Enklare gödsla rätt med ny algoritm för automatisk kvävefördelning

Med den nya Target-N-algoritmen, en kvävefördelningsmodell för satellitdata, blir det lättare att optimera kvävegödslingen för Sveriges spannmålsproducenter. En bättre kvävefördelning på fälten ger ökade skördar med högre kvalitet och minskad risk för liggsäd och utlakning. Den första versionen av modellen lanseras nu, lagom till årets intensiva växtodlingssäsong.

I ett resurseffektivt jordbruk som är miljömässigt och ekonomiskt hållbart är precisionsodling en självklarhet. Om man inte optimerar växtodlingsåtgärder, till exempel kvävegödsling, till behovet på varje plats, riskerar lantbrukaren att tappa lönsamhet och risken för växtnäringsförluster ökar. I ett projekt finansierat av Stiftelsen lantbruksforskning (SLF) har SLU och Hushållningssällskapet nu tagit fram Target-N-algoritmen, som kommer vara ett viktigt bidrag till framtidens precisionsgödsling.

I projektet ”Target-N”, som leds av Kristin Piikki vid Institutionen för mark och miljö vid SLU, ska forskarna ta fram allmänt tillgängliga samband mellan hur grödan reflekterar ljus i olika våglängdsband och den ekonomiskt och miljömässigt optimala kvävegivan. Målet är att skapa rekommendationskartor i satellitdatabaserade beslutsstödsystem för precisionsodling, så att dessa blir effektivare och lättare att använda.

- Vi använder drönare utrustade med avancerade sensorer över många olika växtodlingsförsök för att samla stora mängder data som sedan används för att ta fram modeller som vi kan tillämpa på satellitdata. På det sättet blir vägen mellan försök och forskning till tillämpning i praktiken väldigt kort och snabb. Vi tror att detta är en bra procedur för effektiv utveckling av nya metoder för precisionsodling, förklarar Kristin Piikki.

Under de senaste två decennierna har en allt större andel, särskilt av spannmålsarealen, brukats med stöd av sensorer på traktorer eller via satellitbildsbaserade system. Ett exempel på det senare som är fritt tillgängligt för odlare runtom i världen är CropSAT.

- Fram till nu har användaren själv varit tvungen att bestämma hur man ska tolka satellitbilden över fältet, och vilka kvävegivor som ska ges i olika delar. Även om lantbrukare har lång erfarenhet och god kunskap om det egna fältet kan modellen effektivisera och stötta i bedömningarna, säger Mats Söderström, forskare vid Institutionen för mark och miljö vid SLU, som jobbar med projektet.

Även om CropSAT har tiotusentals användare främst i norra Europa, så har denna manuella procedur ibland ansetts ganska svår. Med den nya Target-N-algoritmen krävs endast att lantbrukaren anger önskad snittgiva, så fördelas den automatiskt enligt satellitbilden.

- Bilden kommer alltså att styra gödningsspridaren, vilket ger stora fördelar för både lantbrukarens lönsamhet och miljön. Tjänsten är fortsatt under uppbyggnad men det är fritt fram för alla att prova den redan nu i vårt verktyg CropSAT. Modellen kan även användas i Norge och Finland, säger Johan Martinsson på Dataväxt, som numera driver CropSAT.

Den första versionen av algoritmen för automatisk kvävefördelning kan testas redan nu, men projektet kommer att fortsätta ett år till och modellen vidareutvecklas.

- Allra helst vill vi att lantbrukaren ska få hjälp även med att bestämma snittgivan, men det är lite mer knepigt, avslutar Kristin Piikki.

Om projektet:

Target-N: Sentinel-2-baserad kväveoptimering, Kristin Piikki och Mats Söderström, SLU; Henrik Stadig, Hushållningssällskapet Västra. Finansiering Stiftelsen lantbruksforskning (O-18-20-162) samt Dataväxt och Lantmännens Forskningsstiftelse via LADS. Mer info på www.slu.se/LADS