MASARYKOVA UNIVERZITA V BRNĚ

MASARYKOVA UNIVERZITA V BRNĚ Přírodovědecká fakulta DISERTAČNÍ PRÁCE Mgr. Jitka Kumhálová Brno, 2010

MASARYKOVA UNIVERZITA V BRNĚ Přírodovědecká fakulta Mgr. Jitka Kumhálová Využití GIS v precizním zemědělství Disertační práce Školitel: Prof. RNDr. Milan Konečný, CSc. Brno, 2010

Bibliografická identifikace Jméno a příjmení autora: Mgr. Jitka Kumhálová Název disertační práce: Využití GIS v precizním zemědělství Název disertační práce anglicky: GIS Utilization in Precision Agriculture Studijní program: Geografie Studijní obor: Kartografie, geoinformatika a dálkový průzkum Země Školitel: Prof. RNDr. Milan Konečný, CSc. Rok obhajoby: 2010 Klíčová slova v češtině: precizní zemědělství, GIS, GPS, vzorkování, modelování, akumulace odtoku vody, výnos Klíčová slova v angličtině: Precision agriculture, GIS, GPS, sampling, modeling, flow accumulation, yield

Jitka Kumhálová, Masarykova univerzita v Brně, 2010

Poděkování: Na tomto místě bych ráda poděkovala mému školiteli Prof. RNDr. Milanu Konečnému, CSc. za odborné vedení při zpracování této práce. Dále chci poděkovat mým kolegům z VÚRV, v.v.i. za pomoc při měřeních a odborné rady a také mé rodině za podporu a trpělivost.

Prohlášení o autorském podílu na předkládané práci: Prohlašuji, že jsem předloženou disertační práci zpracovala samostatně s využitím citovaných literárních pramenů. V Brně, dne 15.1.2010 Mgr. Jitka Kumhálová

ABSTRAKT Jednou z nejdůležitějších informací v rámci precizního zemědělství je kvantitativní znalost faktorů ovlivňujících výnosy pěstovaných plodin. Jedním z častých faktorů, které výnos výrazně ovlivňují, je topografie pozemku. Z těchto důvodů je námětem předložené disertační práce porovnat topografická data získaná z výnosového monitoru sklízecí mlátičky s daty získanými z přijímače RTK-GPS a dále vyhodnotit vztahy mezi místními rozdíly ve výnosu pěstovaných obilovin ve vazbě na obsah vybraných živin v půdě a topografických parametrech pozemku odvozených z těchto dvou zdrojů. Ze získaných topografických dat byly odvozeny jednoduché modely nadmořské výšky, svažitosti a akumulace odtoku vody a pomocí nich byla studována závislost vybraných půdních vlastností (obsah dusíku a organického uhlíku) na topografii experimentálního pozemku za čtyřleté hospodářské období. Pokus byl uskutečněn na pozemku Výzkumného ústavu rostlinné výroby v Praze-Ruzyni o rozloze 11,5 ha, na kterém byl aplikován klasický osevní postup s rotací čtyř po sobě následujících plodin. Během let 2004, 2005, 2006 a 2007 byly modely nadmořské výšky, svažitosti a akumulace odtoku vody porovnávány s výnosem a obsahem dusíku a organického uhlíku v půdě v závislosti na celkových srážkách a teplotě během pěstování sledovaných plodin. Porovnání závislostí mezi výnosem a sledovanými topografickými parametry bylo prováděno za pomocí geostatistických metod. Významnost závislostí všech výše uvedených faktorů byla hodnocena pomocí korelační analýzy. Dosažené výsledky byly potvrzeny statistickým vyhodnocením pomocí krokové dopředné lineární regrese. Byla zjištěna významná závislost výnosu a obsahu sledovaných živin v půdě na sledovaných topografických parametrech. Nízké korelační koeficienty mezi akumulací odtoku vody a výnosem byly přitom zjištěny pro vlhčí sledované hospodářské roky a naopak relativně vysoké korelační koeficienty byly vypočítány pro roky sušší. Porovnání modelů získaných na základě topografických parametrů z obou jejich zdrojů přitom vykazovalo velmi podobné výsledky a trendy.

ABSTRACT Quantitative knowledge of the factors and interactions affecting the yield is essential for site-specific yield management. One of the factors frequently affecting the yield is topography. The aims of this Ph.D. thesis was therefore to compare topography data obtained from a combine harvester yield monitor and a hand RTK-GPS and to evaluate the relationships between spatial variability of grown cereals yield, selected soil nutrition content and topography attributes derived from those two sources. Simple models of elevation, slope and flow accumulation were created from the obtained data and the dependence of yield and selected soil properties (nitrogen and organic carbon content) on experimental field topography was determined using topographical data in a four-year period. Experiments were conducted in the Czech Republic on a field with crop rotation and an area of 11.5 ha. The models of elevation, slope and flow accumulation were compared with the yield and nitrogen and organic carbon content in soil in the years 2004, 2005, 2006 and 2007 in relation to total precipitation and temperature during crop growing seasons in these years. Evaluation of the relationship between yield and topographical attributes was made by the help of geostatistical methods. A correlation analysis was calculated for all the above mentioned elements. The results were confirmed by statistical evaluation by the help of forward stepwise linear regression procedure. Significant dependence of yield and soil nutrition content on topography was proved. Low correlation coefficients between flow accumulation and yield were calculated for wetter evaluated years and high for drier years. Both evaluations of topography information from two sources and yield showed relatively similar results and trends.

OBSAH 1. ÚVOD... 1 2. CÍL PRÁCE... 3 3. VYUŽITÍ GEOINFORMATIKY V PRECIZNÍM ZEMĚDĚLSTVÍ... 4 3.1 SYSTÉM GPS... 7 3.1.1 Využití systému GPS v metodě vzorkování... 10 3.1.2 Využití systému GPS v přesném navádění zemědělských strojů... 12 3.2. METODY MAPOVÁNÍ PROSTOROVÉ VARIABILITY... 14 3.2.1 Mapování výnosů polních plodin... 15 3.2.1.1 Chyby závislé na určení polohy stroje, dodržování jeho pracovního záběru a velikosti sklízeného pozemku... 15 3.2.1.2 Chyby vzniklé dalšími nepřesnostmi při mapování výnosů obilovin... 20 3.2.2 Metoda mapování na základě odběru vzorků... 23 3.2.3 Mapování na základě dálkového průzkumu Země... 28 3.3 VYUŽITÍ GEOSTATISTICKÝCH METOD V PRECIZNÍM ZEMĚDĚLSTVÍ... 30 3.3.1 Předpoklady použití geostatistických metod... 31 3.3.2 Charakteristika prostorové závislosti... 33 3.3.3 Matematické modely variogramů... 35 3.3.4 Metody prostorových interpolací... 37 3.4 MODELOVÁNÍ V PRECIZNÍM ZEMĚDĚLSTVÍ... 42 3.4.1 Metody rozdělení pozemku do lokálně specifických (management) zón... 44 3.4.2 Využití topografických parametrů v precizním zemědělství... 46 3.4.2.1 Topografické parametry a výnos... 49 3.4.2.2 Topografické parametry a půda... 52 4. MATERIÁL A METODY... 55 4.1 CHARAKTERISTIKA POKUSNÉHO POZEMKU... 56 4.1.1 Klimatická charakteristika... 56 4.1.2 Půdní charakteristika... 60 4.1.3 Charakteristické plevele... 60 4.1.4 Charakteristická fauna... 61 4.2 CÍLENÉ HOSPODAŘENÍ NA POZEMKU... 61 4.2.1 Osevní postup a rozdělení pozemku do management zón... 61 4.3 SBĚR DAT... 65 4.3.1 Sběr dat pomocí metody vzorkování... 65 4.3.2 Sběr dat pomocí senzorů na sklízecí mlátičce... 65 4.4 ÚPRAVA ZÍSKANÝCH DAT... 66 4.5 ZPRACOVÁNÍ ZÍSKANÝCH DAT POMOCÍ GEOSTATISTIKY... 67 4.5.1 Výnosová data a data získaná ze vzorkování... 67 4.5.1.1 Výnosová data... 67 4.5.1.2 Data získaná ze vzorkování... 76 4.5.2 Topografická data... 76 4.5.2.1 Zpracování topografických dat získaných z PCMCIA karty... 76 4.5.2.2 Zpracování topografických dat získaných z RTK-GPS... 80 4.5.2.3 Tvorba modelu akumulace odtoku vody... 81

