Sibula kasvu soodustamiseks kohaspetsiifiliste majandamistsoonide piiritlemine

FAO 2024. aasta põllukultuuride toitumisaruande kohaselt ületas rohelise sibula globaalne toodang 2024. aastal 105 miljonit tonni, kuid põllu tasandil jääb enamikus kommertsfarmides toitainete kasutamise efektiivsus alla 40% – see on lünk, mida kohapõhised haldustsoonid otseselt käsitlevad.

Rohelise sibula (Allium cepa L.) kasvukohapõhiste majandamistsoonide piiritlemine on kujunemas üheks täppisaianduses teostatavamaks strateegiaks, mis võimaldab kasvatajatel väetisekoguseid täpselt oma mulla ruumilise varieeruvusega sobitada. Geostatistilise analüüsi, klastrialgoritmide, GIS-kaardistamise ja põllukultuuripõhiste näitajate, näiteks NDVI ja SPAD väärtuste kombineerimise abil saavad põllumehed jagada ühe põllu eraldi töötlusüksusteks, millest igaüks saab täpselt vajaliku toitainete segu.

Miks rohelise sibula kasvatamine nõuab uut lähenemisviisi toitainete haldamisele

Roheline sibul (Allium cepa L.) on üks maailma majanduslikult olulisemaid köögiviljakultuure, mille ülemaailmne kaubandusväärtus oli Rahvusvahelise Kaubanduskeskuse andmetel 2025. aastal hinnanguliselt 14,8 miljardit USA dollarit. Lisaks oma kaubanduslikule kaalule on roheline sibul toidulaual põhitoitaine kogu Aasias, Lähis-Idas ja Ladina-Ameerikas, kus see annab miljonite inimeste toidule olulisi mikrotoitaineid ja bioaktiivseid ühendeid.

Selle lühike kasvutsükkel – tavaliselt 60–90 päeva istutamisest saagikoristuseni – muudab selle atraktiivseks intensiivsete kasvatussüsteemide jaoks, kuid sama kompaktsus ei jäta peaaegu mingit ruumi toitainete halvaks ajastamiseks või ruumilise väärkasutamise jaoks. Rohelise sibula tootmise peamine väljakutse on see, et ükski põld pole ühtlane.

Mulla orgaaniline aine, pH, kättesaadav lämmastik, drenaaživõime ja mikroobide aktiivsus on kõik põllu eri nurkades erinevad, mõnikord dramaatiliselt vaid mõne meetri piires. Kui põllumehed kasutavad väetist kogu põllule ühtlase kogusena – tavapärane lähenemisviis –, siis paratamatult väetavad nad mõnda tsooni üle ja teisi ala.

Tulemuseks on raisatud sisendkulud, keskkonnareostus liigse toitainete leostumise tõttu ja ebaühtlane saagi kvaliteet, mis ei vasta tänapäevaste eksporditurgude sortimisstandarditele. Siin tulebki mängu kohapõhiste haldusvööndite (SSMZ) piiritlemine kui murranguline lahendus.

See kontseptsioon pärineb laiemast täppispõllumajanduse valdkonnast ja see toimib nii, et põllul tuvastatakse alad, millel on sarnased mullaomadused ja saagi reageerimispotentsiaal, seejärel käsitletakse iga tsooni iseseisva haldusüksusena. Täpsemalt rohelise sibula puhul viib see lähenemisviis toitainete pakkumise vastavusse saagi ruumiliselt muutuva nõudlusega – ja selle taga olev teadus on nüüd piisavalt tugev praktiliseks rakendamiseks põllumajanduses.

Täppispõllumajanduse kohapõhiste haldustsoonide mõistmine

A kohapõhine haldustsoon (SSMZ) (põllu diskreetne alampiirkond, millel on suhteliselt homogeensed mullaomadused ja saagikasvatuspotentsiaal) on täppispõllumajanduse alusüksus. Loogika on lihtne: kui te ei saa hallata seda, mida te ei saa mõõta, ei saa te kindlasti parandada seda, mida te käsitlete ühtlasena, kui see seda ei ole.

SSMZ-id asendavad põllu tasemel homogeensuse eelduse tegelikest andmetest tuletatud ruumilise reaalsusega. Ruumiline varieeruvus – looduslikud ja inimtegevusest tingitud erinevused mulla ja keskkonna omadustes põllul – mõjutab peaaegu kõiki põllukultuuride tootlikkuse aspekte.

Tavapäraselt haritaval põllul saavad tihendatud, madala orgaanilise aine sisaldusega mullaga ala ja sügava, viljaka saviliivase mullaga ala samaväärselt väetist. Tihendatud ala võib ulatuda mürgise soolasisalduseni, samas kui viljakas ala jääb alatoidetuks. See ebakõla on nii tootlikkuse langus kui ka keskkonnarisk.

Köögiviljakasvatuse varieeruvust põldudel mõjutavad arvukad tegurid. Mulla tekstuur määrab veepeetusvõime ja toitainete säilitamise võime. Orgaaniline aine reguleerib lämmastiku mineralisatsiooni kiirust ja bioloogilist aktiivsust. Kõrgus ja kalle mõjutavad kuivendust, erosiooni ajalugu ja mikrokliimat.

Viljakuse ajalugu – varasemad kasutusmustrid, külvikorrad, erosioonijuhtumid – jätavad püsivad jäljed toitainete kättesaadavusele. Rohelise sibula puhul, mis on eriti tundlik lämmastiku-, kaaliumi- ja väävlisisalduse suhtes, kajastuvad need erinevused otseselt saagikuse ja kvaliteedi erinevustes, mis on koristamise ajal nähtavad.

SSMZ-de piiritlemine pakub köögiviljakasvatajatele konkreetset kasu. See vähendab väetiste kogukulu, suunates sisendid ainult vajalikesse kohtadesse. See parandab keskkonnanõuetele vastavust, minimeerides toitainete liikumist põllult väljapoole. See suurendab toodangu ühtlust, mis on supermarketite kvaliteedinõuete täitmiseks ülioluline. Ja see annab põllumeestele dokumenteeritud, kaardipõhise ülevaate oma põllu tootlikkuse potentsiaalist, mida saab hooajast hooajani täpsustada.

Mis teeb tsoonipõhise majandamise sibula bioloogia jaoks nii oluliseks?

Rohelise sibula toitainevajadus ei ole konstantne – see muutub oluliselt eri kasvufaasides, mistõttu on väetise paigutuse ruumiline täpsus veelgi olulisem. Varase vegetatiivse arengu perioodil (esimene kuni kolmas nädal) eelistab kultuur fosforit juurte pikenemiseks ja lämmastikku lehtede moodustumiseks.

Kiire sibulate ja lehtede laienemise faasis (neljas kuni seitsmes nädal) suureneb kaaliumivajadus järsult, et reguleerida turgorrõhku ja süsivesikute jaotust. Viimases küpsemisfaasis muutub väävel kriitiliseks tsüsteiinsulfoksiidühendite sünteesiks, mis annavad sibulale iseloomuliku teravuse ja säilivusaja.

Rohelise sibula juurestik on madal ja kiuline, ulatudes tavaliselt mitte sügavamale kui 30–40 sentimeetrit, kusjuures suurem osa aktiivsest omastamisest toimub mulla ülemises 15–20 sentimeetris. See tähendab, et saak sõltub täielikult mulla pealmise horisondi toitainete sisaldusest – see on ka kiht, mida ruumiline varieeruvus kõige enam mõjutab.

  • orgaaniline aine,
  • tihendamine ja
  • niisutusjaotus.

Väiksema veemahutavusega tsoonis leostuvad toitained sellest kriitilisest juurest kiiremini, mis tähendab, et sama väetiseannus annab oluliselt vähem kasu kui külgnevas, parema struktuuriga pinnases.

Roheline sibul on mulla soolsuse suhtes eriti tundlik. Elektrijuhtivuse (EC) väärtustel üle 1,2 dS/m (lävi, mis vastab ligikaudu 770 mg/l lahustunud sooladele) on kasv ja sibula areng mõõdetavalt pärsitud.

Muutliku niisutusajalooga põldudel või kus väetis on aastaaegade jooksul ebaühtlaselt kogunenud, võib elektrienergia kogus (EC) ühe hektari suurusel alal varieeruda vahemikus 0,6 kuni üle 2,0 dS/m. Ilma tsoonide piiritlemiseta surub üldväetiste kasutamine kõrge EC-ga tsoonid veelgi suurema stressi alla, jättes madala EC-ga tsoonid alatoidetuks.

Turustatava rohelise sibula kvaliteediparameetrid – sibula läbimõõt, lehe pikkus, klorofülli sisaldus, lahustuvate kuivainete koguhulk (TSS) ja teravusaste – sõltuvad kõik otseselt toitainete piisavusest ja ruumilisest täpsusest. Tasakaalustatud ja tsoonile sobivat toitainete voogu saavad põllukultuurid annavad järjepidevalt tihedama suurusklassi ja parema säilivusaja pärast koristust, mis parandab otseselt põllumajandustulu.

Tsoonide piiritlemise andmebaas

1. Pinnase omadused, mis määravad tsoonide piirid

Pinnaseproovide võtmine on iga SSMZ piiritlemise lähtepunkt. Proovivõtukava valik on äärmiselt oluline. Ruudustiku pinnase proovivõtt (proovide võtmine regulaarsete ruumiliste intervallidega, tavaliselt iga 0,5–1 hektari järel) genereerib usaldusväärse interpoleerimise jaoks vajaliku andmepunktide tiheduse. Iga proovi analüüsitakse mulla tekstuuri (liiv, savi, savifraktsioonid), orgaanilise aine sisalduse, pH, elektrijuhtivuse ja kättesaadavate makro- ja mikrotoitainete, sealhulgas

  • lämmastik (N),
  • fosfor (P),
  • kaalium (K),
  • väävel (S),
  • tsink (Zn) ja
  • raud (Fe).

Mulla orgaaniline aine on eriti oluline tsooni määratleva muutujana, kuna see ühendab mitu protsessi – veepeetuse, katioonivahetusvõime, lämmastiku mineralisatsiooni ja bioloogilise aktiivsuse – üheks mõõdetavaks indikaatoriks. Põldudel, kus orgaanilise aine sisaldus jääb vahemikku 0,8% kuni 2,5% kahehektarilisel alal, on lämmastiku kättesaadavus isegi identse väetamisrežiimi korral oluliselt erinev.

Samamoodi mõjutab mulla pH fosfori kättesaadavust viisil, mis vähendab oluliselt kasutatud fosforikoguste mõju: pH 5,5 juures võib alumiiniumi ja raua abil fosfori sidumine immobiliseerida kuni 80% kasutatud fosfaati, samas kui pH 6,5 juures saavutatakse sama annusega 70–80% taimede kättesaadavust. Rohelise sibula tootmisel tsoonide piiritlemiseks kasutatavad peamised mullaomadused on järgmised:

  • Pinnase tekstuur ja mahutihedus, mis määravad hüdraulilise juhtivuse ja juurte läbitungimiskindluse, mõjutades otseselt toitainete liikumist läbi profiili ja põllukultuuri füüsilist võimet pääseda ligi sügavamatele niiskusevarudele.
  • Mulla orgaanilise aine sisaldus, mis on loodusliku lämmastikuga varustatuse ja mikroobide aktiivsuse peamine liikumapanev jõud ning mida saab kulutõhusalt kaardistada nähtava-lähiinfrapuna (VNIR) mullaspektroskoopia abil kogu põllul.
  • Pinnase pH ja elektrijuhtivus (EC), mis kontrollivad kõigi peamiste ja vähemoluliste toitainete keemilist kättesaadavust ning mida saab reaalajas mõõta GPS-ühendusega mobiilsete anduritega, mida lohistatakse üle põllupinna.
  • Makrotoitainete (N, P, K, S) ja mikrotoitainete (Zn, Fe, Mn, B) sisaldus, mis esindavad iga tsooni vahetut toitumisalast lähtepunkti ja määravad enne istutamist vajaliku korrigeeriva muutmise määra.

