Kategorija: Nuotoliniai tyrimai

Sveiki atvykę į mūsų svetainės skyrių “Nuotolinis stebėjimas žemės ūkyje”! Čia pateikiame išsamų vadovą apie tai, kaip ši technologija keičia žemės ūkio pramonę.

Ši technologija apima jutiklių ir vaizdų naudojimą duomenims apie Žemės paviršių rinkti jo fiziškai neliečiant. Žemės ūkyje ši technologija tampa vis svarbesnė teikiant tikslią ir savalaikę informaciją apie pasėlių sveikatą, dirvožemio drėgmę ir derliaus įvertinimus.

Mūsų skyriuje “Nuotolinis stebėjimas žemės ūkyje” rasite daug informacijos apie įvairius žemės ūkyje naudojamus nuotolinio stebėjimo tipus, tokius kaip palydovai, dronai ir antžeminiai jutikliai. Taip pat aptarsime skirtingus jų pritaikymus, įskaitant pasėlių kartografavimą, ligų aptikimą ir tikslųjį ūkininkavimą.

Mūsų ekspertų komanda kruopščiai parengė straipsnių, atvejų studijų ir tyrimų darbų rinkinį, kuriame pabrėžiami nuotolinio stebėjimo technologijų naudojimo žemės ūkyje privalumai ir iššūkiai. Taip pat teikiame įžvalgų apie naujausias tendencijas ir pokyčius šioje srityje, įskaitant naujas jutiklių technologijas ir duomenų analizės metodus.

Nuotolinio stebėjimo vadovas ir atnaujinimai

Nesvarbu, ar esate ūkininkas, tyrėjas ar pramonės profesionalas, šis skyrius yra puiki vieta sužinoti daugiau apie šią įdomią ir sparčiai besivystančią sritį. Prisijunkite prie mūsų šioje kelionėje, kai tyrinėsime, kaip nuotolinio stebėjimo technologijos keičia žemės ūkio ateitį.

Nuotolinis stebėjimas keičia nikotino stebėjimą cigarų lapuose

Paskelbta pagal Muhammad Farjad

Novatoriškas tyrimas, kuriame pasitelkiamas bepiločių orlaivių hiperspektrinis vaizdavimas ir mašininis mokymasis, siekiant tiksliai įvertinti nikotino kiekį cigarų lapuose.

Naujausi aerofotografinio hiperspektrinio vaizdavimo pasiekimai kartu su mašininiu mokymusi sukėlė revoliuciją nikotino kiekio cigarų lapuose stebėjime. Šis pažangus metodas padidina vertinimo tikslumą ir suteikia vertingų įžvalgų tabako pramonei, kur cheminė sudėtis yra labai svarbi kokybei.

Sičuano žemės ūkio universiteto Tian ir kt. vadovaujami tyrėjai siekė įveikti tradicinių rankinių kokybės patikrų, kurioms dažnai trūksta tikslumo ir efektyvumo, apribojimus. Jų 2025 m. vasario 2 d. paskelbtame tyrime nustatytos stiprios koreliacijos tarp azoto trąšų naudojimo, drėgmės lygio ir nikotino koncentracijos, pabrėžiant savalaikių ir tikslių stebėjimo metodų svarbą.

Tyrimas buvo atliktas nuo 2022 m. gegužės iki rugsėjo mėn. universiteto Šiuolaikinių žemės ūkio tyrimų bazėje, kur tyrėjai, naudodami bepiločius orlaivius (UAV) su hiperspektrinėmis kameromis, užfiksavo 15 skirtingų cigarų lapų veislių lapų atspindžio spektrus, apdorojant juos įvairiais azotu.

Jų išvados atskleidė tiesioginę koreliaciją tarp azoto trąšų naudojimo ir nikotino kiekio cigarų lapuose. “Didėjant azoto trąšų naudojimo greičiui, nikotino kiekis cigarų lapuose didėjo”, – teigė autoriai, pabrėždami žemės ūkio praktikos poveikį produkto kokybei.

Siekiant pagerinti bepiločių orlaivių surinktų hiperspektrinių vaizdų duomenų kokybę, tyrime buvo taikyti išankstinio apdorojimo metodai, tokie kaip daugiamatė sklaidos korekcija, standartinė normalioji transformacija ir Savitzky-Golay konvoliucijos išlyginimas. Tada buvo pritaikyti pažangūs mašininio mokymosi algoritmai, įskaitant dalinės mažiausių kvadratų regresijos (PLSR) ir atgalinio sklidimo neuroninius tinklus, siekiant sukurti prognozavimo modelius, galinčius tiksliai įvertinti nikotino kiekį.

Efektyviausias nustatytas modelis buvo MSC-SNV-SG-CARS-BP, kurio bandymo tikslumas buvo maždaug 0,797 R² vertės ir 0,078 RMSE. “MSC-SNV-SG-CARS-BP modelis pasižymi geriausiu nikotino kiekio prognozavimo tikslumu”, – pažymėjo autoriai, pristatydami jį kaip perspektyvią priemonę būsimiems tyrimams ir tiksliosios žemdirbystės taikymams.

Naudodami nuotolinį zondavimą cigarų lapų spektrinėms savybėms analizuoti, ūkininkai ir gamintojai gali greitai ir neardomųjų tyrimų metu įvertinti derliaus kokybę, o tai leidžia priimti labiau pagrįstus sprendimus dėl gamybos ir tiekimo grandinės. Šis metodas siūlo platų aprėpties spektrą mažomis eksploatavimo sąnaudomis ir užtikrina duomenų nuoseklumą, sumažinant priklausomybę nuo žmogiškųjų veiksnių.

Hiperspektrinio vaizdavimo ir mašininio mokymosi integravimas gali pakeisti tradicinį tabako auginimą, ne tik pagerindamas nikotino kokybę, bet ir skatindamas tvarią bei efektyvią žemės ūkio praktiką. Tyrėjai pabrėžia, kad reikia nuolat tobulinti šias technologijas ir pritaikyti jas skirtingoms tabako veislėms ir kitiems augalams.

Būsimuose tyrimuose daugiausia dėmesio bus skiriama bepiločių orlaivių (UAV) eksploatavimo sąlygų optimizavimui, siekiant surinkti aukščiausios kokybės spektrinius duomenis, atsižvelgiant į tokius kintamuosius kaip skrydžio aukštis, apšvietimo sąlygos ir triukšmo mažinimas. Šių veiksnių įvertinimas yra labai svarbus, nes žemės ūkio praktika keičiasi, kad atitiktų rinkos poreikius, kartu teikiant pirmenybę aplinkos tvarumui.

Šis tyrimas pabrėžia technologijų ir žemės ūkio mokslo sinergiją, pabrėždamas augantį novatoriškų metodų, skirtų produktų kokybei gerinti, taikymą. Tyrėjai pasisako už platesnį hiperspektrinio jutimo taikymą žemės ūkyje, sustiprindami technologijų vaidmenį didinant derlių, efektyvumą ir aplinkosauginę atsakomybę.

Šaltiniai: https://www.nature.com/articles/s41598-025-88091-4

Nuotolinio stebėjimo duomenų sintezės metodas miškų nykimo stebėjimui: naujas tyrimas

Paskelbta pagal Muhammad Farjad

Dėl pasaulinės klimato kaitos ir didėjančios žmonių veiklos miškams visame pasaulyje gresia įvairūs kenkėjai, patogenai ir ligos. Šios grėsmės kenkia tiek natūralių miškų, tiek miško plantacijų sveikatai, atsparumui ir produktyvumui.

Norint veiksmingai valdyti šias problemas, reikia ankstyvo aptikimo ir veiksmų, o tai sudėtinga dideliuose plotuose. Pripažindami to svarbą, tyrėjai sukūrė naujas technologijas, pagrįstas Žemės stebėjimo duomenimis, skirtas miškų nykimui stebėti ir valdyti.

Neseniai atliktame tyrime pristatomas mašininio mokymosi metodas pažeistiems miškams nustatyti naudojant atvirojo kodo nuotolinio stebėjimo vaizdus iš „Sentinel-2“, pagrįstus „Google Earth“ duomenimis. Šis metodas konkrečiai skirtas borealiniams miškams, kuriuos paveikė žievėgraužis Polygraphus proximus Blandford.

