Testet af Universidad de Córdoba.
En uafhængig, EU-støttet validering af SoilSense-jordfugtighedssensorer mod gravimetrisk reference, på to kontrastfyldte jordtyper — leret og sandet. Córdoba, Spanien. Marts 2026.
Inden for nominel nøjagtighed. På tung ler.
2,77%
RMSE — global model på Vertisol, efter fjernelse af outliers
Under producentens ±3% nominelle nøjagtighed. R² 0,91 mod den gravimetriske reference, seks ugers fordampning.
Bedste enkeltsensor:
- 1,69%
- MAE
- 1,70%
- RMSE
- 0,99
- R²
Otte potter. To jordtyper. Dataene bag tallene.
AgrifoodTEF er en af de europæiske Testing & Experimentation Facilities oprettet under EU's Digital Europe-program — etableret specifikt for at validere digitale teknologier og AI under virkelige landbrugsforhold. Den spanske node er hjemhørende på Universidad de Córdoba, en middelhavsagronomisk institution med lang tradition inden for jordfysik og vanding.
På UCO's forsøgsgård Rabanales i Córdoba blev otte potter forberedt. Fire indeholdt en calcisk Vertisol — tung ler (66% ler, 18% sand), den jordtype der revner, når den tørrer, og lukker sig igen, når den fugtes. Fire indeholdt en stagnisk Luvisol — grovkornet overjord (24% ler, 66% sand). Hver potte blev bragt til mætning og vejet gravimetrisk, mens den tørrede, samtidig med at en SoilSense-sensor i 12 cm dybde parallelt registrerede det volumetriske vandindhold. Fejlen blev målt med MAE, RMSE og lineær regression; outliers blev identificeret via robuste standardiserede residualer på det globale datasæt.
Vertisol — tung ler
Tre ud af fire sensorer inden for eller tæt på ±3%.
| Sensor | MAE (%) | RMSE (%) | R² |
|---|---|---|---|
| 1 Verle | 3.64 | 3.72 | 0.86 |
| 2 Verle | 2.64 | 2.88 | 0.83 |
| 1 Jasmin | 5.15 | 5.46 | 0.18 |
| 2 Jasmin | 1.69 | 1.70 | 0.99 |
Luvisol — sandet
Større variation på grovkornet jord.
| Sensor | MAE (%) | RMSE (%) | R² |
|---|---|---|---|
| 1 Verle | 5.61 | 5.72 | 0.75 |
| 2 Verle | 3.91 | 4.06 | 0.53 |
| 1 Jasmin | 4.33 | 4.40 | 0.75 |
| 2 Jasmin | 2.75 | 2.78 | 0.65 |
På grove jordtyper mere variation — og den ærlige grund.
Den globale Luvisol-model lå på RMSE 3,95% efter fjernelse af outliers, en anelse over den ±3% nominelle nøjagtighed. Mere sandede jordtyper holder på vandet ujævnt, og det lille pottevolumen forstærker det. Systemet følger tendensen trofast; hvis din bedrift bygger på kalibrerede absolutte tærskelværdier i grove jordtyper, så regn med en smule mere varians end på ler.
Citér dette arbejde
Universidad de Córdoba / AgrifoodTEF (2026). Validation Report: SoilSense — UCO. Service ID S00383. Córdoba, Spanien.
Vil du have SoilSense i din jord?
Book et gratis møde på 30 minutter. Vi dimensionerer systemet efter dine afgrøder og de jordtyper, du faktisk dyrker — og gennemgår, hvordan dashboardet hjælper dig med at beslutte, hvornår du skal vande.