用於農田的計算機定位施肥的製作方法
2023-04-28 07:50:01
專利名稱：用於農田的計算機定位施肥的製作方法
技術領域：
本發明涉及農田定點施肥的方法/過程，尤其涉及既能保持農田最大可能產量又能使施肥量最小的方法/過程。
背景技術：
肥料能為生產各種作物需要的土壤提供營養。土壤中最常見的營養素是氮、磷、鉀。此外，根據土壤情況，一些作物還需要微量營養素，如鋅(Zn)和鐵(Fe)。肥料當然需要花錢，但在過去，一般來說施肥不足而帶來產量降低的風險要超過施肥過量而花費的鈔票。因為生產氮肥通常需要使用天然氣，而天然氣價格的不穩定會使氮肥價格不可預見地上漲。此外，施肥過量會對環境造成潛在的負面影響，所以從環境的角度考慮，也希望儘可能減少施肥量。實際上，一些國家，大部分在歐洲，嚴格控制農民的施肥量。
計算農田需氮量的常規方法涉及下列公式N肥料＝N作物-N土壤殘餘-(N有機礦化+N+N糞肥)-N灌溉其中N肥料＝建議肥料供N量N作物＝目標產量×N產量因子N殘積土＝種植前土壤剖面NO3-含量(或殘積土)N有機礦化＝有機N礦化量N前季作物＝可得到的豆類作物中的N量N糞肥＝可得到的糞肥N含量N灌溉＝可得到的灌溉水含N量見Havlin等，Sail Fertility and Fertilizers，1999，Prentice Hall，New Jersey，第350-351頁。上述公式與Havlin等提出的公式的不同之處是它包括從灌溉水可得到的氮(N灌溉)。如Havlin等在第351頁所討論的那樣，N作物表示作物的需氮量，要求預測作物產量和達到此產量所需的氮量。「生物數量」的度量基本上是植物生命的密度或量，已知直接與作物產量相關。作物生物數量(如玉米和大豆)的一種尺度是眾所周知的「葉面積指數」(LAI)，至少可用兩種方法測量。測量LAI的第一種方法是採摘單位面積農田裡全部作物的葉子，然後在實驗室用面積測量計測量全部葉子一面的總面積。測量LAI的另一種方法是利用樹冠反射模型獲得遙感數據。參見Kuusk發表在《RemoteSensing of Environment》上的「可逆、快捷樹冠反射模型」，51342-350(1995)；Verhoef發表在《Remote Sensing of Environment》上的「葉層光散射及其在樹冠反射模型中的應用SAIL模型」，16125-141(1984)。後一種方法不會對作物造成破壞，適用于田間管理。
利用諸如全球定位系統(GPS)的精確農耕技術已經找到許多用途，一種是用於農田施肥，例如Monson等的美國專利5220876所述。專利』876介紹了可變加量施肥系統，該系統有一個數位化地圖，可表徵農田的土壤類型。該系統還有其他地圖，能表徵待施於農田的各類肥料的適宜量。所述專利認為，施肥量可由預定特徵確定，如現有肥料水平、農田形貌或排水設施等。有一臺處理器根據土壤圖和肥料圖計算並控制各種肥料的施給。施肥車上定位探測器提供必要指定地點的信息，以便把預定量的肥料施於正確的位置。Monson的相關美國專利5355815介紹了一種閉環施肥系統，該系統也能變換施肥速度，但不需要現時肥料水平。據稱該系統能夠針對具體土壤實況實時確定化肥施給量，所依據的是實時土壤分析儀所測定的土壤現有含肥量，然後該系統根據確定的施肥量施肥。
Ortlip的美國專利4630773介紹了另一種可變加量施肥系統。專利』773介紹的系統根據農田中各類土壤的具體需要施肥。該專利還介紹了待施肥農田的數字土壤地圖的彙編，使用的是農田的航拍紅外圖。該專利認為圖片中不同的灰度對應於各種土壤的不同溼度。該圖片經過數位化，形成象素陣列。根據圖片中的灰度情況，給每個象素設定一個數值，這樣就用數值代表了象素所代表的土壤類型。施肥量則根據數位化土壤地圖進行變化。