Tyrime miškų žalai aptikti ir įvertinti buvo naudojamas nuotolinio stebėjimo vaizdų ir mašininio mokymosi algoritmų derinys. Pateikiame trumpą jų metodologijos ir išvadų santrauką:

  • Vaizdų anotavimas ir algoritmo kūrimas: Tyrėjai pradėjo komentuodami vaizdus kanaluose, kurie atitinka natūralią spalvų suvokimą (raudona, žalia ir mėlyna), prieinamą „Google Earth“. Tada jie pritaikė giliuosius neuroninius tinklus dviem problemų formuluotėms: semantinei segmentacijai ir aptikimui.
  • Eksperimentiniai rezultatai: Eksperimentų metu tyrėjai sukūrė modelį, kuris kiekybiškai ir labai tiksliai įvertina tikslinių objektų pokyčius. Modelis pasiekė 84,56% F1 balą, efektyviai nustatydamas pažeistų medžių skaičių ir įvertindamas nudžiūvusių medynų užimamus plotus.
  • Integracija su „Sentinel-2“ vaizdais: Iš didelės skiriamosios gebos vaizdų gautos pažeidimų kaukės buvo integruotos su vidutinės skiriamosios gebos „Sentinel-2“ vaizdais. Ši integracija pasiekė 81,26% tikslumą, todėl sprendimas tinka operacinėms stebėjimo sistemoms. Ši pažanga siūlo greitą ir ekonomišką metodą pažeistiems miškams regione atpažinti.
  • Unikalus anotuotas duomenų rinkinys: Be to, tyrėjai surinko unikalų anotuotą duomenų rinkinį, skirtą nustatyti poligrafvabalio pažeistus miško plotus tyrimo regione. Šis duomenų rinkinys yra neįkainojamas būsimiems tyrimams ir stebėsenos darbams.

Ankstyvas miškų nykimo nustatymas ir kiekybinis įvertinimas naudojant šį nuotolinio stebėjimo duomenų suliejimo metodą yra labai perspektyvus miškų tvarkymo ir išsaugojimo strategijoms. Sudarydamos sąlygas laiku imtis veiksmų, tokios technologijos gali padėti apriboti žalos plitimą ir remti tvarios miškų tvarkymo praktiką.

Nors visas šio tyrimo dokumentas dar nepaskelbtas, šioje ankstyvoje santraukoje pabrėžiamas nuotolinio stebėjimo duomenų integravimo su pažangiomis mašininio mokymosi technologijomis potencialas sprendžiant aktualią miškų nykimo problemą. Šioms technologijoms toliau tobulėjant, jos atliks lemiamą vaidmenį saugant mūsų miškus nuo didėjančių klimato kaitos ir žmogaus veiklos keliamų grėsmių.

Laukite išsamaus šio novatoriško tyrimo paskelbimo, kuris neabejotinai suteiks daugiau įžvalgų ir pritaikymų miškų tvarkymo srityje.

Šaltinis: https://www.frontiersin.org/journals/environmental-science/articles/10.3389/fenvs.2024.1412870/abstract

Pasaulio druskingų dirvožemių kartografavimas naudojant nuotolinio stebėjimo technologijas

Paskelbta pagal Muhammad Farjad

Tyrėjų komanda sukūrė metodą, kuris įspūdingu tikslumu – iki 10 metrų – matuoja dirvožemio druskingumą visame pasaulyje. Šis patobulinimas patenkina esminį tikslių dirvožemio druskingumo įvertinimų poreikį – tai yra svarbi problema, turinti įtakos žemės ūkio produktyvumui ir dirvožemio sveikatai visame pasaulyje.

Dirvožemio druskingumas, tam tikra žemės degradacijos rūšis, paveikia daugiau nei 1 milijardą hektarų visame pasaulyje ir kenkia žemės ūkio produktyvumui bei aplinkos sveikatai. Ankstesnės dirvožemio druskingumo žemėlapių sudarymo pastangos susidūrė su iššūkiais dėl mažo turimų duomenų detalumo ir sunkumų parodant nuolatinius dirvožemio druskingumo lygio pokyčius.

Pripažindama šiuos iššūkius, tyrėjų komanda ėmėsi kurti modelį, kuriame naudojami „Sentinel-1/2“ vaizdai, klimato duomenys, reljefo informacija ir pažangūs mašininio mokymosi algoritmai. Jų tikslas buvo įvertinti dirvožemio druskų kiekį penkiuose klimato regionuose.

Rezultatai buvo paskelbti 2024 m. kovo 28 d. žurnale „Journal of Remote Sensing“ paskelbtame straipsnyje. Šiame tyrime pristatoma naujovė, kuri efektyviai sujungia kampinius spiralinius kanalus su periodiniais susitraukimo-išplėtimo matricomis.

Visuotinis dirvožemio druskingumo įvertinimas 10 m atstumu naudojant nuotolinius tyrimus iš kelių šaltinių

Šių pastangų pagrindas – duomenų iš įvairių nuotolinio stebėjimo technologijų, ypač pažangių „Sentinel-1/2“ palydovų, integravimas kartu su strateginiu mašininio mokymosi algoritmų panaudojimu. Šis metodas lėmė pažangaus modelio, galinčio tiksliai – 10 metrų skiriamąja geba – net ir esant skirtingoms klimato sąlygoms, sukūrimą.

Šis novatoriškas metodas gerokai peržengia ankstesnių bandymų ribas, kurias ribojo mažesnė skiriamoji geba ir siauresnis dėmesys dirvožemio druskingumo analizei. Mūsų atsidavusi tyrėjų komanda surinko didžiulį duomenų rinkinį, apimantį pasaulinius klimato modelius, tikslius dirvožemio druskingumo matavimus žemės lygyje ir išsamų geoprinių kintamųjų rinkinį.

Pasitelkęs „Random Forest“ algoritmą, modelis ne tik puikiai prognozuoja dirvožemio druskingumą su neįtikėtinu tikslumu, bet ir nušviečia esminį klimato, gruntinio vandens lygio ir druskingumo indeksų vaidmenį formuojant dirvožemio druskingumo kraštovaizdžius. Ši pažanga žymi žingsnį į priekį siekiant stebėti ir valdyti dirvožemio sveikatą pasauliniu mastu.

Pagrindinis tyrėjas profesorius Zhou Shi teigė: “Šis tyrimas yra reikšminga pažanga mūsų gebėjime įvertinti ir spręsti dirvožemio druskingumo problemą pasauliniu mastu. Integruodami palydovinius vaizdus su mašininiu mokymusi, dabar galime tiksliai ir detaliai nustatyti druskingus dirvožemius, suteikdami neįkainojamų įžvalgų apie tvarią žemės ūkio ir žemės ūkio praktiką.”

Naujausi tyrimai parengė didelės skiriamosios gebos pasaulinį dirvožemio druskingumo žemėlapį. Šis žemėlapis yra vertinga priemonė tiek mokslininkams, tiek politikos formuotojams, tiek ūkininkams. Jis padeda jiems veiksmingai spręsti dirvožemio druskingumo problemas. Nustatę didelio druskingumo sritis, jie gali imtis tikslinių veiksmų dirvožemio sveikatai atkurti.

Be to, tai padeda įgyvendinti tvarią žemės ūkio praktiką ir planuoti išteklių valdymo strategijas. Be to, šiame tyrime taikoma metodologija nustato naują aplinkos monitoringo standartą, kurį galima pritaikyti atliekant kitus žemės degradacijos vertinimus.

Daugiau informacijosNan Wang ir kt., Visuotinis dirvožemio druskingumo įvertinimas 10 m atstumu naudojant nuotolinį stebėjimą iš kelių šaltinių, „Journal of Remote Sensing“ (2024). DOI: 10.34133/remotesensing.0130

Automatizuotas derliaus duomenų valymas ir kalibravimas

Paskelbta pagal Muhammad Farjad

Automatinis derliaus duomenų valymas ir kalibravimas (AYDCC) – tai procesas, kurio metu naudojami algoritmai ir modeliai, siekiant aptikti ir ištaisyti derliaus duomenų klaidas, pvz., išskirtis, spragas ar paklaidas. AYDCC gali pagerinti derliaus duomenų kokybę ir patikimumą, o tai gali padėti ūkininkams gauti geresnių įžvalgų ir rekomendacijų.

Įvadas į derliaus duomenis

Derlingumo duomenys yra vienas svarbiausių informacijos šaltinių XXI amžiaus ūkininkams. Tai duomenys, surinkti iš įvairios žemės ūkio technikos, tokios kaip kombainai, sodinamosios ir derliaus nuėmimo mašinos, kurie matuoja tam tikrame lauke ar vietovėje užauginto derliaus kiekį ir kokybę.

Tai nepaprastai svarbu dėl kelių priežasčių. Pirma, tai padeda ūkininkams priimti pagrįstus sprendimus. Turėdami išsamius derliaus duomenis, ūkininkai gali tiksliai suderinti savo praktiką, kad padidintų produktyvumą.

Pavyzdžiui, jei konkrečiame lauke nuolat duodamas mažesnis derlius, ūkininkai gali ištirti pagrindines priežastis, tokias kaip dirvožemio sveikata ar drėkinimo problemos, ir imtis taisomųjų priemonių.

Be to, tai įgalina tiksliąją žemdirbystę. Žemėlapyje nustatydami pasėlių derlingumo skirtumus savo laukuose, ūkininkai gali pritaikyti savo naudojamas medžiagas, tokias kaip trąšos ir pesticidai, konkrečioms sritims. Toks tikslingas požiūris ne tik optimizuoja išteklių naudojimą, bet ir sumažina poveikį aplinkai.