4.5.2.4 Vzájemné porovnání všech sledovaných charakteristik pozemku... 87 4.6 ZPRACOVÁNÍ ZÍSKANÝCH DAT POMOCÍ STATISTICKÉ ANALÝZY V SW STATISTICA CZ... 89 5. VÝSLEDKY A DISKUZE... 90 5.1 VÝSLEDKY POROVNÁNÍ MEZI OBĚMA ZDROJI TOPOGRAFICKÝCH PARAMETRŮ... 90 6. ZÁVĚR... 110 7. LITERATURA... 112

1. ÚVOD Jedním z nejdůležitějších směrů vývoje zemědělské prvovýroby v posledních letech je ve vyspělých zemích bezesporu systém hospodaření na půdě, označovaný názvem precizní zemědělství nebo lokálně cílené hospodaření. Jeho podstata spočívá v tom, že k danému pozemku, jako základní jednotce obhospodařování v rostlinné výrobě, se již nepřistupuje jako k celku. Při jeho obdělávání se reaguje na lokální rozdílnosti, které v jeho rámci mohou být a jak se ukazuje, zpravidla také bývají. Tento moderní přístup je umožněn rozvojem družicových technologií, umožňujících určit s relativně velmi dobrou přesností okamžitou polohu libovolného místa na povrchu Země. Tak je možno určovat např. okamžitou polohu dopravních prostředků při jejich jízdě, okamžitou polohu osob při jejich pohybu, polohu lodí při plavbě nebo rovněž polohu zemědělských strojů při jejich práci na daném pozemku. Jestliže se k informacím o poloze daného místa pozemku na Zemi připojí některé další informace, jako mohou být v zemědělství např. informace o půdním druhu, půdním typu, obsahu živin v půdě, půdní vlhkosti, půdní vodivosti, barvě porostu, svažitosti pozemku atd., lze vytvořit rozsáhlou databázi informací, které jsou užitečné k následnému obdělávání sledovaného pozemku. Moderní technika umožňuje v návaznosti celý pozemek obdělávat tak, že reaguje na místní rozdíly v jeho rámci. Zjednodušeně se dá říci, že precizní zemědělství je aplikace moderních informačních technologií v rostlinné výrobě. Nedílnou součástí moderních informačních technologií v zemědělství je geografický informační systém v různé podobě. V rámci GIS se dá v rostlinné výrobě uplatnit letecké nebo družicové snímkování porostu i půdy, využívání softwarových technologií k vyhodnocování již sebraných půdních a rostlinných vzorků a také modelování. Tvorba modelů je nezbytná k predikci výnosů, k tvorbě lokálně specifických zón pro aplikaci hnojiv a ochranných prostředků a také pro zmírnění erozní činnosti na pozemku. Správným zpracováním vzorků a výchozích dat a následně i vhodným obděláváním pozemku se dá dosáhnout jak ekologických, tak i ekonomických výhod. Významný vliv na výnosy zemědělských plodin má bezesporu také reliéf pozemku. Z tohoto důvodu se předložená práce zabývá využitím a aplikací 1

geografických informačních systémů v zemědělství a je orientována především na zkoumání vlivu reliéfu pozemku na základní agrotechnické charakteristiky. 2

2. CÍL PRÁCE Jedním ze základních směrů vývoje moderního zemědělství ve vyspělých státech je lokálně cílené hospodaření, často označované jako precizní zemědělství. K jeho správné aplikaci je třeba množství prostorových dat. K nejdůležitějším a stále nedostatečně prozkoumaným patří topografické parametry pozemku. Hlavním cílem předložené práce bylo porovnat výnos a vybrané půdní charakteristiky v období čtyř let s topografickými parametry experimentálního pole získané ze dvou zdrojů dat v závislosti na průměrné teplotě a úhrnu srážek v každém ze sledovaných roků. Aby mohl být tento hlavní cíl splněn, bylo potřeba dosáhnout několik vedlejších cílů: 1. Vytvořit mapy výnosu a půdních charakteristik ve sledovaných letech pomocí geostatistických metod. 2. Upravit data o nadmořské výšce pozemku z výnosového monitoru sklízecí mlátičky a následně z nich vytvořit digitální model terénu, model svažitosti a model akumulace odtoku vody na sledovaném pozemku tak, aby modely co nejvíce odpovídaly reálnému stavu na poli a přitom byly zpracovány běžně dostupnými metodami s ohledem na průvodní chyby. 3. Vhodně naměřit přesná data nadmořské výšky na pozemku pomocí přístroje RTK-GPS a následně z nich vytvořit digitální model terénu, model svažitosti a model akumulace odtoku vody na sledovaném pozemku tak, aby modely co nejvíce odpovídaly reálnému stavu na poli a přitom byly zpracovány běžně dostupnými metodami. 4. Porovnat oba zmíněné zdroje dat a výsledné modely mezi sebou. 5. Všechny výsledné modely týkající se topografie porovnat s mapami vybraných půdních charakteristik a výnosem ze sledovaných let s ohledem na průměrné teploty a úhrny srážek v sledovaných letech. Zjistit, nakolik jsou výsledná porovnání mezi všemi modely ovlivněna variabilní aplikací dusíku, která je každoročně provedena na experimentálním pozemku. 3

