Võrgustiku mullaproovide võtmine ja kaugseire: andmepõhine muutus täppispõllunduses

Traditsioonilises põllumajanduses töödeldakse kogu põldu sageli ühtlaselt – kõikjal kasutatakse sama seemne-, väetise- või lubjanormi. Tegelikkuses on põldudel eri kohtades tavaliselt väga erinevad mullatüübid ja viljakusastmed. Viimastel aastatel on aga üha rohkem põllumehi digitaalse põllumajanduse osana hakanud ruudustiku abil mullaproove võtma ja mulla täppiskatseid tegema.

Ühes USA põllumaa uuringus kasutatakse mulla südamikanalüüse nüüd umbes 271 TP3 t maisi- ja 141 TP3 t nisupõllundusaakril, mis on palju rohkem kui mõned aastad tagasi olid arvud palju madalamad. Nende testide kasutuselevõtt on tõusuteel, kuna laboritöö maksumus langeb ja põllumehed näevad toitainetepõhistest töötlustest selgemat tulu. Samal ajal soodustavad ülemaailmsed kulutused täppispõllumajanduse riistvarale (mis toetab muuhulgas ruudustikupõllundusproovide võtmist) turu kasvu, mille hinnanguline maht on 2024. aastal 10,5 miljardit USA dollarit ja mille prognooside kohaselt kahekordistub see järgmise paari aasta jooksul.

Uuringud näitavad, et väetise kasutamine keskmiste põlluväärtuste põhjal “kohtleb kogu mulda võrdselt” – see praktika kipub “põllumeestel saagikust ja raha kaotama panema”. Näiteks leiti ühes ülevaates, et põllu keskmiste põhjal väetamine raiskab mõnes piirkonnas sageli sisendeid ja teistes alatoidab, vähendades potentsiaalset saagikust.

Ometi on mullad looduslikult muutlikud: varasem erosioon, topograafia ja põllukultuuride ajalugu loovad mulla pH, toitainete, niiskuse ja orgaanilise aine sisalduse osas “äärmise põllutaseme varieeruvuse” isegi ühe põllu piires. Kõrgemad kohad võivad olla kurnanud pealmist mullakihti, samas kui madalad kohad võivad sisaldada rohkem niiskust ja toitaineid. Kõigi nende alade ühtlane töötlemine ignoreerib neid erinevusi.

Mis on ruudustiku abil mullaproovide võtmine?

Ruudustiku abil mullaproovide võtmine on süstemaatiline viis mullaproovide võtmiseks kogu põllult. Ühe või kahe juhusliku proovi võtmise asemel kaetakse põld kujuteldava ruudustikuga, mis koosneb väikestest võrdse suurusega rakkudest (näiteks 1–2,5 aakrit raku kohta). GPS-seade juhatab proovivõtja iga raku keskele. Igas ruudustiku punktis võtab proovivõtja selle punkti ümbrusest mitu südamikku (tavaliselt 10–15 südamikku) ja segab need üheks liitprooviks.

Seega annab iga lahter ühe mullaproovi, mis esindab seda pisikest põlluala. Ruudustiku suurus (lahtri pindala) valitakse detailide ja kulude tasakaalustamiseks – väiksemad lahtrid (rohkem punkte) annavad peenema lahutusvõime, kuid proovi võtmine maksab rohkem. Uuringud näitavad, et 1-aakrised ruudud jäädvustavad rohkem kui 80% põllu varieeruvust, samas kui 2,5-aakrised ruudud jäädvustavad mõnevõrra vähem. Mõned põhipunktid on järgmised:

• Jagab põllu võrdseteks lahtriteks (nt 1–2,5 aakrit igaüks)
• Kasutab GPS-i punktide proovivõtmiseks fikseeritud asukohtades (mustad täpid joonisel).
• Kogub igast punktist 10–15 mullaproovi ja saadab komposiidi laborisse.

1. Võrgu planeerimine: Enne proovivõtmist valivad põllumehed ruudustiku suuruse, mis põhineb põllu suurusel, varieeruvusel ja eelarvel. Levinud valik on umbes 2,5 aakrit proovi kohta; väga kõrge resolutsiooniga töö puhul võidakse kasutada 1-aakriseid lahtreid. Iga ruudustikupunkti GPS-koordinaadid genereeritakse kaardil või proovivõtuplaanil.