Pasak Maisto ir žemės ūkio organizacijos (FAO), iki 2050 m. pasaulinė žemės ūkio gamyba turi padidėti 60%, kad būtų patenkinta auganti maisto paklausa. Derliaus duomenys, atliekantys savo vaidmenį didinant pasėlių produktyvumą, yra labai svarbūs siekiant šio tikslo.

Be to, Brazilijoje sojų pupelių augintojas, naudodamas derliaus duomenis kartu su dirvožemio mėginių duomenimis, sukūrė kintamų trąšų normų žemėlapius savo laukams. Jis naudojo skirtingas trąšų normas, atsižvelgdamas į dirvožemio derlingumą ir kiekvienos zonos derliaus potencialą.

Jis taip pat naudojo derliaus duomenis, kad palygintų skirtingas sojų pupelių veisles ir pasirinktų geriausias savo sąlygoms. Dėl to jis padidino vidutinį derlių 12% ir sumažino trąšų sąnaudas 15%.

Panašiai Indijoje ryžių augintojas derliaus duomenų rinkinius ir orų duomenis naudojo savo laukų drėkinimo grafikui koreguoti. Jis stebėjo dirvožemio drėgmės lygį ir kritulių kiekį naudodamas jutiklius ir palydovinius vaizdus.

derliaus duomenų supratimas ir panaudojimas

Jis taip pat naudojo jį skirtingoms ryžių veislėms palyginti ir geriausioms savo sąlygoms pasirinkti. Dėl to jis padidino vidutinį derlių 10% ir sumažino vandens sunaudojimą 20%.

Nepaisant privalumų, derliaus duomenų kūrimas ir diegimas vis dar susiduria su tam tikrais iššūkiais. Kai kurie iš šių iššūkių yra šie:

  • Duomenų kokybė: Jo tikslumas ir patikimumas priklauso nuo jutiklių kokybės, įrangos kalibravimo, duomenų rinkimo metodų ir duomenų apdorojimo bei analizės metodų. Prasta duomenų kokybė gali sukelti klaidų, šališkumo ar neatitikimų, kurie gali turėti įtakos duomenų pagrįstumui ir naudingumui.
  • Prieiga prie duomenų: Derliaus duomenų prieinamumas ir įperkamumas priklauso nuo prieigos prie žemės ūkio technikos, jutiklių, duomenų saugojimo įrenginių ir duomenų platformų bei jų nuosavybės. Prieigos ar nuosavybės stoka gali apriboti ūkininkų galimybes rinkti, saugoti, bendrinti ar naudoti savo duomenis.
  • Duomenų privatumas: Duomenų saugumas ir konfidencialumas priklauso nuo ūkininkų, technikos gamintojų, duomenų teikėjų ir duomenų naudotojų vykdomos duomenų apsaugos ir reguliavimo. Dėl apsaugos ar reguliavimo stokos duomenys gali būti naudojami neteisėtai arba neetiškai, pavyzdžiui, vagystės, manipuliavimo ar išnaudojimo tikslais.
  • Duomenų raštingumas: Derliaus duomenų supratimas ir panaudojimas priklauso nuo ūkininkų, žemės ūkio konsultantų, konsultantų ir tyrėjų įgūdžių bei žinių. Įgūdžių ar žinių trūkumas gali trukdyti šiems subjektams veiksmingai interpretuoti, perduoti ar taikyti duomenis.
duomenų rinkinių rinkimas naudojant žemės ūkio mašinas, tokias kaip kombainai

Todėl norint įveikti šiuos iššūkius ir išnaudoti visą derliaus duomenų potencialą, svarbu juos išvalyti ir sukalibruoti.

Įvadas į derliaus duomenų valymą ir kalibravimą

Derliaus duomenys yra vertingas informacijos šaltinis ūkininkams ir tyrėjams, norintiems analizuoti pasėlių našumą, nustatyti valdymo zonas ir optimizuoti sprendimų priėmimą. Tačiau norint užtikrinti jų patikimumą ir tikslumą, juos dažnai reikia valyti ir kalibruoti.

“YieldDataset” kalibravimas yra funkcija, kuri koreguoja reikšmių pasiskirstymą pagal matematinius principus, pagerindama bendrą duomenų vientisumą. Tai sustiprina sprendimų priėmimo kokybę ir suteikia duomenų rinkiniui vertingą pagrindą tolesnei išsamiai analizei.

„GeoPard Yield“ valymo kalibravimo modulis

„GeoPard“ leido išvalyti ir pataisyti derliaus duomenų rinkinius naudodama „Yield Clean-Calibration“ modulį.

Mes padarėme jūsų derliaus duomenų rinkinių kokybės gerinimą lengvesnį nei bet kada anksčiau, suteikdami ūkininkams galimybę priimti duomenimis pagrįstus sprendimus, kuriais galite pasikliauti.

„GeoPard“ – derliaus valymas ir kalibravimas, panašus į lauko potencialo zonas

Po kalibravimo ir valymo gautas derliaus duomenų rinkinys tampa homogeniškas, be išskirtų verčių ar staigių pokyčių tarp gretimų geometrijų.

Su mūsų naujuoju moduliu galite:

Pasirinkite parinktį, kad tęstumėte
Pasirinkite parinktį, kad tęstumėte
  • Pašalinkite sugadintus, persidengiančius ir nenormalius duomenų taškus
  • Kalibruokite derliaus vertes keliose mašinose
  • Pradėkite kalibravimą vos keliais paspaudimais (supaprastindami naudotojo patirtį) arba paleiskite susietą „GeoPad“ API galinį tašką.
Automatinis_derliaus_duomenų_valymo_kalibravimas_naudojant_GeoPard (1)
Automatinis_derliaus_duomenų_valymo_kalibravimas_naudojant_GeoPard (2)
Automatinis_derliaus_duomenų_valymo_kalibravimas_naudojant_GeoPard (3)
Automatinis_derliaus_duomenų_valymo_kalibravimas_naudojant_GeoPard (4)
Automatinis_derliaus_duomenų_valymo_kalibravimas_naudojant_GeoPard (5)
Automatinis_derliaus_duomenų_valymo_kalibravimas_naudojant_GeoPard (6)
Automatinis_derliaus_duomenų_valymo_kalibravimas_naudojant_GeoPard (7)

Kai kurie dažniausiai pasitaikantys automatinio derliaus duomenų valymo ir kalibravimo naudojimo atvejai:

  • Duomenų sinchronizavimas, kai keli derliaus nuėmimo kombainai dirbo vienu metu arba kelias dienas, užtikrinant nuoseklumą.
  • Duomenų rinkinio homogenizavimas ir tikslumas, išlyginant variacijas.
  • Duomenų triukšmo ir pašalinės informacijos, galinčios užgožti įžvalgas, pašalinimas.
  • Pašalinti apsisukimus ar nenormalias geometrines figūras, kurios gali iškreipti tikruosius lauko modelius ir tendencijas.

Žemiau esančioje nuotraukoje galite matyti lauką, kuriame vienu metu dirbo 15 kombainų. Jame parodyta, kaip originalus derliaus duomenų rinkinys ir patobulintas duomenų rinkinys po kalibravimo naudojant „GeoPard“ derliaus išvalymo kalibravimo modulį atrodo gana skirtingai ir yra lengvai suprantami.

Skirtumas tarp originalių ir patobulintų derliaus duomenų rinkinių naudojant „GeoPard“ kalibravimo modulį

Kodėl svarbu valyti ir kalibruoti?

Derliaus duomenis renka prie kombainų pritvirtinti derliaus monitoriai ir jutikliai. Šie prietaisai matuoja nuimto derliaus masės srautą ir drėgmės kiekį, o duomenis georeferenciniais tikslais naudoja GPS koordinates.

Tačiau šie matavimai ne visada tikslūs ar nuoseklūs dėl įvairių veiksnių, galinčių turėti įtakos įrangos veikimui ar pasėlių sąlygoms. Kai kurie iš šių veiksnių yra šie:

1. Įrangos variantai: Žemės ūkio technika, pavyzdžiui, kombainai ir derliaus nuėmimo kombainai, dažnai turi būdingų skirtumų, dėl kurių gali atsirasti duomenų rinkimo neatitikimų. Šie skirtumai gali būti jutiklių jautrumo arba technikos kalibravimo skirtumai.

Pavyzdžiui, kai kurie derliaus monitoriai gali naudoti tiesinį įtampos ir masės srauto santykį, o kiti – netiesinį. Kai kurie jutikliai gali būti jautresni dulkėms ar nešvarumams nei kiti. Šie skirtumai gali sukelti derliaus duomenų neatitikimus skirtingose mašinose ar laukuose.

1 pavyzdys. Apsisukimai, sustojimai, naudojama pusė įrangos pločio.
1 pavyzdys. Apsisukimai, sustojimai, naudojama pusė įrangos pločio.
2 pavyzdys. Apsisukimai, sustojimai, naudojama pusė įrangos pločio.
2 pavyzdys. Apsisukimai, sustojimai, naudojama pusė įrangos pločio.