3. VYUŽITÍ GEOINFORMATIKY V PRECIZNÍM ZEMĚDĚLSTVÍ Precizní zemědělství je hospodaření na půdě využívající možnosti současných informačních technologií, hospodaření, které využívá podrobné, prostorově orientované, lokálně specifické informace o půdě a plodinách k zpřesnění vstupů podporujících produktivitu plodin. Základní myšlenkou je, že jakékoli vstupy by měly být aplikovány pouze když jsou potřeba, kde jsou potřeba a v dávce, v jaké jsou skutečně potřeba (Lipavský, 2000). Myšlenka precizního zemědělství není zcela nová. Každý pozornější zemědělec věděl, že pozemek, na kterém hospodaří, není uniformní, přestože věnoval stejnou péči všem místům pozemku. Zjistil, že na různých místech obdělávaného pozemku mohou kolísat výnosy jím pěstovaných plodin. Tato sledování byla možná jen proto, že každý zemědělec měl jen pozemky či hony malé výměry. Se zvětšující se výměrou jednotlivých polí či honů si sice zemědělec nebo agronom uvědomovali, že podmínky (půdní, vlhkostní atd.) na větším honu nejsou stejné, ale měl jen omezené možnosti je nějakým způsobem identifikovat a zohlednit. Používaná mechanizace ani neumožňovala variabilní aplikaci zásahu v rámci jednoho honu. Teprve vývoj příslušných technologií umožňoval podrobné sledování a následně variabilní ošetření pozemku. Pierce and Nowak (1999) přibližují historický vývoj technologií, které stály u zrodu precizního hospodaření viz Tabulka 1. První firmy zabývající se precizním zemědělstvím vznikaly v USA, Dánsku a Velké Británii již na počátku devadesátých let 20. století. Brzy se ukázalo, že vývoj mechanizace, elektroniky a SW je potřeba dělat pro potřeby precizního zemědělství jako komplexní systém, což není v silách jednoho výrobce. Na základě této skutečnosti tak vzniklo několik systémů poskytujících komplexní servis od odběru a zpracování půdních vzorků, stanovení strategie odběru podle typu krajiny a pozemků, tvorbu map fyzikálních vlastností půdy, obsahu dostupných živin, ph půdy a obsahu organické hmoty v půdě či vlhkosti půdy přes výnosové mapy, zpracování všech dat pomocí GISu do různých informačních vrstev, agronomickou interpretaci těchto údajů a z ní 4

Tabulka 1: Historický vývoj technologií, které stály u zrodu precizního zemědělství (Pierce a Nowak, 1999), upraveno. Rok Událost -1840 První letecké snímkování (fotografie vytvořené z létajícího balónu) -1960 První senzor umístěný na satelitu snímající obraz zemského povrchu První komerční využití GIS 1961 Senzor na měření chlorofylu (Benedict a Swidler) 1968 První multispektrální fotografování provedené z Apollo 9 1970 Baumgardener a kol. zjistil vztah mezi půdní organickou hmotou a daty z multispektrálních snímků 1971 Intel procesor 4040 1972 Vypuštěn Earth Resouces Technology Satellite -1 (Landsat) pro nepřetržité sledování téměř celého povrchu Země 1974 Senzor půdní organické hmoty (Page) 1977 Komerční využití počítačů Apple (www.apple.com) 1978 Vypuštění prvního satelitu NAVSTAR GPS 1980 První počítač IBM PC 1982 Intel procesor 80286 Vypuštěn Landsat 4 s tematickým mapováním Země (se senzorem Thematic Mapper) Vyvinutí hyperspektrálního senzoru AIS (Airborne Imaging Spectrometer) pro DPZ 1983 Zpřístupnění GPS civilnímu sektoru 1985 Průtokový monitor toku zrna na sklízecí mlátičce (De Baerdaemeker a kol.) 1986 Vypuštění satelitu SPOT, první multispektrální data pro komerční využití 1987 Mapování výnosů v Texasu (Bae a kol.) 1990 Zavedení umělé degradace SA do signálů GPS 1991 První sympózium na téma Site-Specific Crop Production (ASAE) 1992 Komerční využívání výnosového monitorování 1993 RTK-GPS 1994 Dokončení systému GPS NAVSTAR s plným počtem 24 satelitů 1996 Vypuštění systému Earth System Science Pathfinder (NASA) 1997 Evropská konference na téma precizní hospodaření (BIOS) Board of Agriculture, National Research Council vydávající zprávu o precizním zemědělství 1999 družice IKONOS 1.komerční družice pro DPZ 2000 zrušení SA 2000 přesné navádění strojů s využitím RTK-GPS 2001 družice QuickBird 5

vyplývající aplikační mapy hnojení (mapy půdních a rostlinných vlastností pole, které jsou určeny pro variabilní aplikaci průmyslových hnojiv), použití pesticidů a různých možností agrotechnických zásahů při přípravě půdy (Lipavský, 2000). Geoinformatika tedy zaujímá místo ve všech fázích výrobních procesů v rámci precizního zemědělství tak, jak je to znázorněno na Obr. 1. Vstupní data mohou být v podobě informací o poloze z GPS (global positioning system) a sklizně, v podobě leteckých nebo družicových snímků anebo v podobě modelů, které mají simulovat procesy na zkoumaném pozemku. Po zpracování těchto vstupních dat v PC jsou dané informace použitelné pro vhodný zásah na pozemku (výnosové mapy, aplikační mapy, mapy půdní zásobenosti živin atd.). 6

Obr. 1: Schéma jednoho ze systémů precizního zemědělství (podle firmy Massey Fergusson in Lipavský, 2000) 3.1 Systém GPS Systém GPS je založen na práci 24 satelitů. Konstelace satelitů je tvořena šesti oběžnými drahami se čtyřmi družicemi na každé z nich a sklon oběžné dráhy je okolo 55 stupňů vzhledem k rovníku. Toto uspořádání garantuje, že na kterémkoliv místě na Zemi jsou trvale dostupné signály z minimálně čtyř satelitů po celých 24 hodin (Rapant, 2002). Celý systém byl vyvinut ministerstvem obrany USA. Satelity nepřetržitě vysílají radiový signál, který je možno přijímat speciálními pozemními přijímači. Použitím trigonometrické procedury lze určit přesnou polohu bodu na Zemi, ovšem za podmínky znalosti přesného času. Z tohoto důvodu jsou satelity vybaveny přesnými atomovými hodinami. Signály ze satelitů se dostávají k Zemi rychlostí světla. Jestliže je známý čas i rychlost, lze na základě změření tří vzdáleností určit přesnou polohu libovolného bodu. Čtvrtý satelit je nutný k tomu, aby byla vyloučena možnost určování polohy imaginárního nesprávného bodu (mimo zemský povrch). Přesnost určování polohy je závislá na záměrném rušení signálu ministerstvem obrany 7

USA (to je však v současné době již odstraněno) a na okamžitých vlastnostech atmosféry. Pro zpřesnění celého systému je třeba dodat ještě další signál o známé poloze jeho zdroje (diferenční signál). Tento signál může být přijímán z pozemské referenční stanice nebo z jiné, tzv. stacionární družice. Pozemské referenční stanice mají omezený dosah, ale poplatek za jejich používání bývá poměrně nízký. Naopak družicové referenční signály jsou k dispozici prakticky kdekoliv, ale poplatek za jejich příjem je vyšší. Jestliže se zároveň přijímá také signál diferenční, hovoří se o práci celého systému se signálem DGPS (differential global positioning system) (Lechner a kol., 2000). Přijímače systému DGPS mají přesnost určování polohy od 1 do 2 m v závislosti na zeměpisné poloze přijímače a jeho kvalitě. Tato přesnost je vhodná pro určování polohy zemědělských strojů, jako sklízečů a traktorů. Celá funkce systému je naznačena na Obr. 2. Obr. 2: Schéma principu práce družicového navigačního systému DGPS používaného pro potřeby precizního zemědělství (Auernhammer, 2001, upraveno). Auernhammer (2001) popisuje význam GPS v zemědělské sféře následujícím způsobem viz Tabulka 2. 8

