof.pdf Kort og Matrikelstyrelsen (2006): KMSTrans2006), [online] Miljøministeriet [citeret den 3. december 2006] tilgængelig på internettet: http://www.kms.dk/produktkatalog/gratis+produkter+og+ydelser/gratis+produkter+og+yd elser.htm KUPA (2006): Geofysisk kortlægning med EM38, [online] KUPA [citeret den 30. maj 2006] tilgængelig på internettet: http://www.kupa.dk/em38.htm Landscenteret (2003): Ledningsevnemåling, [online] Dansk Landbrugsrådgivning, Landscenteret [citeret den 3. maj 2006] tilgængelig på internettet: http://www.lr.dk/planteavl/diverse/pos_ledningsevnem.htm Landscenteret (2003a): Jordbundsanalyser, [online] Dansk Landbrugsrådgivning, Landscenteret [citeret den 13. september 2006] tilgængelig på internettet: http://www.lr.dk/planteavl/diverse/pos_jordbundsanalyse.htm Landscenteret (2004): Baggrund for kalkningsvejledning 2004, [online] Dansk Landbrugsrådgivning, Landscenteret [citeret den 13. september 2006] tilgængelig på internettet: http://www.lr.dk/planteavl/informationsserier/planteavlsorientering/pl07-521.htm#afgrodernes_krav_til_reaktionstal 45

Landscenteret (2005): Kalkning, [online] Dansk Landbrugsrådgivning, Landscenteret [citeret den 13. september 2006] tilgængelig på internettet: http://www.lr.dk/planteavl/informationsserier/dyrkningsvejledninger/kalkv.htm#hvor%20 højt%20skal%20reaktionstallet%20( Landcenteret (2006): Udbyttemålere på mejetærskere, [online] Dansk Landbrugsrådgivning, Landscenteret, Byggeri og Teknik [citeret den 30. august 2006] tilgængelig på internettet: http://www.lr.dk/bygningerogmaskiner/informationsserier/infobyggeriogteknik-gratis/1512_hhp.htm Landscenteret (2006a): Gødskning efter N-min-metoden 2006, Dansk Landbrugs Rådgivning, Århus N Lechner, W. & Baumann, S. (2000): Global navigation satellite systems, Computers and Electronics in Agriculture. Vol. 25, side 67-85 Marschner, H. (2002): Mineral Nutrition of Higher Plants, second edition Academic Press, London. Morgan, M. & Ess, D. (1997): The Precision-Farming Guide for Agriculturists, John Deere Publishing, Litho, Illinois. Møller, I., Elsgaard, L., Greve, M. H. & Vinther, F. P. (2004) Bilag 3A. Variabilitet, Geostatistik og Mikrobiologi, Generelt. I: Erik Nygaard (2004) Koncept for udpegning af pesticidfølsomme arealer, KUPA, Særligt pesticidfølsomme sandområder: Forudsætninger og metoder til zonering, Miljøministeriet, Danmarks og Grønlands Geologiske Undersøgelse, GEUS, København K, bilag side 25-44. Nehmdahl, H. (2000): Kortlægning af jordbundsvariation geoelektriske målinger med EM38, GeologiskNyt, nr. 2, side 18-19 Nielsen, J. & Griepentrog, H. W. (2006) software, Geofilter, KVL, Upubliseret. 46