2. Aplinkos veiksniai: Oro sąlygos, dirvožemio tipai ir topografija vaidina svarbų vaidmenį pasėlių derliui. Jei į šiuos aplinkos veiksnius neatsižvelgiama, jie gali sukelti triukšmą ir netikslumus derliaus duomenyse.

Pavyzdžiui, smėlinguose dirvožemiuose arba statuose šlaituose derlius gali būti mažesnis nei priemolio dirvožemiuose arba lygiuose reljefuose. Taip pat vietovėse, kuriose pasėlių tankumas didesnis, derlius gali būti didesnis nei vietovėse, kuriose tankumas mažesnis.

3. Jutiklio netikslumai: Jutikliai, nepaisant jų tikslumo, nėra neklystantys. Laikui bėgant jie gali dreifuoti ir pateikti netikslius rodmenis, jei nėra reguliariai kalibruojami.

Pavyzdžiui, sugedęs dinamometro elementas arba atsilaisvinę laidai gali lemti netikslius masės srauto rodmenis. Nešvarus arba pažeistas drėgmės jutiklis gali pateikti klaidingas drėgmės kiekio vertes. Operatoriaus įvestas neteisingas lauko pavadinimas arba ID gali priskirti derliaus duomenis neteisingam lauko failui.

Dėl šių veiksnių derliaus duomenų rinkiniai gali būti triukšmingi, klaidingi arba nenuoseklūs. Jei šie duomenys nėra tinkamai išvalyti ir kalibruoti, jie gali lemti klaidingas išvadas arba sprendimus.

Pavyzdžiui, naudojant neišvalytus derliaus duomenis derliaus žemėlapiams sudaryti, lauke gali būti klaidingai identifikuoti didelio arba mažo derlingumo plotai.

Kodėl svarbu išvalyti ir kalibruoti derliaus duomenų rinkinį?

Naudojant nekalibruotus derliaus duomenų rinkinius derliui lyginti skirtinguose laukuose ar skirtinguose metais, palyginimai gali būti neteisingi arba netikslūs. Naudojant nevalytus arba nekalibruotus derliaus duomenis maistinių medžiagų balansui arba pasėlių sąnaudoms apskaičiuoti, gali būti naudojama per daug arba per mažai trąšų ar pesticidų.

Todėl prieš naudojant derliaus duomenis bet kokiai analizei ar sprendimų priėmimui, būtina atlikti jų valymą ir kalibravimą. Derliaus duomenų rinkinių valymas – tai procesas, kurio metu pašalinamos arba ištaisomos bet kokios klaidos ar triukšmai neapdorotuose derliaus duomenyse, surinktuose derliaus monitorių ir jutiklių.

Automatiniai derliaus duomenų valymo ir kalibravimo metodai

Čia praverčia automatinio duomenų valymo metodai. Automatinio duomenų valymo metodai – tai metodai, kurie gali atlikti duomenų valymo užduotis be žmogaus įsikišimo arba su minimaliu žmogaus įsikišimu.

Konfigūruokite kalibravimo etapą
Automatiniai valymo ir kalibravimo metodai

Automatiniai duomenų valymo metodai gali sutaupyti laiko ir išteklių, sumažinti žmogiškųjų klaidų skaičių ir padidinti duomenų valymo mastelį bei efektyvumą. Kai kurie iš įprastų automatinių duomenų valymo metodų, skirtų derliaus duomenims, yra šie:

1. Išskirtinių verčių aptikimas: Išskirtiniai duomenys yra duomenų taškai, kurie reikšmingai nukrypsta nuo normos. Automatiniai algoritmai gali nustatyti šiuos nukrypimus, palygindami duomenų taškus su statistiniais rodikliais, tokiais kaip vidurkis, mediana ir standartinis nuokrypis.

Pavyzdžiui, jei derliaus duomenų rinkinys rodo išskirtinai didelį derlių konkrečiame lauke, išskirtinių verčių aptikimo algoritmas gali jį pažymėti tolesniam tyrimui.

2. Triukšmo mažinimas: Derliaus duomenų triukšmas gali kilti dėl įvairių šaltinių, įskaitant aplinkos veiksnius ir jutiklių netikslumus.

Automatiniai triukšmo mažinimo metodai, tokie kaip išlyginimo algoritmai, išfiltruoja nepastovius svyravimus, todėl duomenys tampa stabilesni ir patikimesni. Tai padeda nustatyti tikrąsias duomenų tendencijas ir modelius.

3. Duomenų imputacijaTrūkstami duomenys yra dažna derliaus duomenų rinkinių problema. Duomenų priskyrimo metodai automatiškai įvertina ir užpildo trūkstamas vertes, remdamiesi duomenų modeliais ir ryšiais.

Pavyzdžiui, jei jutiklis neįrašo duomenų tam tikrą laikotarpį, imputacijos metodai gali įvertinti trūkstamas vertes pagal gretimus duomenų taškus.

Todėl automatizuoti duomenų valymo metodai yra duomenų kokybės sargai, užtikrinantys, kad derliaus duomenų rinkiniai išliktų patikimu ir vertingu turtu ūkininkams visame pasaulyje.

Be to, yra daug patogių įrankių ir kompiuterinių programų, kurios gali automatiškai išvalyti ir koreguoti derliaus duomenis, ir „GeoPard“ yra viena iš jų. „GeoPard Yield Clean-Calibration“ modulis kartu su panašiais sprendimais yra labai svarbus siekiant užtikrinti duomenų tikslumą ir patikimumą.

„GeoPard“ – derliaus valymas ir kalibravimas – 3 kombainai

Išvada

Automatinis derliaus duomenų valymas ir kalibravimas (AYDCC) yra būtinas tiksliojoje žemdirbystėje. Jis užtikrina pasėlių duomenų tikslumą pašalindamas klaidas ir gerindamas kokybę, suteikdamas ūkininkams galimybę priimti pagrįstus sprendimus. AYDCC sprendžia duomenų iššūkius ir naudoja automatizuotus metodus, kad gautų patikimus rezultatus. Tokios priemonės kaip „GeoPard“ derliaus valymo ir kalibravimo modulis supaprastina šį procesą ūkininkams, prisidėdamas prie efektyvios ir produktyvios ūkininkavimo praktikos.

(GIS) geoinformatikos taikymas žemės ūkyje

Paskelbta pagal Muhammad Farjad

Geoinformatika (GIS) sujungia erdvinius duomenis ir žemės ūkio sprendimų priėmimą, leisdama ūkininkams optimizuoti išteklių naudojimą ir sumažinti poveikį aplinkai. Šis technologijomis pagrįstas požiūris padeda pritaikyti tiksliosios žemdirbystės praktikas konkrečioms lauko sąlygoms, taip padidinant produktyvumą ir efektyvumą.

Geoinformatika žemės ūkyje

Analizuodami tikslią erdvinę informaciją, tokią kaip dirvožemio kintamumas, drėgmės kiekis ir kenkėjų pasiskirstymas, ūkininkai gali priimti pagrįstus sprendimus, užtikrindami, kad kiekvienas jų žemės plotas būtų apdorotas tiksliai taip, kaip jam reikia.

Naujausi duomenys rodo, kad ši technologija yra plačiai naudojama – daugiau nei 701 TP3 t ūkių ją tam tikru mastu naudoja. Geografinių duomenų integravimas tampa standartine praktika sprendimų priėmimo procesuose įvairiose pramonės šakose – nuo smulkių natūrinių ūkių iki didelių komercinių operacijų.

Ūkininkai gali stebėti savo pasėlius realiuoju laiku, naudodamiesi palydovine fotografija ir antžeminiais jutikliais. Sumažėjus atliekų kiekiui ir mažesniam neigiamam poveikiui aplinkai, jie gali tai panaudoti vandeniui, trąšoms ir pesticidams paskleisti tiksliai ten ir tada, kai jų reikia.

Australijoje vykdomame „CottonMap“ projekte vandens naudojimui stebėti naudojama geoinformatika, todėl vandens suvartojimas sumažėjo 40% lygiu. Patobulintas išteklių valdymas sumažina poveikį aplinkai, sumažindamas cheminių medžiagų nuotėkį ir per didelį laistymą.

geoinformatika žemės ūkyje

Padidėjęs produktyvumas padeda užtikrinti pasaulinį aprūpinimą maistu. Optimizuodami sodinimo modelius naudodami erdvinius duomenis, ūkininkai gali pasiekti didesnį derlių neplėsdami žemės ūkio paskirties žemės.

Kas yra geoinformatika?

Geoinformatika, dar žinoma kaip geografinės informacijos mokslas (GIScience), yra daugiadisciplininė sritis, apjungianti geografijos, kartografijos, nuotolinio stebėjimo, kompiuterių mokslo ir informacinių technologijų elementus, siekiant rinkti, analizuoti, interpretuoti ir vizualizuoti geografinius ir erdvinius duomenis.