Tabulka 2: GPS v zemědělství (Auernhammer, 2001) GPS Určování polohy Navigace Dokumentace Řízení Samostatný stroj Skupina strojů Geo data Aplikace Cílená navigace Doprava - mapování pole - setí - pole, pozemek - odvoz zrna - sběr půd. vzorků - hnojení - sběr půd. - odvoz řepy vzorků - ochrana rostlin - meliorace - hnojení Parametry stroje - produkce siláže - doba běhu - tech. parametry Životní Navádění strojů S obsluhou-bez prostředí obsluhy Výnos - periferní plochy - sklizeň zrnin - příprava seť. lože - obiloviny - hraniční pásy - procesy aplikace - sklízecí mlátičky - pícniny - ochr. vod. ploch - ostatní plodiny Produkty Stroje Navádění nářadí Polní roboti aplikace - hnojení - přek. na poli - plečky - orba - ochrana rostlin - podorničí - setí - zpracování půdy - rostlinné zbytky - nebezp. svah ŘÍZENÍ PODNIKU OVLÁDÁNÍ NÁŘADÍ NAVÁDĚNÍ NÁŘADÍ MANAGEMENT VOZOVÉHO PARKU Z tabulky 2 vyplývá, že pro systém hospodaření na zemědělské půdě označovaný jako precizní zemědělství jsou geoinformatické systémy téměř naprostou nezbytností. Využívají se jak k charakteristikám obdělávaných pozemků (členitost 9

pozemků, odběr půdních vzorků, mapování výnosů), tak k ovládání a řízení moderní zemědělské techniky. Z hlediska charakteristik obdělávaných pozemků se jedná o navádění na odběrová místa půdních vzorků, následnou tvorbu map zásobenosti půdy živinami, tvorbu map půdní struktury, zrnitostního složení půdy atd. Jsou rovněž nezbytnou součástí při hodnocení účinnosti jednotlivých zásahů prostřednictvím výnosových map. Neméně důležitou roli hraje geoinformatika v moderních zemědělských technologiích a technice. Prostřednictvím aplikačních map je ovládána funkce rozmetadel hnojiv, postřikovačů, secích strojů i strojů pro zpracování půdy. Dalším směrem využití geoinformačních systémů je navigace pohybu zemědělských strojů po pozemku. Ta umožňuje přesnější dodržování pracovních záběrů při zpracování půdy, při sklizni i při dalších operacích (setí, ochrana rostlin). Zvláštní kapitolou jsou pak polní roboti. Idea jejich vývoje by bez geoinformatiky prakticky vůbec nemohla vzniknout. Jako příklad lze uvést jejich využití při pěstování kukuřice. Již při zasetí jsou známé přesné zeměpisné souřadnice každého zasetého semínka. Polní roboti jsou velice malé stroje, které jsou schopny se pohybovat mezi jednotlivými rostlinami a provádět například pletí nebo kypření. Protože jsou naváděny pomocí geoinformačních systémů, dokáží se vzešlým rostlinkám vyhnout a nepoškodí je. Jejich funkce je přitom naprosto automatická. 3.1.1 Využití systému GPS v metodě vzorkování Jak již bylo uvedeno, určování polohy je pro potřeby zemědělské rostlinné výroby uspokojivým způsobem vyřešeno. Na zkoumaný pozemek je potřeba se dívat jako na soubor spojitě rozmístěných prvků, kde nehraje velkou roli absolutně přesná poloha. Samotná praxe ukazuje, že se dá GPS jednoduše využít pro určování polohy při sběru půdních či rostlinných vzorků (vzorkování). Metoda vzorkování se vyznačuje geometrickým rozložením bodů s určenou polohou pro potřeby odběru půdních či rostlinných vzorků. Pro návrh vhodného schématu vzorkování, které může být rozhodujícím faktorem kvality konečného výsledku, je důležité zvolit počet (hustotu) vzorků a 10

vzájemné rozmístění jednotlivých bodů na pozemku. Tento návrh musí být stanoven na základě předem definovaného cíle, při respektování prostorové variability zvolených měřených faktorů, technických, ekonomických a analytických možností a způsobu konečného vyhodnocení získaných dat (Brodský, 2003). Štípek (2000) popisuje metodu vzorkování půd v praxi. Bylo odebráno celkem 368 vzorků ornice z profilu 0-30 cm v odběrové čtvercové síti 40x40 m. Na každém stanovišti bylo uskutečněno 14 vpichů sondovací tyčí v okruhu 6 m od fixního bodu. Přesná poloha odběrových míst byla zaměřena pomocí přístroje GPS Garmin II+. Vzorky ornice byly po odběru sušeny na vzduchu, homogenizovány a prosety na sítu o průměru ok 2 mm. Takto získaná jemnozem byla použita k analýzám. Brodský a Vaněk (2000) se zabývali určením přesnosti měření GPS systému po vypnutí umělé degradace signálu (SA) družic NAVSTAR navigačního sytému GPS v roce 2000. Pro posouzení přesnosti měření po vypnutí SA byl použit standardní 12 kanálový GPS přijímač firmy Garmin (GPS II+) s externí anténou. Měření chyby bylo omezeno pouze na horizontální rovinu bez použití funkce průměrování v GPS přijímači. Při měření chyb v osách x, y byl brán též zřetel na časovou závislost chyby měření. Pro posouzení vlivu okolního prostředí bylo uskutečněno porovnání měření (záznam 1000 souřadnic stabilního bodu) ve volném prostoru a při částečném zakrytí obzoru (polovina oblohy), který se neměnil. Z výsledků měření a statistického vyhodnocení byla zjištěna chyba ve volném prostranství 1,8 m v ose x a 2,8 m v ose y s 95% pravděpodobností. Je nutné přihlédnout k tomu, že měření proběhlo pouze v omezeném časovém intervalu během dne. Při měření celých 24 hodin by výsledná chyba měření mohla být vyšší, především z důvodů změny geometrie uspořádání družic. Brodský (2003) ve své práci uvádí, že ověřením chyb určení prostorových souřadnic navigačním systémem GPS (přijímač Garmin II+) byla zjištěna horizontální chyba ve volném nezastíněném prostranství průměrně 2 a 3 m v obou souřadnicích (x, y) s maximální odchylkou 4 a 5 m, měnící se s časem. Při částečném zastínění byla zjištěna významně vyšší chyba, průměrně 16 a 25 m s maximální odchylkou 24 a 45 m. 11

Měření metodou DGPS bylo dříve využíváno především k potlačení chyb vzniklých umělou degradací SA. Touto metodou se však také snižuje chyba vzniklá nepřesností družicových hodin, oběžných drah a částečně snižuje vliv ionosféry a troposféry. Lze tedy předpokládat, že měřením pomocí DGPS bude dosaženo vyšší přesnosti. Problém využívání korekcí DGPS je v ceně a hlavně v kvalitě těchto dat vzhledem k lokalitám měření. Při využívání DGPS korekcí z referenčních stanic vzdálených od lokality měření okolo 500 km ztrácí využití těchto dat smysl. Nejlepších výsledků bylo dosaženo v okruhu do 50 km od vysílače referenční stanice. Odstraněním umělé degradace SA se podstatně zlepšila přesnost měření standardních GPS přijímačů. Protože ale zdrojů chyb měření je více, je třeba pro zvýšení přesnosti měření vytvářet vhodné podmínky měření přijímače (Brodský a Vaněk, 2000). 3.1.2 Využití systému GPS v přesném navádění zemědělských strojů Přesné navádění je relativně nová záležitost ve skupině technologií precizního zemědělství. Ačkoliv je komerčně využíváno teprve od roku 2000, je po něm výrazná poptávka jak od zemědělců, tak i od komerčních agrochemických firem a jiných agronomických servisů (Batte a kol., 2006). V přesném navádění zemědělských strojů se využívá mnoho různých typů technologií jako např. radiofrekvenční, laserové, machine vision a GPS (Zuydam a kol., 1994, Choi a kol., 1990, Noguchi a kol., 2002). Existují dva typy GPS základního systému přesného navádění, GPS navádění poloautomatizované a plně automatizované systémy nebo hands free GPS navigační systém, který aktuálně řídí stroj s dohledem obsluhy stroje. Plně automatizovaný systém je schopný řídit stroj na poli v rovné linii s laterální přesností méně než 2 cm. Tento systém využívá vysoce přesný real-time kinematic (RTK) GPS přijímač. Systém může pracovat na každém poli a při každé operaci, včetně setí, kultivace a sklizně. Protože jsou moderní zemědělské stroje vybaveny mnoha kontrolními a seřizovacími prvky, je únava obsluhy závažnou záležitostí (Tillet, 1991, Noh a Erbach, 1993). Automatické navádění stroje může snižovat únavu obsluhy a 12