Plantedirektoratet (u.å.): Vejledning om gødsknings- og harmoniregler, 2005/2006, Plantedirektoratet, Kgs. Lyngby. Rauch (2007): AGT Spreading System [online] Rauch [Citeret den 17. januar 2007] tilgængelig på Internettet: http://www.rauch.de/front_content.php?idart=82 Risø (2000): Kunstigt øje vogter over planters ernæringstilstand [online] Risø [Citeret den 14. august 2006] tilgængelig på Internettet: http://www.risoe.dk/rispubl/risnyt/risnytpdf/ris0200/riso-2-2000s12_13.pdf Skov, N (2006): Personlig Meddelelse, Bogholder, Østdansk Planteavlsrådgivning, Center Allé 6, 4683 Rønnede, Tlf. 5679 1923. Storstrømmens Planteavlsrådgivning (u.å.): Jordbundsanalyser, Storstrømmens Planteavlsrådgivning, Rønnede. Surfer 8 (2007): Hjælpefunktionen i Surfer 8, Golden software, inc. Colorado, U.S.A. Teknologisk Fremsyn (2003): mere miljøvenligt jordbrug [online] Ministeriet for videnskab, teknologi og udvikling [Citeret den 29. august 2006] tilgængelig på Internettet: http://www.teknologiskfremsyn.dk/site/doc.php?id=88 Thiessen, E. (2002) Variability of spatial Areas with sensor controlled fertiliser application. Landtechnik, vol. 4, årgang 2002, side 208-209 Trane, L. (2006): Personlig meddelelse, Repræsentant, Johannes Mertz A/S, Holger Brodthagensvej 6, 4800 Nykøbing F, Telefon: 2343 5259 Williams, B., G. & Hoey, D.: The Use of Electromagnetic Induction to Detect the Spatial Variability of the Salt and Clay Contents of Soil. Australian journal of Soil Research, bind 25, årgang 1987, side 21-27. 47

Yara (2006): Information Hydro N-sensor [online] Yara [Citeret den 14. august 2006] tilgængelig på Internettet: http://fert.yara.dk/library/attachments/crop_fertilization/tools_and_services/nsensor/yara_n-sensor_mappen.pdf Yara (2006a): gradueret tildeling af kvælstof [online] Yara [Citeret den 14. august 2006] tilgængelig på Internettet: http://fert.yara.dk/dk/crop_fertilization/tools_and_services/nsensor/opt_nitrogen_application.html Yara (2006b): Metode [online] Yara [Citeret den 14. august 2006] tilgængelig på Internettet: http://fert.yara.dk/dk/crop_fertilization/tools_and_services/nsensor/method.html 48

8. Bilagsoversigt Bilag 1: Teknisk datablad for Yaras N-sensor Bilag 2: Yara N-sensors måleareal Bilag 3: Lokationernes placering i Danmark Bilag 4: Kontur kort over Egeskov Lerindhold og Biomasse Bilag 5: Konturkort over Nibe Lerindhold og Biomasse Bilag 6: Konturkort over Odder Lerindhold og Biomasse Bilag 7: Konturkort over Spørring Lerindhold og Biomasse Bilag 8: Konturkort over Tappernøje Lerindhold og Biomasse Bilag 9: Konturkort over Århus Lerindhold og Biomasse Bilag 10: Konturkort over Viborg Lerindhold og Biomasse Bilag 11: Konturkort over Tommerup Lerindhold og Biomasse Bilag 12: Variogrammer over Egeskov Lerindhold og Biomasse Bilag 13: Variogrammer over Nibe Lerindhold og Biomasse Bilag 14: Variogrammer over Odder Lerindhold og Biomasse Bilag 15: Variogrammer over Spørring Lerindhold og Biomasse Bilag 16: Variogrammer over Tappernøje Lerindhold og Biomasse Bilag 17: Variogrammer over Århus Lerindhold og Biomasse Bilag 18: Variogrammer over Viborg Lerindhold og Biomasse Bilag 19: Variogrammer over Tommerup Lerindhold og Biomasse Bilag 20: Korrelation for Lerindhold/Biomasse i Egeskov hhv. 10 x 10 m og 20 x 20 m Bilag 21: Korrelation for Lerindhold/Biomasse i Nibe hhv. 10 x 10 m og 20 x 20 m Bilag 22: Korrelation for Lerindhold/Biomasse i Odder hhv. 10 x 10 m og 20 x 20 m Bilag 23: Korrelation for Lerindhold/Biomasse i Spørring hhv. 10 x 10 m og 20 x 20 m Bilag 24: Korrelation for Lerindhold/Biomasse i Tappernøje hhv. 10 x 10 m og 20 x 20 m Bilag 25: Korrelation for Lerindhold/Biomasse i Århus hhv. 10 x 10 m og 20 x 20 m Bilag 26: Korrelation for Lerindhold/Biomasse i Viborg hhv. 10 x 10 m og 20 x 20 m Bilag 27: Korrelation for Lerindhold/Biomasse i Tommerup hhv. 10 x 10 m og 20 x 20 m Bilag 28: Geostatistisk analyse af Em38 data fra KUPA rapporten 24 undersøgelsesmarker og profillinier Bilag 29: MCD beregninger for Yara N-sensor målinger i Tyskland 49