農田裡特定地點能夠達到的最大可能作物產量——即「目標產量」，它包括在上述公式中的N作物——可能隨著地點而變化。例如，農田裡可能有一片礫石，不管在那裡施多少氮肥，都不可能增加產量。礫石可能只會讓野草在那裡生長，也可能阻礙任何植被的生長。礫石可能位於表面，也可能在淺表層下面。礫石也可能從土壤圖象中檢測不出。可能改變農田裡某一特定地點的產量但無法從土壤圖象中檢測到的其他因素是土壤肥力及其pH值。儘管單幅農田產量在這方面有變數，但本發明者注意到，原有技術中的可變加量施肥體系全部採用單一目標產量來度量一幅農田。
發明概述總體上，本發明是控制對農田的施肥量的方法和體系，同時能繼續維持最大可能作物產量。一方面，本發明涉及農田地圖的創製，所述地圖包含農田裡每個地點對土壤營養指定地點的需求量的信息，目的是獲得該地點能夠獲得的最大可能作物產量。從作物對營養指定地點的需求量中減去農田裡目前存在指定地點的營養需求量，就得到土壤營養指定地點需求量的分布地圖，所述土壤營養需要用常規可變加量施肥方法通過肥料施加到農田裡。本發明適用於如下作物，如玉米(玉米粒和種子)、高粱、大豆、棉花、禾穀粒(如大麥、小麥)以及飼料作物。在本說明書中，應當理解「作物」通常包括草，除非上下文另有所指。
在各種實施方式中，指定地點的作物最大可能產量或「目標產量」可根據農田在過去一個或數個生長季節裡指定地點的生物數量測值，如常規葉面積指數(LAI)來預測。定位生物數量測值也可以從植被指數獲得，它是從衛星圖象的可見光波段和近紅外波段得到的歸一化差分植被指數(NDVI)和土壤校正植被指數(SVI)。此外，也可以根據常規土壤溼度指數指定地點量測值圖來預測指定地點作物最大產量。所述土壤溼度指數指定地點量測值可以基於農田的形貌數據，也可以從其他方法獲得，如得自土壤亮度指數作為形貌替代層。本發明方法和體系有助於預測各種通常通過肥料施加的土壤營養，如氮、磷、鉀、有機肥(糞肥)和微量營養素(例如Zn和Fe)。另一方面，本發明體系和方法包括利用各種方法預測農田土壤營養中的有機質含量。在一種實施方式中，利用種植前獲得的農田裸土圖像創建指定地點的土壤營養中的有機質含量圖，而在另一種實施方式中，用土壤樣品的導電性來創建指定地點的土壤營養中有機質含量圖。
本發明的特定實施方式具有下述一種或多種優點。可以減少農田施肥量，而不會影響作物產量，因此可降低作物生產成本，減少由於過量施肥對環境造成的負面影響。不會在永遠不可能達到高產的農田面積上浪費肥料，例如在有對產量造成負面影響的礫石的地面上。此外，對農民展示本發明製作和使用指定地點信息能使農民產生這樣一種必要的信心，即減少某些農田地面上的施肥量不會對產量造成負面影響，從而生產者更有可能在實際行動上減少這些地面上的施肥量。另外，總是統一量施肥可能造成特定農田中高產區域施肥量不足。增加高產區域的施肥量可增加總體產量，但不會在根本上增加土地總面積上的總施肥量。本發明的一些實施方式避免取用費錢費時的土壤樣品，如原有技術方法所採用的那樣，雖然可以看到本發明有一些實施方式仍然採用土壤取樣。
本發明的某些實施方式可用來影響作物質量及產量。例如，在硬質赤色(麵包)小麥中，必須達到最低蛋白質含量才能滿足分級標準。土壤含氮量不足會導致蛋白質水平低於標準；可以採用前述方法在檢測出蛋白質含量不足的地方施加更多的氮。相反，高蛋白在制麥芽用的大麥中則是不利性狀，因此適宜施加足夠的氮以確保充分的產量，但要剛剛足夠，以使氮被作物「消耗光」，不能有過量的氮轉化成蛋白質。上述方法可用來使農田中殘餘氮量高的區域的施氮量最小。本發明的一種或多種實施方式的詳情將結合