2. Proovide kogumine: Igas märgitud punktis kogub proovivõtja mullaproove selle asukohast mõne jala raadiuses. Kõik punkti prooviproovid ühendatakse ühte proovikotti. Täpsuse tagab puhta roostevabast terasest sondi või puuri ja GPS-seadme kasutamine. Proovivõtu sügavus ja prooviproovide arv punkti kohta vastavad parimatele tavadele (näiteks 10–15 prooviproovi punkti kohta, et mikroskaala varieeruvust keskmistada).

3. Laborianalüüs: Koondproovid saadetakse mullalaborisse. Labor mõõdab mulla peamisi omadusi: pH-d, kättesaadavaid toitaineid (fosfor, kaalium, lämmastik jne), orgaanilist ainet ja mõnikord ka mikrotoitaineid või mikrotoitainete varustusvõimet. Seejärel seotakse need toitainete andmed iga võrgupunkti GPS-koordinaatidega.

4. Väljund – mulla toitainete kaardid: Kui kõik laboritulemused on laekunud, interpoleeritakse andmepunkte, et luua põllule pidevad mullakaardid. Tarkvara abil saab iga parameetri jaoks joonistada kontuure või varjutatud tsoonikaarte – näiteks näidates mulla fosfori või pH “kõrge”, “keskmise” ja “madala” tasemega piirkondi.

Need mulla varieeruvuse kaardid võimaldavad põllumehel täpselt näha, millised põllu osad on iga toitaine poolest rikkad või vaesed. Näiteks ühes uuringus märgitakse, et ruudustiku abil moodustatud kaardid “paljastavad viljakuse erinevusi, mida traditsioonilised põldkatsed võivad kahe silma vahele jätta”, võimaldades toitaineid, nagu fosfor- ja kaaliumväetis või lupja, kasutada ainult seal, kus need end ära tasuvad.

Ruudustiku abil saadud proovivõtt annab mullaviljakusest väga detailse ülevaate. Ülaltoodud täppispõllumajanduse kaardil vastab iga punkt proovivõtukohale. Saadud kaardid (pole näidatud) võivad esile tõsta mustreid, näiteks madala pH tasemega riba või madala lämmastikusisaldusega taskut. Näiteks ühes USA uuringus leiti, et kui põllumehed võtsid kasutusele mullaproovidel põhineva toitainete haldamise, teatasid 67% suuremast saagikusest ja säästsid maisikuludelt umbes $24 aakri kohta.

See kasu tuleneb õigete toitainete kasutamisest õigetes kohtades – otsus on võimalik ainult mulla keemilise koostise üksikasjalike ruudustikukaartide abil. Aja jooksul aitab ruudustiku proovivõtt iga paari aasta tagant jälgida ka seda, kas viljakus uue majandamise käigus paraneb.

Kaugseire roll pinnaseproovide võtmisel ruudustiku abil

Kaugseire tähendab põllu kohta teabe kogumist kaugelt, ilma mulda või põllukultuure füüsiliselt puudutamata. Põllumajanduses hõlmab see tavaliselt satelliite, mehitatud õhusõidukeid või droone, mis on varustatud kaamerate või anduritega. Need andurid tuvastavad pinnalt peegeldunud päikesevalgust (sageli nähtava ja infrapunase sagedusriba ulatuses) või muid signaale. Kõige tavalisem väljund on pildikiht, mis peegeldab taimede tervist või mulla niiskust.

Näiteks satelliidid nagu Sentinel-2 või Landsat jäädvustavad regulaarselt multispektraalseid pilte igast maailma põllust. Õhust lennates (fikseeritud tiibadega lennukid) on võimalik teha suurema eraldusvõimega fotosid suurtel aladel. Mehitamata droonid (UAV-d) saavad isegi pilvede all lennata, et saada nõudmisel väga suure eraldusvõimega pilte mõnest põllust.

