Geostatistical prediction of clay percentage based on soil survey data

Täsmäviljelyssä pellot jaetaan käsittelyvyöhykkeisiin maaperän ominaisuuksien alueellisen vaihtelun mukaan. Tämän tutkimuksen tavoitteena oli analysoida viljelymaan savespitoisuuden alueellista vaihtelua viljavuusanalyysiaineiston perusteella sekä rajata käsittely vyöhykkeitä geostatistiikan ja paikkatietotekniikan menetelmiä käyttäen. Tässä tutkimuksessa 218 peltohehtaarin alue jaettiin vyöhykkeisiin savespitoisuuden perusteella, koska se on keskeinen maaperän ominaisuus viljelytoimenpiteiden kannalta. Savespitoisuuden alueellistamiseen oli käytettävissä 150 näytepisteen tiedot. Näistä laadittiin empiirinen variogrammi, johon sovitettiin kaksi erilaista mallia. Malleja käytettiin kriging-interpoloinnissa, jossa savespitoisuudelle laskettiin jatkuva pinta 20 m:n resoluutiolla. Menetelmällä pystyttiin mallintamaan ja ennustamaan savespitoisuuden keskipitkän matkan vaihtelu, mutta lyhyen matkan vaihtelua ei havaittu, koska lähtöaineiston pisteverkko oli melko harva (0,7 kpl/ha). Lisäksi tutkittiin näytteenottotiheyden vaikutusta ennustevirheeseen simuloimalla aineistoon uusia havaintopisteitä useilla eri tiheyksillä. Ennustevirhe pieneni näytteenottotiheyden kasvaessa 0,7 pisteestä 3 pisteeseen hehtaarilla vain 0,5 1 %-yksikköä. Tämä johtui aineiston selittämättömän vaihtelun suuresta osuudesta (n.36 % kokonaisvaihtelusta). Tutkittu peltoalue jaettiin geostatistisen analyysin perusteella kolmenlaisiin alueisiin, joiden savespitoisuudet olivat 1)alle 30 %, 2) 30 60 % ja 3) yli 60 %. Täsmä viljelyn käsittelyvyöhykkeiden määrittämisessä tarvitaan savespitoisuuden lisäksi tietoa muista maalajitteista, ravinteista ja orgaanisen aineksen määrästä. Tässä esitetyllä menetelmällä käsittelyvyöhykkeet voidaan tuottaa numeerisesti, jolloin niitä pystytään käyttämään tietokonepohjaisissa täsmäviljelyjärjestelmissä.

In precision farming fields may be divided into management zones according to the spatial variation in soil properties. Clay content is an important soil characteristic, because it is associated with other soil properties that are important in management. Soil survey data from 150 sampling sites taken from an area of 218 ha were used to predict the spatial variation of clay percentage geostatistically in an agricultural soil in Jokioinen, Finland. The exponential and spherical models with a nugget component were fitted to the experimental variogram. This indicated that the medium-range pattern could be modelled, but the short-range variation could not, due to sparsity of sample points at short distances. The effect of sampling density on the kriging error was evaluated using the random simulation method. Kriging with a spherical model produced a map with smooth variation in clay percentage. The standard error of kriging estimates decreased only slightly when the density of samples was increased. The predictions were divided into three classes based on the clay percentage. Areas with clay content below 30%, between 30% and 60% and over 60% belong to non-clay, clay and heavy clay zones, respectively. With additional information from the soil samples on the contents of nutrients and organic matter these areas can serve as agricultural management zones.

v

2002

ok

Viljelymaiden savespitoisuuden alueellistaminen geostatistiikan ja pistemäisen tiedon avulla