Lær af verdens største forsøgsareal
Projektansvarlig: Mette Kramer Langgaard
De forventede resultater fra projektet bliver offentliggjort på denne internetside:
4. kvartal 2021. Projektets resultater stilles gratis til rådighed
Introduktion: Formålet er at forbedre landmandens indtjening ved at skabe værdi af de store mængder data, som landmanden selv og resten af landbrugserhvervet producerer. Målet er at indsamle data fra de forskellige kilder og via statistiske metoder finde nye sammenhænge mellem dyrkningsinput og -output, som direkte kan fremme udbytte og kvalitet i den enkelte mark.
Dansk landbrug står overfor nye muligheder for at skabe værdi ud af data og levere på udvalgte klimamålsætninger. Ved at anvende hele Danmark som forsøgsareal, kan performance, robusthed over for miljø/klima og effekt af timing og management undersøges i bl.a. græsblandinger samt majs- og hvedesorter. Ud fra nye udbytte- og kvalitetsdata produceres beregningsmetoder for kvælstofeffektivitet og -overskud fra henholdsvis handels- og husdyrgødning, hvilket understøttes af statistiske analyser som formidles i vejledninger m.m. Den nye udbytteprognose i vinterhvede udbygges med data fra flere vækstsæsoner og jordtyper, så nøjagtigheden af prædiktionen kommer ned på et niveau, hvor landmanden kan regulere kvælstoftildelingen på marken i indeværende år. State-of-art indenfor udbytteforudsigelse undersøges i et litteraturstudie, og den danske udbytteprognosetestes sammen med andre relevante modeller på danske marker. Derudover genereres et fuldmagtsstyringssystemmålrettet landmænd, så de nemt kan kontrollere, hvem der har adgang til deres data. Der oprettes et netværk, så aktører i landbrugsværdikæden inddrages i værdiskabelsen af landbrugets data. Dertil indhentes ny, relevant viden fra ind- og udlandet gennem workshops og studietur.
Projektet vil effektivisere planteproduktionen ved at levere ny viden og anbefalinger målrettet tilpasning af sortsvalg, gødnings- og dyrkningsstrategi til de varierende forhold som findes på tværs af geografi, jordtype og vejrforhold. Samlet set vil projektet føre til en reduceret klimabelastning på ca. 21.000 tons CO2-ækv svarende til26 kg CO2 pr. ha årligt.
Projektresultater:
AP1
Analyse af græsmarker i omdrift i Dansk Markdatabase
Analysen giver et overblik over mulige sammenhænge og dyrkning af forskellige græsblandinger i Danmark, samt foreløbige analyser heraf.
Analyse af majsmarker i Dansk Markdatabase
Analysen giver et overblik over mulige sammenhænge og dyrkning af forskellige sorter af majs i Danmark, samt foreløbige analyser heraf.
Analyse af vinterhvedemarker i Dansk Mardatabase
Analysen giver et overblik over datakilder og dataindsamling vedr. dyrkning forskellige sorter af vinterhvede i Danmark, samt foreløbige analyser heraf.
Kobling af data fra markdatabasen og kvægdatabasen
Dette notat opridser mulighederne for at kombinere data fra databaserne på mark og kvægområdet.
Predict the sow date for winter wheat fields
Analysen forudsiger sådatoen for vinterhvedemarker på basis af satellitmålinger i løbet af efteråret.
Send os dine udbyttedata i vinterhvede - for din egen skyld
SEGES opfordrer dyrkere af vinterhvede til at sende data.
AP2
Brug af nye data og analysemetoder til at forudsige udbytter i vinterhvede
Præsentation til temadag om vækst i agroindustrien om SEGES's arbejde med at udvikle første version af udbytteprognosen i vinterhvede, udfordringer hen af vejen samt resultater og videre arbejde fremover.
Crop Yield Prognosis using ML and EO data
Præsentation ved GeoPython 2021 om SEGES's arbejde med at udvikle første version af udbytteprognosen i vinterhvede. Teknisk vinkel.
Notat om test af SEGES' udbytteprognose mod international udbytteprognose
I dette notat sammenlignes SEGES udbytteprognose med målteudbytter via mejetærsler samt med et udbyttepotentialekort fra firmaet VITO.
Præcision af udbytte forudsigelse ved hjælp af machine learning -teknikker
Denne litteraturgennemgang diskuterer resultaterne af udbytteforudsigelsesteknikker ved brug af machine learning (ML). ML-algoritmer laver forudsigelser ved at finde forbindelser mellem input- og responsvariabler (Crane-Droesch, Andrew, 2018). Artiklerne, der diskuteres i hele, er fra de seneste 5 år, og detaljerede op-lysninger om baggrunden, ML-algoritmer, datasæt og resultaterne fra hver artikel kan findes i Excel arket i nedenstående link.
Udbytteprognosen giver overblik og indblik
Kort artikel om udbytteprognosen.
YMP re-training on 2016-2021 data - Yield Map Prognosis
Dokumentation på gentræningen af vores vinter hvede udbytte prognose.
AP3
Analyse af MarkOnline-udtræk mht. proteinprocent i kernen
I notatet ”Brug af proteinprocent i kernen til vurdering af kvælstofforsyningen i vinterhvede” er beskrevet baggrunden for hvordan proteinprocenten i kernen kan tolkes mht. kvælstofforsyningen. I nærværende notat undersøges fordelingen af proteinprocenten målt i marker udtrukket fra MarkOnline.
Bedre kvælstofudnyttelse af fjerkrægødning
Præsentation ved Fjerkrækonference. Højere udnyttelseskrav til fjerkrægødning øger behovet for bedre udnyttelse af gødningens kvælstofindhold. Indlægget giver anvisninger på kvælstofforbedrende teknologier baseret på nyeste viden opnået via markforsøg.
Beregning af kvælstofudnyttelsen af husdyrgødning
Værditallet er et mål for hvor stor en andel af kvælstofindholdet i husdyrgødning der har samme effekt som kvælstofindholdet i mineralsk handelsgødning. Dvs. hvor meget mineralsk kvælstof i handelsgødning erstatter tilførslen af en givet mængde kvælstof tilført i form af husdyrgødning.
Brug af proteinprocent i kernen til vurdering af kvælstofforsyningen i vinterhvede
Notatet giver en foreløbig vejledning i hvordan proteinprocenten i kernen kan bruges til at vurdere kvælstofforsyningen i vinterhvede, og der redegøres for baggrunden herfor.
AP4
Afdækning af motivationsfaktorer for registrering i marken og behovet for digital lagerstyring
Analyse af interview med 14 landmænd med fokus på motivationsfaktorer for registrering i marken og behovet for digital lagerstyring. Interviewguiden er indsat nederste i dokumentet.
Netværksmøde AI Agri
Program for netværksmøde AI Agri d. 11. juni 2021.
Netværk styrker AI-data i landbruget
Et nyoprettet AI Agri Netværk skal sikre værdiskabelse af data fra landbruget.
Notat om muligheder for automatisk registreringer
Muligheder for automatisering af registreringer for at sikre korrekt dataregistrering og muligheder for at automatisere dataopsamling yderligere.
2 videoer om udbyttedata direkte i DMDB
Vi digitaliserer udbytterne direkte i DMDB.