Proteinprognos i maltkorn och höstvete

Relevanta dokument
DON vädermodeller och inomfältsvariationer. Baltiskt samarbete Thomas Börjesson Agroväst

CropSat, gödsla efter satellitbilder, möjligheter med nollrutor. Hushållningssällskapet, Henrik Stadig

Innovationer för hållbar växtodling Partnermöte juni 2017, Mariestad-Töreboda, Sverige

Uppskattning av maltkornskvalitet

BESTÄMNING AV PLATSSPECIFIK KVÄVELEVERNAS TILL STRÅSÄD MED HJÄLP AV NIR-ANALYS AV JORDPROVER

Innovationer för hållbar växtodling 3d. Underlag för ett webbaserat beslutsstödssystem för precisionsodling

Här finns en kort beskrivning av CropSAT

Bestämning av kväveupptag i spannmålsgrödor med fjärranalys - Vill du slippa klippa?

Delaktivitet 3d: Underlag för ett webbaserat beslutsstödssystem för smart växtodling

CropSAT gödsla rätt med satellithjälp

Detaljerade jordartskartor med fjärranalys (från flyg- och satellit)

Yara N-Prognos Absolut kalibrering av Yara N-Sensor. Carl-Magnus Olsson Gunilla Frostgård

Vallslåtter. årets viktigaste dag. Olika skördeintäkt samma netto agra vått. Bevattna och säkra din skörd. Stråförkortat går.

Fusarium: Övervakningsprojekt 2012: Hur går vi vidare? Thomas Börjesson

Prognoser för maltkornskvalitet med fjärranalys

avsedda för hösilage med Yara N-sensor

Odlingsåtgärder för minskad risk med DON i havre. Ann-Charlotte Wallenhammar Hushållningssällskapet HS Konsult AB Örebro

Varmare väder gör att kväveupptaget ökar

Fusarium - ett rådgivarperspektiv Brunnby den 18 januari 2012 Lars Johansson Jordbruksverkets växtskyddscentral Skara

Svårtydda mätresultat och dags att fundera på komplettering

Kvävebehov till höstvete, olika markförutsättningar

VÄXTNÄRING. Kvävebehov för höstvete under olika odlingsförutsättningar

SLF-projekt: Inventering av axfusarioser och fusariumtoxiner i höstvete

Maltkorn och Yara N-Sensor

Ökning av kväveupptaget även i nollrutorna

Fortsatt varmt och torrt ger snabb utveckling men lägre upptag

Dags att ta beslut om kompletteringsgödsling

Kvalitetsprognoser för brödvete och maltkorn med reflektansmätning i växande gröda

Varmare väder har satt fart på kväveupptaget

Långsam plantutveckling och litet kväveupptag

Träffa rätt med kvävet HÖSTVETE

Kväveupptaget ökar ordentligt

Lågt kväveupptag senaste veckan

Varmt väder ger snabb utveckling

Fosfor och kväveinteraktioner samt mulluppbyggnad i svenska långliggande försök

Snart dags att ta beslut om kompletteringsgödsling

Markens mineralisering högre än normalt

Maltkorn och Yara N-Sensor

Oväntat högt kväveupptag

Västerås NPK-stege i vårkorn

Varmt väder har satt fart på kväveupptaget

Nu är höstvetet i axgång

Ny radhackningsteknik för ogräsbekämpning i spannmål, del 2

Lägre upptag i nollrutorna igen

Skördeutveckling och årsmån. Hur påverkas kväveoptimum? Ingemar Gruvaeus, Yara AB. Uddevalla

UAV inom precisionsodling. - några erfarenheter från SLU Mats Söderström, SLU, Inst för mark och miljö

VARFÖR LÅGA PROTEINHALTER 2008 OCH 2009? Proteinhalter i sortförsök i Skåne (serie L7-101) 2008 och Sex försök per år.

Sortanpassad kvävegödsling. Mattias Hammarstedt, HIR Skåne

Träffa rätt med kvävet MALTKORN

Praktiska råd för optimering av fosforgödsling för gröda och växtföljd. Johan Malgeryd Jordbruksverket, Linköping

NPKS till vårkorn med stigande fosforgiva

Försök med radhackningsteknik och radavstånd. Per Ståhl Hushållningssällskapet Rådgivning Agri AB

NOLL- OCH PILOTRUTOR. Vi börjar med det praktiska. Bakgrund och praktisk användning.

