Zefektivnění postupu stanovení variability půdních vlastností pro precizní zemědělství

Ing. Jaroslav Novák

Doctoral thesis

Optimization of soil variability determination for precision agriculture

Abstract:

Tato disertační práce se zabývala studiem variability půdy a půdních vlastností prostřednictvím přímých a nepřímých metod. Cílem této práce bylo ověřit, zda kombinace dat, zjištěných přímými a nepřímými metodami mapování umožní identifikovat variabilitu, která bude využitelná k přesnější diferenciaci pěstebních opatření. V rámci práce vznikl též model hodnocení variability holé půdy z dat DPZ vymezené bloky orné půdy ze systému LPIS prostřednictvím Analýzy hlavních komponent (PCA) a Variačního koeficientu (Vk). Model byl ověřován dvěma sadami atmosféricky korigovaných dat a zjištěné hodnoty porovnávány s výsledky Agrochemického zkoušení půd (AZZP). Shoda se projevila především u bloků s výměrou větší než 100 ha, kdy je hodnoceno větší množství vzorků / pixelů. Pro ověření využití kombinace dat přímého a nepřímého mapování variability byly použity dva pozemky o výměře 53 a 38 ha. Na obou lokalitách bylo provedeno půdní vzorkování, měřena elektrická vodivost půdy (ECa) a získána data Digitálního modelu reliéfu (DMR) a z něj odvozeného Topografického indexu (TWI), která následně sloužila k optimalizaci. Vznikly tři typy návrhů pro každý zdroj nepřímého mapování využívající regresní analýzu, variabilitu dat nepřímého mapování a kombinaci výsledků AZZP z předchozích návrhů s daty nepřímých metod. Porovnání výsledných vzorkovacích schémat ukázalo, že kombinace přímých a nepřímých metod zpřesňuje variabilitu půdních vlastností. Důležitá je však existence vazby mezi vstupními daty přímých a nepřímých metod mapování. Je také patrné, že samotné návrhy vzorkování vytvořené na podkladu dat nepřímých měření poskytují přesnější informace o variabilitě sledovaných půdních vlastností.

Abstract:

This thesis deals with the study of soil variability and soil properties through direct and indirect methods. The aim of this work was to verify whether the combination of data, determined by direct and indirect mapping methods, will allow to identify the variability that will be used to more accurately differentiate the cultivation measures. Within the thesis, a model of bare soil variability assessment was also developed from the RS data defined by the arable land blocks from the LPIS through the Principal Component Analysis (PCA) and Coefficient of Variation (CV). The model was verified by two sets of atmospherically corrected data and the observed values were compared with the results of Agrochemical Soil Testing (AST). Conformity was particularly evident in blocks with an area with more than 100 hectares, where a larg number of samples / pixels was evaluated. In order to verify the using of the data combination of directly and indirectly mapping variability, two plots of 53 and 38 ha were analyzed. At both sites, soil sampling, soil electrical conductivity (ECa) was measured, and the Digital Terrain Model (DTM) data and the derived Topographic Wetness Index (TWI) were obtained for optimization purposes. In total, three types of sampling designs were created for each data source of indirect mapping methods using regression analysis, variability of indirect mapping data, and a combination of ASP results from previous designs and indirect methods data. A comparison of the sampling designs has shown, that the combination of direct and indirect methods refines the variability of soil properties. However, there is a link between the input data of direct and indirect mapping methods. It is also evident, that sampling designs based on indirect measurement data provides more accurate information about the variability of the observed soil properties.

Keywords

LPIS, Analýza hlavních komponent, Koeficient variability, půdní variabilita, agrochemické zkoušení půd, topografie, Dálkový průzkum Země, Senzorické mapování půdy, Elektrická vodivost půdy, Senzory

Keywords

Topography, Remote sensing, Soil variability, Agrochemical soil testing, LPIS, Soil electrical conductivity, Sensors, Principal Component Analysis, Coefficient of Variation

Language used: Czech

Date on which the thesis was submitted / produced: 9. 10. 2017

Thesis defence

• Supervisor: prof. Ing. Jan Křen, CSc.

Mendel University in Brno

Faculty of AgriSciences

Doctoral programme:
Applied Geoinformatics