如下。本發明的其他特徵、目標和優點將可以從說明、附圖和權利要求中清楚地看出。
圖1是本發明計算機系統框圖，該系統在內存中有電腦程式。
圖2是本發明電腦程式運行概念圖。
圖3-5是根據本發明運行的電腦程式操作步驟流程圖。
圖6是本發明另一種實施方式的概念圖。
圖7是圖6所示實施方式採用的計算方法圖。
各圖中相同的符號代表相同的元素。
發明詳述如圖1所示，常規計算機系統100具有至少一個負責執行電腦程式指令的處理器組件102，用於儲存程序和數據的內存組件104，人—用戶—可與在系統100上運行的程序互動的用戶界面裝置106，以及輸出裝置110如印表機或顯示器。上述及其他組件通過一條或多條總線108連接起來後彼此產生作用。內存組件104通常包括易失隨機存儲器(RAM)，非易失只讀存儲器(ROM)，以及一種或多種磁碟驅動器，用於儲存數據和程序。
在內存104中常駐的是本發明的軟體程序。與常規情況相同，軟體程序包含可執行程序指令112，用來處理與一個或多個農田相關的各種圖像文件114和資料庫116。根據本發明的一種實施方式，圖像文件114可包括在作物生物數量處於頂峰時拍攝的一張作物長勢衛星圖和另一張在種植作物之前的某個時候拍攝的裸土衛星圖。這些圖像將隨後詳細討論。資料庫116可包括每一塊農田的下述信息該農田的地理邊界；該農田每季種植的作物，例如小麥、大豆等；這些作物的產量數據；該農田的有機質採樣；形貌數據，可以是垂直切面圖；灌溉數據，可包括作物種植季節的灌溉水量；作物管理方法；歷史天氣數據；土壤硝酸鹽測試結果；糞肥施加情況；需要通過肥料加入的營養量圖。因為是通過本發明的電腦程式產生的數據，所以在這裡要特別強調資料庫116所示需要通過施加肥料加入的養分量圖。該圖可以圖像格式列印出來，也可以用它創建農田指定地點的施肥方案。所述指定地點的施肥方案可(例如)下載下來，並用於控制農田施肥速度的常規方法中。資料庫116中所包含信息將隨後詳加討論，因為對該信息的討論要結合對如何確定施於農田指定地點的營養量的過程步驟的詳細討論，所述農田被分成了多個區域。
圖2所示為本發明實施方式中電腦程式的概念性操作圖。圖2中的具體實例涉及氮，但很容易看出，本發明的一般概念也適用於其他土壤營養素，如磷、鉀、有機肥(例如糞肥)、微量營養素(例如Zn和Fe)。舉例來說，本發明中此實施方式的程序用到了兩個遙感圖像。第一個是農田中植被120的圖像。例如當前期作物處於或接近生物數量高峰時，就可以得到該圖像。第二個圖像是該農田的裸土圖像122。例如在種植作物之前就可以獲得該圖像。計算機程度根據原始植被指數120創建出一個該農田生物數量的測量值圖124。作為一個例子，生物數量的測量值可以是葉面積指數(LAI)測量值，利用常規的植冠反射比模型獲得。測量生物數量的其他方法包括植被指數，得自峰值生物數量的可見及近紅外波段的圖像，如NDVI和SVI。利用該農田生物數量的測量值圖124，同時利用單值量測作為該農田歷史上平均產量126，電腦程式可創建該農田指定地點的目標產量(YG)圖128。如前面所提到的，生物數量與潛在產量有直接關係，因此根據本發明，可創建該農田指定地點的目標產量值圖128，並用於計算該農田所需的施肥量。接下來，根據農田目標產量值圖128，如果假定不同作物需要不同營養，還要利用待種作物類型130，電腦程式可計算出農田所需的總營養量圖132(用氮作為營養素的例子時表示為N作物)，以使特定作物達到指定地點的目標產量。這樣，農田所需的總營養量圖132表示農田裡任何特別地點都能夠維持最大可能產量時所需的營養量。