Jis skirtas erdvinės informacijos fiksavimui, saugojimui, valdymui, analizei ir pateikimui skaitmenine forma, taip prisidedant prie geresnio Žemės paviršiaus ir įvairių geografinių objektų ryšių supratimo. Tai galingas įrankis, kurį galima naudoti įvairiems tikslams, įskaitant:

1. Tikslioji žemdirbystė: Jis gali būti naudojamas duomenims apie įvairius veiksnius, tokius kaip dirvožemio tipas, pasėlių derlius ir kenkėjų užkrėtimas, rinkti. Šie duomenys gali būti analizuojami siekiant nustatyti kintamumo sritis lauke. Nustačius šias sritis, ūkininkai gali naudoti GIS, kad parengtų individualius kiekvienos srities valdymo planus.

2. Aplinkos monitoringas: Jis gali būti naudojamas aplinkos pokyčiams, pavyzdžiui, miškų naikinimui, žemės naudojimo pokyčiams ir vandens kokybei, stebėti. Šie duomenys vėliau gali būti naudojami aplinkos politikos pažangai stebėti ir sritims, kurioms reikalinga tolesnė apsauga, nustatyti.

3. Miesto planavimas: Geoinformatika gali būti naudojama miestų teritorijoms planuoti ir valdyti. Šie duomenys gali būti naudojami nustatant plėtros reikalaujančias sritis, planuojant transporto tinklus ir valdant infrastruktūrą.

4. Nelaimių valdymas: Jis gali būti naudojamas valdyti nelaimes, tokias kaip potvyniai, žemės drebėjimai ir gaisrai. Šie duomenys gali būti naudojami nelaimės eigai stebėti, nukentėjusioms vietovėms nustatyti ir pagalbos pastangoms koordinuoti.

Kas yra geoinformatika? Geoinformatikos komponentai

Geoinformatikos komponentai

Šie komponentai veikia kartu, kad suteiktų įžvalgų apie įvairius Žemės paviršiaus aspektus ir jo ryšius. Štai pagrindiniai geoinformatikos komponentai:

  • Geografinės informacinės sistemos (GIS): GIS apima programinės ir aparatinės įrangos naudojimą geografiniams duomenims rinkti, saugoti, manipuliuoti, analizuoti ir vizualizuoti. Šie duomenys yra suskirstyti į sluoksnius, leidžiančius vartotojams kurti žemėlapius, atlikti erdvinę analizę ir priimti pagrįstus sprendimus, pagrįstus erdviniais ryšiais.
  • Nuotolinis stebėjimas: Nuotolinis stebėjimas apima informacijos apie Žemės paviršių rinkimą per atstumą, paprastai naudojant palydovus, orlaivius ar dronus. Nuotolinio stebėjimo duomenys, dažnai vaizdų pavidalu, gali suteikti įžvalgų apie žemės dangą, augmenijos sveikatą, klimato modelius ir kita.
  • Pasaulinės padėties nustatymo sistemos (GPS)GPS technologija leidžia tiksliai nustatyti padėtį ir naviguoti per palydovų tinklą. GIS sistemoje GPS naudojama tiksliems vietos duomenims rinkti, o tai labai svarbu kartografavimui, navigacijai ir erdvinei analizei.
  • Erdvinė analizė: Tai leidžia taikyti įvairius erdvinės analizės metodus, siekiant suprasti geografinių duomenų modelius, ryšius ir tendencijas. Šie metodai apima artumo analizę, interpoliaciją, perdengimo analizę ir tinklo analizę.
  • KartografijaKartografija apima žemėlapių ir geografinių duomenų vaizdinių kūrimą. Ji suteikia įrankius ir metodus informatyviems ir vizualiai patraukliems žemėlapiams, kurie efektyviai perteikia erdvinę informaciją, kurti.
  • Geoduomenų bazėsGeoduomenų bazės yra struktūrizuotos duomenų bazės, skirtos geografiniams duomenims saugoti ir valdyti. Jos suteikia erdvinių duomenų tvarkymo sistemą, leidžiančią efektyviai juos saugoti, ieškoti ir analizuoti.
  • Žiniatinklio žemėlapių ir geoprinių programųGeoinformatika išsiplėtė iki internetinių žemėlapių sudarymo ir programų, leidžiančių vartotojams pasiekti geografinius duomenis ir su jais sąveikauti per internetines platformas. Tai paskatino įvairių vietos nustatymu pagrįstų paslaugų ir įrankių kūrimą.
  • Geografinis modeliavimasGeografinis modeliavimas apima skaičiavimo modelių kūrimą, siekiant imituoti realaus pasaulio geografinius procesus. Šie modeliai padeda numatyti rezultatus, imituoti scenarijus ir padėti priimti sprendimus įvairiose srityse.

8 Geoinformatikos taikymas ir panaudojimas žemės ūkyje

Štai keletas pagrindinių GIS taikymo ir panaudojimo būdų žemės ūkyje:

1. Tikslusis ūkininkavimas

Tikslioji žemdirbystė pasitelkia geografinių informacinių sistemų (GIS) galią, kad ūkininkai gautų išsamių įžvalgų apie savo laukus. Šios įžvalgos apima nuo detalių augmenijos ir produktyvumo žemėlapių iki konkrečios informacijos apie pasėlius.

Šio požiūrio esmė – duomenimis pagrįstas sprendimų priėmimas, suteikiantis ūkininkams galimybę optimizuoti savo praktiką, siekiant maksimalaus derliaus ir efektyvumo.

Geoinformatikos panaudojimas žemės ūkyje

Sukurdama produktyvumo žemėlapius, „GeoPard Crop Monitoring“ suteikia esminį sprendimą tiksliajai žemdirbystei. Šiuose žemėlapiuose naudojama ankstesnių metų istorinė informacija, leidžianti ūkininkams nustatyti produktyvumo modelius savo ūkiuose. Naudodamiesi šia informacija, ūkininkai gali nustatyti derlingas ir nederlingas vietas.

2. Pasėlių sveikatos stebėsena

Pasėlių sveikatos stebėsenos svarbos negalima pervertinti. Pasėlių gerovė tiesiogiai veikia derlių, išteklių valdymą ir bendrą žemės ūkio ekosistemos sveikatą.

Tradiciškai rankinis pasėlių patikrinimas dideliuose laukuose buvo sunkus ir daug laiko reikalaujantis. Tačiau atsiradus pažangioms technologijoms, tokioms kaip GIS ir nuotolinis stebėjimas, įvyko transformacinis pokytis, leidžiantis atlikti tikslų stebėjimą precedento neturinčiu mastu.

Geoinformatika padeda anksti nustatyti galimas pasėlių sveikatą veikiančias problemas. Analizuodami nuotolinio stebėjimo duomenis ir palydovinius vaizdus, ūkininkai gali nustatyti stresorius, tokius kaip maistinių medžiagų trūkumas ar ligų protrūkiai, ir imtis tikslinių intervencijų.

3. Pasėlių derliaus prognozavimas

Integruodama istorinius duomenis, dirvožemio sudėtį, oro sąlygas ir kitus kintamuosius, ūkininkai gali numatyti pasėlių derlių nepaprastai tiksliai. Ši informacija suteikia jiems galimybę priimti pagrįstus sprendimus dėl sodinimo, išteklių paskirstymo ir rinkodaros strategijų.

2019 m. zonų derliaus duomenų žemėlapis

Pasėlių derliaus prognozavimo srityje „GeoPard“ tapo pirmaujančia inovacijų lydere. „GeoPard“ sukūrė patikimą metodą, kurio tikslumas, viršijantis 90%, yra puikus, derinant istorinius ir dabartinius pasėlių duomenis, gautus iš palydovų. Šis novatoriškas požiūris įrodo, kaip technologijos gali pakeisti šiuolaikinį žemės ūkį.

4. Gyvulių stebėjimas naudojant geoinformatiką

GPS sekiklių erdviniai duomenys apie gyvulius suteikia įžvalgų apie gyvūnų judėjimą ir elgesį. Šie įrankiai suteikia ūkininkams galimybę tiksliai nustatyti gyvulių vietą ūkyje, užtikrinant efektyvų valdymą ir priežiūrą.

Be vietos nustatymo sekimo, GIS žemės ūkio įrankiai suteikia išsamų vaizdą apie gyvulių sveikatą, augimo modelius, vaisingumo ciklus ir mitybos poreikius.

Prognozuojama, kad pasaulinė tiksliosios žemdirbystės, įskaitant gyvulių stebėseną, rinka ateinančiais metais pasieks didelį įvertinimą. Ši tendencija pabrėžia GIS transformacinį potencialą optimizuojant gyvulių valdymą.

5. Vabzdžių ir kenkėjų kontrolė

Tradiciniai metodai, tokie kaip rankinis didelių laukų žvalgymas, pasirodė esą ir daug laiko reikalaujantys, ir neefektyvūs. Tačiau technologijų, ypač gilaus mokymosi algoritmų ir palydovinių duomenų, konvergencija sukėlė kenkėjų aptikimo ir valdymo revoliuciją.