Kõige kuulsam põllukultuuride kaugseire väljund on normaliseeritud taimestiku erinevuse indeks (NDVI). NDVI võrdleb, kui palju valgust taimed punases ja lähiinfrapunakiirguses peegeldavad. Kuna terved rohelised taimed neelavad punast valgust (fotosünteesiks) ja peegeldavad lähiinfrapunakiirgust (NIR), siis paljas muld ja vesi annavad NDVI-le lähedase nulli või negatiivse väärtuse. Lihtsamalt öeldes tähendab kõrgem NDVI rohelisemaid ja tervemaid taimi; madalam NDVI tähendab hõredamat või stressis taimestikku.

Kuidas kaugseire aitab: Kaugseire ei asenda mullaproovide võtmist, kuid pakub olulist täiendust. Kujutised võivad paljastada põllukultuuride tervise ruumilisi mustreid, mis sageli peegeldavad mulla varieeruvust. Näiteks võivad põua käes vaevlevad või toitainetevaesed alad ilmneda madala NDVI-ga laikudena.

Nagu üks täppispõllunduse platvorm märgib, näitavad satelliidid “taimede kasvumustreid, mis tavaliselt peegeldavad mulla varieeruvust”, aidates planeerida proovivõttu ja majandamist. Aja jooksul võimaldavad satelliitidel põhinevad NDVI-kaardid põllumeestel jälgida trende: näiteks kui põllu teatud nurgas on aasta-aastalt pidevalt madalam NDVI, viitab see kroonilisele probleemile (halb drenaaž, madal pH jne).

Kaugseire on samuti ajaline. Erinevalt ühekordsest mullaproovist saame põllust pildi igal nädalal või isegi iga päev. See võimaldab põllumeestel näha, kuidas taimede tervis hooaja jooksul muutub. Kui mõni ala kahe pildi vahel äkki punaseks muutub (madal NDVI), viitab see uuele stressitegurile (kahjurite puhang, põuapaik jne). See ajaline vaade annab juhiseid, millal ja kus põlde uurida või majandamist hooaja keskel kohandada.

Lõpuks võivad ajaloolised pildid suunata proovivõtustrateegiat. Kui kaugseire näitab, et probleeme esineb ainult osal põllust, võib põllumees valida selles tsoonis peenema ja mujal jämedama proovivõtuvõrgu. Teisisõnu, satelliit-/droonkaardid aitavad suunata mullaproove sinna, kus see on kõige olulisem, muutes protsessi tõhusamaks.

Võrgustiku proovivõtmise ja kaugseire integreerimine

Ruudustiku ja kaugseire integreerimine on nüüdseks laialdasemalt kasutusel: USAs kasutab enam kui pool põllumajandusmaast selliseid tööriistu nagu pihusti sektsioonide kontrollerid, külvikute reakontrollerid ja täppismullaproovid. Samuti kasutatakse saagikuse jälgimist umbes 701 ja 300 000 maisipõllunduse aakril ning turuprognoosid näitavad, et täppispõllumajanduse turg (riistvara + tarkvara + teenused) kasvab 2024. aasta umbes 10,5 miljardilt USA dollarilt enam kui 21 miljardi USA dollarini 2032. aastaks.

Need numbrid näitavad, et maapinnalt kogutud mullaandmete ühendamine õhust ja satelliitidelt saadud andmetega on saamas paljude talude tegevuse alustalaks. Tõeline jõud ilmneb siis, kui ühendame võrguproovid kaugpiltidega pidevas tagasisideahelas. Iga meetod katab teise nõrkused.

1. Maapinnalähedane tõestamine (kujutiste kalibreerimine): Ruudustiku abil moodustatud mullaproovid annavad “maapealse tõe”, mis aitab tõlgendada kaugseireandmeid. Näiteks kui NDVI kaart näitab madala elujõulisusega ala, võib sellest kohast võetud mullaproov näidata selle kaaliumivaest taset. Teadlased on mitmel põllul leidnud tugevaid seoseid mulla mõõtmete ja spektraalindeksite vahel (nt sidudes mulla pH või toitained satelliidiandmetega). Ehitades mudeli, mis seob NDVI (või muud spektraalribad) laboris mõõdetud väärtustega, saame kaugseire abil ennustada mullaviljakust proovivõtuta kohtades.

