AI markanalys mot nya höjder – Satellitdata för att förstå markfuktighet 

Jordens vattenhållningsförmåga och hydrodynamik varierar inom fält. Detta är en av de viktigaste drivkrafterna bakom variationer i avkastning inom fält. Jord-vattenegenskaper över ett fält är mycket svåra att mäta direkt, men de kan mätas indirekt från jordkartering, till exempel med jordtexturprovtagning eller med elektromagnetisk markledningsförmåga (EM38). Det finns också olika exempel på satellitbilder som används för att kartlägga jordegenskaper. Detta projekt syftar till att utveckla en större förståelse av mätningarna och möjligheterna att använda dem för att förstå variationer i avkastning inom fält. 

The water holding capacity and hydrodynamics of soils varies across fields. This is one of the main driving forces of within field yield variations. Soil-water properties across a field are very difficult to measure directly, but they can be gauged from soil mapping, for example with soil texture sampling or with electromagnetic ground conductivity measurement (EM38). There are also various examples of satellite imagery being used to map soil properties. This project looks to develop a greater understanding of the measurements and possibilities for using them in understanding within field yield variations. 

Våra hypoteser

Detta projekt har installerat två typer av jordfuktighetssensorer på fyra platser i två fält. Data som samlas in från jordfuktighetssensorerna kommer att kombineras med satellitdata, jordtexturdata, jordledningsförmåga och avkastningsdata. Vi antar att

• Det kommer att finnas viktiga skillnader mellan de olika jordfuktighetssensorerna. 
• Variationen som ses i jordfuktighetsdata, EM38-data och jordtextdata kommer alla att överensstämma med varandra. 
• Variationen som ses i jordfuktighetsdata, EM38-data och jordtextdata kommer att motsvara avkastningsdata och satellitdata. 

 This project has installed two types of soil moisture sensors at four locations in two fields. The data collected from the soil moisture sensors will be joined with satellite data, soil texture data, soil conductivity data, and yield data. We hypothesize that

• There will be important differences between the different soil moisture sensors. 
• The variation seen in the soil moisture data, the EM38 data, and the soil text data, will all correspond with each other. 
• The variation seen in the soil moisture data, the EM38 data, and the soil text data will correspond to yield data and satellite data. 

Varför är det här viktigt?

Att kunna förstå variationen i jordars sannolika vattenhållningsförmåga kommer att bidra till att informera beslut inom precisionsjordbruk och andra agronomiska beslut, såsom ett fälts förmåga att vara produktivt under ett föränderligt klimat. 

Being able to understand the variation in likely water holding capacity of soils will help inform decisions in precision agriculture and with other agronomic decisions such as ability of a field to be productive under a changing climate. 

Projektgruppen

Magnus Westöö (HS Östergötland)
Per Frankelius (Agtech Sweden)
Niftitech