Bilag 1: Teknisk data blad for Yaras N-sensor Hydro N-Sensor Technical Data Sheet General Description The Hydro N-Sensor consists of two diode-array spectrometers, fiber optics and a microprocessor in a rugged housing mounted on the top of the vehicle's roof. One spectrometer collects reflectances at wavelengths from 450 to 900 nm from four spots located around the vehicle. By this, typically an area of approximately 50-100 m² is measured per scan. Irradiance correction is provided through the second spectrometer sensing the sky hemisphere in the same wavebands. Though the crop is scanned at an oblique view zenith angle (64 on average), solar azimuth effects are largely avoided by the special viewing geometry. The system is controlled by a user terminal mounted inside the vehicle's cabin. Data is stored on a memory card together with positioning information at a repetition rate of typically 1 second. It can easily be retrieved from the card and transferred to SensorOffice, the internet-based mapping service from Hydro Agri. System Components A complete Hydro N-Sensor System contains several components: The N-Sensor itself (to be mounted on the roof of the vehicle) A wiring harness An operation terminal (to be mounted inside the cabin of the vehicle) A data card for data storage and transfer PC software for data card management Access to SensorOffice mapping service

Following components are not part of the standard delivery, but may be ordered as attachments: Roof mounting kit Adaptor cables to various spreader controllers Built-in GPS receiver (the user can alternatively provide his own receiver) Radiometric calibration service Viewing Geometry The viewing geometry has been specially designed to fulfil the following criteria at the same time: measure a large area keep the field of view out of the shadowing area of the vehicle avoid large booms etc. to carry the optics provide measurements independent of driving, viewing and solar direction These requirements result in four optical inputs pointing at spots located around the vehicle as shown in the figure. Each input captures the reflected radiation at an angle of 64 from nadir with a field of view of 12. The angle 90 between each of the four inputs is 90. This geometry leads to two stripes approximately 3 m wide on each side of the vehicle. The inner border of each stripe is approximately 4-5 m away from the center of the tramline, leading to a total swath width of 14-16 m. However, according to simple triangular geometry, the swath width depends on and can be adjusted by the mounting height of the unit. v sensed area 90 90 sensed area Technical Specifications Summary Number of spectrometers: 2 (1 reflectance, 1 irradiance) Covered wavelengths: 450-900 nm Number of optical inputs: 4 reflectance, 1 irradiance Field of view: 12 per optical input Average viewing direction: 64 from nadir Angle between optical inputs: 90 Area scanned: 50-100 m²/s, depending on mounting height and speed

Integration time: irradiance Dark current: Repetition rate: Data acquisition interval: Data storage: Storage capacity: Positioning data: Size (L x W x H): Weight (N-Sensor only): 16-4000 ms, automatically set depending on automatic correction 1, 2 or 4 s, depending on integration time 1 s PCMCIA flash memory card >64 h on 8 MB card) any GPS or DGPS receiver with NMEA-0183 output 210 x 30 x 20 cm approx. 15 kg

Bilag 2: Yara N-sensors måleareal Viewing Geometry v d/ 58 70 h sensed area 90 x x x1 = d/2 + h tan 58 / sqrt(2) = 0.5 d + 1.13 h x2 = d/2 + h tan 70 / sqrt(2) = 0.5 d + 1.94 h where: d: width of the sensor rig h: height of the sensor rig

Bilag 3: Lokationernes placering i Danmark Nibe Viborg Spørring Aarhus Odder Tommerup Egeskov Tap