2. Põllukultuuripõhised indikaatorid tsoonide piiride valideerimiseks

Mullaandmed üksi ei anna täielikku ülevaadet. Kasvuperioodil kogutud saagi reaktsiooni näitajad kinnitavad ja täpsustavad mullakaartidelt tuvastatud tsoonide piire. NDVI (Normalized Difference Vegetation Index, satelliidilt või droonidelt saadud rohelise biomassi ja fotosünteesi elujõulisuse mõõt) on SSMZ töös kõige laialdasemalt kasutatav põllukultuuride indikaator.

See kvantifitseerib, kui palju valgust põllukultuuri võra neelab lähiinfrapunakiirguse vahemikus võrreldes nähtava punase valgusega, andes väärtused vahemikus -1 kuni +1, samas kui hästi toidetud roheline sibul saab vegetatiivse kasvu tipphetkel tavaliselt 0,55–0,75.

SPAD-väärtused – käeshoitava klorofüllimõõturi (mullataimede analüüsi arendusmõõtur) näidud, mis hindavad lehtede klorofülli sisaldust mittepurustavalt – annavad otsese hinnangu lämmastiku toiteväärtuse kohta lehtede tasandil.

Ajakirjas Agronomy (2023) avaldatud uuring näitas, et rohelise sibula lehtede SPAD-väärtused alla 42 näitasid usaldusväärselt lämmastikupuudust, mis vajas korrigeerivat pealtväetamist, samas kui väärtused üle 55 viitasid liigsele tarbimisele ja potentsiaalsele lämmastiku koormusele pinnasesse. SPAD-i varieeruvuse kaardistamine põllul annab reaalajas lämmastiku staatuse kaardi, mis täiendab hooajaeelseid mulla nitraadiandmeid.

Taimede kõrgus, lehtede arv ja värske biomass pindalaühiku kohta on täiendavad põllukultuuripõhised näitajad, mida kogutakse tsooni representatiivsetes proovivõtupunktides. Need füüsikalised mõõtmised kinnitavad kaugseireandmetest ja mulla keemilisest koostisest tuletatud tsoonide klassifikatsioone, tagades, et lõplik tsoonikaart kajastab põllukultuuride tegelikku tootlikkust, mitte ainult prognoositud tootlikkust.

3. Keskkonna- ja topograafilised tegurid

GPS-toega mõõdistamise teel kogutud või digitaalsetest kõrgusmudelitest (DEM) saadud topograafilised andmed lisavad tsoonide piiritlemisele kriitilise füüsilise kihi. Tasasel väljal olevad kõrguserinevused, mis on vaid 0,5 meetrit, võivad tekitada olulisi erinevusi.

  • drenaaž,
  • külma õhu kogunemine ja
  • niisutusvee äravoolumustrid.

Kallaku asend mõjutab mulla temperatuuri ja aurustumist, samas kui nõgusad maastikupositsioonid akumuleerivad aja jooksul vett, orgaanilist ainet ja leostunud toitaineid, muutes need süstemaatiliselt viljakamaks kui kumerad seljandikupositsioonid. Mulla niiskuse varieeruvus, mida mõõdetakse ajadomeeni reflektomeetria (TDR) anduritega või hinnatakse termiliste infrapunapiltide põhjal, kajastab dünaamilist vee kättesaadavust eri tsoonides.

Kuna rohelise sibula juurte toitainete omastamine toimub peamiselt massivoo kaudu (toitained liiguvad juurteni mullavees lahustunult), siis krooniliselt madalama niiskusesisaldusega tsoonid annavad juurtele vähem toitaineid isegi siis, kui mullalahuse keemiline kontsentratsioon on identne niiskemate tsoonidega.

Moshia jt (Journal of Plant Nutrition, 2024) leidsid, et põllud, mis olid jagatud kolme SSMZ klassi mulla ökosüsteemi, orgaanilise aine ja NDVI kombineeritud andmete põhjal, saavutasid 31% vähendas kasutatud lämmastiku koguhulka võrreldes ühtlase määraga haldamisega, suurendades samal ajal turustatavat saagikust 18% kõrge potentsiaaliga tsoonis ja säilitades saagikuse pariteedi keskmises tsoonis.

Kasvatajad saavad lämmastikukulusid peaaegu kolmandiku võrra vähendada ilma saagikust ohverdamata, suunates üleväetatud tsoonide säästud õigesti doseeritud suure potentsiaaliga aladele.

Haldusvööndite piiritlemise meetodid

Ruudustikuproovide võtmise ja kaugseire abil kogutud toorandmed mulla ja põllukultuuride kohta tuleb teisendada tegutsemist võimaldavateks tsoonikaartideks. See teisendus järgib analüütiliste sammude loogilist järjestust, mis liigub toorandmetest sujuvate pidevate kaartideni ja diskreetsete majandamisklassideni.

1. Ruudustikuga pinnaseproovide võtmine Ruumilise tihedusega 1 proov 0,5–1 hektari kohta saadakse georeferentseeritud andmepunktid. Iga punkt kannab GPS-i koordinaate ja mõõdetud mullaomaduste laboriväärtusi.

2. Geostatistiline analüüs (ruumilise statistika meetodite perekond, mis modelleerib valimipunktide vahelist struktureeritud ruumilist sõltuvust) algab variogrammide modelleerimisega. Variogramm kvantifitseerib, kuidas mulla omaduste sarnasus väheneb kahe punkti vahelise kauguse suurenedes. Seejärel määratleb sobitatud variogrammimudel järgmises etapis kasutatavad interpolatsioonikaalud.

3. Kriging Kriging (optimaalne ruumiline interpolatsioonimeetod, mis kasutab variogrammi parameetreid väärtuste hindamiseks valimita asukohtades mõõdetava ennustusmääramatusega) teisendab punktandmed iga mullaomaduse pidevateks rasterkaartideks. Erinevalt lihtsamatest meetoditest, nagu pöördkauguse kaalumine, loob kriging ka ennustusvea kaardi, mis annab analüütikule teada, kus on vaja rohkem valimit võtta.

4. K-keskmiste klastrite moodustamine (järelevalveta masinõppe algoritm, mis grupeerib rasterrakud k klassi, minimeerides klastrisisest dispersiooni mitme sisendkihi vahel) rakendatakse seejärel kriged-meetodil töödeldud mullaomaduste kaartide virnale. Iga rasterrakk määratakse klastrile, mille tsentroidile see mitmemõõtmelises ruumis kõige lähemal asub, luues diskreetse tsoonikaardi kasutaja määratud tsoonide arvuga – praktilistel halduseesmärkidel tavaliselt kaks kuni viis.

5. GIS-tarkvara (Geograafiliste infosüsteemide platvormid nagu QGIS, ArcGIS või SAGA) toimivad integratsioonikeskkonnana, kus kriged-mullakaardid, satelliit-NDVI kihid, topograafilised andmed ja ajaloolised saagikuse kaardid kombineeritakse, analüüsitakse ja visualiseeritakse lõplike SSMZ-kaartidena, mis on valmis välitöödeks.

6. Tsooni valideerimine Selleks võrreldakse ennustatud tsooniklassi põllul vaadeldud põllukultuuride tootlusnäitajatega (SPAD, taime kõrgus, NDVI), mis on kogutud tsoonide piire ületavatelt representatiivsetelt transektidelt. Piire, mis ei vasta vaadeldavatele põllukultuuride üleminekutele, täpsustatakse klastrite arvu või üksikutele sisendkihtidele määratud kaalu kohandamise teel.

Iga haldustsooni spetsiifilised toitainete haldamise strateegiad

1. Muutuva normiga väetamine tsoonide kaupa

Muutuva normiga väetamine (VRF) (erinevatele põllutsoonidele erinevate väetisenormide lisamise praktika, mis põhineb ruumiliselt täpsetel mulla- ja põllukultuuriandmetel) on SSMZ piiritlemise otsene operatiivne väljund. Iga tsoon saab ettenähtud normi, mis arvutatakse selle praeguse mulla toitainete oleku ja põllukultuuri dokumenteeritud omastamisvajaduse erinevuse põhjal saagikuse eesmärgi ühiku kohta.

See agronoomiline põhimõte – mida mõnikord nimetatakse ka piisavuse lähenemisviisiks – väldib nii alavarustamist kui ka majanduslikult ja keskkonnale kahjulikku praktikat, kus kindlustusstiilis kasutatakse liigseid toitaineid.

Lämmastiku majandamine VRF-i tingimustes nõuab rohelise sibula puhul erilist hoolt, kuna põllukultuuri lämmastikuvajadus saavutab järsu haripunkti kiire lehtede pikenemise faasis ja lämmastiku kättesaadavus mullas on väga dünaamiline. Suurema orgaanilise aine sisaldusega tsoonid mineraliseerivad hooaja jooksul rohkem looduslikku lämmastikku, vähendades vajadust sünteetilise lämmastiku lisamise järele.

Scientia Horticulturae uuringus (2025) teatati, et rohelise sibula kasvatamiseks mõeldud põllul orgaanilise aine rikkamates tsoonides oli keskmiselt vaja 35 kg N/ha vähem sünteetilist lämmastikku kui identsetel maatükkidel madala orgaanilise aine sisaldusega tsoonides, et saavutada samaväärsed SPAD-i eesmärgid ja lõplikud lehtede lämmastiku kontsentratsioonid.

Fosfori ja kaaliumi kohandused tsoonide kaupa põhinevad mullaproovis tehtud fosfori ja kaaliumi tasemetel, mis on seotud alliumikultuuride jaoks kehtestatud piisavuse läviväärtustega – tavaliselt 25–40 mg fosforit/kg mulla kohta ja 150–200 mg kaaliumi/kg mulla kohta rohelise sibula optimaalse kasvu saavutamiseks.

Nendest künnistest kõrgemal asuvatele testitud tsoonidele manustatakse ainult säilitusdoose; allapoole jäävatele tsoonidele manustatakse korrigeerivaid preparaate, mis on kalibreeritud mulla puhverdusvõimele. Mikroelementide korrektsioonid, eriti tsingi puhul leeliselistes muldades, mille pH on üle 7,2, ja raua puhul lubjarikastes, kõrge vesinikkarbonaadi sisaldusega tingimustes, määratakse tsoonide kaupa DTPA-ga ekstraheeritavate mikroelementide mullakatsete põhjal.

2. Orgaanilised mullalisandid ja bioväetised tsoonide kaupa

Orgaanilised mullalisandid – kompost, laudasõnnik või olmebiomuld – on kõige efektiivsemalt suunatud madalaima orgaanilise aine sisaldusega ja nõrgima mullastruktuuriga aladele. Põhjendus on see, et orgaanilise aine lisamise kulude ja kasu suhe on kõrgeim degradeerunud ja madala süsinikusisaldusega muldades, samas kui juba orgaanilise aine rikkad alad saavad samast investeeringust üha vähem tulu.

Tsoonispetsiifiline kompostimise strateegia, mille puhul kasutatakse madalaima orgaanilise aine sisaldusega tsoonides 15–20 t/ha ja keskmise tihedusega tsoonides 5–8 t/ha, taastab tavaliselt põllul orgaanilise aine ühtluse kahe kuni kolme kasvuperioodi jooksul.

Bioväetisi – tooteid, mis sisaldavad fosfaate lahustuvaid baktereid (PSB) või lämmastikku siduvaid organisme, näiteks Azospirillum – saab kasutada erineva kogusega tsoonides, kus mulla bioloogiline aktiivsus on toitainete kättesaadavuse piiravaks teguriks, mitte toitainete kogusisaldus.

Madala mikroobse biomassi süsiniku sisaldusega tsoonides on mitmetes katsetes näidatud, et bioväetise kasutamine parandab fosfori omastamise efektiivsust 20–30% võrra ilma täiendava sünteetilise fosfori lisamiseta.