2. Ekstrapoleerimine ja interpoleerimine: Kuna satelliidid katavad kogu põllu korraga, täidavad nad proovivõtupunktide vahelised lüngad. Oletame näiteks, et võtame proove iga 2,5 aakri tagant, aga soovime täpsemat kaarti. Kui NDVI korreleerub toitainete tasemetega, saame NDVI gradientide abil võrgupunktide vahel interpoleerida. See suurendab dramaatiliselt efektiivset eraldusvõimet. Ühes juhtumiuuringus kasutasid teadlased optimaalse proovivõtu kavandamiseks satelliidiandmeid, mis olid korrelatsioonis mulla pH-ga, ja seejärel lõid täpsed kõrge eraldusvõimega pH-kaardid palju väiksema hulga proovidega.

3. VRT ettekirjutuskaartide loomine: Muutuva normiga tehnoloogia (VRT) aluseks on detailsete mullakaartide ja kujutiste kombinatsioon. Näiteks väetise lisamiseks saab tarkvara NDVI kaardi asetada mulla toitainete kaardiga ja genereerida retseptikaardi, mis muudab sisendnorme kogu põllul. Üks stsenaarium on järgmine: NDVI kaart näitab põllu lõunanurka, kus kasv on maha jäänud, ja sealsed ruudustikuproovid kinnitavad fosforivaest vähenemist.

Seejärel saab põllumees luua just selle tsooni jaoks kõrge fosforisisaldusega väetise, säästes samal ajal väetist tervislikes tsoonides. Praktikas on NDVI-põhine väetisehaldus toonud kaasa dramaatilisi edusamme. Näiteks leidis Tai maisikasvataja hooaja keskel NDVI-pilte, mis isoleerisid stressitsoonid.

Pinnase testimine kinnitas, et need tsoonid olid lämmastikuvaesed, seega kasutas ta väetist ainult seal. Seejärel taastusid põllukultuurid nädalate jooksul. See sihipärane lähenemisviis suurendas saagikust ja ühtlust, näidates, kuidas pildid ja proovid koos aitavad kaasa tõhusale VRT-le.

4. Haldusvööndi piiritlemine: Selle asemel, et igavesti pimesi fikseeritud ruudustikku kasutada, saavad põllumehed areneda haldustsoonide suunas – suuremad alad, kus tingimused on enam-vähem ühtlased. Tsoonid määratletakse sageli paljude kihtide kombineerimise teel: ruudustiku mulla tulemused, saagikaardid, kõrgusandmed ja ajaloolised pildid.

Näiteks saab põlde jagada sarnase mullatüübi või NDVI-mustriga “tsoonideks”. Seejärel saab tulevikus mullaproove võtta tsooni, mitte võrgupunkti kaupa. See võib kulusid vähendada: üks uuring märgib, et eelnevalt tsoonideks planeeritud põllud võivad saavutada kuni 25% võrra suurema väetisekasutuse efektiivsuse. Sisuliselt aitavad satelliidipildid ja saagikuse andmed neid tsoone aja jooksul täpsustada.

5. Keskkonna- ja majanduslik kasu: Sisendite varieeruva rakendamise abil kasutavad põllumehed ainult seda, mida vaja on, seal, kus vaja, parandades seeläbi toitainete kasutamise tõhusust. Ruudustikupõhised kaardid on näidanud, et vähendama Toitainete äravoolu oht, kuna kõrge väetisesisaldusega alad on piiratud. Ühtlasem põllukultuuride kasv stabiliseerib ka saagikust.

Pikas perspektiivis aitavad need vahendid säilitada mullaviljakust ja vähendada kulusid. Näiteks nende andmete põhjal teostatav täpne lubja lisamine aitab vältida mõnede kohtade ülelubjamist ja teiste ignoreerimist, säästes lubja pealt raha ja ennetades samal ajal mulla hapestumist.