圖2的下半部分從總體上描述了確定已經存在於土壤中的營養(這裡是氮)量需要用到的計算，或者換句話說，營養積點(nutrient credits)。營養積點—例如N殘積土、N有機礦化、N前季作物、N糞肥、N灌溉—要從作物所需的總營養量(N作物)中減去。更詳細地講，根據裸土的原始圖像122，利用常規模型如樹冠反射，電腦程式創建了該農田的土壤亮度(brightness)值圖134。土壤亮度與農田裡的有機質含量有關，在氮的情況中，有機質積點為N有機礦化。這樣土壤亮度值圖134成為存在於農田的營養量圖136的一部分計算。此外，去年作物的生物數量與作物的營養積點(N前季作物)有關，因此，土地的生物數量圖124也成為存在於農田的營養量圖136的一部分)。殘餘土壤營養，例如上次施肥的殘餘氮(N土壤殘餘)與從農田土壤亮度136得到的有機質相關。其他營養積點數據138，如與灌溉和施加的糞肥有關的信息，也成為存在於農田的營養量圖136的一部分。
將營養積點圖136從所需的總營養量圖132中減去，得到需要加到農田的營養量圖138。如上所討論的，圖138可以圖像格式用印表機140打出。如分程序142所述，圖138還可用來計算另一個需要加到農田中的特定氮肥量圖，後者又反過來用於常規基於位置的施肥方法以控制施肥。
圖3-5所示為可用於完成圖2所示本發明實施方式的處理步驟實例的流程圖。應該理解，流程圖中的許多步驟未必遵照所描述的順序，而其他步驟將需要遵照所示順序，因為該步驟基於前一步計算的數據。該過程從獲取圖像200和202開始。作為最大植被或生物數量的時間窗口，圖像200是在作物處於最後植被狀態時獲得的，例如美國的玉米產區那是從7月中旬到8月中旬。生物數量圖200可以是最後一季或最後五季中任何一季作物的情況，只要天氣狀況好，可以獲取圖像。生物數量圖像宜為多光譜圖像，包括綠、紅和紅外波段。空白作物圖像202的時間窗口在種植作物前獲取，在美國玉米產區那是從4月到5月。裸土圖像可以是全色圖(黑白圖)，也可以是多光譜圖。
如前面所提到的，所述圖像是(例如)衛星圖像，由商業衛星SPOT 1，2，4，Landsat TM 5和7，或IRS 5獲得。多光譜衛星圖宜具有30米或更小的空間解析度。在現有商業衛星上，全色圖像通常具有更好的解析度，因此，宜從衛星或空中平臺獲取具有20米或更小的特殊解析度的上述圖像。從為數不少的銷售商那裡獲得圖像也是可能的，他們需要根據顧客的要求獲取特定的圖像，或者他們已經有了顧客需要的圖像。例如，SPOT Image Corporation(1897Preston White Drive，Reston，VA 20191-4368，United States)就是一個銷售商，它提供光碟(CD)圖像。Landsat的圖像通常能覆蓋120×120平方英裡的面積，SPOT能覆蓋36×36平方英裡的面積。上述衛星的多光譜圖像通常具有30×30平方米的單個象素尺寸，而全色圖像通常具有10×10平方米的象素尺寸。軟體程序可能需要將圖像按照地理參照系放入特定的坐標系中，或者放到全球地圖投影參考系中，如用WGS 84數據確定的Universal Transverse Mercator(UTM)，誤差在一個象素之內。此外，所述圖像還可附有景物感應參數文件，包含絕對校正值、太陽角、衛星視角以及每個波段和每個圖像景物的相對方位角，在框204中用來對圖像作大氣校正，在框206中用來計算葉面積指數(LAI)，以計算生物數量值。大氣校正可用相對簡單的大氣校正算法完成，以計算樹冠反射，消除霧、水蒸氣、臭氧、氣溶膠等的影響。見Kaufmann等的「對可見及近紅外衛星圖像的自動大氣校正對數」，Int』l Jnl.Of Remote Sensing，91357-1358(1988)；Richter，「用於Landsat TM圖像的大氣快速校正對數」，Int』l Jnl.Of Remote Sensing，11159-166(1990)；Richter，「高空間解析度衛星圖像的大氣校正和形貌效果」，Int』l Jnl.OfRemote Sensing，181099-1111(1997)。