3. Väetamine ja veekasutuse efektiivsus tsoonide kaupa

Viljastamine (niisutusvees lahustatud väetiste samaaegne manustamine tilgutus- või vihmutisüsteemide kaudu) annab kasvatajatele toitainete kohaletoimetamisel suurima ruumilise täpsuse. Kui niisutussüsteem on projekteeritud tsoonispetsiifilise klapi juhtimisega – mis on tänapäevaste tilgutussüsteemide lihtne täiendus –, saab niisutusvees väetise kontsentratsiooni iga tsooni jaoks iga niisutuskorra ajal eraldi reguleerida.

See välistab ülekastmise, mis kontsentreerib soolad madala infiltratsiooniga tsoonidesse, ja alakastmise, mis jätab toitained liikumatuks kõrge läbilaskvusega tsoonides.

Al-Harbi jt (Põllumajandusliku veemajanduse haldamine, 2024) teatasid, et tsoonispetsiifilise väetamise abil kasvatatud roheline sibul saavutas 22% veekasutuse efektiivsuse paranemine ja a 19% sibulate saagikuse ühtluse suurenemine võrreldes ühtlase kiirusega tilkväetamisega põllul, millel on kaks erinevat SSMZ klassi.

Tsoonispetsiifiline väetamine loob liiteelise – see säästab samaaegselt vett, vähendab väetisekulusid ja parandab saaduste sorteerimist, kõik sama infrastruktuuriinvesteeringu abil.

Mõju rohelise sibula toitainesisaldusele tsoonide lõikes

SSMZ-põhise majandamise kõige vahetum mõõdetav kasu on põllukultuuri enda toitumisseisundi paranemine. Lehtede toitainete kontsentratsioon – mõõdetuna koeanalüüsiga kriitilises kasvufaasis ja väljendatuna kuivmassi protsendina N, P ja K puhul ning miljondikosades mikrotoitainete puhul – muutub põllul ühtlasemaks, kui tsoonid saavad kohandatud sisendid, mitte üldise koguse.

Täpne toitainete haldamine ei lisa parimatesse tsoonidesse rohkem väetist – see eemaldab jäätmed halvimini majandatud piirkondadest ja see erinevus on koht, kus nii kasum kui ka keskkonnakaitse saavutatakse.

Toitainete omastamise efektiivsus (NUpE, defineeritud kui põllukultuuri poolt omastatud toitainete koguhulk jagatud kasutatud toitainete koguhulgaga) suureneb tsoonipõhise majandamise korral lihtsal mehhanistlikul põhjusel: tsoonidesse, kus on juba piisav varu, lisatakse vähem toitaineid, vähendades efektiivsuse suhte nimetajat, säilitades samal ajal omastamise või parandades seda.

Ajakirjas Frontiers in Plant Science (2024) üle vaadatud uuringud leidsid, et Allium liikide lämmastiku NUpE suurenes ühtlase majandamise korral keskmiselt 42%-lt SSMZ-põhise muutuva määraga majandamise korral 6%-le – see kasv vähendab otseselt põhjavette leostumiseks kättesaadava nitraadikoormust.

Mõju rohelise sibula kasvuparameetritele

Tsoonispetsiifiline toitainete haldamine annab mõõdetavaid tulemusi taimede kõrguses, lehtede pindala indeksis ja biomassi akumuleerumises. Mehhanism on lihtne: kui iga tsoon saab oma pakkumise ja nõudluse vahega sobiva lämmastikuannuse, siis lämmastikku ei lahjendata luksusliku kasutamisega ega piirata puudujäägiga tsoonides ning põllukultuur eraldab süsinikku maapealsele kasvule, mitte aga nappide toitainete otsimisele juurte kompenseerimiseks.

Egiptuse Niiluse delta piirkonnas läbi viidud välikatsetes (avaldatud ajakirjas Journal of Horticultural Science and Biotechnology, 2023) näitasid kolme tsooniga SSMZ režiimi alusel majandatud rohelise sibula põllulapid statistiliselt olulist kasvunäitajate paranemist.

  • Taime kõrgus kõrge potentsiaaliga tsoonis suurenes 14.3% ühtlase majandamise korral registreeritud põllu keskmisest kõrgusest kõrgemal, mis on omistatud optimaalsele lämmastikuvarustusele kiire vegetatiivse kasvufaasi ajal.
  • Lehepinna indeks 45 päeva pärast ümberistutamist oli 18% kõrgem keskmise potentsiaaliga tsoonis tsoonispetsiifilise majandamise korral võrreldes sama tsooniga ühtlase majandamise korral, kuna korrigeeritud fosfori lisamine parandas juurte arengut ja vee omastamisvõimet.
  • Kogu maapealne värske biomass saagikoristuse ajal oli 12,7% suurem SSMZ-i hallataval põllul võrreldes tavapäraselt hallatava kontrollpõlluga, mida tingisid peamiselt parendused varem alaväetatud madala potentsiaaliga tsoonis.

Juurte arengu paranemist on raskem destruktiivselt suures mahus mõõta, kuid risotronuuringud näitavad, et tsoonile sobiv kaaliumisisaldus suurendab juurekarvade tihedust ja pikenemist, parandades juurte ja mullaosakeste vahelist füüsilist kontaktpinda, kus massivoolu toitainete kohaletoimetamine on kõige olulisem.

Mõju rohelise sibula saagikusele ja kvaliteedile

SSMZ-i majandamisest tulenev saagikuse paranemine rohelise sibula puhul tuleneb kahest erinevast teest. Esiteks, tsoonid, mis olid varem üleväetatud – tavaliselt kõrge orgaanilise aine sisaldusega, looduslikult viljakad laigud –, on kaitstud soolsusstressi ja toitainete toksilisuse eest, mis võib vähendada saagikust isegi loomupäraselt produktiivsetes muldades.

Teiseks, tsoonid, mis olid varem alaväetatud, saavad korrektiivseid väetisi, mis parandavad nende tulemusi geneetilise saagipotentsiaali suunas, tõstes põllu keskmist ilma täiendavate väetisekuludeta. Peamised kvaliteediparameetrid, mis tsoonipõhise majandamise käigus paranevad, räägivad kaubanduslikult olulise loo:

1. Pirni läbimõõt ja ühtlus paranevad, sest tsoonispetsiifiline kaaliumivarustus tagab sibulale ühtlase süsivesikute jaotumise kogu põllul, mitte ainult piirkondades, kus juhtus olema piisav natiivne kaaliumi kättesaadavus.

2. Klorofülli sisaldus saagikoristusel – mõõdetuna SPAD-i või destruktiivse ekstraheerimise teel ja väljendatuna mg klorofülli kohta värske kaalu grammi kohta – on SSMZ-s majandatavatel põllukultuuridel kõrgem ja ühtlasem, andes lehtedele sügavrohelise värvuse, mis pakub värskete taimede turgudel ja ekspordikettides kõrgemaid hindu.

3. Lahustuvate tahkete ainete kogusisaldus (TSS), mis on suhkru kogunemise ja maitse intensiivsuse otsene näitaja, suureneb 8 kuni 12% tsoonipõhiselt optimeeritud kaaliumi- ja väävlivarude haldamise all, selgub ajakirjas Journal of the Science of Food and Agriculture (2024) avaldatud andmetest.

4. Teravuse skoor — kvantifitseeritud püruviinhappe kontsentratsioonina (mmol/100 g värske kaalu kohta), mis on sibula teravuse intensiivsuse aktsepteeritud biokeemiline marker — reageerib otseselt piisavale väävlisisaldusele. On näidatud, et tsoonispetsiifiline väävli lisamine väävlivaestes tsoonides suurendab püruviinhappe sisaldust 15 kuni 22%, parandades nii maitseprofiili kui ka säilivusaja pikendamiseks vajalikke väävliühendeid.

Tsoonipõhise juhtimise ökokeskkonnamõjud

SSMZ kasutuselevõtu majanduslik põhjendus rohelise sibula tootmises tugineb täppissisendhalduse kulude-tulude struktuurile. Eelinvesteering hõlmab mullaproovide võtmist (tavaliselt 12–25 USA dollarit hektari kohta ruudustiku abil proovide võtmise korral), laborianalüüse, GIS-kaardistamistarkvara (avatud lähtekoodiga QGIS on saadaval tasuta) ja muutuva kogusega laotusseadmeid.

10-hektarise rohelise sibula kasvatamise äriettevõtte puhul jäävad kogukulud vahemikku 800–2500 USA dollarit, olenevalt proovivõtu tihedusest ja seadmete valikust. Selle investeeringu pealt võivad kasvatajad oodata mõõdetavat rahalist tulu. Väetise kokkuhoid, mis saavutatakse kõrge viljakusega piirkondades üleliigse kasutamise vältimisega, jääb tavaliselt vahemikku 15–251 TP3T väetise kogukulust.

Kõrgema kvaliteediga saagikuse paranemine – ekspordi- või supermarketite kvaliteedinõuetele vastava saagi osakaal – suureneb 10 võrra 20%-ni, mis tähendab kõrgeima kvaliteediga köögiviljaturgudel 20–35% hinnatõusu kilogrammi kohta. Kokku annavad need eelised kommertstootjatele ühe kasvuperioodi jooksul SSMZ-i investeeringutasuvuse 2,5–4,5 korda suuremaks kui sisseseade kulud.

Keskkonnamõjud on sama olulised. Nitraatide leostumine põhjavette, intensiivse köögiviljakasvatuse peamine keskkonnamõju, väheneb tsoonispetsiifilise lämmastikväetise haldamise korral 40–60% võrra võrreldes ühtlase pealisväetise kasutamisega, selgub ajakirjas European Journal of Agronomy (2024) avaldatud metaanalüüsist.

Fosfori äravool, mis põhjustab pinnaveekogude eutrofeerumist, väheneb proportsionaalselt, kuna kõrge viljakusega piirkondades välditakse fosfori ülekasutamist. Sünteetiliste väetiste kogukasutuse vähenemine vähendab ka tootmissüsteemi süsiniku jalajälge, kuna sünteetilise lämmastiku tootmine moodustab ligikaudu 1,5 kg CO2-ekvivalenti toodetud karbamiidi kilogrammi kohta.

Väljakutsed ja piirangud, millega kasvatajad peaksid arvestama

SSMZ piiritlemine ei ole ilma praktiliste takistusteta ning nende piirangute aus tunnistamine on realistliku lapsendamise planeerimise seisukohast hädavajalik.

i. Andmete kogumise kulud on väiketootjate jaoks peamine takistus. Usaldusväärse krigingu interpolatsiooni jaoks piisava tihedusega ruudustikuline mullaproovide võtmine nõuab väga varieeruvatel põldudel 15–30 proovi hektari kohta ning täieliku toitaineprofiili laboratoorne analüüs võib maksta 30–80 USA dollarit proovi kohta. 1-hektarise väiketootja maatüki puhul võib see üksik kuluartikkel ületada kogu sisendi eelarve.

ii. Tehniline ekspertiis Geostatistikas, GIS-tarkvara käitamises ja muutuva kiirusega seadmete kalibreerimises ei ole enamikus köögiviljakasvatuspiirkondades laialdaselt saadaval. Laiendusteenused hõlmavad harva ruumiandmete analüüsi ning SSMZ-pädevusega erasektori agronoomiakonsultandid küsivad lisatasusid, mis on kättesaadavad ainult suurematele ettevõtetele.

iii. Väikepõllumeeste kohaldatavus on struktuurilt piiratud proovitüki suurusega. Krigingu interpoleerimine nõuab usaldusväärsete kaartide genereerimiseks vähemalt 10–15 valimipunkti muutuja kohta, mis määrab praktiliseks alampiiriks umbes 2–3 hektarit kulutõhusa SSMZ-töö jaoks tavapärase mullaproovide võtmisega. Sellest lävest allpool on nähtavate väljade tsoonide kaupa suunatud liitproovivõtt pragmaatilisem alternatiiv.

iv. Mulla omaduste ajaline varieeruvus — eriti nitraatlämmastik, mis võib ühe kuu jooksul sademete hulgast ja temperatuurist olenevalt muutuda 50% või rohkem võrra — tähendab, et hooajaeelsetest proovivõtumeetoditest saadud tsoonikaardid ei pruugi täpselt kajastada tingimusi hooajasisese väetamise otsuste tegemise ajal. Saagi sensoritehnoloogiad (NDVI droonilennud, reaalajas SPAD-näidud) on vajalikud toitainete ettekirjutuste ajakohastamiseks hooaja jooksul.