6. Tagasiside aja jooksul: Teine oluline eelis on see, et see on pidev protsess, mitte ühekordne. Igal hooajal koguvad põllumehed saagiandmeid, droonipilte ja uusi mullakatseid. Platvorm saab neid andmeid kihtidena laduda, et teada saada, miks teatud piirkonnad käituvad erinevalt. Teisisõnu, ruudustiku abil võetakse proove, mis mullas praegu on; kaugseire näitab, kuidas põllukultuurid reageerisid.

Nende kombineerimine aastast aastasse loob õppetsükli. EOSDA uuring selgitab, et pärast esimest mullakatsete tsüklit teate, “kus te seisate”, ning proovide võtmise kordamisel ja satelliidi-/saagikuse andmete lisamisel näete, kuidas põld teie sisendite mõjul muutub, täiustades pidevalt majandamist.

Ruudustikulise mullaproovivõtu peamised rakendused täppispõllumajanduses

Kuna ülemaailmse täppispõllumajanduse turu maht peaks 2030. aastaks ulatuma 1TP4–16,35 miljardini (kasvab ligi 131TP3 miljardi aasta aastase kasvumääraga), on digitaalsed põllumajandustööriistad tänapäeva põllumajanduses kesksel kohal. Põllumajandustootjad seisavad tänapäeval silmitsi kasvavate sisendkulude, kliimaga seotud ebakindluse ja jätkusuutlikkusega seotud survega, mistõttu on andmepõhine sisendi rakendamine olulisem kui kunagi varem.

Ruudustikuliste mullaanalüüsi kaartide, satelliidipiltide ja masinaandmete integreerimise abil saavad põllumehed suurendada saagikust ja vähendada jäätmeid. Nende integreeritud andmete abil saavad põllumehed luua täpsed sisendnõuded. Näiteks:

Muutuva kiirusega tehnoloogia (VRT) kaardidTarkvara joonistab GPS-juhitavatele laoturitele kaarte, kasutades mulla toitainete kaarte ja NDVI mustreid. Lubjaveokid kasutavad lubjakaarti happesuse neutraliseerimiseks ainult madala pH taseme korral. Väetiselaoturid kasutavad laboritulemustest saadud fosfori- või kaaliumkaarti. Kaasaegsed süsteemid saavad NDVI kaarte isegi otse laoturisse alla laadida, seega võivad kõrge NDVI-ga (jõuliselt toitaineterikkad) tsoonid saada rohkem väetist, samas kui madala NDVI-ga tsoonid saavad seda vähem.

Sojaubade puhul tegi üks Brasiilia põllumees just seda: tema masin ei andnud halvasti reageerivatele tsoonidele peaaegu üldse väetist ja kõrge reageerimisvõimega aladele andis see rikkalikumaid annuseid, suurendades saagikust heades osades ja kõrvaldades raiskamise halbades osades.

HaldusvööndidÜlemaailmselt kasutab umbes 701 TP3 t täppispõllundusele üleminevast põllumehest nüüd sisendite optimeerimiseks haldusvööndeid. See lähenemisviis võimaldab neil suunata ressursse sinna, kus need on kõige olulisemad, selle asemel, et põlde ühtlaselt töödelda. Uuringud näitavad, et põllumehed saavad vähendada väetiste kasutamist kuni 201 TP3 t võrra, säilitades samal ajal saagikuse või isegi seda parandades.

Nagu kirjeldatud, saab kõiki andmeid kombineerides tuvastada 3–10 sarnaste vajadustega tsooni põllu kohta. Tulevased ruudustikud või sihipärased proovivõtmised toimuvad iga tsooni piires, mitte kogu põllul. See säästab aega ja raha, jäädvustades samal ajal peamise varieeruvuse. Tsoonid lihtsustavad ka haldamist – kümnete ruudustiku ristkülikute asemel võib põllumees hallata nelja tsooni, millel kõigil on üks viljakusmäär.

JätkusuutlikkusPõllumajandus moodustab üle 301 TP3T ülemaailmsetest kasvuhoonegaaside heitkogustest, kusjuures väetiste ülekasutamine on peamine panus. Täppisväetiste haldamist peetakse üha enam lahenduseks, mis aitab põllumeestel vähendada heitkoguseid ja kaitsta samal ajal vee kvaliteeti. Tegelikult võib sihipärane väetiste kasutamine vähendada lämmastiku äravoolu 15–251 TP3T võrra, parandades samal ajal toitainete kasutamise tõhusust.