下一個框206中，葉面積指數(LAI)圖用常規樹冠反射或其他類似模型由校正圖像計算得到，如Verhef(1985)和Kuusk(1995)所述。與此實施方式中用來計算LAI的這種模型相配套的還有一個求逆程序，要實現此求逆程序需要用到搜索算法。在該求逆程序中，搜索算法搜索由LAI的樹冠反射模型創建的查用表資料庫以及其他模型參數，使與每個象素以一個最小誤差相「匹配」。使用這種搜索算法可使LAI的計算以良好的速度進行。此外，植被指數，如NDVI和SVI，也可以得自可見和近紅外波段的圖像，並用來推定生物數量。在LAI圖的計算中，輸入信息既包括資料庫116(圖1)中在得到最大生物數量圖像時存在於農田裡的作物類型的信息208，也包括圖像中農田的地理邊界。也可以另外附加一個備用程序，途徑是利用最大生物數量圖像通過圖像分類法獲得作物信息。舉例來說，獲得的圖像包含一塊120×120平方英裡的面積，因此包含資料庫116(圖1)中的許多農田。而且，在獲得圖像的時間裡，不同農田也許種有不同作物。因此，框206在處理時採用這個農田邊界信息和每塊農田的作物信息，用它計算農田的LAI圖。
在框210中計算了土壤亮度指數圖。通常，土壤亮度指數的計算相對簡單，包括將裸土圖像(全色或多光譜圖像)校正到一定數字範圍。此外，土壤亮度指數可由土壤反射模型或「土壤線」方法獲得。所述「土壤線」方法要用到可見及近紅外波段，使多光譜數據從頭循環。在212中，將LAI圖和土壤亮度指數測量值切割成單個圖像文件，用於資料庫116(圖1)中的農田。為此還需要用到農田邊界信息214。接著在216和218中，LAI和土壤亮度指數測量值被在農田邊界之內歸一化到0-1的範圍之內，並修正落在計算標準偏差之外的測量值。
參見同一流程圖在圖4上的部分，在220中計算了特定農田指定地點的目標產量(YG)測量值圖，所依據的是該農田的LAI生物數量測量值圖222、種植在該農田的特定作物224和過去種植在該農田裡的作物的歷史產量226。本實施方式中的歷史產量值225是整塊農田的單產值，雖然此單產值可以是過去5年作物的平均產量。通常要將指定農田的目標產量分布與LAI關聯起來，因為農田的目標產量與LAI有相同的空間分布模式。目標產量測量值的分布至少對應於相應LAI測量值總體分布的90％，去掉兩頭5％的分布。這樣做是為了使由於農田邊界測量不精確而導致的非均衡分布和測量值不精確度達到最小。農田裡一個位置的給定目標產量(YG)的下限可以設定為(例如)50蒲式耳/英畝。這樣做是為了保證農田裡低洼的地方在下一個生長季節異常乾燥的情況下有足夠的氮肥，這些低洼的地方通常情況下會有水澇。
在步驟226、232、238、242和248中，計算了農田的營養積點。在226中計算了指定地點的有機質中氮(N)積點(N有機礦化)。如228中的輸入所顯示的，輸入計算步驟226的是在過去5年測量土壤樣品得到的平均農田有機質含量(乾重％)。可以假定農田有機質在過去5年裡保持不變。輸入計算步驟226的還有農田的土壤亮度測量值圖。土壤亮度與有機質含量、形貌和土壤溼度分布有確定的聯繫。土壤亮度低說明有機質含量高、農田形貌中的位置低、土壤溼度較高。可以用類似於計算步驟220的方法設定歸一化土壤亮度分布和平均農田有機質含量的上限和下限。