Bilag 4: Kontur kort over Egeskov Lerindhold og Biomasse Egeskov lerindhold Nordlig (m) 6115700 (ms/m) 50 46 6115600 42 38 34 6115500 30 26 22 6115400 18 14 10 6 6115300 2-2 6115200 595400 595500 595600 595700 595800 Østlig (m) Nordlig (m) 6115800 Egeskov Biomasse 6115700 Høj 6.4 6 6115600 5.6 5.2 4.8 6115500 4.4 4 3.6 3.2 6115400 2.8 2.4 2 6115300 1.6 1.2 Lav 6115200 595400 595500 595600 595700 595800 Østlig (m)

Bilag 5: Konturkort over Nibe Lerindhold og Biomasse Nibe Lerindhold Nordlig (m) (ms/m) 6316600 6316500 6316400 6316300 6316200 51 48 45 42 39 36 33 30 27 24 21 18 15 12 9 6 530500 530600 530700 530800 530900 531000 531100 Østlig (m) Nibe Biomasse Nordlig (m) 6316600 6316500 6316400 6316300 6316200 530500 530600 530700 530800 530900 531000 531100 Østlig (m) Høj 14.5 13.5 12.5 11.5 10.5 9.5 8.5 7.5 6.5 5.5 4.5 3.5 2.5 1.5 0.5 Lav

Bilag 6: Konturkort over Odder Lerindhold og Biomasse Odder Lerindhold (ms/m) 21 19 Nordlig (m) 6196950 6196900 6196850 17 15 13 11 9 6196800 571200 571300 571400 571500 571600 571700 571800 571900 Østlig (m) 7 5 3 1-1 Odder Biomasse Høj 11.8 11.4 Nordlig (m) 6196950 6196900 6196850 571200 571300 571400 571500 571600 571700 571800 571900 Østlig (m) 11 10.6 10.2 9.8 9.4 9 8.6 Lav 8.2 7.8

Bilag 7: Konturkort over Spørring Lerindhold og Biomasse Nordlig (m) Spørring Lerindhold 6239050 (ms/m) 6239000 17.5 16.5 6238950 15.5 14.5 13.5 6238900 12.5 11.5 6238850 10.5 9.5 6238800 Nordlig (m) Spørring Biomasse 570950 571000 571050 Østlig (m) 6239050 Høj 6239000 3.6 3.3 6238950 3 2.7 2.4 6238900 2.1 1.8 6238850 1.5 1.2 Lav 6238800 570950 571000 571050 Østlig (m)

Bilag 8: Konturkort over Tappernøje Lerindhold og Biomasse Nordlig (m) Tappernøje Lerindhold 6118450 6118400 6118350 (ms/m) 26 25 24 23 22 6118300 21 20 19 18 6118250 6118200 17 16 15 14 13 6118150 688100 688150 688200 688250 Østlig (m) Nordlig (m) Tappernøje Biomasse 6118450 6118400 6118350 6118300 6118250 6118200 Høj 1.95 1.94 1.93 1.92 1.91 1.9 1.89 1.88 1.87 1.86 1.85 1.84 1.83 1.82 1.81 1.8 1.79 1.78 1.77 1.76 1.75 Lav 6118150 688150 688200 688250 Østlig (m)

Bilag 9: Konturkort over Århus Lerindhold og Biomasse Århus Lerindhold Århus Biomasse Nordlig (m) Nordlig (m) 6231150 6231150 (ms/m) Høj 6231100 50 47 6231100 5.2 44 41 4.9 6231050 38 35 32 6231050 4.6 4.3 6231000 29 26 6231000 4 23 3.7 6230950 20 17 6230950 3.4 14 11 3.1 6230900 8 6230900 2.8 Lav 570280 570320 Østlig (m) 6230850 570280 570320 Østlig (m)

Bilag 10: Konturkort over Viborg Lerindhold og Biomasse Viborg Lerindhold Viborg Biomasse Nordlig (m) Nordlig (m) 6252050 6252050 6252000 17 (ms/m) 6252000 Høj 8.4 6251950 6251900 6251850 16 15 14 13 12 11 6251950 6251900 6251850 8.1 7.8 7.5 7.2 6.9 6.6 6.3 10 6 6251800 6251750 6251700 9 8 7 6 5 6251800 6251750 6251700 5.7 5.4 5.1 4.8 4.5 4.2 Lav 6251650 6251650 531120 Østlig (m) 531120 Østlig (m)