zlepšit výkonnost stroje tím, že se sníží překrývání záběrů nebo naopak odstraní vynechávky během polních operací, jako zpracování půdy nebo aplikace chemických ochranných látek (Tillet, 1991 a Klassen a kol., 1993). Precizní aplikace postřiků využívá systému RTK-GPS za účelem poskytnutí navigace a rovněž nastavení jednotlivých trysek postřikovače. RTK-GPS poskytují přesnost do 2,5 cm. Tento systém však vyžaduje základovou stanici. Korekční signál ze základové stanice je přenášen do traktoru pomocí rádiového vysílače. V současnosti je maximální možná vzdálenost této komunikace asi 10 km a vyžaduje přímou viditelnost mezi základovou stanicí a přijímačem. Ke zvýšení této vzdálenosti nebo k překlenutí vyvýšeniny lze použít zesilovače. Cena takovéhoto RTK-GPS systému byla v roce 2006 asi 30 000 USD (Batte a kol., 2006). Množství firem vyrábějících zemědělské stroje již v současné době nabízí RTK- GPS systém jako jejich volitelnou výbavu. Informace o okamžité poloze stroje ze systému RTK-GPS může být použita jak pro navádění strojů, tak k ostatním aplikacím, jako například regulaci výsevku, paralelního navádění nebo řízeného zpracování půdy (Reeder, 2002). Ehsani a kol., 2004a. Ehsani a kol., 2004b dovybavili secí stroj sérií optických čidel a dvěma jednoduchými palubními počítači. Za použití RTK-GPS bylo možno vytvořit mapu výsevu. Tuto informaci lze následně využít pro regulaci zaplevelení pozemku. Abidine a kol. (2002) ukázali, že traktor vybavený systémem automatického navádění lze využít ke kultivaci porostu nebo postřiku velmi blízko pěstovaných rostlin (ve vzdálenosti asi 5 cm) s možností použití poměrně vysoké pojezdové rychlosti (až do 11 km.h -1 ) a ke kypření nebo podrývání pozemku ve velké blízkosti závlahových vedení bez jejich poškození. To dovoluje pěstiteli použít závlahový systém po několik let bez nutnosti jej každý rok vyměňovat. Toto využití automatického navádění strojů může významně uspořit náklady pěstitelů zeleniny. Přijímače RTK-GPS se objevily na traktorech a sklízecích mlátičkách v souvislosti s automatickým naváděním. Těmito systémy poskytovaná data o pozici a nadmořské výšce jsou velmi přesná a lze je na pozemku zaznamenávat pro další výpočty digitálního výškového modelu (DEM = digital elevation model) s velmi 13

nízkými nebo žádnými dodatečnými náklady. Digitální modely terénu dovolují odvodit sekundární informace o terénu jako je sklon a orientace, které mohou být pak kombinovány s informacemi o půdě a změřenými nebo předpokládanými srážkami za účelem optimalizace pěstování rostlin s ohledem na ekonomická a ekologická hlediska. Je důležité pochopit přesnost a spolehlivost DEM odvozených z RTK-GPS dat za účelem adekvátní aplikace této informace při modelování povrchových odtoků, stoků, množství vody přístupné rostlinám, vlivu sklonu, globálního záření a lokálního mikroklimatu (Noack a kol., 2007). Iqbal a kol. (2005) použili RTK-GPS přijímač (Trimble AgGPS 214 RTK) na sběr více než 4500 bodů nadmořské výšky na 42 ha pozemku, ze kterých byly následně odvozeny topografické (svažitost, zakřivení a orientace) a hydrologické atributy (index vlhkosti, směr odtoku vody, délka odtoku vody, akumulace odtoku vody a index transportu sedimentů). Trimble RTK/PP 4700 GPS byl použit na provedení topografického výzkumu zavlažovaného pozemku, kde byla hustota vzorkování 5m v řadě a 5m v mezi-řadě. Horizontální a vertikální chyby tohoto systému byly menší než 0,02m a 0,04m (podle uvedeného pořadí) (Marques da Silva a Silva, 2008). 3.2. Metody mapování prostorové variability Mapování prostorové variability je nedílnou součástí systému precizního zemědělství. Sběr dat lze podle technické podstaty mapování daného jevu rozdělit následovně: 1. mapování výnosů polních plodin (pomocí senzorů) 2. mapování na základě odběru vzorků (pozemní průzkum) 3. mapování na základě dálkového průzkumu Země (letecké a satelitní snímkování). Jednotlivé techniky mapování je potřeba přizpůsobit tak, aby získaná data byla reprezentativní. 14

3.2.1 Mapování výnosů polních plodin Fakt, že půdní prostředí oraných pozemků je rozdílné metr po metru, je známý mnoho let. Například již v roce 1929 Linsley a Bauer upozorňovali, že půda v rámci jednoho pozemku je natolik rozdílná, že těmto rozdílnostem by mělo být přizpůsobeno její obdělávání a také doplňování nezbytných hnojiv. Nicméně, v této době neexistovaly technologie, které by dovolovaly tyto myšlenky uvést do praxe. Později například v roce 1984 Schafer a kol. představili koncept místně rozdílného zpracování půdy, ve kterém byla práce kypřičů řízena podle předpisu, který závisel na pozici stroje na poli (Stafford a kol., 1994). Až s rozvojem družicového navigačního systému GPS a možností jeho využití v civilním sektoru bylo možno s dobrou přesností nejen zaměřit jednotlivé části pozemků, ale kdykoliv se i k těmto místům vracet. Jakmile se objevila tato možnost, zbývalo málo k pokusu o propojení zkušeností zemědělců s měnícími se výnosy v rámci jednoho pozemku s možností určování jejich zeměpisné polohy. První podobné pokusy začaly v USA a Kanadě (Saidl, 2000). Jako první se začalo mapování výnosů používat u sklízecích mlátiček, tedy strojů, které slouží ke sklizni zrnin. V současném stádiu vývoje lze konstatovat, že již od roku 1993 jsou zemědělcům komerčně dostupné výnosové monitory, pracující na množství odlišných principů měření okamžitého výnosu (Stafford, 1996, Arslan, 2000, Reyns a kol., 2002 a jiní). Během měření okamžitého výnosu dochází k mnoha chybám, které mohou zásadně ovlivnit měřená data. Tyto chyby se dají rozdělit do dvou skupin: Chyby závislé na určení polohy stroje, dodržování jeho pracovního záběru a velikosti sklízeného pozemku Chyby vzniklé dalšími nepřesnostmi při mapování výnosů obilovin 3.2.1.1 Chyby závislé na určení polohy stroje, dodržování jeho pracovního záběru a velikosti sklízeného pozemku Stafford a kol. (1996) zjistili, že chybami vznikajícími při získávání výnosových map jsou chyby vznikající při určování polohy stroje a ty se mění nejen 15