Tulevikuperspektiivid: kuhu SSMZ teadus suundub

Järgmise põlvkonna SSMZ-teadus köögiviljakultuuride jaoks koondub kolmele tehnoloogilisele piirile, mis vähendavad oluliselt tsoonide piiritlemise kulusid ja suurendavad selle täpsust.

Droonipõhine multispektraalne ja hüperspektraalne pildistamine asendab aeganõudvat käsitsi mullaproovide võtmist kui peamist andmeallikat SSMZ kiireks piiritlemiseks. Ühe droonilennuga 30–50 meetri kõrgusel on võimalik jäädvustada võra peegeldusandmeid 5–10 cm ruumilise lahutusvõimega kogu talus vähem kui tunniga.

Kui droonipilte kalibreeritakse sihtotstarbeliste mullaproovidega representatiivsetes punktides, saavad need genereerida NDVI, punase serva klorofülli indeksi ja võra temperatuuri kaarte, mis tuvastavad tsoonide piirid täpsusega, mis on võrreldav tiheda ruudustikuga proovivõtmisega, ja seda murdosa kuludega.

Masinõppe algoritmid – eriti juhuslikud metsaklassifikaatorid ja närvivõrgud, mida on treenitud mulla omaduste, saagikuse ajaloo ja satelliidipiltide mitmeaastaste andmekogumite põhjal – muudavad tsoonide piiritlemise ühe hooaja hetktõmmisest dünaamiliseks ja ennustavaks süsteemiks.

Viie või enama aasta põlluandmete põhjal treenitud mudelid suudavad ennustada tsoonide piire eelseisvaks hooajaks enne uue mullaproovi võtmist, võimaldades retseptikaarte koostada nädalaid enne istutamist ja vähendades kasvatajatele hooaja algusega seotud ajakoormust.

Kliimasõbralik toitainete haldamine on SSMZ töö kontseptuaalne piir. Kuna hooajalised temperatuuri- ja sademete mustrid muutuvad vähem prognoositavaks, saab põllumajandussüsteemide põhifunktsiooniks tsoonipõhiste väetiste ettekirjutuste kohandamine reaalajas ilmaprognooside põhjal – näiteks lämmastiku kasutamise vähendamine veeseisu ohuga tsoonides enne tugevat vihmasadu või kaaliumi suurendamine kuumarabanduse all kannatavates tsoonides põuaperioodil.

Integratsioon pilvepõhiste otsustustugiplatvormidega, mis ühendavad ilmastikuandmeid, põllukultuuride mudeleid, mullaandurite näitu ja turuhinna signaale, on juba käimas Hollandi, Iisraeli ja Austraalia varastes põllumajandusettevõtetes.

Kokkuvõte

Rohelise sibula (Allium cepa L.) kohapõhiste majandamistsoonide piiritlemine ei ole enam uurimiskurioos – see on kaubanduslikult valideeritud strateegia toitainete seisundi, kasvu ühtluse ja toodangu kvaliteedi parandamiseks, vähendades samal ajal sisendkulusid ja keskkonnamõju. Üle vaadatud tõendusbaas näitab, et SSMZ-d, kui need on õigesti piiritletud, kasutades kombineeritud mullakeemiat, geostatistilist analüüsi, põllukultuuripõhiseid andureid ja GIS-i integratsiooni, ületavad järjepidevalt ühtlast majandamist näitajate osas, mis on kommertstootjatele kõige olulisemad: lämmastiku kasutamise efektiivsus, turustatav saak, sibulate sordi ühtlus ja koristusjärgne säilivusaeg. Rohelise sibula ettevõtteid nõustavatele agronoomidele ja põllukultuuride konsultantidele on praktilised soovitused selged. Alustage ruudustikulise mullaproovide võtmisega vähemalt ühe prooviga hektari kohta, seades prioriteediks pH, orgaanilise aine, ekvivalendi ja saadaoleva NPK kui peamised tsooni määravad muutujad.

Säästva põllumajanduse majandusliku mõju visualiseerimine GeoPardi abil täppispõllumajanduses

Bayerische Landesanstalt für Landwirtschafti (LfL) ja GeoPard Agriculture'i teadlased tegid koostööd, et uurida ribapõllukultuuride süsteemide majanduslikku külge säästva põllumajanduse jaoks. Nad jagasid oma tulemusi Hohenheimi ülikooli üritusel “Bioloogilise mitmekesisuse edendamine digitaalse põllumajanduse kaudu”, keskendudes keskkonnasõbralikele põllumajandustavadele ja nende finantsmõjudele.

Nende projekti “Tuleviku põllukultuuride kasvatamine” eesmärk oli uurida uusi põllumajandusviise, pöörates erilist tähelepanu ribakultuuridele. See tehnika hõlmab erinevate põllukultuuride kasvatamist ribadena samal põllul kõrvuti, mis võib vähendada kemikaalide vajadust ja suurendada bioloogilist mitmekesisust. Teadlased soovisid leida viise, kuidas muuta põllumajandus keskkonnasõbralikumaks, jäädes samal ajal põllumeestele kasumlikuks.

Olivia Spykmani ja Markus Gandorferi juhtimisel LfL-ist ning Victoria Sorokina'st GeoPardist sai see koostöö alguse EIT Food Accelerator programmi ajal. Kasutades oma teadmisi põllumajanduse, digitaalsete tööriistade ja andmeanalüüsi valdkonnas, asusid nad uurima säästva põllumajanduse majanduslikku külge.

Samal ajal kui Sünteetiliste sisendite vähendamise ja bioloogilise mitmekesisuse suurendamise teemadel leidsid nad, et ribapõllunduse ökoloogilist potentsiaali on hästi uuritud. Selle mehhaniseerimine ja tööjõumajanduslikkus, eriti autonoomsete seadmete puhul, vajavad aga edasist hindamist.

Nad leidsid, et põllumehed olid selle praktilisuse osas ebakindlad, eriti uue tehnoloogia puhul. Selle probleemi lahendamiseks vestlesid nad põllumeestega ribapõllukultuuride vaheltkülvi laboris, et mõista nende muresid ja paremini suhelda.

Lisaks võivad maastiku muutused tekitada põllumeestes kõhklusi, seega on oluline anda eelnevalt selget teavet. Seetõttu saavad digitaalsed tööriistad, näiteks visualiseeringud, hõlbustada põllumeeste ja nende kogukondade vahelist suhtlust, soodustades ökoloogiliselt kasulike maastikumuutuste aktsepteerimist ja tunnustamist.

Näiteks Uus-Meremaal kasutasid põllumehed metsastamiseks sobivate alade visualiseerimiseks virtuaalreaalsuse (VR) prille, mis aidates kaasa põllumajanduslikule planeerimisele, illustreerides mõju põllumajandusettevõtte kasumlikkusele, maastiku esteetikale ja maapiirkondade kogukondadele. Sellised visualiseeringud võivad suurendada põllumeeste arusaamist ja huvi maastiku muutuste vastu, kuigi edukas rakendamine sõltub ka põllumeeste enesekindlusest.

Samamoodi kasutati käesolevas uuringus pilvepõhist programmi GeoPard, et analüüsida ribapõhist vahelduskultuuride tootmissüsteemi mitmest vaatenurgast. GeoPardi võrrandid parameetriseeriti Future Crop Farming projekti empiiriliste andmetega. Esialgsed tulemused hõlmavad herbitsiidide ja lämmastiku sisendi ning saagikuse visualiseeringuid, kusjuures kavandatud on keerukamad arvutused.

Herbitsiidide pealekandmise kaardi kuvamine

Lisaks integreeris süsteem mitmesuguseid andmeallikaid, sealhulgas:

  • Saagikuse ja rakendatud sisendi andmekogumid
  • Põllukultuuride ja taimekaitsevahendite hinnainfo (kasutaja esitatud)
  • Satelliidipildid (Sentinel-2, Landsat, Planet)
  • Topograafilised andmed
  • GeoPardis saadaolevate ajalooliste andmete tsoonikaardid

Samal ajal hõlmasid peamised kasutatud tehnikad ruumianalüüsi ja ruumiandmete tõhusat käsitlemist NumPy raamistiku abil. Andmed pärinesid .xlsx ja .shp failidest. Kujundusfailil puudusid aga üksikute ribade kohta täpsed andmed, mis tingis erinevate andmevormingute integreerimise vajaduse.

GeoPard hõlbustas andmete ruumilist korraldamist, et siduda ribapõhised detailid nende vastavate asukohtadega põllul. Seega moodustas ribasid kuvav integreeritud andmestik GeoPardis kirjeldava katseanalüüsi aluse.

Kuigi uuringus ei uuritud sisendite muutuva määraga rakendamist, võimaldas GeoPardi kõrge eraldusvõimega kaardistamine (piksli suurus: 3 × 3 meetrit) detailset visualiseerimist pikslitasandil, lisades keerukust. See detailne kaardistamine on väärtuslik tulevaste rakenduste jaoks, näiteks mitme kihi kombineerimiseks või ruumiliselt muutuvama teabe, näiteks saagiprofiilide integreerimiseks, mis põhinevad uurimisprojekti käigus maatükkide kombainide poolt kogutud väikesemahulistel saagiandmetel.

Saagikuse kaart täisvaates ja suumitud pikslitaseme detailide kuvamiseks

Teadlased on avastanud ka, et kuigi GeoPard on peamiselt täitnud kirjeldavaid funktsioone, on sellel potentsiaali keerukamate visualiseeringute jaoks. Näiteks alamkultuuride saagikuse andmete ja hinnainfo lisamine võib aidata luua kasumikaarte, mis näitavad külgnevate põllukultuuride ribade vahelisi servaefekte.

Lisaks võiks töömajanduslike andmete integreerimine paljastada mastaabisäästu vähendamise mõju bioloogilise mitmekesisuse edendamisele. Sellised andmed võivad aidata stsenaariumide modelleerimist, võimaldades uurida erinevaid külvikordi, ribalaiusi ja mehhaniseerimistüüpe, keskendudes põlluspetsiifilistele tulemustele, et parandada põllumajanduslikku juhtimist ja otsuste tegemist.

Seega võiks süsteem toimida digitaalse kaksikuna, edastades reaalajas andmeid põllumasinatelt ja anduritelt GeoPardi, mis on juba saavutatav mõnede kommertstehnoloogiate ja satelliidiandmetega. Põllumeeste mure tehnoloogia ühilduvuse pärast rõhutab aga vajadust integreerida täiendavaid andmeallikaid laiema rakendatavuse tagamiseks.

Haldusvööndite kaardid ja maisikasvatajad: kui olulised need on?

Mitmeaastase analüüsi käigus on teadlased testinud, kas mullatingimustel, topograafial või muudel maastikuomadustel põhinevad haldustsoonide kaardid suudavad usaldusväärselt ennustada, millised maisipõllu osad saavad külvinormide või lämmastiku lisamise suurendamisest kõige rohkem kasu.

Uuring näitas, et vastupidiselt levinud oletustele on põllukultuuride reaktsioonid samadele sisenditele aastati väga erinevad. Kõige ettearvamatum tegur – ilm – näis avaldavat suurimat mõju sellele, kuidas põllukultuurid nendele sisenditele reageerisid. Põllumehed saavad aga siiski astuda samme, et ilmastiku mõju oma põllukultuuridele hallata.