Bilag 11: Konturkort over Tommerup Lerindhold og Biomasse (ms/m) Tommerup Lerindhold 29 27 Nordlig (m) 6133950 6133900 25 23 21 19 17 15 13 575800 575850 575900 575950 576000 576050 576100 576150 Østlig (m) 11 9 7 5 3 Høj Tommerup Biomasse 5.5 Nordlig (m) 6133950 5.2 4.9 4.6 4.3 6133900 4 3.7 3.4 575800 575850 575900 575950 576000 576050 576100 576150 Østlig (m) 3.1 2.8 2.5 Lav 2.2

Bilag 12: Variogrammer over Egeskov Lerindhold og Biomasse 40 Egeskov: Soil Electric Conductivity Direction: 20.0 Tolerance: 3.0 35 30 25 Variogram 20 15 10 5 0 0 50 100 150 200 250 300 Lag Distance (m) Spherical: y(h)=c*(1.5*h - 0.5 * h3) C: scale=(sill-nugget) Nugget=4, scale=28, length=range=210 0.5 Egeskov: Biomass Index Direction: 20.0 Tolerance: 3.0 0.45 0.4 0.35 0.3 Variogram 0.25 0.2 0.15 0.1 0.05 0 0 20 40 60 80 100 120 140 Lag Distance (m) Spherical: y(h)=c*(1.5*h - 0.5 * h3) C: scale=(sill-nugget) Nugget=0, scale=315, length=range=56

Bilag 13: Variogrammer over Nibe Lerindhold og Biomasse 45 Nibe: Soil Electric Conductivity Direction: 6.0 Tolerance: 10.0 40 35 30 Variogram 25 20 15 10 5 0 0 50 100 150 200 250 300 Lag Distance Spherical: y(h)=c*(1.5*h - 0.5 * h3) C: scale=(sill-nugget) Nugget=2, scale=33, length=range=189 1 Nibe: Biomass Index Direction: 6.0 Tolerance: 10.0 0.9 0.8 0.7 0.6 Variogram 0.5 0.4 0.3 0.2 0.1 0 0 50 100 150 200 250 300 Lag Distance Spherical: y(h)=c*(1.5*h - 0.5 * h3) C: scale=(sill-nugget) Nugget=0.38, scale=0.4, length=range=75

Bilag 14: Variogrammer over Odder Lerindhold og Biomasse 20 Odder: Soil Electric Conductivity Direction: 7.0 Tolerance: 1.0 18 16 14 12 Variogram 10 8 6 4 2 0 0 50 100 150 200 250 Lag Distance Spherical: y(h)=c*(1.5*h - 0.5 * h3) C: scale=(sill-nugget) Nugget=1, scale=17.5, length=range=140 Odder: Biomass Index Direction: 7.0 Tolerance: 1.0 0.5 0.45 0.4 0.35 Variogram 0.3 0.25 0.2 0.15 0.1 0.05 0 0 20 40 60 80 100 120 140 160 180 200 220 240 Lag Distance Spherical: y(h)=c*(1.5*h - 0.5 * h3) C: scale=(sill-nugget) Nugget=0, scale=0.26, length=range=124

Bilag 15: Variogrammer over Spørring Lerindhold og Biomasse Spoerring: Soil Electric Conductivity Direction: 72.0 Tolerance: 10.0 4 3.5 3 2.5 Variogram 2 1.5 1 0.5 0 0 10 20 30 40 50 60 70 80 90 100 Lag Distance Spherical: y(h)=c*(1.5*h - 0.5 * h3) C: scale=(sill-nugget) Nugget=0.1, scale=3.4, length=range=39 Spoerring: Biomass Index Direction: 71.0 Tolerance: 5.0 0.3 0.25 0.2 Variogram 0.15 0.1 0.05 0 0 10 20 30 40 50 60 70 80 90 100 Lag Distance Spherical: y(h)=c*(1.5*h - 0.5 * h3) C: scale=(sill-nugget) Nugget=0, scale=0.199, length=range=41