prostorově, ale také časově. Z kalibrace kapacitního čidla lze odvodit, že jeho chyba je asi 5 % při nižších a 1 % při vyšších průchodnostech. Ale významnější jsou chyby vznikající změnami okamžitého pracovního záběru stroje (do 10 %) a různým časem průchodu zrna sklízecí mlátičkou. Na základě výsledků měření lze proto konstatovat, že přesnost měření výnosových map lze zlepšit použitím realističtějšího modelu času průchodu zrna sklízecí mlátičkou, pomocí kontinuálního měření okamžité šířky záběru žacího válu sklízecí mlátičky a zlepšením přesnosti přijímaného signálu GPS. Stafford a kol. (1997) znovu upozorňují na chyby, které při mapování výnosů zrnin běžně vznikají. Jedná se o chyby související s přesností určování polohy stroje v systému GPS, o chyby vznikající zjednodušením mláticího procesu a chyby vzniklé předpokladem, že při práci sklízecí mlátičky je využíváno celého záběru žacího válu. Další chyby mohou vzniknout při práci stroje na svahu, což může měnit vlastnosti průchodu vyčištěného zrna čidlem, dále při měnící se vlhkosti sklízeného zrna a měnícími se vlastnostmi zrna. Jestliže se používá signálu DGPS jsou chyby určování polohy stroje do 5 m. Významná odchylka zaznamenávání okamžitého výnosu může být způsobena také předpokladem, že dobu toku zrna sklízecí mlátičkou ze žacího válu do dopravníku zrna lze popsat jednoduchou časovou prodlevou. Bylo dokázáno, že hranice rozlišení změny výnosu s tímto předpokladem vytvořené výnosové mapy je ve směru jízdy sklízecí mlátičky mezi 20 a 30 m. Při tvorbě výnosových map se předpokládá, že stroj pracuje na celou šířku záběru žacího válu sklízecí mlátičky. V praxi ale ani dobrý řidič není schopen tento předpoklad naplnit. Pozorování Stafforda a kol. (1997) ukázala, že ve skutečnosti je pracovní záběr asi o 500 mm kratší než záběr žacího válu stroje. To znamená při záběru žacího válu 5 m chybu v měření okamžitého výnosu kolem 10 %. Z tohoto důvodu namontovali Stafford a kol. (1997) na dělič sklízecí mlátičky Claas 112 dvě komerčně dostupná ultrazvuková čidla vzdálenosti. Princip práce obou čidel je založen na principu přijímání zvukového odrazu od překážky. Čidlo vyšle zvukový signál, ten se odrazí od překážky a čidlo odraz zachytí. Čas mezi vysláním a zachycením zvukového signálu je úměrný vzdálenosti překážky. 16

Měření nicméně ukázala, že použití čidel okamžité šířky záběru žacího válu zlepšuje přesnost tvorby výnosových map. Byla dokázána vhodnost ultrazvukových čidel i do drsných sklizňových podmínek. Přesnost údajů čidel je závislá především na tvaru okraje stojícího porostu. Polní měření ukázala, že bez těchto čidel lze očekávat chybu určování výnosu v důsledku nesprávného určení záběru žacího válu sklízecí mlátičky až do 10 %. Reitz a Kutzbach (1996) upozorňují, že ne všechno sklizené zrno se dostane do zásobníku sklízecí mlátičky. Ztráty zrna které vypadne na žacím válu a ze zlomených klasů nemohou být určeny žádnou známou měřící metodou. Naproti tomu lze určit poměr ztrát na vytřásadle a čistidle sklízecí mlátičky pomocí ztrátoměru. Z tohoto důvodu byla sklízecí mlátička ve zkouškách na univerzitě v Hohenheimu vybavena systémem měření podle Obr. 3. Tímto systémem byla měřena okamžitá poloha stroje, průchodnost zrna, objem zrna, vlhkost zrna, ztráty zrna, pojezdová rychlost, okamžitá šířka záběru žacího válu sklízecí mlátičky a úhel natočení řídící nápravy. Všechny tyto veličiny byly měřeny a ukládány v intervalu jedné sekundy. (1996). Obr. 3: Sklízecí mlátička s čidly použitá pro měření Reitzem a Kutzbachem 17

Lark a kol. (1997) uvádí, že všechny výnosové monitory bývají umístěny někde mezi spodní částí dopravníku zrna a zásobníkem zrna sklízecí mlátičky. Předpokládá se přitom, že množství zrna sklizené v určitém okamžiku na žacím válu sklízecí mlátičky odpovídá po určitém čase (nutném k průchodu zrna strojem k měřenému místu) množství zrna měřenému na výnosovém čidle. Jestliže je toto časové zpoždění známo, je známa pojezdová rychlost stroje a šířka záběru žacího válu, mohou být naměřené okamžité průchodnosti zrna přepočítány na výnos na místech, která jsou doplněna údaji o poloze z přijímače DGPS. Tato data v řádcích jsou základem pro tvorbu výnosových map. Ovšem čas, za který jednotlivá zrna dojdou k výnosovému monitoru se může od sebe lišit. Výsledkem potom je, že měření okamžité průchodnosti nemusí zcela korespondovat s výnosem na určitém místě, ale spíše s výnosem na určité dráze ujeté sklízecí mlátičkou. Protože není jednoduché modelovat všechny procesy, které mohou ovlivnit dobu, za kterou se konkrétní zrno dostane k měřícímu místu, předpokládá se, že pro danou plodinu, danou sklízecí mlátičku, její dané nastavení a v průměru konstantní pojezdovou rychlost je časová prodleva lineární funkcí. Tento předpoklad byl Larkem a kol. (1997) v podstatě potvrzen. Nicméně na základě všech zjištění je třeba upozornit, že od dat získaných výnosovým monitorem nelze očekávat, že jimi lze odhalit rozdíly ve výnosu na prostorových intervalech pod 15 m. Je rozumné předpokládat, že prostorové intervaly v rozmezí 20 až 25 m jsou z tohoto pohledu daleko realističtější. Thylén a Murphy (1996) upozorňují, že jestliže mají být data z mapování výnosů použita pro následné hnojení s přihlédnutím k ekologickým aspektům, je nutno zpřesňovat jednotlivá v daném okamžiku získávaná data a zajistit jejich interpolaci. Ve své práci se zabývají technikou, která chybná data dokáže okamžitě rozeznávat a následně vymazávat. Technika pro identifikaci těchto dat je v podstatě známa. Jejím základem je myšlenka, že když modelujeme zvyšování hmotnostního průtoku na začátku sklizně např. nového řádku, je možné pro každé sklizňové podmínky a nastavení mlátičky určit časový interval mezi počátkem sklizně a zjištěním průchodu zrna na výnosovém čidle. Rovněž je možno určit čas plnění, při kterém jsou po startu stále ještě získávána 18

