# Kort for variabel udsåning (plantning) ## Oversigt Variable Rate Seeding (VRS) eller VR-såningskort er afgørende for at optimere såstrategier baseret på markspecifikke forhold. Effektiv opsætning af VRS-kort kan markant forbedre udbytte og ressourceeffektivitet. Denne guide gennemgår de vigtigste aspekter og muligheder for at lave effektive VRS-kort med GeoPards værktøjer til præcisionslandbrug. Læs mere om [Variabel såning i GeoPard Blog](https://geopard.tech/blog/variable-rate-seeding-how-does-it-work). ## Opsætningsmuligheder for VRS-kort Her er nogle anbefalede opsætninger til VRS-kort: ### **1. Markpotentiale baseret kun på billeder** * **Beskrivelse**: Brug historiske billeder til at lave Variable Rate Seeding (VRS)-kort baseret på [Markpotentialekort](https://geopard.tech/blog/field-potential-maps-yield-data/). GeoPards automatiske anbefalingssystem hjælper med at identificere repræsentative år. Da det er svært at forudsige næste sæsons vejr, kompenserer det for afvigende år (f.eks. ved at afbalancere for tørre og for våde år) for at give mere præcise anbefalinger. [GeoPards automatiske anbefaling af repræsentative år](https://geopard.tech/blog/r8yc32d9jc-multi-year-zones/).

GeoPard vælger automatisk billeder, men du kan også vælge andre billeder efter behov

Markpotentialezoner anvendt til VR-såning, automatisk oprettet på baggrund af billeder fra flere år

* **Bedst til:** Hurtige startscenarier, især når oplysninger om sædskifte er tilgængelige. Vælg år med samme afgrøde (f.eks. majsår til majs-såning). ### **2. Markpotentiale baseret på billeder, topografi og jordens lyshed** * **Beskrivelse:** Denne [flerlags tilgang](/geopard-tutorials/dnk/produkttur-webapp/zonkort-og-analyser/analyse-pa-flere-lag.md) kombinerer billeder, topografi og [jordens lyshed](https://geopard.tech/blog/how-the-soil-brightness-index-enables-sustainable-agriculture/). * **Opsætning:** Tildel negativ vægt til hældning (for at tage højde for erosionsrisiko) og til højere jordens lyshed (som indikerer mindre organisk materiale). ### **3. Markpotentiale baseret på udbytte, jordanalyse/scanning, billeder, topografi og jordens lyshed**

Et eksempel på et VR-såkort til soja baseret på udbyttedata

* **Beskrivelse:** Integrér flere datakilder for et samlet markpotentialekort. * **Trin:** 1. [**Rens og kalibrér udbyttedata**](/geopard-tutorials/dnk/agronomi/udbyttekalibrering-og-rensning.md): Sørg for, at historiske udbyttedata er korrekte. 2. **Generér** [**syntetiske udbyttkort**](/geopard-tutorials/dnk/agronomi/syntetisk-udbyttkort.md): Hvis udbyttedata mangler for tidligere sæsoner, kan du bruge GeoPard til at generere disse kort. Der kræves kun samlet eller gennemsnitligt udbytte, med omkring 90 % nøjagtighed. ### **4. Ligningsbaseret tilgang til såning**