Bilag 16: Variogrammer over Tappernøje Lerindhold og Biomasse Tappernøje: Soil Electric Conductivity Direction: 114.0 Tolerance: 3.0 8 7 6 Variogram 5 4 3 2 1 0 0 10 20 30 40 50 60 70 80 90 100 110 120 Lag Distance Linear: y(h)=c(h) C: scale=(sill-nugget) Nugget=2.0, slope=0.06 Tappernøje: Biomass Index Direction: 114.0 Tolerance: 5.0 0.0007 0.0006 0.0005 Variogram 0.0004 0.0003 0.0002 0.0001 0 0 10 20 30 40 50 60 70 80 90 100 110 120 Lag Distance (m) Spherical: y(h)=c*(1.5*h - 0.5 * h3) C: scale=(sill-nugget) Nugget=0.0, scale=0.0007, length=range=44

Bilag 17: Variogrammer over Århus Lerindhold og Biomasse 140 Aarhus: Soil Electric Conductivity Direction: 87.0 Tolerance: 10.0 120 100 Variogram 80 60 40 20 0 0 10 20 30 40 50 60 70 80 90 100 110 Lag Distance Exponential: y(h)=c*(1 - e -h) C: scale=(sill-nugget) Nugget=0.0, scale=270, length=135 0.22 Aarhus: Biomass Index Direction: 87.0 Tolerance: 10.0 0.2 0.18 0.16 0.14 Variogram 0.12 0.1 0.08 0.06 0.04 0.02 0 0 10 20 30 40 50 60 70 80 90 100 110 Lag Distance Spherical: y(h)=c*(1.5*h - 0.5 * h3) C: scale=(sill-nugget) Nugget=0.0, scale=0.158, length=range=40

Bilag 18: Variogrammer over Viborg Lerindhold og Biomasse 7 Viborg: Soil Electric Conductivity Direction: 93.0 Tolerance: 5.0 6 5 4 Variogram 3 2 1 0 0 20 40 60 80 100 120 140 Lag Distance Spherical: y(h)=c*(1.5*h - 0.5 * h3) C: scale=(sill-nugget) Nugget=0.7, scale=5.7, length=range=64 0.7 Viborg: Biomass Index Direction: 96.0 Tolerance: 10.0 0.6 0.5 Variogram 0.4 0.3 0.2 0.1 0 0 20 40 60 80 100 120 140 Lag Distance Spherical: y(h)=c*(1.5*h - 0.5 * h3) C: scale=(sill-nugget) Nugget=0.0, scale=0.6, length=range=36

Bilag 19: Variogrammer over Tommerup Lerindhold og Biomasse 22 Tommerup: Soil Electric Conductivity Direction: 0.0 Tolerance: 1.0 20 18 16 14 Variogram 12 10 8 6 4 2 0 0 20 40 60 80 100 120 140 Lag Distance Exponential: y(h)=c*(1 - e -h) C: scale=(sill-nugget) Nugget=1.0, scale=26, length=90 0.5 Tommerup: Biomass Index Direction: 0.0 Tolerance: 5.0 0.45 0.4 0.35 0.3 Variogram 0.25 0.2 0.15 0.1 0.05 0 0 20 40 60 80 100 120 140 Lag Distance Spherical: y(h)=c*(1.5*h - 0.5 * h3) C: scale=(sill-nugget) Nugget=0.0, scale=0.36, length=range=38

Bilag 20: Korrelation for Lerindhold/Biomasse i Egeskov hhv. 10 x 10 m og 20 x 20 m Korrelation Lerindhold/Biomasse Egeskov 10 x 10 m 7 6 5 Biomasse 4 3 2 1 0 0 5 10 15 20 25 30 35 40 Lerindhold Korrelation for Lerindhold/Biomasse Egeskov 20 x 20 m 7 6 5 Biomasse 4 3 2 1 0 0 5 10 15 20 25 30 35 40 Lerindhold