Juhtimistsoonide kaardistamine tekkis digitaalse põllumajanduse vastu suurenenud huvi tõttu – uute andmete kogumise ja analüüsi tehnoloogiate kasutamine saagikust mõjutavate tegurite koosmõju paremaks mõistmiseks, selgitas Illinoisi Ülikooli Urbana-Champaigni põllukultuuride professor Nicolas Martin, kes viis analüüsi läbi koos endise järeldoktor Carlos Agustin Alessoga.

Need meetodid hõlmavad põllul asuvate andurite, satelliidiandmete ja muude digitaalsete tööriistade kasutamist, et jälgida, kuidas põllukultuurid reageerivad kohalikele oludele, väetistele, külvisunormidele ja muudele sisenditele. Martin lisas, et eesmärk on minimeerida raiskavaid või hävitavaid tavasid ning maksimeerida saagikust.

Hiljutises uuringus kasutati haldustsoonide kaartide prognooside valideerimiseks ainulaadset meetodit.

“Kasutasime oma põllumajandusmasinaid printerina, luues sisendandmetest erinevat värvi teki sarnase lapiteki,” selgitas Martin. “Viime oma katse läbi mitmes kohas, kasutades täiesti juhuslikku disaini.”

Teadlased viisid oma uuringu läbi seitsmel tüüpilisel niisutamata maisikasvatusalal Illinoisis. Iga ala jagati arvukateks proovitükkideks. Igale proovitükile määrati juhuslikult erinevad maisi külvi- ja lämmastikusisalduse määrad.

Lisaks mõõtsid teadlased igale alale omast mulla koostist, topograafiat ja muid maastikuomadusi. Nad standardiseerisid kõik muutujad peale põldude ilmastikutingimuste. See uuring viidi läbi aastatel 2016–2021.

Teadlased hindasid iga maatüki saagikust saagikoristuse ajal mitme aasta jooksul. See aitas neil kindlaks teha, millised maatükid reageerisid igal aastal erinevatele sisenditele kõige paremini. Nad kasutasid täiustatud juhusliku metsa algoritmi, et teha kindlaks, millised tegurid – näiteks ilmastikutingimused, mulla omadused või kalle – ennustasid kõige täpsemalt, kas lämmastiku kasutamise suurendamine või suurema külvinormi kasutamine suurendab saagikust.

Martin selgitas, et ilmastikumuutujad on peamised tegurid, mis mõjutavad lämmastiku või külvinormide ruumilisi mustreid, ning maastiku ja mulla omadused järgnevad neile tihedalt. Lisaks märkis ta, et need reaktsioonid varieeruvad ilmastikumõjude tõttu igal aastal, mille tulemuseks on ebajärjekindlus, vähemalt meie uuritud põldudel.

“See tähendab, et maatükk, mis ühel aastal reageerib kõrgemale lämmastikunormile hästi, ei pruugi järgmisel korral maisi külvamisel sama hästi reageerida,” ütles ta. “See muudab haldusvööndi kaardistamise kontseptsiooni ebausaldusväärseks ennustajaks saagi reaktsioonide kohta sisenditele.”

“Usume, et need leiud võivad osaliselt selgitada, miks põllumehed pole täppispõllumajanduse tehnoloogiaid ühtlaselt omaks võtnud,” ütles Martin.

Teadlased usuvad, et rohkemate andmete kogumine mitme aasta jooksul ja paremate tööriistade kasutamine kohapealseks analüüsiks võiks parandada haldustsoonide kaardistamise täpsust.

Seda uuringut toetasid USA Põllumajandusministeeriumi loodusvarade kaitse teenistus ja Riiklik Toidu- ja Põllumajandusinstituut.

Täppispõllumajanduse haldusvööndid saagikuse optimeerimiseks

Täppispõllumajandus on põllumajandusviis, mis kasutab tehnoloogiat sisendite kasutamise optimeerimiseks. Sisendite õige koguse, aja ja koha rakendamine võib parandada saagikust, kvaliteeti, kasumlikkust ja jätkusuutlikkust. Ja üks täppispõllumajanduse põhimõisteid on haldustsoonid.

Mis on haldustsoonid ja miks neid kasutatakse?

Haldusvöönd on põllu alampiirkond, millel on sarnased omadused ja mis reageerib sisenditele sarnaselt. Need võivad põhineda sellistel teguritel nagu mullatüüp, tekstuur, orgaaniline aine, elektrijuhtivus, kõrgus merepinnast, kalle, saagi tervis, saagikuse ajalugu ja palju muud.

Haldusvööndeid kasutatakse põllu jagamiseks väiksemateks üksusteks, mida saab vastavalt nende vajadustele ja potentsiaalile erinevalt majandada. Näiteks võib põllul olla erineva mullatekstuuriga alasid, näiteks savi, liivsavi ja liiv.

Nendel aladel võib olla erinev veepeetusvõime, toitainete kättesaadavus ja drenaaž. Sama koguse vee või väetise kasutamine kogu põllul võib mõnes piirkonnas põhjustada üleniisutamist või alaväetamist ja teistes vastupidi.

See võib viia ressursside raiskamiseni, saagikuse vähenemiseni ja keskkonnaprobleemideni. Mulla tekstuuril põhinevate MZ-de loomisega saab põllumees iga tsooni niisutus- ja väetamismäärasid kohandada vastavalt mullatingimustele ja põllukultuuride vajadustele. See võib suurendada veekasutuse efektiivsust, toitainete kasutamise efektiivsust ja saagikust.

Täppispõllumajanduse haldusvööndite piiritlemine

Haldusvööndite piiritlemine Pennsylvanias on protsess, mille käigus luuakse põllul erinevad tsoonid, mis põhinevad sellel alal sarnastel omadustel. Need tsoonid aitavad põllumeestel otsustada, kuidas vett, väetisi ja pestitsiide tõhusamalt kasutada.

Mis on haldustsoonid ja miks neid kasutatakse?

Selleks koguvad põllumehed andmeid mulla, maa kuju või selle kohta, kui hästi põllukultuurid eri kohtades kasvavad. Seejärel kasutavad nad arvutiprogramme sarnaste alade rühmitamiseks. Näiteks sarnase mullaga kohad või kohad, kus põllukultuurid alati hästi kasvavad, saavad omaette tsoonideks.

Kui need tsoonid on loodud, saavad põllumehed ressursside kasutamise osas targemaid olla. Nad võivad anda rohkem vett tsoonidele, mis seda vajavad, või kasutada vähem kemikaale kohtades, mis seda nii palju ei vaja. See aitab säästa raha, kaitsta keskkonda ja kasvatada paremaid põllukultuure.

PA-s MZ-de piiritlemiseks on erinevaid meetodeid ja tööriistu, kuid üks levinumaid ja soovitatavamaid on klasteranalüüs. Klasteranalüüs on andmekaeve tehnika, mis rühmitab andmepunktid klastritesse nende sarnasuse või erinevuse põhjal.

Klasteranalüüsi saab rakendada ruumiandmetele, näiteks mullaproovidele, saagikaartidele või satelliidipiltidele, et tuvastada põllul homogeenseid alasid. See hõlmab järgmisi põhietappe:

  • Andmete kogumine: Koguge põllu kohta andmeid, näiteks mullainfot, saagikuse andmeid ja muud.
  • Andmete analüüs: Kasutage andmete uurimiseks tehnoloogiat (näiteks GIS-i), leides valdkonnas mustreid ja erinevusi.
  • Klasterdamine: Grupeeri sarnased alad andmete põhjal. Näiteks sarnaste mullatüüpidega alad moodustavad tsoonid.
  • Piiri määratlusRessursside segunemise vältimiseks määrake nende tsoonide vahele selged piirid.
  • Tsooni iseloomustusIga tsooni kirjeldatakse selle ainulaadsete omaduste, näiteks mullatüübi või toitainete taseme järgi.
  • Andmete integreerimineKombineeri andmeid erinevatest allikatest, näiteks mullauuringutest ja satelliidipiltidest, et muuta tsoonid veelgi täpsemaks.

Kuidas haldustsoone luuakse?

Täppispõllumajanduses on haldustsoonide loomiseks erinevaid meetodeid. Mõned levinumad meetodid on:

  • Kasutades olemasolevaid mullakaarte või -uuringuid, mis annavad teavet mulla omaduste ja piiride kohta.
  • Pinnaseandurite või -sondide kasutamine, mis mõõdavad pinnase parameetreid, nagu elektrijuhtivus, niiskus, pH ja palju muud.
  • Kaugseire või õhust piltide kasutamine, mis jäädvustavad põllukultuuride tervise näitajaid, nagu taimestiku indeksid, biomass, klorofülli sisaldus ja palju muud.
  • Saagikuse monitoride või kaartide kasutamine, mis salvestavad saagikuse ja kvaliteedi andmeid mitme aasta jooksul.
  • Andmeanalüüsi või modelleerimisvahendite kasutamine, mis integreerivad mitut andmeallikat ja rakendavad statistilisi või ruumilisi meetodeid mustrite ja klastrite tuvastamiseks.

1. Mullakaardid või -uuringud

Täppispõllumajanduses luuakse täppispõllumajanduse süsteemid olemasolevate mullakaartide või -uuringute abil, mis annavad olulist teavet mulla omaduste ja piiride kohta.

Täppispõllumajanduses haldusvööndite loomise meetodid.

Kasutatakse kahte peamist mullaproovide võtmise meetodit: ruudustiku abil proovide võtmisel põllu jagamine ruutudeks ja tsonaalproovide võtmine, sarnaste mullaomadustega alade rühmitamine. Ruudustiku abil saab küll üksikasjalikku teavet põllu varieeruvuse kohta, kuid proovide arvu suurenemise tõttu on sellega seotud suuremad kulud.

Tsooniproovide võtmise efektiivsus sõltub meetodist ja suurusest. Nende andmete integreerimise abil proovivõtumeetoditega optimeerib täppispõllumajandus ressursside jaotust tsoonide konkreetsetele mullatingimustele, edendades jätkusuutlikkust ja saagi tootlikkust.

2. Pinnase elektrijuhtivus

Täppispõllumajanduses mõõdavad mullasensorid ja -sondid olulisi mullaparameetreid, nagu elektrijuhtivus (EC), niiskus ja pH. Mulla EC, väljendatuna mS/m, mõõdab mulla elektrijuhtivust.

Saates kontrollitud voolusid pinnasesse ja geomärgistades mõõtmistulemused GPS-koordinaatidega, aitavad need tööriistad kvantifitseerida mulla tekstuuri kõikumisi ja saagipotentsiaali. Need annavad teavet toitainete haldamise, külvinormide, külvisügavuste ja niisutusgraafikute kohta.

Mulla EK andmed pakuvad ka kiiret ja kulutõhusat teavet mulla omaduste, näiteks tekstuuri, katioonivahetusvõime (CEC), drenaaži, orgaanilise aine ja soolsuse kohta, võimaldades luua täpseid MZ-sid optimeeritud põllumajandustavade jaoks.

3. Kaugseire või õhust tehtud pildid

Täppispõllumajanduses haldusvööndite loomine hõlmab kaugseire või õhust piltide kasutamist oluliste põllukultuuride tervise näitajate, näiteks taimestiku indeksite, biomassi, klorofülli sisalduse ja muu jäädvustamiseks.

Kuidas MZ-sid kasutatakse ja nende eelised

See saavutatakse lennukite või droonide abil, mis on varustatud pilditehnoloogiaga, mis suudab genereerida kõrgresolutsiooniga pilte. Keerukate pildianalüüsi tehnikate abil töödeldakse neid pilte, et piiritleda tsoonid väljal.

4. Saagikuse monitorid

Täppispõllumajanduses luuakse tsoonid saagimonitoride ja kaartide abil, mis koguvad olulisi saagikuse ja kvaliteedi andmeid mitme aasta jooksul.