在232中計算了指定地點的前一季作物N積點(N前季作物)，所依據的是該農田的LAI生物數量測量值圖234和上一生長季的作物類型。需要這種積點的最常見理由出現在前季作物是大豆作物或其他豆類作物。舉例來說，前一季大豆作物的平均N積點可以是30磅/英畝，因為大豆能固定土壤中的氮。前季大豆作物的N積點也與該作物的生物數量有關，因此生物數量測量值234進入232中的計算。在238中計算了有灌溉水時的統一量氮積點(N灌溉)。這要求輸入240，可以包括(例如)一段時間內的灌溉水總量(以英寸為單位)和在特定季節、地點的水中硝酸N量(以百萬分濃度為單位，ppm)。源於灌溉水的平均N積點可以估計為2.7磅-N/英畝-英尺每ppm硝酸N。見Havlin，1999。
在238中計算了指定地點的殘留土壤N積點(N殘積土)。給定農田的平均硝酸根N(ppm)可根據前季作物類型和管理方法、天氣條件和農田的形貌。此信息也可在施肥前通過土壤硝酸根測試獲得。在一種實施方式中，N殘積土基於土壤亮度指數244的歸一化值和土壤硝酸根測試的平均硝酸根N(ppm)246。如聯繫其他步驟所討論的那樣，同樣可以設定歸一化值分布的上限和下限。舉例來說，平均N積點可以是3.6磅-N/ppm硝酸根N。見Havlin，1999。在248中計算了糞肥的統一量N積點(N糞肥)，所依據的是關於每英畝所施糞肥量和所施糞肥類型(例如豬場或雞場)的輸入250。糞肥的平均N積點可以是10磅-N/噸-糞肥，同樣依據糞肥的類型。見Havlin，1999。雞場糞肥的N積點通常大於豬場糞肥的N積點。糞肥還會影響下一個種植季節的土壤營養，這取決於根據糞肥分解條件和從作物土壤中去除的營養。
見圖5，在252中計算了指定地點的總N需求(N作物)，依據是在220計算指定地點的目標產量(圖4)乘上N轉化因子。如前面所提到的，此N作物圖代表使農田裡的特定位置產生所能維持的最大可能產量的需氮量。對於大多數美國玉米產區的土壤，轉化因子可以在(例如)1.0-1.4範圍內。N轉化因子多半依賴天氣條件和土壤性質。在254中，需要加入農田的氮在指定地點的量測值完成圖(N肥料)可通過從N作物中減去所有N積點(N殘積土、N有機礦化、N前季作物、N糞肥、N灌溉)計算。N肥料測量值圖可用於前述方法中。
在另一實施方式中，如圖6所示，農田目標產量測量值圖128可在農田土壤溼度指數(WI)測量值圖324的基礎上創建，而不是依據圖2所示實施方式中那樣的最大生物數量120。土壤溼度指數(WI)測量值圖324又反過來根據農田形貌數據320計算。先前的研究已經表明可供水量和農田產量變化之間的直接關係。據信水對產量的影響是總降水量和作物生長季降水分布聯合作用的結果。導致農田產量降低憂慮的農田分區可能由水缺乏或水過量引起。例如，高溼度指數區易在種植季各個階段受過量土壤溼度影響，使得產量因作物密度減小、根淺和氮不足而減少。另一方面，溼度指數低的農田分區可能由於缺水而產量降低。這種情況發生的程度依賴於天性不可預測的天氣。在非常乾燥的年份，例如，具有高溼度指數的農田面積可能是農田裡最有產量的區域，只要不遭受其他因素如蟲害和疾病的影響。
在計算農田指定地點的溼度指數(WI)時，可以考慮農田總排水面積和此處坡度，利用下面的公式WI＝ln(As/tanα)其中As＝匯水比面積α＝傾斜角見Moore等，「用地形分析發預測土壤積點」，Soil Sci.Soc.Am.Jnl.，57443-452(1993)。溼度指數可以看作種植季裡土壤溼度可能水平的指標，指定農田分區的溼度指數越高，此特定分區在種植季裡溼度高的可能性也高。圖7所示目標產量關係可發生偏移，如果農田遇到正常的排水問題，就向左偏，如果農田位於高地位置，土壤排水性好或土壤持水量低，則向右偏。實際上，在後一種情況下，對於高溼度指數(虛線)產量未必會降低。
