Open access publications in the SLU publication database

Abstract

Syftet med projektet var att utreda möjligheten att i höstvete använda Yara N-sensorn för prognos av skördens storlek inför kompletteringsgödsling med kväve. Undersökningen består av två delar: 1) en genomgång av internationell vetenskaplig litteratur inom området och 2) sammanställning av data från 39 höstveteförsök (2012-2014) samt utvärdering av prognosmodeller för kärnskörd som baseras på SN-värdet från handburen Yara N-sensor i olika utvecklingsstadier (DC39-63).

Försöksvis validering av modellerna de enskilda åren visade att skörden 2012 och 2013 predikterades bäst vid det senaste mättillfället, vilket var DC45-55 2012 och DC56-63 2013. Medelavvikelsen (RMSECV) för den validerade modellens skördeuppskattning jämfört med uppmätt skörd var då som lägst, 11 dt/ha. 2014 predikterades skörden bäst vid DC37-42, då medelavvikelsen för valideringen var 11 dt/ha (tabell 1), men även vid DC56-63 var medelavvikelsen låg, 12 dt/ha. Vid årsvis validering, d v s prediktion av skörd för ett år i taget utifrån en modell baserad på de andra två åren var medelavvikelsen från uppmätt skörd som lägst 18 dt/ha (RMSECV) vid DC37-42. Resultaten visar på goda möjligheter att prediktera skörden vid DC37-39 då kompletteringsgödsling vanligen rekommenderas, även om gödsling också i senare stadier kan ge skördeökningar vissa år.

Ytterligare data från fler år och platser behövs för att kunna bygga en stabilare skördeprognosmodell som kan användas för att prediktera skörden ett kommande år, med så låg medelavvikelse som möjligt från den verkliga skörden. Det är viktigt att fortsätta göra N-sensormätningar i försök på flera platser i landet och fortsätta bygga upp databasen. Vi rekommenderar att man även går vidare och provar prova hur långt man kan komma med N-sensorns våglängdsband i multivariata modeller. Att kombinera grödmodeller med sensormätningar är en mer sofistikerad strategi. Det skulle kunna fungera bra men ett mer omfattande utvecklingsarbete krävs. Den enklaste strategin att börja med är förmodligen att ta fram relativa skördekartor inom fält baserat på tidigare års skördekartor, manuellt sätta skördenivån i de olika delarna utifrån erfarenhet, och lägga in dessa som bakgrunds information i N-sensorns styrning.