See protsess, mida nimetatakse saagikaardistamiseks, hõlmab kombainide reaalajas jälgimist, teabe kogumist saagi massi, niiskustaseme ja kaetud ala kohta.

Seejärel kasutatakse neid andmeid põhjalike saagikaartide loomiseks, mis aitavad kaasa täpsemate ja tõhusamate põllumajandustavade väljatöötamisele.

5. Andmeanalüüsi või modelleerimise tööriistad

Täppispõllumajanduses loome täppispõllumajanduse valdkondi hoolikalt, kasutades täiustatud tööriistu, mis analüüsivad andmeid. Need tööriistad koondavad palju erinevat teavet ja aitavad meil näha põllumajanduses mustreid. Nad kasutavad matemaatikat ja kaarte, et leida, millele peaksime oma tähelepanu suunama. See aitab põllumeestel teha arukaid valikuid ressursside, näiteks vee ja väetise, kasutamise kohta. See muudab põllumajanduse paremaks ja aitab põllukultuuridel hästi kasvada.

Meetodi valik sõltub aga andmete kättesaadavusest, muudetava sisendi tüübist, põllu suurusest, tehnoloogia maksumusest ja põllumehe eelistustest. Eesmärk on luua tsoonid, mis on sisukad, järjepidevad ja praktilised.

Kuidas MZ-sid kasutatakse? Eelised

Kui tsoonid on loodud, saab neid kasutada muutuva normiga pealekandmise (VRA) juhtimiseks selliste sisendite nagu seemned, väetised, vesi ja pestitsiidid puhul. VRA on tehnika, mis võimaldab muuta sisendite pealekandmise määra põllul vastavalt haldustsooni teabele.

VRA rakendamiseks vajab põllumees:

  • Muutuva normi regulaator, mis saab reguleerida pealekandmisnormi vastavalt retseptikaardile või anduri tagasisidele.
  • Globaalne positsioneerimissüsteem (GPS), mis suudab määrata aplikaatori asukoha põllul.
  • Geograafiline infosüsteem (GIS), mis suudab salvestada, kuvada ja analüüsida ruumiandmeid, näiteks maa-alasid ja retseptikaarte.

MZ-del põhineva VRA kasutamine aitab põllumehel:

  • Kasutage sisendeid seal, kus need on kõige tõhusamad, ja vältige üle- või alalaotamist.
  • Parandada viljakuse või veepuuduse käes vaevlevate muldade produktiivsust.

Optimeerige haldustsoone GeoPardi abil 

Lisaks saavad põllumehed sisendkoguste kohandamise abil vähendada sisendkulusid muldadel, mis ei reageeri kasvule või millel on madal tootlikkuspotentsiaal. See kulutõhus lähenemisviis tagab ressursside targa investeerimise.

Samuti väärib märkimist, et täppispõllumajandus koos täppiskülvikute ja muutuva normiga laotamise (VRA) meetoditega on keskkonnale kasulik, minimeerides toitainete leostumist, vähendades kemikaalide äravoolu veekogudesse ja ennetades mullaerosiooni.

Optimeerige haldustsoone GeoPardi abil

GeoPard Agriculture lihtsustab täppispõllundust oma Haldusvööndite ja VRA kaartide funktsioon, mis võimaldab kasutajatel luua kohandatud tsoone ja retseptikaarte, mis põhinevad erinevatel andmekihtidel, nagu satelliidipildid, mullaanalüüs ja muu.

Need kaardid ühilduvad põllumajandustehnika ja -masinatega. Kasutajad saavad teha ka mitmekihilist analüüsi, tuvastada suurema või väiksema saagipotentsiaaliga alasid ja tuvastada põllu stabiilsuse trende. Platvorm pakub kihtidevahelisi kaarte, et paljastada erinevate tsoonikaartide vahelisi sõltuvusi ja hõlbustada tsoonide hõlpsat kohandamist.

Lisaks toetab GeoPard täpsete põllumajandustööde jaoks muutuva normiga laotamise (VRA) kaardistamist ja pakub statistikat tsoonide tasandi täpsuse kohta. See pakub andmete ühilduvust eksportimiseks ning võimaldab tsoonide käsitsi kohandamist ja võrranditel põhinevaid ettekirjutusi kulude arvutamiseks.

Kokkuvõte

Täppispõllumajandus on murranguline lähenemisviis põllumajandusele, mis rakendab tehnoloogiat ja andmepõhiseid teadmisi põllukultuuride tootmise suurendamiseks. Kasutades mullaandurite, kaugseire, saagikuse monitoride või andmeanalüüsi tööriistade andmeid, annab see põllumeestele võimaluse luua oma põldudele kohandatud haldustsoone. Need tsoonid optimeerivad ressursside jaotust, mis toob kaasa parema saagikuse, väiksemad kulud ja säästvad põllumajandustavad.

LfL kasutab oma tulevase põllukultuuride kasvatamise projekti jaoks GeoPardi platvormi

Põllumajandus seisab tänapäeval silmitsi suurte väljakutsetega. See peab tootma kvaliteetset toitu ja toorainet, kuid üha enam tuleb arvestada ka pinnase, vee, kliima ja bioloogilise mitmekesisuse kaitse nõuetega.

Baieri Liidumaa Põllumajandusuuringute Keskus (LfL) on neid väljakutseid pikka aega uurinud ja testib nüüd oma Future Crop Farming projekti jaoks GeoPard täppispõllumajanduse platvormi.

Dmitri Dementiev, GeoPardi tegevjuht ja kaasasutaja: “Traditsioonilised põllukultuuride kasvatamise meetodid seisavad sageli silmitsi selliste väljakutsetega nagu ebaefektiivne ressursihaldus ja piiratud juurdepääs reaalajas andmetele. Need tegurid võivad kaasa tuua optimaalsest väiksema saagikuse, suurenenud kulud ja keskkonnakoormuse.”

GeoPardi platvorm pakub LfL-ile tsentraliseeritud platvormi oluliste põllumajandusandmete visualiseerimiseks ja analüüsimiseks. Platvormi kasutajasõbralik liides võimaldab kombineerida satelliidiandmeid ja välikatsete eksperimentaalseid andmeid, lihtsustades keeruliste andmete tõlgendamist ja andes kasutajatele võimaluse teha teadlikke valikuid, mis optimeerivad tootlikkust ja jätkusuutlikkust.

Katse spetsiifilise seadistuse demonstreerimiseks jagati põld osadeks: LfL on rakendanud ribapõllukultuuride vaheltkülvi süsteemi, st mitme põllukultuuri samaaegset kasvatamist paralleelsetes ribades samal põllul.

Neid ribasid saab seejärel eraldi kasutada sisendite (nt väetis ja taimekaitse) ja saagikuse tulemuste võrrandites, mis võimaldab arvutada kogu põllumahtu.

kasum. Lisaks saab hinnata üksikute põllukultuuride genereeritud kasumit ja võimalikku mõju ribade vahelistes servades.

LfL-i ja GeoPardi koostöö tulevikukultuuride põllumajanduse projekti raames aitab edasi arendada analüüsivahendeid ebatavaliste põllustruktuuride jaoks.

GeoPardi täiustatud platvormi ära kasutades saab see täiendada oma uurimistulemusi ja luua väärtuslikke visualiseeringuid projektist saadud teadmiste avalikkusele edastamiseks.

Täppispõllumajandusele, tootlikkusele ja keskkonnahoidlikkusele keskenduv uuenduslik LfL-projekt näitab potentsiaali jätkusuutlikumaks tulevikuks põllukultuuride kasvatamisel.

LfL-i digitaliseerimise juht ja projektijuht, PD dr Markus Gandorfer: “Meil on hea meel koostööd teha entusiastliku GeoPardi meeskonnaga. GeoPardi tööriista abil saadav sügavam ülevaade meie ribapõllukultuuride vaheltlõikamise andmetest on meile väga väärtuslik.”

Teave

Baieri Liidumaa Põllumajandusuuringute Keskus (LfL) Baieri Liidumaa Põllumajandusuuringute Keskus (LfL) on Baierimaa põllumajanduse teadmiste- ja teeninduskeskus. LfL-i rakendusuuringud käsitlevad põllumajanduspraktika küsimusi ja pakuvad põllumajandusettevõtetele mitmel viisil rakendatavaid lahendusi.

Interdistsiplinaarne tulevikukultuuride põllumajanduse projekt asub Ruhstorf ad Rottis Kagu-Baierimaal. Lisateavet projekti kohta leiate projekti veebisaidilt: http://www.future-crop-farming.de

GeoPard Põllumajandus on juhtiv täppispõllumajanduse tarkvara pakkuja. Ettevõte asutati 2019. aastal Kölnis Saksamaal ja on esindatud kogu maailmas. Ettevõte pakub mitmesuguseid lahendusi, mis aitavad põllumeestel oma tegevust optimeerida ja saagikust suurendada.

Keskendudes jätkusuutlikkusele ja regeneratiivsele majandusele, on GeoPard Agriculture'i eesmärk edendada täppispõllumajanduse tavasid kogu maailmas.

Ettevõtte partnerite hulka kuuluvad sellised tuntud kaubamärgid nagu John Deere, Corteva Agriscience, ICL, Pfeifer & Langen, IOWA Soybean Association, Kernel, MHP, SureGrowth ja paljud teised.

GeoPardi saagi arengu graafikud täppispõllumajanduse jaoks

Tänapäeva põllumajandussektor nõuab lisaks raskele tööle ja maa tundmisele ka tehnoloogia nutikat rakendamist. Mul on hea meel jagada ülevaadet ühest tööriistast, mis aitab oluliselt kaasa säästva põllumajanduse tavadele: GeoPardi saagi arengu graafikutest.

Meie põllukultuuride arengugraafikud pakuvad põhjalikku ja kasutajasõbralikku põllukultuuride kasvuandmete kuvamist alates 1988. aastast. Need graafikud genereeritakse automaatselt iga põllu jaoks ning need on loodud täpsuse ja korrektsuse tagamiseks.

Andmed arvutatakse ainult põllu pilve- ja varjuvaba ala kohta. Lihtne kursoriga üleviimine kuvab keskmise NDVI (normaliseeritud taimestiku erinevuse indeksi) väärtuse, mis annab kohese ülevaate saagi tervisest.

Aga mis eristab meie tööriista teistest? Võimalus vaateid vahetada. GeoPardi liides võimaldab kasutajatel vahetada aasta- ja kuuvaateid. Selline detailsuse tase tagab, et teil on olemas olulised andmed, et teha teadlikke otsuseid saagikoristustööde, koristusajastuse ja saagikuse prognoosimise kohta.

Põllumehe käes saab see täpne arusaam suunata põlluharimisstrateegiaid, aidates tuvastada optimaalset koristusaega, jälgida põllukultuure ulatuslikult ning optimeerida tootlikkust ja jätkusuutlikkust.

See on põnev samm täppispõllumajanduses, mis viib mitte ainult parema saagikuse, vaid ka säästvamate tavade poole, mis arvestavad meie keskkonnajalajäljega.

Jälgige meid, et saada uusi värskendusi, kuna arendame ja täiustame oma tööriistu, et põllumajandusringkonda paremini teenindada. Oleme teekonnal, et muuta täppispõllundus kättesaadavamaks ja tõhusamaks ning meil on hea meel teid meiega liituda. Koos määratleme põllumajanduse tuleviku uuesti!

Planeedi pildid (päevased, 3 m resolutsiooniga) haldusvööndite loomiseks

GeoPard Agriculture'i abil on planeedi piltidele juurdepääs lihtsam, kiirem ja taskukohasem. Alates 2022. aasta augustist on GeoPard välja andnud võimalused otsida ja analüüsida ainult soovitud planeedi pilte kasutaja eelistatud kuupäevavahemikust.

Seega taotleb GeoPardi kasutaja ainult eelistatud Planeedi pilte ja saab neid GeoPardi analüütilistes tööriistakastides kasutada.