Et eksempel på et VR-såkort til soja baseret på udbyttesæt

* **Beskrivelse:** [Brug tilpassede formler](https://geopard.tech/blog/equation-based-analytics-precision/) og alle tilgængelige datalag (f.eks. billeder, topografi, udbytte, jord). * **Fleksibilitet:** Giver mulighed for skræddersyede opsætninger baseret på specifikke agronomiske behov. * Også tilgængelig i [Batch Equation Analytics](/geopard-tutorials/dnk/produkttur-webapp/ligningsbaserede-analyser/batch-ligning-analyser.md) ## Tabel med anbefalinger til variabel såning Nedenfor er en omfattende tabel med såanbefalinger for forskellige afgrøder på tværs af flere lande. Populationsanbefalingerne er i frø pr. acre for USA og Canada og frø pr. hektar for andre lande.
AfgrødeLandPopulation (frø/acre)Population (frø/hektar)
MajsUSA28,000 - 34,000
Canada28,000 - 34,000
Ukraine65,000 - 75,000
Brasilien60,000 - 70,000
Australien70,000 - 85,000
Tyskland70,000 - 85,000
Frankrig70,000 - 85,000
HvedeUSA1,000,000 - 1,300,000
Canada1,000,000 - 1,300,000
Ukraine4,000,000 - 5,000,000
Brasilien3,500,000 - 4,500,000
Australien4,000,000 - 5,000,000
Tyskland4,000,000 - 5,000,000
Frankrig4,000,000 - 5,000,000
SojabønneUSA140,000 - 180,000
Canada140,000 - 180,000
Ukraine350,000 - 450,000
Brasilien300,000 - 400,000
Australien350,000 - 450,000
Tyskland350,000 - 450,000
Frankrig350,000 - 450,000
SolsikkeUSA15,000 - 22,000
Canada15,000 - 22,000
Ukraine55,000 - 65,000
Brasilien50,000 - 60,000
Australien50,000 - 60,000
Tyskland50,000 - 60,000
Frankrig50,000 - 60,000
Raps (canola)USA500,000 - 800,000
Canada500,000 - 800,000
Ukraine350,000 - 450,000
Brasilien2,200,000 - 3,500,000
Australien1,200,000 - 2,000,000
Tyskland1,200,000 - 2,000,000
Frankrig1,200,000 - 2,000,000
SukkerrørUSA8,000 - 12,000
CanadaIkke relevant
UkraineIkke relevant
Brasilien100,000 - 140,000
Australien100,000 - 140,000
TysklandIkke relevant
FrankrigIkke relevant
BygUSA1,000,000 - 1,300,000
Canada1,000,000 - 1,300,000
Ukraine4,000,000 - 5,000,000
Brasilien3,500,000 - 4,500,000
Australien2,500,000 - 3,200,000
Tyskland4,000,000 - 5,000,000
Frankrig4,000,000 - 5,000,000
RisUSA100,000 - 150,000
CanadaIkke relevant
UkraineIkke relevant
Brasilien400,000 - 600,000
Australien250,000 - 370,000
TysklandIkke relevant
FrankrigIkke relevant
BomuldUSA45,000 - 55,000
CanadaIkke relevant
UkraineIkke relevant
Brasilien100,000 - 120,000
Australien110,000 - 135,000
TysklandIkke relevant
FrankrigIkke relevant
SorghumUSA40,000 - 60,000
Canada40,000 - 60,000
Ukraine100,000 - 150,000
Brasilien90,000 - 120,000
Australien100,000 - 150,000
Tyskland100,000 - 150,000
Frankrig100,000 - 150,000
#### Kilder: Purdue University, University of Illinois Extension, [FAO](https://www.fao.org/), [Embrapa](https://www.embrapa.br/), Department of Agriculture and Fisheries, North Dakota State University, [Alberta Wheat Commission](https://www.albertawheat.com/), [Grains Research and Development Corporation](https://grdc.com.au/), [National Sunflower Association](https://www.sunflowernsa.com/), [Australian Oilseeds Federation](https://www.australianoilseeds.com/), [Canola Council of Canada](https://www.canolacouncil.org/), [USDA](https://www.usda.gov/), [Europa-Kommissionen - Landbrug og udvikling af landdistrikter](https://ec.europa.eu/agriculture/index_en) ### Analyse efter sæsonen Efter sæsonen, kør [statistisk og forsøgsanalyse](/geopard-tutorials/dnk/agronomi/analyse-af-markforsog.md) for at beregne udbytte og profitkort baseret på udbyttedata. Det hjælper med at optimere VRS-kortet til næste sæson. ### Flere brugsscenarier for præcisionslandbrug Se [GeoPard PrecisionAg-brugsscenarier PDF](https://docs.geopard.tech/geopard-tutorials#product-overview-and-use-cases) for visuelle eksempler og yderligere indsigt. ### Sådan kommer du i gang Ved at bruge GeoPards avancerede værktøjer og metoder kan du optimere såstrategier, forbedre afgrødeudbyttet og støtte et mere bæredygtigt landbrug. For at komme i gang skal du oprette en gratis konto på [app.geopard.tech](https://app.geopard.tech). *** Ved at integrere disse metoder hjælper GeoPard dig med at opnå effektive og produktive landbrugsmetoder gennem præcise såstrategier. --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.geopard.tech/geopard-tutorials/dnk/agronomi/kort-for-variabel-udsaning-plantning.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.