Bilag 21: Korrelation for Lerindhold/Biomasse i Nibe hhv. 10 x 10 m og 20 x 20 m Korrelation for Lerindhold/Biomase Nibe 10 x 10 m 16 14 12 10 Biomasse 8 6 4 2 0 0 5 10 15 20 25 30 35 40 45 50 Lerindhold Korrelation for Lerindhold/Biomasse Nibe 20 x 20 m 16 14 12 10 Biomasse 8 6 4 2 0 0 5 10 15 20 25 30 35 40 45 50 Lerindhold

Bilag 22: Korrelation for Lerindhold/Biomasse i Odder hhv. 10 x 10 m og 20 x 20 m Korrelation for Lerindhold/Biomasse Odder 10 x10 m 14 12 10 Biomasse 8 6 4 2 0 0 5 10 15 20 25 Lerindhold Korrelation for Lerindhold/Biomasse Odder 20 x 20 m 14 12 10 Biomasse 8 6 4 2 0 0 5 10 15 20 25 Lerindhold

Bilag 23: Korrelation for Lerindhold/Biomasse i Spørring hhv. 10 x 10 m og 20 x 20 m Korrelation for Lerindhold/Biomasse Spørring 10 x 10 m 4 3,5 3 2,5 Biomasse 2 1,5 1 0,5 0 0 2 4 6 8 10 12 14 16 18 20 Lerindhold Korrelation for Lerindhold/Biomasse Spørring 20 x 20 m 4 3,5 3 2,5 Biomasse 2 1,5 1 0,5 0 0 2 4 6 8 10 12 14 16 18 20 Lerindhold

Bilag 24: Korrelation for Lerindhold/Biomasse i Tappernøje hhv. 10 x 10 m og 20 x 20 m Korrelation for Lerindhold/Biomasse Tappernøje 10 x10 m 1,96 1,94 1,92 1,9 Biomasse 1,88 1,86 1,84 1,82 1,8 1,78 0 5 10 15 20 25 30 Lerindhold Korrelation for Lerindhold/Biomase Tappernøje 20 x 20 m 1,96 1,94 1,92 1,9 Biomasse 1,88 1,86 1,84 1,82 1,8 1,78 0 5 10 15 20 25 30 Lerindhold

Bilag 25: Korrelation for Lerindhold/Biomasse i Århus hhv. 10 x 10 m og 20 x 20 m Korrelation for Lerindhold/Biomasse Århus 10 x 10 m 6 5 4 Biomasse 3 2 1 0 0 10 20 30 40 50 60 Lerindhold Korrelation for Lerindhold/Biomasse Århus 20 x 20 m 6 5 4 Biomase 3 2 1 0 0 10 20 30 40 50 60 Lerindhold

Bilag 26: Korrelation for Lerindhold/Biomasse i Viborg hhv. 10 x 10 m og 20 x 20 m Korrelation for Lerindhold/Biomasse Viborg 10 x 10 m 9 8 7 6 Biomasse 5 4 3 2 1 0 0 2 4 6 8 10 12 14 16 18 Lerindhold Korrelation for Lerindhold/Biomasse Viborg 20 x 20 m 9 8 7 6 Bomasse 5 4 3 2 1 0 0 2 4 6 8 10 12 14 16 18 Lerindhold

Bilag 27: Korrelation for Lerindhold/Biomasse i Tommerup hhv. 10 x 10 m og 20 x 20 m Korrelation for Lerindhold/Biomasse Tommerup 10 x 10 m 6 5 4 Biomasse 3 2 1 0 0 5 10 15 20 25 30 Lerindhold Korrelation for Lerindhold/Biomasse Tommerup 20 x 20 m 6 5 4 Biomasse 3 2 1 0 0 5 10 15 20 25 30 Lerindhold

Bilag 28: Geostatistisk analyse af Em38 data fra KUPA rapporten 24 undersøgelsesmarker og profillinier

Bilag 29: MCD beregninger for Yara N-sensor målinger i Tyskland