Planeedi pildid laienevad Sentinel ja Landsat katvused (vaikimisi ette nähtud) ja neid saab olemasolevate andmete kaudu segada teiste andmekihtidega (koristamis-/pritsimis-/külvimasinate andmestikud, topograafiline profiil). Mitmekihiline, Mitmeaastane, ja Võrranditööriistad

 

Planeedi kujutised haldustsoonide loomiseks

 

Planeet on suurim Maa vaatlussatelliidivõrgustik, mis pakub peaaegu igapäevast globaalset andmestikku ning võimaldab oma kõrgresolutsioonilisi ja kõrgsageduslikke satelliidipiltide andmeid.

Haldusvööndid põhinevad Planet Scope'i (3,5 m resolutsiooniga) piltidel.

Loe lähemalt GeoPard / Planet Partnership.

Mis on planeedi kujutised ja kuidas neid kasutatakse haldustsoonide loomiseks?

See viitab satelliidipiltidele, mida pakub Planet Labs. See on eraettevõte, mis haldab Doves-nimelist väikeste satelliitide laevastikku. Need satelliidid jäädvustavad iga päev Maa pinnast kõrgresolutsiooniga pilte. Mõiste “3m resolutsioon” tähendab, et iga pildi piksel tähistab 3×3 meetri suurust ala maapinnal. Selline detailsuse tase võimaldab Maa pinna erinevate omaduste ja muutuste detailset analüüsi ja jälgimist.

Haldusvööndite loomisel võib planeedipildid päevase 3-meetrise resolutsiooniga olla väga kasulikud erinevatele tööstusharudele ja rakendustele, näiteks:

  • PõllumajandusKõrgresolutsioonilised pildid aitavad luua põllumajanduses haldustsoone, kus põllu eri alad võivad vajada erinevat töötlemist, näiteks niisutamist, väetamist või kahjuritõrjet. Pildimaterjali analüüsides saavad põllumehed tuvastada mustreid, mis on seotud saagi tervise, mulla niiskuse ja muude teguritega, mis võimaldab neil teha paremaid otsuseid ressursside jaotamise kohta.
  • Keskkonnajuhtimine: Satelliidipilte saab kasutada keskkonnatundlike alade, näiteks märgalade, metsade ja eluslooduse elupaikade tuvastamiseks ja jälgimiseks. Seda teavet saab kasutada haldusvööndite loomiseks, mis kaitsevad neid alasid ja tagavad säästva maakasutuse.
  • Linnaplaneerimine: Kõrgresolutsioonilised pildid aitavad linnaplaneerijatel tuvastada kasvupiirkondi, maakasutusmustreid ja infrastruktuuri arengut. Seda teavet saab kasutada haldusvööndite loomiseks, mis suunavad edasist arengut ja tagavad ressursside tõhusa kasutamise.
  • Katastroofide ohjamine: Satelliidipildid aitavad tuvastada ja jälgida katastroofiohtlikke alasid, näiteks üleujutusalasid või metsatulekahjude levialasid. Haldusvööndeid saab luua evakuatsiooniteede rajamiseks, ressursside eraldamiseks katastroofidele reageerimiseks ja maakasutuspoliitika kujundamiseks, mis minimeerib tulevaste katastroofide ohtu.
  • Loodusvarade majandamine: Kõrgresolutsioonilised pildid aitavad jälgida ja hallata ressursse, nagu vesi, mineraalid ja metsad. Kõrge ressursiväärtusega või nappuse alade tuvastamise abil saab luua haldustsoone, et tagada nende ressursside säästev kasutamine ja kaitse.

Kokkuvõttes on igapäevase 3-meetrise resolutsiooniga planeedipildid väärtuslik tööriist haldustsoonide loomiseks erinevates valdkondades, pakkudes ajakohast ja üksikasjalikku teavet, mis aitab otsustajatel optimeerida ressursside jaotust ja tagada säästva maakasutuse tavasid.


Korduma kippuvad küsimused


1. Mida saab kujundite kasutamine aidata kindlaks teha?

Kujutiste kasutamine aitab luua tõhusama ja tulemuslikuma põllumajandussüsteemi. Selliste tehnoloogiate nagu droonide või satelliitpildistamise abil saab kujutiste abil anda väärtuslikku teavet põllukultuuride tervise, mulla seisundi ja niisutusvajaduste kohta.

See aitab tuvastada probleemseid valdkondi, näiteks kahjurite nakatumist või toitainete puudust, võimaldades põllumeestel võtta sihipäraseid meetmeid. Lisaks aitab pildid jälgida põllukultuuride kasvu ja arengut, võimaldades teha täpseid otsuseid ja maksimeerida saagikust. 

Võrrandipõhine analüüs täppispõllumajanduses

Võrrandipõhise analüüsimooduli väljaandmisega on GeoPardi meeskond astunud suure sammu edasi, andes põllumeestele, agronoomidele ja ruumiandmete analüütikutele iga ruutmeetri kohta praktilisi teadmisi. Moodul sisaldab kataloogi, mis sisaldab üle 50 eelnevalt määratletud GeoPardi täpsusvalemi, mis hõlmavad laia valikut põllumajandusega seotud analüüse.

Täppisvalemid on välja töötatud järgmistel alustel: mitmeaastane iseseisev agronoomiaülikool ja tööstusuuring ja neid on rangelt testitud, et tagada nende täpsus ja kasulikkus. Neid saab hõlpsasti konfigureerida teostatakse automaatselt mis tahes põllu jaoks, pakkudes kasutajatele võimsaid ja usaldusväärseid andmeid, mis aitavad neil optimeerida saagikust ja vähendada sisendkulusid.

Võrrandipõhine analüütikamoodul on GeoPardi platvormi põhifunktsioon, mis pakub kasutajatele võimsat tööriista oma tegevuse sügavamaks mõistmiseks ja andmepõhiste otsuste tegemiseks oma põllumajandustavade kohta. Tänu pidevalt kasvavale valemite kataloogile ja võimalusele kohandada valemeid erinevate põllustsenaariumide jaoks suudab GeoPard vastata iga põllumajandusettevõtte erivajadustele.

 

Kaaliumi eemaldamine saagikuse andmete põhjal

Kaaliumi eemaldamine saagikuse andmete põhjal

 

Kasutusjuhud (vt näiteid allpool):

  • Lämmastiku omastamine absoluutarvudes, kasutades saagikuse ja valgu andmeid
  • Lämmastiku kasutamise efektiivsus (NUE) ja liigarvutused saagikuse ja valgu andmekihtidega
  • Lubja soovitused põhinevad mullaproovide pH-andmetel või mullaskannerid
  • Alamväli (tsoonid või pikslitasemel ROI kaardid)
  • Mikro- ja makrotoitainetega väetamise soovitused, mis põhinevad mullaproovidel, põllu potentsiaalil, topograafial ja saagikuse andmetel
  • Süsiniku modelleerimine
  • Muutuste tuvastamine ja hoiatamine (arvuta erinevus Sentinel-2, Landsat8-9 või Planeti piltide vahel)
  • Pinnase ja terade niiskuse modelleerimine
  • Kuivsaagi arvutamine märgsaagi andmekogumite põhjal
  • Siht-retseptiravimite ja vastavalt rakendatud raviskeemide erinevuse arvutamine

 

Kaaliumi soovitused kahe saagikuseesmärgi (tootlikkuse tsoonide) põhjal

Kaaliumi soovitused kahe saagikuseesmärgi (tootlikkuse tsoonide) põhjal

 

 

 

 

Väetis: soovituslik juhend. Kaalium / mais.

Väetise soovituste juhend (Lõuna-Dakota Osariigi Ülikool): kaalium / mais. Ülevaade ja parandused: Jason Clark | dotsent ja SDSU laiendusprogrammi mullaviljakuse spetsialist

 

Kaaliumi kasutamise efektiivsus kg/ha

Kaaliumi kasutamise efektiivsus kg/ha

 

 

 

Lämmastiku kasutamise efektiivsus protsentides. Arvutus põhineb saagikuse, valgu ja tera niiskuse andmekihtidel.

Lämmastiku kasutamise efektiivsus protsentides. Arvutus põhineb saagikuse, valgu ja tera niiskuse andmekihtidel.

 

 

Lämmastik: sihtretsepti alusel vs. vastavalt pealekandmisele

Lämmastik: sihtretsepti alusel vs. vastavalt pealekandmisele

 

Klorofülli erinevus kahe satelliidipildi vahel

Klorofülli erinevus kahe satelliidipildi vahel

 

GeoPardi kasutaja saab olemasolevaid kohandada ja uusi luua privaatsed valemid piltide, mulla, saagikuse, topograafia või mis tahes muude GeoPardi toetatud andmekihtide põhjal. 

GeoPard Equationsi malli näited

GeoPard Equationsi malli näited

 

Valemipõhine analüüs aitab põllumeestel, agronoomidel ja andmeteadlastel automatiseerida oma töövooge ning teha otsuseid mitmete andmete ja teaduslike uuringute põhjal, et hõlbustada säästva ja täppispõllumajanduse rakendamist.

Mis on võrrandipõhine analüüs täppispõllumajanduses? Täppisvalemi kasutamine

Täppispõllumajanduses võrrandipõhine analüüs viitab matemaatiliste mudelite, võrrandite, täppisvalemite ja algoritmide kasutamisele põllumajandusandmete analüüsimiseks ja teadmiste saamiseks, mis aitavad põllumeestel teha paremaid otsuseid põllukultuuride majandamise kohta.

Need analüüsimeetodid hõlmavad mitmesuguseid tegureid, nagu ilmastikutingimused, mulla omadused, põllukultuuride kasv ja toitainete vajadused, et optimeerida põllumajandustavasid ja parandada saagikust, minimeerides samal ajal ressursside raiskamist ja keskkonnamõju.

Mõned täppispõllumajanduses kasutatavate võrrandipõhiste analüütikate põhikomponendid on järgmised:

  • Põllukultuuride kasvumudelid: Need mudelid kirjeldavad erinevate tegurite, näiteks ilma, mullaomaduste ja põllukultuuride majandamise tavade vahelist seost, et ennustada põllukultuuride kasvu ja saagikust. Selliste mudelite näideteks on CERES (Crop Environment Resource Synthesis) ja APSIM (Agricultural Production Systems sIMulator) mudelid. Need mudelid aitavad põllumeestel teha teadlikke otsuseid istutuskuupäevade, põllukultuuride sortide ja niisutusgraafiku kohta.
  • Pinnase-vee mudelid: Need mudelid hindavad mullaprofiili veesisaldust selliste tegurite põhjal nagu sademete hulk, aurumine ja põllukultuuride veekasutus. Need aitavad põllumeestel niisutustavasid optimeerida, tagades vee tõhusa ja õigeaegse kasutamise, et maksimeerida saagikust.
  • Toitainete haldamise mudelid: Need mudelid ennustavad põllukultuuride toitainevajadust ja aitavad põllumeestel määrata optimaalseid väetise kasutamise määrasid ja ajastust. Neid mudeleid kasutades saavad põllumehed tagada, et põllukultuurid saavad õige koguse toitaineid, minimeerides samal ajal toitainete äravoolu ja keskkonnareostuse ohtu.
  • Kahjurite ja haiguste mudelid: Need mudelid ennustavad kahjurite ja haiguste puhangute tõenäosust selliste tegurite põhjal nagu ilmastikutingimused, põllukultuuride kasvufaasid ja majandamistavad. Neid mudeleid kasutades saavad põllumehed teha ennetavaid otsuseid kahjurite ja haiguste tõrje osas, näiteks istutuskuupäevade kohandamine või pestitsiidide õigeaegne kasutamine.
  • Kaugseirepõhised mudelid: Need mudelid kasutavad satelliidipilte ja muid kaugseireandmeid põllukultuuride tervise jälgimiseks, stressitegurite tuvastamiseks ja saagikuse hindamiseks. Selle teabe integreerimise abil teiste andmeallikatega saavad põllumehed teha paremaid otsuseid põllukultuuride majandamise kohta ja optimeerida ressursside kasutamist.

