Typpilannoituksen ja kylvötiheyden vaikutus NDVI-arvoihin kevätvehnän viljelyssä

Abstract

Maailman väestönkasvu ja viljelykelpoisen maan väheneminen aiheuttaa painetta kasvinviljelyn tehostamiseen. Toisaalta lannoitteiden ja torjunta-aineiden käytön tarkentaminen satopotentiaalin mukaan on ympäristön kannalta perusteltua.

Radiometristä mittausta on pitkään käytetty kaukokartoituksessa, mutta se soveltuu myös pienemmän mittakaavan tutkimuksiin. Valon kahden eri aallonpituuden heijastuksen eroihin perustuva mittaus voisi olla keino hankkia ajantasaista tietoa kasvuston tilasta. Mittauksen perusteella viljelypanostukset voitaisiin kohdistaa siten, että niille saadaan mahdollisimman suuri satovaste.

Tämän työn tavoitteena oli tutkia, voiko kasvukauden aikaisella NDVI-mittauksella (Normalized Difference Vegetation Index) arvioida kasvuston spatiaalista vaihtelua ja sadon valkuaispitoisuutta. Kenttäkoe toteutettiin kaistakokeena Itä-Uudellamaalla kasvukaudella 2011. Viljelykasvina oli kevätvehnä (Triticum aestivum L. ’Amaretto’) ja koe koostui neljästä eri typpilannoituksesta ja kolmesta kylvötiheydestä. Kaistoilta mitattiin viikon välein NDVI-arvot traktoriin kiinnitetyllä mittalaitteella, yhteensä yhdeksän kertaa. Lisäksi määritettiin SPAD-arvot kerran kasvukauden aikana. Kasvukauden alku oli erittäin lämmin ja sadanta oli vähäistä. Sadetuksella varmistettiin, ettei kuivuusstressi aiheuta haittaa kokeen toteutukselle. Koealoilta puitiin kolme ruutua, joista määritettiin sadon määrä, valkuaispitoisuus, hehtolitrapaino ja tuhannen jyvän paino. Lannoituskoejäsenten NDVI-arvon ja jyväsadon välinen positiivinen korrelaatio nousi vehnäkasvuston kehityksen myötä ja oli korkeimmillaan lippulehtivaiheessa. Sadon laatuominaisuuksien ja NDVI-arvojen välillä ei havaittu korrelaatiota.

NDVI-mittausta voidaan mahdollisesti käyttää täsmäviljelyssä viljakasvuston spatiaalisen vaihtelun arviointiin kasvukauden aikana ja tämän perusteella lisälannoitus- ja kasvinsuojelutoimien kohdentamiseen.

Global population growth and the loss of arable land cause pressure for improving the effectiveness of crop cultivation. Meanwhile, from an environmental perspective, there are good grounds for determining the use of fertilizer and pesticides based on crop yield potential. While radiometric measurements have been used for long in remote sensing, the approach is also suitable for carrying out smaller-scale investigations. A measurement approach based on the differences in two light wavelength reflections could provide a means to acquire current data on the state of canopy development. The measurements could be used as the basis for allocating cultivation investments to enable optimal yield response.

The aim of this study was to examine whether Normalized Difference Vegetation Index (NDVI) measurements conducted during the growing season could be used to assess spatial variation in vegetation and protein content in the crop yield. The field test was implemented as a strip-plot test in Eastern Uusimaa, Finland, during the growing season 2011. The used cultivated plant was spring wheat (Triticum aestivum L. ‘Amaretto’) and the test comprised four nitrogen fertilizer and three seed density test plots. The NDVI values of the plots were measured once per week using a measurement device attached to a tractor. In total, the measurements were conducted nine times. SPAD values were also determined once during the growing season. The growing season was initially unseasonably warm with little precipitation. Spray irrigation was used to ensure that the test would not be impaired by stress caused by drought. Three square-shaped areas from the test plots were threshed, and their crop amount, protein content, standard mass and weight of one thousand kernels was determined. A positive correlation between the NDVI value of the fertilizer test plots and harvested grain increased as the wheat canopy grew and was highest during the flag leaf stage. There was no equally clear correlation between crop quality characteristics and the NDVI values.

NDVI has potential use in precision agriculture in assessing spatial variation in wheat canopy during the growing season, and targeting additional fertilizer and plant protection measures based on the obtained data.