Fina höstveten och varierande kväveupptag

Emma Hellstedt. Kandidatuppsats i biologi Agronomprogrammet mark/växt. Examensarbeten, Institutionen för mark och miljö, SLU Uppsala :15

Bra management lyfter skördarna och lönsamheten. Anders Krafft VäxtRåd

Metoder som har provats för att bestämma gödslingsnivån i höstvete, samt en utvärdering av den skånska kvävestegen i höstvete

Det har blivit lönsammare med varierad fosforgödsling? Kjell Gustafsson

Agronomisk kalibrering av Yara N-Sensor

Anpassad kvävegödsling. Gunilla Frostgård

Kvävestrategi i höstvete, L3-2290, Uddevalla jan Ingemar Gruvaeus

Fortsatt varmt väder ger snabb utveckling men lågt kväveupptag

VÄXTNÄRING. Kvävebehov för höstvete vid olika markförutsättningar, M Växtnäring

Slutrapport beträffande Foder & Spannmåls projekt om förekomst av DON i 2016 års spannmålsskörd i Sverige

Fortsatt varierande kväveupptag

Varmt väder gör att kväveupptaget ökar

Arbetssätt. Mekanisk ogräsbekämpning i växande gröda med ogräsharv och radhacka. Per Ståhl Hushållningssällskapet Rådgivning Agri AB

Försöken i serien L3-2299, kvävestrategi i. Kvävestrategi i höstvete

Platsspecifika riktgivor för kväve

RAPPORTER FRÅN JORDBEARBETNINGEN

Låg mineralisering men fortsatt upptag i fält

Korn, tidiga sorter. Sorter

Specialmaskiner i ekologisk odling ogräsharv, radhacka, vegetationsskärare. Per Ståhl Hushållningssällskapet Rådgivning Agri AB

Tentamen i matematisk statistik

N-tester. Nya Yara N-Tester. Greppa näringen

Kväve i höstvete 2013

Säkrare trindsädesodling i ekologisk odling (del 1)

Proteingödsling för kvalitet

Mer osäkra mätvärden när vetet går i ax

Fortsatt varmt väder ger snabbt upptag av kväve

Möjligheter att anpassa kvävegödslingen till behovet

Insamling av GIS-data och navigering med GPS en praktisk övning

MARKNADSNYTT

Fortsatt snabb utveckling av höstvetet men avstannat upptag av kväve

Tillskottsbevattning till vete Kan man öka skörden med enstaka bevattningstillfällen?

På väg mot det nya jordbruket kväverekommendationer och grödstatuskartering inom fält genom en kombination av satellitdata och N sensorer

3.5 Skördar. Metodik. Resultat. Thomas Wildt-Persson, SBU

VÄXTNÄRING. Kvävebehov för höstvete. under olika odlingsförutsättningar. Växtnäring

Varmare väder har satt fart på kväveupptaget

Sortanpassad kvävegödsling

Fortsatt snabb utveckling av höstvetet i det varma vädret

Markens mineralisering medel jämfört med

Tillskottsbevattning till vete Kan man öka skörden med enstaka bevattningstillfällen?

Kvävestege i höstvete Gunnel Hansson HIR Malmöhus, Borgeby Slott, Bjärred E-post:

Växtskyddsrådet nytt uppdrag, nya möjligheter

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!

Vetemästaren. Lantmannens första tävling som har gått ut på att högsta avkastning vinner. Ingen hänsyn taget till utläggen

Renkavle och åkerven Hur bekämpar vi och stoppar spridningen?

Tidskrift/serie. Hushållningssällskapens multimedia. Utgivningsår 2007 Författare Gruvaeus I.

KVÄVEBEHOV TILL HÖSTVETE MED OLIKA MARKFÖRUTSÄTTNINGAR

Transkript:

Proteinprognos i maltkorn och höstvete Thomas Börjesson, Agroväst, Sandra Wolters, SLU och Mats Söderström, SLU

Bakgrund: Varför proteinprognoser? Proteinmålet missas ganska ofta: Ex. 2015, låga proteinhalter, 2018 ofta för höga proteinhalter. Inomfältsvariationer i proteinhalter kan vara stora. Snäva gränser för full betalning, kvarnvete >10,5% = krav, maltkorn 10-11% normalpris. Värdefullt att före skörd få en indikation när de gäller proteinhalt. För lantbrukare: För att bättre planera skörden, t.ex. genom att lägga spannmål från olika fält/fältdelar separat. För industri: Logistikplanering. Justering genom sen tilläggsgödsling.

Bakgrund kring tekniken CropSAT har visat på nya möjligheter till att använda satellitdata för platsvis kvävetillförsel. Grödans reflektion i synnerhet i samband med blomning har visat sig korrelera väl mot proteinhalt vid skörd. Nya möjligheter idag att få fram användbara data och pricka rätt stadium, då Sentinel 2 satelliter återkommer med korta mellanrum (2 av 5 dagar). Fler våglängdsband idag och dessutom lämpliga våglängdsintervall för att detektera kväve/protein i grödor (NIR och REIP).

Satellitdata Många olika index räknas fram på formatet (band1-band2/ band1 + band2). Samma princip som NDVI, men fler möjligheter erbjuds.

Gröd-data Klippning av gröda strax före skörd. Mälardalen, Skåne, Västergötland. 3-4 fält i vardera region per gröda och år, 3-10 rutor per fält, 7 delprover per punkt. Totalt 175 punkter 2017 och 125 2018. Tröskas manuellt och protein analyseras med NIR. Multivariat utvärdering (PLS) för att ta fram modeller för sambandet satellitdata/proteinhalter.