Geoinformatika padeda kurti kenkėjų paplitimo žemėlapius, leidžiančius tiksliai naudoti pesticidus. Nukreipdami pesticidus į konkrečias zonas, ūkininkai gali sumažinti cheminių medžiagų naudojimą, sumažinti poveikį aplinkai ir apsaugoti naudingus vabzdžius.

„GeoPard“ pasėlių monitoringas yra efektyvus metodas, skirtas aptikti įvairias grėsmes, tokias kaip piktžolių užkrėtimas ir pasėlių ligos. Potencialiai probleminės sritys nustatomos tiriant lauke surinktus augmenijos indeksus.

Pavyzdžiui, maža vegetacijos indekso vertė tam tikroje vietoje gali būti galimų kenkėjų ar ligų požymis. Šis supratimas supaprastina procedūrą ir pašalina poreikį atlikti daug laiko reikalaujantį rankinį didelių laukų žvalgymą.

6. Drėkinimo kontrolė

GIS pagrįsti duomenys suteikia vertingų įžvalgų apie dirvožemio drėgmės lygį, padėdami ūkininkams priimti pagrįstus sprendimus dėl drėkinimo planavimo. Tai užtikrina vandens efektyvumą ir padeda išvengti perlaistymo ar sausros streso.

Kintamos drėkinimo normos svarba

GIS technologijos žemės ūkyje suteikia galingą įrankių rinkinį, skirtą nustatyti vandens trūkumą patiriančius pasėlius. Ūkininkai gali daugiau sužinoti apie savo pasėlių vandens būklę naudodami tokius indeksus kaip normalizuotas vandens skirtumo indeksas (NDWI) arba normalizuotas drėgmės skirtumo indeksas (NDMI).

Numatytasis „GeoPard“ pasėlių stebėjimo komponentas, NDMI indeksas, siūlo skalę nuo -1 iki 1. Vandens trūkumą rodo neigiamos vertės apie -1, tačiau užmirkimą gali rodyti teigiamos vertės, artimos 1.

7. Potvynių, erozijos ir sausros kontrolė

Potvyniai, erozija ir sausros yra didžiuliai priešininkai, galintys padaryti didelę žalą žemės ūkio kraštovaizdžiams. Šie iššūkiai ne tik sunaikina fiziškai, bet ir sutrikdo vandens prieinamumą, dirvožemio sveikatą ir bendrą pasėlių produktyvumą. Veiksmingas šių grėsmių valdymas yra labai svarbus siekiant užtikrinti aprūpinimą maistu, išsaugoti gamtos išteklius ir skatinti tvarią ūkininkavimo praktiką.

Geoinformatika padeda įvertinti kraštovaizdžio pažeidžiamumą potvynių, erozijos ir sausros atžvilgiu. Analizuodami topografinius duomenis, kritulių modelius ir dirvožemio savybes, ūkininkai gali įgyvendinti strategijas šiai rizikai sušvelninti.

8. GIS ūkininkavimo automatizavime

Geografinės informacinės sistemos (GIS) peržengė savo tradicinį žemėlapių sudarymo įrankių vaidmenį ir tapo svarbiomis automatizuotos technikos valdymo priemonėmis. Ši technologija suteikia erdvinius duomenis ir tikslias navigacijos sistemas įvairiai žemės ūkio technikai, pavyzdžiui, traktoriams ir dronams.

Dėl to užduotys – nuo sodinimo iki purškimo ir derliaus nuėmimo – gali būti atliekamos beprecedenčiu tikslumu ir minimaliu žmogaus įsikišimu.

GIS ūkininkavimo automatizavime

Įsivaizduokite scenarijų, kai traktoriui pavesta sėti pasėlius didžiuliame lauke. Įrengtas GPS sistema ir GIS technologija, traktorius naudoja erdvinius duomenis, kad galėtų važiuoti iš anksto nustatytais maršrutais, užtikrindamas nuoseklų sėklų įterpimą ir optimalų atstumą. Toks tikslumas ne tik padidina pasėlių derlių, bet ir sumažina išteklių švaistymą.

Geoinformatikos vaidmuo tiksliojoje žemdirbystėje

Jis atlieka itin svarbų vaidmenį tiksliojoje žemdirbystėje, suteikdamas ūkininkams duomenis ir priemones, reikalingas priimti pagrįstus sprendimus dėl pasėlių valdymo. Jis gali būti naudojamas duomenims apie įvairius veiksnius, tokius kaip dirvožemio tipas, pasėlių derlius ir kenkėjų užkrėtimas, rinkti.

Šie duomenys gali būti analizuojami siekiant nustatyti kintamumo sritis lauke. Nustačius šias sritis, ūkininkai gali naudoti GIS, kad parengtų individualius kiekvienos srities valdymo planus.

Geoinformatikos naudojimas tiksliojoje žemdirbystėje sparčiai auga visame pasaulyje. Pavyzdžiui, Jungtinėse Valstijose tiksliosios žemdirbystės naudojimas per pastaruosius penkerius metus išaugo daugiau nei 50%. O Kinijoje tiksliosios žemdirbystės naudojimas ateinančiais metais turėtų išaugti daugiau nei 20% per metus.

Tyrimai parodė, kad tikslus įvesties duomenų taikymas naudojant geoinformatikos metodus gali padidinti derlių iki 15%, o įvesties sąnaudas sumažinti 10–30%.

Be to, 2020 m. žurnale „Nature“ paskelbtame tyrime nustatyta, kad GIS naudojimas vandens drėkinimui kviečių lauke padidino pasėlių derlių 20%. Kitame tyrime, paskelbtame 2021 m. žurnale „Science“, nustatyta, kad GIS naudojimas tikslesniam trąšų naudojimui kukurūzų lauke padidino pasėlių derlių 15%.

Jis taip pat gali būti naudojamas derliaus žemėlapiams sudaryti. Šie žemėlapiai gali būti naudojami mažo derliaus vietovėms nustatyti, o vėliau jas ištirti, siekiant nustatyti problemos priežastį. Nustačius problemos priežastį, ūkininkai gali imtis taisomųjų veiksmų, kad padidintų derlių tose vietovėse.

Geoinformatikos vaidmuo tiksliojoje žemdirbystėje

Pavyzdžiui, ūkininkai gali naudoti dirvožemio tipo ir derlingumo žemėlapius. Šie žemėlapiai vėliau gali būti naudojami tiksliau paskirstyti trąšas, o tai gali padėti padidinti pasėlių derlių ir sumažinti nereikalingų trąšų kiekį.

Be duomenų rinkimo ir analizės, jis taip pat gali būti naudojamas erdviniams duomenims vizualizuoti. Tai gali būti naudinga ūkininkams, norintiems matyti, kaip lauke pasiskirsto skirtingi veiksniai, pavyzdžiui, dirvožemio tipas ir pasėlių derlius. Vizualizacijos įrankiai taip pat gali būti naudojami siekiant padėti ūkininkams perduoti savo išvadas kitiems, pavyzdžiui, pasėlių konsultantams ar vyriausybės pareigūnams.

Geoinformatikos pritaikymo tiksliojoje žemdirbystėje galimybės realiame pasaulyje yra gausios. Pavyzdžiui, kintamo kiekio technologija (VRT) naudoja erdvinius duomenis, kad lauke būtų tiekiamas įvairus kiekis medžiagų, tokių kaip vanduo, trąšos ir pesticidai.

Toks metodas užtikrina, kad pasėliai gautų tiksliai tiek maistinių medžiagų, kiek jiems reikia, optimizuojant augimą ir derlių. Kitais atvejais palydoviniai vaizdai ir dronai suteikia vertingų įžvalgų apie pasėlių sveikatą ir ligų aptikimą, o tai leidžia greitai įsikišti.

„GeoPard“ pasėlių stebėjimas kaip žemės ūkio GIS programinės įrangos pavyzdys

Labai svarbu nepamiršti, kad žemės ūkyje naudojama GIS programinė įranga gali skirtis priklausomai nuo jos paskirties. Kai kurie įrankiai rodo dirvožemio drėgmės lygį, kad padėtų pasirinkti sodinukus, o kiti rodo pasėlių veisles, derlių ir pasiskirstymą.

Netgi lyginant medienos ruošos ir miškininkystės ekonominius aspektus, galima naudoti įvairias programas. Todėl kiekvienas ūkininkas ar žemės ūkio vadybininkas turi atrasti idealų GIS sprendimą, kuris suteiktų jam reikiamos informacijos, kad galėtų priimti išmintingus sprendimus dėl savo žemės.

Kalbant apie lauko duomenis, „GeoPard“ pasėlių stebėjimo platforma turi daug privalumų. Ji teikia augmenijos ir dirvožemio drėgmės dinamikos santraukas, istorinius augmenijos ir orų duomenis bei tikslias 14 dienų orų prognozes.

„GeoPard“ užtikrina automatizuotą pasėlių stebėjimo sinchronizavimą

Ši platforma suteikia tokias galimybes kaip žvalgyba, skirta organizuoti veiklą ir keistis informacija realiuoju laiku, taip pat lauko veiklos žurnalą, skirtą operacijų planavimui ir stebėjimui, todėl ji siūlo daugiau nei vien GIS pagrįstus duomenis.