Sihipärane kasutamine tähendab vähem liigset väetist keskkonnas. Põllumehed annavad toitaineid ainult madala mullataseme või saagi reaktsiooniga aladele, vähendades leostumist ja äravoolu. See mitte ainult ei vähenda kulusid, vaid kaitseb ka veeteid. Lisaks aitab trendide jälgimine (korduva proovivõtu ja pildistamise abil) vältida soolade või toitainete kogunemist “kuumadesse kohtadesse”. Lõpptulemuseks on suurem toitainete kasutamise efektiivsus ja sageli ka suurem kasum.

GeoPardi kasutamine ruudustikuga pinnaseproovide võtmise efektiivsuse ja praktilisuse suurendamiseks

GeoPard suurendab võrgupõhise proovivõtmise tõhusust ja praktilisust, tutvustades täiustatud digitaalseid tööriistu, mis automatiseerivad ja optimeerivad kogu protsessi. Tänu oma... Nutikas proovivõtuplatvorm, GeoPard võimaldab kasutajatel genereerida proovivõtuvõrke kohandatavate lahtrisuurustega, mis on kohandatud põllu suurusele, põllukultuuri tüübile või kasvataja eelistustele. Seejärel määrab süsteem igale proovivõtupunktile täpsed GPS-koordinaadid, välistades oletusmängud ja tagades korduvuse mitme hooaja jooksul.

• Nutika võrgu loomine: Genereerib automaatselt kohandatavad ruudustikud täpsete GPS-koordinaatidega iga punkti jaoks.
• Optimaalne tee planeerimine: Arvutab välja kõige tõhusama kõndimis-/sõidumarsruudi läbi kõigi punktide, säästes aega ja kütust.
• Reaalajas navigeerimine: Mobiilne integratsioon juhatab operaatorid otse iga proovivõtukoha juurde põllul.
• Nutikas sildistamine ja andmehaldus: Iga proov on unikaalselt märgistatud oma GPS-asukohaga, mis vähendab vigu ja lihtsustab labori töövooge.
• Lihtne andmete integreerimine: Laboritulemusi saab otse GeoPardi importida, et luua iga ruudustiku lahtri jaoks toitainete kaarte.
• Toimivad retseptid: Võimaldab luua võrguandmetele kohandatud muutuva normiga väetise või lubja lisamisi.

Kombineerides traditsioonilisi ruudustiku abil võetava mullaproovi võtmise tugevusi kaasaegse digitehnoloogiaga, muudab GeoPard kunagi töömahuka protsessi ülitõhusaks ja andmepõhiseks töövooks. See tagab, et põllumehed saavad mitte ainult täpse baasteadmise oma mullast, vaid loovad ka tugeva aluse täppispõllumajanduse tavade jätkamiseks.

Väljakutsed ja kaalutlused

Kuigi nii võrguproovide võtmine kui ka kaugseire on võimsad, on neil piirid ja kumbki pole iseenesest imerohi.

1. Ruudustiku valimi piirangud: Paljude mullaproovide kogumine on kulukas ja aeganõudev. Põllult üle sõitmine, et võtta igast võrgupunktist (suures talus sageli sadu punkte) 10–15 südamikku, võib võtta tunde. Iga proov maksab laborianalüüsi jaoks. Seetõttu on võrgusamm sageli kompromiss.

Samuti on ruudustikupõhine proovivõtt vaid hetkepilt – see näitab mulla olukorda proovivõtu ajal, aga mitte seda, kuidas see hooaja jooksul muutub. Lõpuks nõuab toorprooviandmete muutmine tegutsemiskõlblikeks soovitusteks spetsiaalset tarkvara või agronoomilist nõu. (Mõnel juhul võib andmete kasutatavaks muutmiseks olla vaja lihtsat keskmistamist või tsoneerimist.)

2. Kaugseire piirangud: Satelliidi- või droonipildid võivad näidata, kus midagi on valesti, aga mitte miks. Madala NDVI-ga laik võib olla tingitud põuast, haigusest, kahjuritest või mulla toitainete puudusest – pilt iseenesest ei diagnoosi põhjust. Pilvkate võib selge pildi saamist edasi lükata.