Kokkuvõttes kasutab täppispõllumajanduses võrrandipõhine analüüs matemaatilisi mudeleid ja algoritme, et analüüsida keerulisi vastastikmõjusid erinevate tegurite vahel, mis mõjutavad põllukultuuride kasvu ja majandamist. Neid analüüse kasutades saavad põllumehed teha andmepõhiseid otsuseid põllumajandustavade optimeerimiseks, saagikuse parandamiseks ja keskkonnamõju minimeerimiseks.


Korduma kippuvad küsimused


1. Kuidas saab täppispõllumajandus aidata lahendada ressursikasutuse ja reostuse probleeme põllumajanduses?

See aitab lahendada ressursikasutuse ja reostuse probleeme põllumajanduses sihipärase ressursikasutuse, tõhusa ressursihalduse, täiustatud seire ja looduskaitsetavade kasutuselevõtu kaudu. Kasutades sisendeid, nagu väetised ja pestitsiidid, ainult seal, kus vaja, saavad põllumehed vähendada jäätmeid ja minimeerida reostust.

Andmepõhine otsuste tegemine võimaldab ressursside optimaalset haldamist, samas kui reaalajas jälgimine võimaldab õigeaegselt sekkuda reostusjuhtumite ennetamiseks. Lisaks edendab looduskaitsepraktikate rakendamine säästvat põllumajandust ja vähendab keskkonnamõju.

GeoPardi põllupotentsiaali kaardid vs saagikuse andmed

GeoPard Field Potential kaardid näevad väga sageli välja täpselt nagu saagikus andmed.

Me loome need, kasutades mitmekihiline analüüs ajaloolisest teabest, topograafiast ja palja pinnase analüüsist.

Sellise protsessi sünteetilised saagikaardid on automatiseeritud (ja patenteeritud) ning selle genereerimiseks kulub ükskõik millisel väljal maailmas umbes 1 minut.

 

GeoPardi põllupotentsiaali kaardid vs saagikuse andmed

Võib kasutada alusena:

Mis on väljapotentsiaali kaardid?

Põllupotentsiaali kaardid, tuntud ka kui saagipotentsiaali kaardid või tootlikkuse potentsiaali kaardid, on põllu potentsiaalse saagikuse või tootlikkuse ruumilise varieeruvuse visuaalsed kujutised. Need kaardid luuakse, analüüsides erinevaid tegureid, mis mõjutavad põllukultuuride kasvu, näiteks mullaomadusi, topograafiat ja ajaloolisi saagikuse andmeid.

Neid kaarte saab täppispõllumajanduses kasutada juhtimisotsuste tegemiseks, näiteks väetiste muutuva koguse kasutamise, niisutamise ja muude sisendite puhul, samuti selliste alade kindlakstegemiseks, mis vajavad erilist tähelepanu või juhtimistavasid.

Mõned peamised tegurid, mida põllupotentsiaali kaartide loomisel tavaliselt arvesse võetakse, on järgmised:

  1. Pinnase omadused: Mulla omadused, nagu tekstuur, struktuur, orgaanilise aine sisaldus ja toitainete kättesaadavus, mängivad olulist rolli saagipotentsiaali määramisel. Põllu mullaomaduste kaardistamise abil saavad põllumehed tuvastada kõrge või madala tootlikkuse potentsiaaliga alasid.
  2. TopograafiaSellised tegurid nagu kõrgus merepinnast, kalle ja suund võivad mõjutada põllukultuuride kasvu ja saagipotentsiaali. Näiteks võivad madalad alad olla altid vettimisele või suuremale külmaohule, samas kui järsud nõlvad võivad olla erosioonile vastuvõtlikumad. Nende topograafiliste tunnuste kaardistamine aitab põllumeestel mõista, kuidas need mõjutavad tootlikkuse potentsiaali, ja vastavalt sellele oma majandamistavasid kohandada.
  3. Ajaloolised tootlusandmed: Eelmiste aastate või hooaegade saagikuse andmete analüüsimise abil saavad põllumehed tuvastada oma põldude tootlikkuse trende ja mustreid. Seda teavet saab kasutada kaartide loomiseks, mis toovad esile püsivalt kõrge või madala saagipotentsiaaliga alad.
  4. Kaugseireandmed: Satelliidipilte, aerofotosid ja muid kaugseireandmeid saab kasutada põllukultuuride tervise, elujõu ja kasvufaasi hindamiseks. Seda teavet saab kasutada kaartide loomiseks, mis kajastavad põllukultuuride tootlikkuse potentsiaali ruumilist varieeruvust.
  5. Kliimaandmed: Kliimamuutujad, nagu temperatuur, sademed ja päikesekiirgus, võivad samuti mõjutada põllukultuuride kasvu ja saagikuse potentsiaali. Kliimaandmete lisamisega nendesse kaartidesse saavad põllumehed paremini aru, kuidas keskkonnategurid mõjutavad nende põldude tootlikkuse potentsiaali.

Need on väärtuslikud tööriistad täppispõllumajanduses, kuna aitavad põllumeestel visualiseerida oma põldude tootlikkuse potentsiaali ruumilist varieeruvust. Kasutades neid kaarte juhtimisotsuste tegemisel, saavad põllumehed optimeerida ressursside kasutamist, parandada üldist saagikust ja vähendada oma põllumajandustegevuse keskkonnamõju.

Põllupotentsiaali kaartide ja saagikuse andmete erinevus

Täppispõllumajanduses kasutatakse nii põldude potentsiaali kaarte kui ka saagikuse andmeid, et aidata põllumeestel mõista oma põldude ruumilist varieeruvust ja teha teadlikumaid juhtimisotsuseid. Nende kahe vahel on aga mõned olulised erinevused:

Andmeallikad:

Need kaardid luuakse erinevatest allikatest pärinevate andmete, näiteks mulla omaduste, topograafia, ajalooliste saagikuse andmete, kaugseireandmete ja kliimaandmete integreerimise teel. Neid andmeid kogutakse aga koristusmasinatele paigaldatud saagikuse monitoride abil, mis registreerivad saagi koristamise ajal.

Ajaline aspekt:

Need kaardid esindavad põllu potentsiaalse tootlikkuse hinnangut, mis on üldiselt staatiline või muutub aja jooksul aeglaselt, välja arvatud olulised muutused mulla omadustes või muudes mõjutavates tegurites. Saagikuse andmed on aga spetsiifilised konkreetsele kasvuperioodile või mitmele hooajale ja võivad aastati oluliselt erineda selliste tegurite tõttu nagu ilmastikutingimused, kahjurite levik ja majandamistavad.

Kokkuvõttes on põllupotentsiaali kaardid ja saagikuse andmed täppispõllumajanduses üksteist täiendavad tööriistad. Need kaardid annavad hinnangu põllu potentsiaalse tootlikkuse kohta, aidates põllumeestel tuvastada alasid, mis võivad vajada erinevaid majandamistavasid. Saagikuse andmed seevastu dokumenteerivad tegelikku saagikust ja neid saab kasutada majandamistavade tõhususe hindamiseks ja tulevaste otsuste langetamiseks.

Põllupotentsiaali tsoonide võrdlemiseks nende toodetud saagiga avage Automatiseeritud saagikuse aruanne: see asetab saagikuse tsoonide kaardi kõrvale, näitab iga tsooni põllu keskmise suhtes ja hindab iga määrasammu.

Taimestiku indeksid ja klorofülli sisaldus

GeoPard laiendab toetatud klorofülliga seotud taimestiku indeksite perekonda järgmisega:

  • Võsa klorofülli sisalduse indeks (CCCI)
  • Modifitseeritud klorofülli neeldumissuhte indeks (MCARI)
  • Transformeeritud klorofülli neeldumise peegeldusindeks (TCARI)
  • MCARI/OSAVI suhe
  • TCARI/OSAVI suhe

Need aitavad mõista praegust põllukultuuri arenguetappi, sealhulgas

  • toitainete nõudlusega piirkondade kindlakstegemine,
  • lämmastiku eemaldamise hindamine,
  • potentsiaalse saagikuse hindamine,

Ja neid teadmisi kasutatakse täpsete lämmastiku muutuva normiga pealekandmiskaartide loomiseks.


Loe edasiMilline indeks on parim kasutada täppismaal

Loe edasi: GeoPardi taimestiku indeksid


Taimestiku indeksid ja klorofülli sisaldusVõsa klorofülli sisalduse indeks (CCCI) vs modifitseeritud klorofülli neeldumise suhte indeks (MCARI) vs transformeeritud klorofülli neeldumise peegeldusindeks (TCARI) vs suhe MCARI/OSAVI

Mis on taimestiku indeksid?

Taimestiku indeksid on kaugseire abil saadud spektraalandmetest, näiteks satelliidi- või õhupiltidest, tuletatud numbrilised väärtused, et kvantifitseerida taimestiku tihedust, tervist ja jaotust Maa pinnal.

Neid kasutatakse tavaliselt kaugseire, põllumajanduse, keskkonnaseire ja maakorralduse rakendustes taimestiku kasvu, produktiivsuse ja tervise hindamiseks ja jälgimiseks.

Need indeksid arvutatakse valguse erinevate lainepikkuste peegeldusväärtuste abil, eriti punases, lähiinfrapuna (NIR) ja mõnikord ka muudes sagedusribades.

Taimestiku peegeldusomadused varieeruvad vastavalt valguse lainepikkustele, mis võimaldab eristada taimestikku ja teisi maakatte tüüpe.

Taimestikul on tavaliselt tugev neeldumine punases piirkonnas ja kõrge peegeldusvõime lähiinfrapunapiirkonnas klorofülli ja rakustruktuuri omaduste tõttu.

Mõned laialdaselt kasutatavad taimestikuindeksid on järgmised:

  • Normaliseeritud taimestiku erinevusindeks (NDVI)See on kõige populaarsem ja laialdasemalt kasutatav taimestikuindeks, mis arvutatakse järgmiselt: (NIR – punane) / (NIR + punane). NDVI väärtused jäävad vahemikku -1 kuni 1, kusjuures kõrgemad väärtused näitavad tervemat ja tihedamat taimestikku.
  • Täiustatud taimestiku indeks (EVI)See indeks parandab NDVI-d, vähendades atmosfääri- ja pinnasemüra ning korrigeerides võrade taustasignaale. See kasutab täiendavaid sagedusribasid, näiteks sinist, ja lisab koefitsiente nende mõjude minimeerimiseks.
  • Mulla järgi korrigeeritud taimestikuindeks (SAVI): SAVI on loodud selleks, et minimeerida mulla heleduse mõju taimestiku indeksile. See võtab kasutusele mulla heleduse parandusteguri, mis võimaldab täpsemalt hinnata taimestikku hõreda või madala taimkattega aladel.
  • Rohelise-punase taimestiku indeks (GRVI)GRVI on veel üks lihtne suhtarvuindeks, mis kasutab taimestiku tervise hindamiseks rohelist ja punast riba. See arvutatakse järgmiselt: (roheline – punane) / (roheline + punane).

Neid indekseid kasutavad muuhulgas teadlased, maakorraldajad ja poliitikakujundajad teadlike otsuste tegemiseks maakasutuse, põllumajanduse, metsanduse, loodusvarade majandamise ja keskkonnaseire osas.

wpChatIcon
wpChatIcon

    Taotlege tasuta GeoPardi demo / konsultatsiooni








    Nupule klõpsates nõustute meie Privaatsuspoliitika. Me vajame seda, et vastata teie taotlusele.

      Telli


      Nupule klõpsates nõustute meie Privaatsuspoliitika

        Saada meile teavet


        Nupule klõpsates nõustute meie Privaatsuspoliitika