Į „GeoPard“ pasėlių stebėjimo sistemą taip pat įtraukiami duomenys iš papildomų šaltinių. Pavyzdžiui, duomenų tvarkyklės įrankis į platformą integruoja mašinos duomenis. Jis palaiko populiarius failų formatus, tokius kaip SHP ir ISO-XML.

Galite matuoti pasėlių derlių naudodami lauko technikos duomenis, palyginti juos su tręšimo žemėlapiais, išnagrinėti tręšimo taktiką ir kurti planus derliui didinti. Organizacijos, su kuriomis bendradarbiauja žemės ūkio įmonės, ir pačios jos gauna didelę naudą iš šios universalios platformos.

Tiksliosios žemdirbystės ir geoinformatikos iššūkiai

Tiksliosios žemdirbystės ir geoinformatikos integracija sukelia daugybę politinių pasekmių ir reguliavimo aspektų. Vyriausybės visame pasaulyje stengiasi kurti sistemas, kurios skatintų inovacijas, kartu apsaugodamos duomenų privatumą, žemės naudojimą ir aplinkos tvarumą.

Pavyzdžiui, reglamentai gali reglamentuoti erdvinių duomenų rinkimą ir dalijimąsi jais, intelektinės nuosavybės teises, susijusias su tiksliojo ūkininkavimo technologijomis, ir etišką dirbtinio intelekto naudojimą žemės ūkyje.

Europos Sąjungoje bendra žemės ūkio politika (BŽŪP) pripažįsta skaitmeninių technologijų, įskaitant geoinformatiką, vaidmenį didinant žemės ūkio produktyvumą.

Teikiamos finansinės paskatos, siekiant paskatinti ūkininkus taikyti tiksliojo ūkininkavimo praktikas, kurios atitinka aplinkosaugos ir tvarumo tikslus. Šis pavyzdys iliustruoja, kaip politika gali skatinti technologijų diegimą kolektyvinei naudai.

Vis dėlto geoinformatikos technologijų diegimas žemės ūkyje teikia didelę naudą, tačiau kartu ir iššūkių, ypač įvairaus masto ūkininkams. Smulkūs ūkininkai dažnai susiduria su finansiniais apribojimais, nes jiems trūksta išteklių technologijoms įsigyti ir mokymams.

Didesnėms įmonėms dėl jų veiklos masto kyla duomenų valdymo sudėtingumas. Techninių žinių spragos yra dažnos, nes tiek mažiems, tiek dideliems ūkininkams reikia mokymų, kaip efektyviai naudoti geoinformatikos įrankius.

Ribota infrastruktūra ir ryšys apsunkina prieigą, ypač atokiose vietovėse. Kyla pritaikymo sunkumų, nes sprendimai gali netikti mažiems ūkiams arba neintegruotis į didesnius objektus.

Kultūrinis pasipriešinimas pokyčiams ir susirūpinimas dėl duomenų privatumo daro įtaką diegimui visame pasaulyje. Vyriausybės politika, investicijų grąžos neapibrėžtumas ir sąveikumo problemos dar labiau stabdo pažangą.

Norint išspręsti šiuos iššūkius, reikės individualiai pritaikytų strategijų, siekiant užtikrinti, kad geoinformatika būtų naudinga visiems ūkininkams, nepriklausomai nuo jų masto.

Išvada

Sklandus geoinformatikos integravimas į šiuolaikinį žemės ūkį turi transformacinį potencialą. Pasitelkdami erdvinių duomenų galią, ūkininkai ir žemės ūkio suinteresuotosios šalys gali priimti pagrįstus sprendimus, optimizuoti išteklių naudojimą ir skatinti tvarią praktiką. Nesvarbu, ar tai būtų pasėlių derliaus prognozavimas, vandens išteklių valdymas, ar tiksliojo ūkininkavimo gerinimas, GIS tampa kelrodžiu, formuojančiu efektyvesnę, atsparesnę ir produktyvesnę žemės ūkio pasaulio ateitį.

LfL pasitelkia „GeoPard“ platformą savo būsimo augalininkystės projekto įgyvendinimui

Paskelbta pagal Muhammad Farjad

Šiandieninis žemės ūkis susiduria su dideliais iššūkiais. Jis turi gaminti aukštos kokybės maistą ir žaliavas, tačiau vis dažniau taip pat turi atsižvelgti į dirvožemio, vandens, klimato ir biologinės įvairovės apsaugos reikalavimus.

Bavarijos valstybinis žemės ūkio tyrimų centras (LfL) jau seniai atlieka tyrimus, susijusius su šiais iššūkiais, ir dabar savo „Future Crop Farming“ projektui testuoja tiksliosios žemdirbystės platformą „GeoPard“.

Dmitrijus Dementjevas, “GeoPard” generalinis direktorius ir vienas iš įkūrėjų: „Tradiciniai augalininkystės metodai dažnai susiduria su tokiais iššūkiais kaip neefektyvus išteklių valdymas ir ribota prieiga prie realaus laiko duomenų. Šie veiksniai gali lemti neoptimalų pasėlių derlių, padidėjusias išlaidas ir aplinkos naštą.“

„GeoPard“ platforma suteikia „LfL“ centralizuotą platformą svarbiausiems ūkininkavimo duomenims vizualizuoti ir analizuoti. Platformos patogi vartotojo sąsaja leidžia derinti palydovinius duomenis ir eksperimentinius duomenis iš lauko bandymų, supaprastinant sudėtingą duomenų interpretavimą ir suteikiant vartotojams galimybę priimti pagrįstus sprendimus, optimizuojančius produktyvumą ir tvarumą.

Laukas buvo padalintas į dalis, kad būtų galima pademonstruoti konkretų bandymo įrengimą: „LfL“ įdiegė juostinių tarpinių pasėlių sistemą, t. y. vienu metu lygiagrečiose juostose tame pačiame lauke auginami keli pasėliai.

Šios juostelės vėliau gali būti naudojamos atskirai sąnaudų (pvz., trąšų ir augalų apsaugos) ir derliaus rezultatų lygtyse, taip apskaičiuojant bendrą lauko apimtį.

pelnas. Be to, galima įvertinti atskirų pasėlių generuojamą pelną ir galimą poveikį juostų pakraščiuose.

LfL ir „GeoPard“ bendradarbiavimas įgyvendinant projektą „Future Crop Farming“ gali padėti tobulinti netradicinių lauko struktūrų analizės įrankius.

Pasinaudodama pažangia „GeoPard“ platforma, ji gali papildyti savo tyrimų rezultatus ir kurti vertingas vizualizacijas, skirtas projekto įžvalgoms perduoti visuomenei.

Dėmesys tiksliajam ūkininkavimui, produktyvumui ir aplinkosaugai – novatoriškas LfL projektas atskleidžia tvaresnės augalininkystės ateities potencialą.

LfL skaitmeninimo vadovas ir projektų vadovas, PD dr. Markus Gandorfer: “Mums malonu dirbti su entuziastinga ”GeoPard“ komanda. Gilesnės įžvalgos apie mūsų juostinių tarpinių pasėlių duomenis, kurias suteikia „GeoPard“ įrankis, mums yra labai vertingos.“

Apie

Bavarijos valstybinis žemės ūkio tyrimų centras (LfL) Bavarijos valstybinis žemės ūkio tyrimų centras (LfL) yra Bavarijos žemės ūkio žinių ir paslaugų centras. LfL taikomieji tyrimai nagrinėja žemės ūkio praktikos klausimus ir įvairiais būdais siūlo pritaikomus sprendimus žemės ūkio įmonėms.

Tarpdisciplininis „Future Crop Farming“ projektas vykdomas Ruhstorf ad Rott miestelyje, pietryčių Bavarijoje. Daugiau informacijos apie projektą galite rasti projekto svetainėje: http://www.future-crop-farming.de

GeoPard Žemės ūkis yra pirmaujanti tiksliojo ūkininkavimo programinės įrangos tiekėja. Įmonė buvo įkurta 2019 m. Kelne, Vokietijoje, ir yra atstovaujama visame pasaulyje. Įmonė siūlo įvairius sprendimus, kurie padeda ūkininkams optimizuoti savo veiklą ir padidinti derlių.

Daugiausia dėmesio skirdama tvarumui ir regeneracinei ekonomikai, „GeoPard Agriculture“ siekia skatinti tiksliojo ūkininkavimo praktiką visame pasaulyje.

Įmonės partneriai yra tokie žinomi prekių ženklai kaip „John Deere“, „Corteva Agriscience“, ICL, „Pfeifer & Langen“, IOWA sojų pupelių asociacija, „Kernel“, MHP, „SureGrowth“ ir daugelis kitų.

GPS technologijos panaudojimas dengiamųjų kultūrų auginimui optimizuoti

Paskelbta pagal Muhammad Farjad

Žemės ūkio pramonė išgyvena didelius pokyčius, vis dažniau diegiant modernias technologijas, tokias kaip GPS sistemos.