Kõrgema eraldusvõimega pildid (nt <10 m pikslit) võivad maksta raha või nõuda spetsiaalset juurdepääsu. Mõningate lünkade (nt niiskuspildid või päeva-/öövaated) täitmiseks on olemas termo- ja radarsensorid, kuid need lisavad keerukust. Kokkuvõttes on NDVI võimas taimetervise näitaja, kuid see iseenesest ei ütle põllumehele, millist väetist või töötlust on vaja.

3. Integratsioon on oluline: Nende piirangute tõttu peitub tegelik tugevus mõlema tööriista kooskasutamises. Kujutisteta mullaproovid jätavad paljud proovimata alad kahtluse alla ja proovideta pildid jätavad põllumehe stressi põhjuse aimamisele. Andmete ristkontrollimise abil (näiteks madala NDVI-ga tsoonide kontrollimine mullalabori tulemustega) saavad põllumehed kindluse oma kaartide tähenduse osas.

Praktikas rõhutavad eksperdid, et õige majandamine ühendab mõlemad andmekogumid. Teisisõnu, ruudustikupõhine valim annab täpsed toitainete kaardid, kuid fikseeritud ruudustikul; kaugseire annab laia nägemuse, kuid vajab kalibreerimist. Koos ületavad nad teineteise pimedad kohad.

Tehnoloogia areneb kiiresti. Droonide kasutamine põllumajanduses on plahvatuslikult kasvamas – mõnede hinnangute kohaselt kasutatakse põllumajandusettevõtetes 80% kõigist kommertsdroonidest. Droonid saavad kanda üha odavamaid multispektraalseid kaameraid, mis võimaldavad põllumeestel nõudmisel jäädvustada ülikõrge eraldusvõimega NDVI kaarte. Samal ajal kasvavad satelliitide konstellatsioonid; uued minisatelliidid saavad iga päev põlde külastada 5–10 m eraldusvõimega.

Teine suur trend on tehisintellekt ja masinõpe. Arendatakse algoritme, mis tuvastavad kombineeritud andmetes mustreid automaatselt: näiteks piltide ja mullaanalüüside klastrite abil optimaalsete tsoonide soovitamiseks või ajalooliste satelliitajaridade ja varasemate saagikuste abil probleemsete alade ennustamiseks. Nutikad platvormid saavad nüüd automaatselt genereerida VRT-retsepte üleslaaditud mulla- ja pildikihtidest.

Samuti eeldame suuremat andurite integreerimist: näiteks traktorites olevad odavad andurid võiksid mõõta mulla elektrijuhtivust või niiskust liikvel olles, lisades kaartidele veel ühe kihi. Ka neid andmeid saab ühendada satelliidiandmetega. Kõik see viitab tulevikule, kus satelliidid, droonid, andurid ja tehisintellekt pakuvad ühiselt peaaegu reaalajas mulla ja põllukultuuride kohta teavet. Nagu üks turuaruanne märgib, näitab kõrgresolutsiooniga piltide ja mehitamata õhusõidukite tehnoloogia kättesaadavus, et kaugseire andmeallikate kasutamine täppispõllumajanduses eeldatavasti järgmise kümne aasta jooksul järsult suureneb.“

Kokkuvõte

Kokkuvõttes annab ruudustikupõhine mullaproovide võtmine olulise ülevaate mulla toitainetest ja keemilisest koostisest, samas kui kaugseire annab ruumilise ja ajalise konteksti põllukultuuride kasvu kohta. Ruudustikupõhised proovid vastavad küsimusele “mis siin mullas on?”; kaugpildid vastavad küsimusele “kuidas põllukultuuril seal läheb (ja millal)?”. Koos moodustavad need täppispõllumajanduse andmepõhise selgroo. Nende koondatud andmete abil saavad põllumehed luua muutuva normiga väetisekaarte ja sisukaid haldustsoone. See võimaldab igas põlluosas kasutada täpselt õiget kogust väetist või lupja – vähendades raiskamist, suurendades põllukultuuride ühtlust ja parandades saagikust.