chybná data v důsledku postupného plnění všech mechanismů sklízecí mlátičky (především čistidla a dopravníků). Tyto dva důležité časy nejsou stejné. Počátek průchodu zrna je zjištěn jakmile se k výnosovému monitoru dostane zrno, které prošlo strojem po nejkratší možné dráze. Naproti tomu druhý ze sledovaných časů, čas plnění, je delší. Je to doba od začátku sklizně, na jejímž konci dojde k zastavení kontinuálního krokového vzestupu průtoku zrna zjišťovaného na výnosovém čidle. Modelováním tohoto vzestupu průchodnosti zrna jsou oba tyto dva důležité časy jednoznačně určeny. Potom je možné odhalit a vymazat chybná data, která při tomto procesu vznikají. Následně je předpokládáno, že všechna data spojená s přerušením sklizně nebo změnami pojezdové rychlosti mohou být takto odstraněna. Některé používané systémy tvorby výnosových map velmi často vynechávají data do prvních 16 s po najetí stroje do řádku. Tím vynechávají velmi nízké hodnoty zjištěné na počátku sklizně řádku. Navíc některé softwary odstraňují hodnoty nižší a vyšší než ± 3σ (směrodatná odchylka) všech naměřených hodnot. Tato následná rozhodovací procedura může však odstranit také platné vyšší a nižší hodnoty, které však již nevyhovují tomuto rozpětí. Zmíněná data jsou ale důležitá, jestliže se mají místní rozdíly ve výnosu zjistit s co nejvyšší přesností. Navíc některá z chybných dat získaných mezi 16 a 40 s po nájezdu do řádku při spouštění žacího válu (většinou koncentrovaná na místech s vyšším výnosem) v systému stále zůstávají. Autoři v této studii ukazují, že je lepší použít okamžité kontroly získávaných dat založené na modelování křivky průchodnosti zrna na počátku sklizně k identifikaci chybných dat a ta následně okamžitě vyřadit za účelem zvýšení kvality získané výnosové mapy (co tak ukázka takové mapy?. Výhoda tohoto postupu spočívá v tom, že data určená jako chybná mohou být vymazána již při jejich načítání na základě známých sklizňových dějů a nikoliv až po sklizni na základě vlastně téměř libovolného úsudku programátora. 19

3.2.1.2 Chyby vzniklé dalšími nepřesnostmi při mapování výnosů obilovin Thylén a kol. (1997) určili další zdroje nepřesností při tvorbě výnosových map a lze je rozdělit do tří základních skupin. Nejdůležitější z nich jsou chyby závislé na fyzikálních vlastnostech sklízeného zrna a použitého výnosového monitoru. Při získávání výnosových dat zde může hrát roli množství faktorů, např. podle Stafforda a kol. (1996) při porovnání přesnosti práce čidel založených na principu měření objemu s čidly založenými na principu měření hmotnosti jsou čidla měřící hmotnost procházejícího zrna přesnější. Během sklizně kolísá jak objem tak vlhkost sklízeného zrna, což více ovlivňuje přesnost měření čidel objemových. Chyby vzniklé dalšími nepřesnostmi při mapování výnosů obilovin lze obecně rozdělit do následujících skupin: Chyby související s rozdílností jednotlivých sklízených pozemků. Podobně jako výnos také kvalita sklízeného zrna kolísá. Jestliže se výnos měří na základě zjišťování hmotnostní průchodnosti zrna, jsou výsledky ovlivňovány rovněž jeho okamžitou vlhkostí. Navíc výnosové monitory zpravidla měří průchodnost veškerého materiálu, nejenom zrna, tedy také úlomků slámy, semen plevelů a veškerých příměsí. Chyby závislé na obsluze stroje. Také kvalita obsluhy stroje má vliv na kvalitu výnosových dat. Rychlé změny pojezdové rychlosti během sklizně znamenají vytvoření nadhodnocených výnosových dat. Stejně tak změny okamžitého pracovního záběru žacího válu během sklizně mohou způsobit značné chyby. Navíc všechny mapovací systémy vyžadují kalibraci, aby bylo dosaženo korektních výnosových map. Chyby vznikající při tvorbě výnosových map. Aby bylo dosaženo vysoké přesnosti výnosových map musí být celá řada dat analyzována a filtrována. Chyby v určování polohy stroje mohou být zjišťovány vyhodnocováním GPS signálu. Rychlé změny pojezdové rychlosti jsou rovněž zdrojem zaznamenatelných změn výnosu. Z tohoto důvodu je nutno data získaná při prudké změně pracovní rychlosti vyřadit. Procedura filtrování dat podstatně zvyšuje kvalitu a přesnost výsledné výnosové mapy. Může také ovlivnit průměrný výnos na výsledné výnosové mapě. Při tvorbě výnosové mapy je obvykle prvním krokem určení velikosti základního mapovacího bodu. Plocha základního mapovacího bodu je dána záběrem sklízecí mlátičky, její pojezdovou rychlostí a délkou času mezi dvěma odečty polohy a výnosu. Šířka záběru moderní 20

sklízecí mlátičky je v našich podmínkách 6 až 9 m, pojezdová rychlost při sklizni obilovin bývá v průměru 2,2 m.s -1 (8 km.h -1 ) a výnosová data bývají odečítaná v intervalu 2 až 5 sekund. Ve většině případů bývá plocha základního mapovacího bodu v rozmezí 26 až 99 m 2. Přesnost výnosové mapy závisí na velikosti těchto bodů. Při určování jeho velikosti mohou pomoci geostatistické metody (Webster a Oliver, 1990). Také metoda určování těchto bodů může přesnost výsledné výnosové mapy ovlivnit (Sanaei a Yule, 1996). Porovnání chyb vznikajících změnami okamžitého pracovního záběru žacího válu. Thylén a kol. (1997) udělali pokus, při kterém zjišťovali tento vliv. Na základě výsledků jejich pokusů je možno říci, že odstranění chyb při začátku sklizně a chyb nedodržením pracovního záběru stroje je potenciální možností zvýšení přesnosti výnosových map. Navíc kontrola a filtrování dat může být lehce zajištěno vhodnými úpravami software pro tvorbu výnosových map. Arslan a Colvin (2002a) na základě literárních studií uvádějí jako hlavní zdroje chyb při mapování výnosů zrnin následující: neznámá okamžitá šířka záběru žacího válu stroje, čas průchodu zrna sklízecí mlátičkou, chyby při práci systému GPS, promíchávání zrna při průchodu sklízecí mlátičkou, ztráty zrna při práci sklízecí mlátičky a kalibrace čidla. Přesnost výnosové mapy závisí potom především na kalibraci výnosového čidla, změnách průchodnosti zrna, změnách profilu průchodnosti zrna, změnách vlhkosti a hustoty zrna a stupni vyhlazování údajů použitého pro tvorbu výnosové mapy. Je třeba mít stále na paměti, že jeden datový bod na výnosové mapě představuje vzorek promíchaného zrna z ujeté dráhy stroje 25 až 30 m. Kettle a Peterson (1998) zkoušeli funkci výnosových monitorů GreenStar na dvou sklízecích mlátičkách John Deere na kopcovitých pozemcích v severním Idahu. Zjistili, že přesnost výnosových monitorů je značně závislá na svažitosti sklízených pozemků a změnách okamžitého výnosu. Pozorovali, že výnosové monitory reagovaly na změny okamžité průchodnosti zrna spíše exponenciálně než lineárně a že je proto lepší použít vícenásobné kalibrace výnosových monitorů na rozdíl od doporučení výrobce, který doporučoval kalibraci při dvou různých průchodnostech. Pozorovaná chyba výnosového monitoru byla 20,3 %, když se průchodnost sklízeného zrna 21