圖6還示出了圖2所示實施方式的另一種形式。使用的是農田裡土壤導電性(EC)測量值322(圖2)，而不是用裸土圖像122來類衡量農田裡的有機質(圖2)。研究表明，土壤EC與有機質正相關。因此，土壤EC可以作為有機質的替代測量值和土壤在種植季節的供氮能力。
如前面所提到的，本發明適用於氮以外的營養素。例如，本發明適用於磷(P)、鉀、微量元素如Zn和Fe，還有有機肥如糞肥。營養素不同，計算結果當然不同，但發明特色相同。為了舉例說明不同營養素的計算結果的一些可能差異，土壤中存在的氮在每個生長季節都大部分被耗盡或衝走了(當然，如果作物是大豆則例外，如前面指出的)。對於其他營養素，特別是磷，情況則不同，因此過去對農田的特定營養管理在計算需要施加到農田裡指定地點的營養量時佔的比重更大。此外，對於磷，已知土壤pH直接關係到土壤中的含磷量。這樣，在應用本發明提供施磷的營養配方時，可能需要土壤pH樣品，儘管有其他方法估計農田裡各個地方的pH。此外，磷配方也可以包含生物數量測量值，以確定農田作物在特定地點的最大可能產量。可以看到，對於土壤缺磷是一個特定問題的區域，如巴西地區，本發明在提供磷配方上特別有用。
已經描述了本發明的若干實施方式。然而，應當理解，只要不背離本發明的主旨和範圍，可以進行各種修改。相應地，其他實施方式包括在下述權利要求裡。
權利要求
1.利用電腦程式提供指定地點的土壤營養量圖的方法，所述營養通過肥料施加到分成各地點的農田中，所述方法包括根據該農田指定地點的農田特徵數據圖計算得到在每個地點獲得最大可能產量所需的指定地點的土壤營養量圖；從該農田最大產量所需的指定地點的土壤營養量減去農田中本來存在的指定地點的土壤營養測量值，由此得到要通過肥料施加到農田指定地點的土壤營養量圖。
2.如權利要求1所述方法，其特徵在於所述農田特徵是該農田在過去一個或多個生長季節產生的生物數量測量值。
3.如權利要求2所述方法，它還包括根據該農田在過去一個或多個生長季節獲得指定地點的圖像計算得到指定地點的葉面積指數測量值圖，葉面指數用作該農田生物數量的測量值。
4.如權利要求2所述方法，它還包括根據該農田在過去一個或多個生長季節獲得指定地點的圖像計算得到指定地點的植被指數定位測量值，植被指數用作該農田生物數量的測量值。
5.如權利要求所述方法，它還包括根據農田的形貌圖計算得到指定地點的土壤溼度指數測量值，溼度指數用作農田特徵。
6.如權利要求1所述方法，其特徵在於所述土壤營養素是氮。
7.如權利要求1所述方法，其特徵在於所述土壤營養素是磷。
8.如權利要求1所述方法，其特徵在於所述土壤營養素是鉀。
9.如權利要求1所述方法，其特徵在於所述土壤營養素是有機肥。
10.如權利要求9所述方法，其特徵在於所述有機肥是糞肥。
11.如權利要求1所述方法，其特徵在於所述土壤營養素是微量營養素。
12.如權利要求11所述方法，其特徵在於所述微量營養素是Zn。
13.如權利要求11所述方法，其特徵在於所述微量營養素是Fe。
14.如權利要求1所述方法，它還包括根據從裸土狀態拍攝的指定地點的農田圖像數據圖計算得到指定地點的土壤亮度測量值圖；全少根據指定地點的土壤亮度測量值圖計算已經存在於指定地點的土壤中的土壤營養測量值。
15.如權利要求1所述方法，其特徵在於所述存在於指定地點的農田中的土壤營養測量值是至少根據指定地點的土壤導電性測量值計算得到的。
