8UJS7C4M

2744

20 novembre 2020 17:08

20 novembre 2020 17:08

Des informations sur les sols adéquates pour adapter les plans d’engrais et soutenir les ambitions de rendement des agriculteurs sont soit difficiles à obtenir, soit coûteuses, car elles nécessitent souvent un échantillonnage et des analyses de sol en laboratoire. AgroCares a développé deux services, à savoir le Scanner et le Lab-in-a-box, qui placent les connaissances des analystes du sol et des agronomes entre les mains de l'agriculteur de manière rapide, simple et abordable. L'image spectrale obtenue du sol fournie par le scanner est comparée aux données de la Global Soil Database; en utilisant des modèles de régression d'apprentissage automatique, le contenu de l'échantillon de sol est prédit en fonction de son spectre. Les résultats sont renvoyés à l'agriculteur sous forme de rapport sur l'état du sol. La base de données mondiale sur les sols est développée pays par pays et commence par déterminer le nombre et l'emplacement des échantillons nécessaires pour couvrir la gamme spectrale complète du pays spécifique en utilisant des données telles que le type de sol, l'utilisation des terres, la gestion des engrais et des résidus de culture, le développement des cultures satellites. images, climat et élévation. Ces échantillons sont ensuite collectés selon les protocoles et expédiés au Golden Standard Laboratory aux Pays-Bas où ils sont analysés à l'aide de techniques de chimie humide traditionnelles réglementées et scannés avec les capteurs du Lab-in-a-Box (Mid-Infrared et XRF) et le scanner (proche infrarouge). Les valeurs de référence obtenues dans le GSL et les spectres pour chaque échantillon obtenu à partir du scanner et du Lab-in-a-Box forment l'ensemble de données de vérification au sol requis pour les algorithmes d'apprentissage automatique. Une fois que toutes les données de sol ont été extraites de l'image spectrale, elles sont envoyées au module engrais, où les différents nutriments sont attribués aux catégories de fertilité du sol. Ces catégories sont utilisées pour établir les quantités en kg / ha de nutriments nécessaires pour atteindre le niveau souhaité de fertilité du sol. À l'aide des tableaux locaux d'absorption des nutriments par les cultures, les besoins totaux en nutriments sont calculés et convertis en recommandations d'engrais qui tiennent compte de facteurs tels que la perte de nutriments après l'application et l'engrais disponible. L'utilisateur reçoit ensuite un rapport complet de gestion du sol qui comprend les résultats de l'analyse du sol en classes de N, P, K, pH et matière organique avec le scanner, et en valeurs de tous les macro et micro-nutriments avec le Lab-in-a -boîte.

Adequate soil information to adapt fertilizer plans and support farmers’ yield ambitions is either hard to obtain or expensive, as it often requires soil sampling and analyses in a lab. AgroCares has developed two services, i.e., the Scanner and the Lab-in-a-box, that place the knowledge of soil analysts and agronomists in the hands of the farmer in a quick, easy and affordable way. The obtained spectral image of the soil provided by the scanner is compared to data in the Global Soil Database; using machine learning regression models, the content of the soil sample is predicted based on its spectrum. The results are returned to the farmer as a soil status report. The Global Soil Database is developed country by country and starts by determining the number and location of the samples required to cover the full spectral range of the specific country using data such as soil type, land use, fertilizer and crop residue management, satellite crop development images, climate and elevation. These samples are then collected following protocols and shipped to the Golden Standard Laboratory in the Netherlands where they are analyzed using regulated, traditional wet chemistry techniques and scanned with the sensors of the Lab-in-a-Box (Mid-Infrared and XRF) and the Scanner (Near-Infrared). The reference values obtained in the GSL and the spectra for each sample obtained from the Scanner and the Lab-in-a-Box form the ground truthing data set required for the machine learning algorithms. Once all the soil data have been extracted from the spectral image, they are sent to the fertilizer module, where the different nutrients are allocated to soil fertility categories. These categories are used to establish the quantities in kg/ha of nutrients needed to reach the desired level of soil fertility. Using local nutrient crop uptake tables, the total nutrient requirements are calculated and converted into fertilizer recommendations that consider factors like nutrient loss after application and available fertilizer. The user then receives a full soil management report that includes the soil analysis results in classes of N, P, K, pH and organic matter with the Scanner, and in values of all macro- and micro- nutrients with the Lab-in-a-box.

None

• AB - Utile à l'AB
• FREDO biologie et travail du sol
• FREDO fertilisation
• knowledge
• sociologie

• agrocares

Proceedings

30

88

2020

1 janvier 2020

10.3390/proceedings2019030088 Le DOI est une URL unique de référencement d'une publication. Il est donc plus fiable et permanent qu'une URL classique