Proteinhalter 2017 och 2018 i provtagna fält Tabell 2. Statistik över proteinhalter 2017 och 2018. Standardavvikelse = stdev. Vete Korn År Medel Stdev Medel Stdev 2017 11,6 1,3 10,5 1,2 2018 12 0,9 12,7 1,3

Utvärderingar 1) Korsvalideringar: Ett prov i taget tas bort och modell som tas fram med hjälp av alla andra data, testas på det utelämnade provet. 2) Valideringsset: Ett fält i taget tas bort som modell där detta fält inte varit med testas på. Inte samma satellitöverfartsdagar finns för hela Sverige, men de som ligger nära i tiden har kunnat läggas ihop 2017. Jämförelsemått: R 2 regressionskoefficient, medelfel för modell = SECV för korsvaliderad, RPD = Stdev/SECV. MAE =Mean Absolute Error i % protein = Skillnad mellan uppmätt och predikterat värde för fält. AE = Absolute Error = Skillnad i enskild punkt.

Summerad statistik för 2017 och 2018 i provtagna fält Korsvalidering Valideringsset År Gröda Område Modell r 2 SECV RPD MAE > 1? % AE > 1 MAE > 1? % AE > 1 2017 Korn Skåne Bästa 0,88 0,52 2,8 nej 0 nej 4 2017 Korn Skåne/Vg Bästa 0,69 0,66 1,8 nej ej mätt nej ej mätt 2017 Korn Skåne/Vg 2 kvoter 11/7 0,64 0,7 1,7 nej 10 nej 16 2017 Korn Mälardalen Bästa 0,6 0,77 1,6 nej 35 nej 35 2017 Vete Skåne Bästa 0,76 0,59 2 nej 0 nej 43 2017 Vete Mälardalen/Vg 3 kvoter 21/5_1/7 0,57 0,78 1,5 nej 15 nej 7 2018 Korn Västergötland Bästa 0,66 1,05 1,6 nej 33 nej 58 2018 Vete Västergötland Bästa 0,64 0,41 1,6 nej 0 1/4 fält 11 2017/2018 Korn Västergötland Bästa 0,42 1,13 1,5 2/8 fält 34 1/8 fält 33 2017/2018 Vete Västergötland Bästa 0,43 0,74 1,3 1/8 fält 8 nej 12

Korn, Skånsk modell 2017, valideringsset Skivarp Predicted vs. Reference 11,1 Elements: 11 Slope: Offset: 10,9 Correlation: R2(Pearson): 10,8 R-Square: RMSEP: 10,7 SEP: 10,6 Bias: 6 0,7220795 2,8386893 0,9251439 0,8558912 0,8834542 0,3000528 0,3266785-0,0331554 CP_1 CP_4 Predicted Y (Proteinhalt, Factor-3) 10,5 10,4 10,3 10,2 10,1 10 CP_3 CP_2 9,9 9,8 9,7 CP_5 CP_6 9 9,2 9,4 9,6 9,8 10 10,2 10,4 10,6 10,8 11 11,2 11,4 Reference Y (Proteinhalt, Factor-3)

Skånsk modell, korn, 2017 valideringsset, Skivarp 10,2 11,0 9,7 11,1 10,1 9,7

Kombinationsmodell, korn 2017, Skåne och Västergötland, valideringsset Skivarp Predicted vs. Reference 10,8 Elements: Slope: 10,7 Offset: Correlation: R2(Pearson): 10,6 R-Square: RMSEP: 10,5 SEP: Bias: 6 0,2809762 7,3300023 0,678368 0,4601831 0,3726779 0,5818 0,6278622-0,0999106 CP_2 Predicted Y (Proteinhalt, Factor-2) 10,4 10,3 10,2 10,1 CP_3 CP_1 CP_4 10 9,9 CP_5 CP_6 9,8 9 9,2 9,4 9,6 9,8 10 10,2 10,4 10,6 10,8 11 11,2 11,4 Reference Y (Proteinhalt, Factor-2)

Kombinationsmodell, Skåne Västergötland, Valideringsset, Skivarp 10,8 10,3 9,9 10,4 10,1 9,9

Slutsatser och diskussion Inomfältsvariationer har varit svåra att göra prognoser för, men detta har delvis lyckats med lokala modeller 2017. Det har oftast varit möjligt att bedöma fältmedelvärde med hjälp av satellitdata. Svårare ta fram användbara modeller 2018 än 2017: Troligen har värmestress påverkat proteinhalterna mer än under normalt år. Satellitdata har inte riktigt räckt till. Värmstress (max-temp över 20 ) tycks också vara kopplat till proteinhalter. SWIR som är kopplat till vattenstatus var också viktiga för modellerna.

Fortsättning Projektet pågår även 2019: Effektivare insamling av prover på önskelistan. Mål: CropSAT-verktyg, idag finns en DEMO för data 2017. Kanske att årsmånsinformation kan ge en fingervisning om vilken modell som är användbar/alt. att värmestress-data kan byggas in i modellerna.