16.利用電腦程式提供指定地點的土壤營養量圖的方法，所述營養通過肥料施加到分成各地點的農田中，所述方法包括根據過去在農田指定地點種植的一種或多種作物的生物數量測量值圖計算得到在每個地點獲得指定地點的最大可能產量所需的土壤營養量圖；根據從裸土狀態拍攝的農田指定地點的圖像數據圖計算得到指定地點的土壤亮度測量值圖；至少根據指定地點的土壤亮度的測量值圖計算目前存在於農田指定地點的土壤營養測量值；從該農田指定地點的最大產量所需的土壤營養量減去農田中在指定地點目前存在土壤營養測量值，由此得到通過肥料施加到農田指定地點的土壤營養量。
17.如權利要求16所述方法，其特徵在於所述土壤營養素是氮。
18.如權利要求16所述方法，其特徵在於所述土壤營養素是磷。
19.如權利要求16所述方法，其特徵在於所述土壤營養素是鉀。
20.如權利要求16所述方法，其特徵在於所述土壤營養素是有機肥。
21.如權利要求16所述方法，其特徵在於所述土壤營養素是微量營養素。
22.一種電腦程式，位於計算機可讀媒體中，用於提供指定地點的土壤營養量圖，所述營養通過肥料施加到分成各地點的農田中，所述電腦程式包含的指令可使計算機根據該農田指定地點的農田特徵數據圖計算得到在每個地點獲得最大可能產量所需的指定地點的土壤營養量圖；從該農田最大產量所需的指定地點的土壤營養量減去農田指定地點中目前存在的土壤營養測量值，由此得到通過肥料施加到農田指定地點的土壤營養量。
23.如權利要求22所述電腦程式，其特徵在於所述農田特徵是該農田在過去一個或多個生長季節產生的生物數量測量值。
24.如權利要求23所述電腦程式，其特徵在於所述指令進一步使計算機根據該農田在過去一個或多個生長季節獲得指定地點的圖像計算得到指定地點的葉面積指數測量值圖，葉面指數用作該農田生物數量的測量值。
25.如權利要求23所述電腦程式，其特徵在於所述指令進一步使計算機根據該農田在過去一個或多個生長季節獲得指定地點的圖像計算得到指定地點的植被指數測量值，植被指數用作該農田生物數量的測量值。
26.如權利要求22所述電腦程式，其特徵在於所述指令進一步使計算機根據農田的形貌圖計算得到指定地點的土壤溼度指數測量值，溼度指數用作農田特徵。
27.如權利要求22所述方法，其特徵在於所述土壤營養素是氮。
28.如權利要求22所述方法，其特徵在於所述土壤營養素是磷。
29.如權利要求22所述方法，其特徵在於所述土壤營養素是鉀。
30.如權利要求22所述方法，其特徵在於所述土壤營養素是有機肥。
31.如權利要求22所述方法，其特徵在於所述土壤營養素是微量營養素。
32.如權利要求22所述電腦程式，其特徵在於所述指令進一步使計算機根據從裸土狀態拍攝的農田指定地點的圖像數據圖計算得到指定地點土壤亮度測量值圖；至少根據指定地點的土壤亮度測量值圖計算目前存在於農田中指定地點的土壤營養測量值。
33.如權利要求22所述電腦程式，其特徵在於所述指令使計算機至少根據指定地點的土壤導電性測量值圖計算存在於農田中指定地點的土壤營養值。
全文摘要
利用獲得最大產量所需規定的營養量的圖(132)將現場土壤營養規定量圖(140)應用於給農田施肥。從所需的營養量減去農田現有營養量(138)，由此得到需要加入土壤中的現場規定的營養量圖(142)。所述營養量利用該圖和常規可變加量施肥方法施加。獲得最大產量所需的土壤營養量產生自上一季產生的生物數量的定點圖測量值，它是來自遙感生物數量圖象(120)。
文檔編號A01B49/06GK1505794SQ02808912
公開日2004年6月16日 申請日期2002年2月28日 優先權日2001年2月28日
發明者C·弗雷斯, C 弗雷斯, H·蘇, 林格倫, J·哈隆, T·A·林格倫 申請人:嘉吉有限公司