pohybovala na 1/3 průchodnosti při kalibraci a asi 5,7 % když byl monitor testován při poloviční průchodnosti. Autoři také zjistili, že chyba výnosových monitorů při jízdě stroje do kopce o svahu 6 % byla až 18 % a při jízdě z kopce o svahu 9 % byla dokonce až 60 %. Arslan a Colvin (2002b) popisují experimenty, které hodnotí kvalitu práce výnosových monitorů a sklízecích mlátiček při různých změnách výnosu. Pro měření bylo použito nárazové výnosové čidlo a jako etalon byly použity váhy. Autoři simulovali změny výnosu pomocí sklizně různého počtu řádků kukuřice při stejné pojezdové rychlosti, dále testovali přesnost práce výnosového monitoru při sklizni různě dlouhých pruhů porostu a při změnách pojezdové rychlosti. Z výsledků měření vyvodili autoři následující závěry: 1) Průměrné výnosy na jednotlivých oddělených segmentech parcel byly statisticky významně odlišné na hladině významnosti 95 % pro délku segmentů 15, 30 a 60 m. Do jaké míry ovlivňuje výsledky různý stupeň rozdílnosti výnosu však nebylo možno zjistit. 2) Kratší sklízené segmenty zvyšovaly chybu měření výnosového monitoru. Rozdíly mezi sousedními segmenty se pohybovaly v rozmezí od 5 do 14 % pro 15 m dlouhé segmenty, od 5 do 13 % pro 30 m dlouhé segmenty, od 3 do 11 % pro 60 m dlouhé segment a od 2 do 11 % pro 300 m dlouhé segmenty. 3) Rozdílná pojezdová rychlost sklízecí mlátičky také měla vliv na přesnost údajů výnosového monitoru. Průměrná chyba byla při konstantní pojezdové rychlosti 8 km.h -1 3,4 % a při rychlosti měnící se od 8 do 11 km.h -1 byla tato chyba 5,2 %. 4) Výnosové monitory vykazovaly odpovídající přesnost pro určování výnosových trendů a následné rozhodování o dalším obdělávání pozemku. Průchodnosti menší než 1,5 kg.s -1 byly měřeny s chybou do 5 % a bylo zjištěno, že nižší průchodnosti lze měřit s větší přesností. 5) Body odečítání výnosu ukazovaly různé stupně výnosové hladiny. Nicméně se ukazovalo, že software použitý ke zpracování výnosových dat snižoval hladiny rozdílností zjištěné výnosovým monitorem. 6) Výnosový monitor pracuje přesněji po zodpovědném provedení kalibrace a při sklizni konstantní pojezdovou rychlostí. 22

Poměrně značná pozornost byla věnována také možnosti mapování okamžitého výnosu a následné tvorby výnosových map při sklizni píce sklízecí řezačkou. I zde je dnes známo a vyzkoušeno několik funkčních systémů. Podle Ehlerta a Schmidta (1995) může být dalšími doplňujícími snímanými údaji rychlost otáčení vkládacích válců řezačky, pojezdová rychlost a okamžitá poloha stroje snímaná v systému DGPS. Na základě těchto snímaných signálů je možno za použití GIS (Geographical Information System) vytvořit výnosovou mapu a provádět statistické analýzy. Z předchozího je patrné, že přesnost mapování výnosů je ovlivněna množstvím chyb, které vyplývají ze samotného určování okamžitého výnosu zrna. Jedná se o chyby závislé na určení polohy stroje (u DGPS chyba do 5 m), velikosti sklízeného pozemku (chyba až 25 %), nedodržování stejné šířky záběru stroje (chyba až 10 %), práce na svahu - na mírném svahu je chyba až 6 %, na prudším svahu je chyba do 20 %, kalibrace systému podle údajů výrobce (chyba do 12 %), pojezdové rychlosti (chyba do 5 %) a použití výnosového čidla, kde hmotnostní čidla jsou přesnější (chyba do 5 %) než objemová (chyba do 6 %). Nejpřesnější jsou čidla radiační, kde chyba dosahuje 2 %, ale jejich použití je povoleno jen v některých státech světa, v ČR povoleno není. Z těchto porovnání je zřejmé, že chyby způsobené určováním polohy stroje (DGPS) jsou v podstatě velmi malé oproti ostatním možným chybám určování okamžitého výnosu zrna. I když je systém mapování výnosů zatížený mnoha chybami, jedná se o celkem přesný systém, jestliže je intenzivně využíván u pozemků větší výměry. Data získaná z výnosového monitoru sklízecí mlátičky či jiných strojů lze dále upravovat vhodným zvolením statistických metod. 3.2.2 Metoda mapování na základě odběru vzorků Odběry půdních vzorků pro soustavné agrochemické zkoušení půd jsou prováděny od 60-tých let 20. stol.. V historii zásad pro odběry půdních vzorků se 23

měnila plocha pro odběr průměrného vzorku a také časové intervaly odběrů (Vaněk a kol., 2000). Odběry půdních vzorků byly prováděny za účelem získat střední hodnotu z odebraných vzorků určité části pozemku. Podle metodiky AZP (agrochemického zkoušení půd) se odebírá průměrný vzorek například z plochy 10 ha v řepařské a kukuřičné výrobní oblasti reprezentující celou tuto plochu. Počet vzorků reprezentující danou plochu byl určován pouze na základě běžné statistiky (30 vpichů) (Brodský, 2003). Přesné mapování půdních vlastností je rozhodujícím prvkem úspěšného precizního zemědělství (Sawyer, 1994; Rossel a McBratney, 1998). Množství odběrů půdních vzorků a typ interpolační metody pro přeměnu nespojitých dat ze vzorků na spojitou mapu patří mezi nejdůležitější komponenty přesného mapování (Kravchenko, 2003). James a Wells (1990) uvádějí, že půdní vzorkování by mělo být přizpůsobeno všem stupňům variability na pozemku. Určité znalosti o stavu pozemku jsou nutné pro určení způsobu vzorkování. Do prvotních údajů o stavu pozemku zahrnují: reliéf pozemku a případnou erozi na pozemku, množství aplikovaných hnojiv v dřívějších letech, způsob rozmístění hnojiva při aplikaci (celoplošně nebo řádkově), způsob zpracování půdy (ovlivnění promíchávání půdy). Brodský (2003) uvádí, že postup při mapování prostorové variability pomocí odběru půdních vzorků bodovým vzorkováním by měl zahrnovat tyto kroky: posouzení úrovně prostorové a časové variability sledovaných faktorů na pozemku na základě známých ukazatelů, návrh schématu vzorkování (hustota vzorkování a tvar rozmístění bodů), odběr půdních vzorků, přípravu a zpracování půdního vzorku, analýzu vzorku, vyhodnocení získaných dat, ověření přesnosti měření a vytvoření grafické mapy distribuce měřené vlastnosti. Wollenhaupt a kol. (1995) uvádějí, že pro zvolení vhodné strategie vzorkování je nutné uvážit: předpokládaný variační koeficient (CV) pro měřený faktor, základní informace o charakteristikách daného pozemku, předpokládaný počet specifických zón pozemku pro diferencované ošetření, proveditelnost různých schémat vzorkování, časovou vhodnost, pracovní náročnost a náklady na provedení. Sáňka (1996) uvádí, že extrémní komplexnost a variabilita půd 24