Tai ypač pastebima, kaip ūkininkai augina tarpinius augalus. GPS technologija pakeičia jų ūkių valdymą, padėdama tapti efektyvesniais ir tausojančiais žemės ūkio praktikas.

Kartais vadinami žaliomis trąšomis, augalai, auginami pirmiausia dirvožemio sveikatai pagerinti, o ne derliui nuimti. Paprastai jie auginami ne sezono metu ir teikia tokių privalumų kaip piktžolių kontrolė, biologinės įvairovės didinimas ir dirvožemio derlingumo gerinimas.

Tačiau auginant žolinius pasėlius gali prireikti daug darbo ir laiko. Čia praverčia GPS technologija.

GPS technologijos integravimas į žemės ūkį suteikia daugybę privalumų. Pirmiausia, tai leidžia tiksliąją žemdirbystę, kur ūkininkai gali naudoti GPS koordinates tiksliems laukų žemėlapiams sudaryti.

Tai padeda jiems atidžiai stebėti pasėlių augimą ir dirvožemio sąlygas. Remdamiesi duomenimis, jie gali tiksliau naudoti trąšas ir pesticidus, taip sumažindami atliekas ir aplinkos žalą.

Be to, GPS technologija labai padidina tarpinių kultūrų sėjos efektyvumą. Tradiciniai metodai gali lemti netolygų sėklų pasiskirstymą, todėl kai kurios sritys bus prastai padengtos.

Naudodami GPS valdomą techniką, ūkininkai gali užtikrinti tolygų pasiskirstymą visame lauke, skatinant geresnį augimą ir dirvožemio padengimą. Tai ne tik padidina tarpinių kultūrų efektyvumą, bet ir sumažina darbo bei išteklių poreikį.

Be to, GPS technologija leidžia ūkininkams įgyvendinti efektyvesnes pasėlių rotacijos strategijas. Turėdami tikslius laukų žemėlapius ir stebėdami pasėlių augimą, jie gali optimizuoti dirvožemio sveikatą ir produktyvumą per gerai suplanuotas rotacijas. Tai laikui bėgant gali lemti didesnius derlius, dar labiau padidinant žemės ūkio efektyvumą.

Be to, GPS technologija atlieka gyvybiškai svarbų vaidmenį stebint ir valdant kenkėjus bei ligas. Ji leidžia ūkininkams stebėti šių problemų buvimo vietą ir plitimą, todėl jie gali imtis tikslingų kontrolės priemonių. Dėl to galima sumažinti plataus spektro pesticidų naudojimą, skatinant sveikesnę ir tvaresnę žemės ūkio sistemą.

GPS technologija siūlo naudos, viršijančios pavienius ūkininkus, kalbant apie tarpinių kultūrų auginimą. Ji gali skatinti tvarią ir efektyvią žemės ūkio praktiką pasauliniu mastu.

Mažindama atliekų ir geriausiai panaudodama išteklius, GPS technologija gali atlikti svarbų vaidmenį patenkinant augantį pasaulinį maisto poreikį aplinkai draugišku būdu.

Tačiau naudojant GPS technologijas žemės ūkyje, daugeliui ūkininkų kyla iššūkių, tokių kaip didelės pradinės išlaidos ir techninių žinių trūkumas. Siekiant įveikti šias kliūtis, būtina teikti paramą ūkininkams.

Tai gali būti pasiekta taikant finansines paskatas, mokymo programas ir kuriant patogią vartotojui programinę bei techninę įrangą, leidžiančią jiems efektyviai išnaudoti šias technologijas.

Apibendrinant, GPS technologijos naudojimas dengiamųjų pasėlių auginime gali žymiai pagerinti žemės ūkio efektyvumą. Tai leidžia tiksliai ūkininkauti, geriau sėti, efektyviai augalų rotuoti ir geriau valdyti kenkėjus bei ligas. Suteikdami tinkamą paramą ir išteklius, ūkininkai gali pasinaudoti GPS technologija, kad sukurtų tvaresnį ir produktyvesnį žemės ūkio sektorių.

„GeoPard“ automatizuotas lauko ribų aptikimo modelis tiksliajai žemdirbystei

Paskelbta pagal Muhammad Farjad

„GeoPard“ sėkmingai sukūrė automatizuotą lauko ribų aptikimo modelį, naudodama daugiamečius palydovinius vaizdus, tikslų debesų ir šešėlių aptikimą bei pažangius patentuotus algoritmus, įskaitant giliuosius neuroninius tinklus.

„GeoPard“ lauko aptikimo modelis pasiekė pažangiausią tikslumą 0,975 pagal sankirtos virš sąjungos (IoU) metriką, patvirtinta įvairiuose regionuose ir pasėlių rūšyse visame pasaulyje.

Peržiūrėkite šiuos vaizdus, kad pamatytumėte rezultatus Vokietijoje (vidutinis lauko dydis yra 7 hektarai):

1 – Neapdorotas „Sentinel-2“ vaizdas

1 – Neapdorotas „Sentinel-2“ vaizdas

3 – Segmentuotos lauko ribos

2 – itin didelės raiškos „Sentinel-2“ vaizdas, sukurtas „GeoPard“ (1 metro raiška)

2 – itin didelės raiškos „Sentinel-2“ vaizdas, gautas „GeoPard“

3 – Segmentuotos lauko ribos, 0.975 Sankirtos virš sąjungos (IoU) tikslumo metrika, įvairiuose tarptautiniuose regionuose ir pasėlių rūšyse.

Integracija į mūsų API ir „GeoPard“ programą bus netrukus pasiekiama. Šis automatizuotas ir ekonomiškas metodas padeda prognozuoti derlių, yra naudingas vyriausybinėms organizacijoms ir padeda dideliems žemės savininkams, kuriems dažnai reikia atnaujinti laukų ribas tarp sezonų.

„GeoPard“ metodas naudoja Daugiamečių pasėlių vegetacijos tendencijos naudojant daugiafaktorinę analizę ir sėjomainą.

 

Modelis pasiekiamas per „GeoPard“ API mokėjimo pagal poreikį principą, suteikiant lankstumo be brangių prenumeratų.

 

Kas yra lauko ribų nustatymas?

Laukų ribų nustatymas – tai žemės ūkio laukų arba žemės sklypų ribų nustatymo ir kartografavimo procesas. Tai apima įvairių metodų ir duomenų šaltinių naudojimą atskirų laukų arba žemės ūkio sklypų riboms nustatyti.

Tradiciškai laukų ribas rankiniu būdu nubrėždavo ūkininkai arba žemės savininkai, remdamiesi savo žiniomis ir stebėjimais.

Tačiau tobulėjant technologijoms, ypač nuotolinio stebėjimo ir geografinių informacinių sistemų (GIS) srityse, vis labiau paplito automatizuoti ir pusiau automatizuoti metodai.

Vienas įprastas metodas yra palydovinių arba aerofotonuotraukų analizė. Didelės skiriamosios gebos vaizdai, užfiksuoti palydovų arba orlaivių, gali suteikti išsamios informacijos apie kraštovaizdį, įskaitant skirtingų žemės sklypų ribas.

Šiems vaizdams galima taikyti vaizdo apdorojimo algoritmus, kad būtų galima aptikti skirtingus požymius, tokius kaip augmenijos tipo, spalvos, tekstūros ar raštų pokyčiai, rodantys lauko ribų buvimą.

Kita technika apima LiDAR (šviesos aptikimo ir diapazono nustatymo) duomenų naudojimą, kai lazerio spinduliai matuoja atstumą tarp jutiklio ir Žemės paviršiaus.

LiDAR duomenys gali suteikti išsamią aukščio ir topografinę informaciją, leidžiančią nustatyti nedidelius reljefo skirtumus, kurie gali atitikti lauko ribas.

Be to, geografinės informacinės sistemos (GIS) atlieka lemiamą vaidmenį nustatant laukų ribas.

GIS programinė įranga leidžia integruoti ir analizuoti įvairius duomenų sluoksnius, įskaitant palydovinius vaizdus, topografinius žemėlapius, žemės nuosavybės įrašus ir kitą svarbią informaciją. Sujungdama šiuos duomenų šaltinius, GIS gali padėti interpretuoti ir identifikuoti laukų ribas.

Tikslus lauko ribų nustatymas yra būtinas dėl kelių priežasčių. Tai palengvina geresnį žemės ūkio išteklių valdymą, leidžia taikyti tiksliojo ūkininkavimo metodus ir padeda planuoti bei įgyvendinti žemės ūkio praktiką, tokią kaip drėkinimas, tręšimas ir kenkėjų kontrolė.

Tikslūs lauko ribų duomenys taip pat padeda administruoti žemę, planuoti žemės naudojimą ir laikytis žemės ūkio reglamentų.

Kaip tai naudinga?

Jis atlieka labai svarbų vaidmenį žemės ūkyje ir žemės valdyme, teikdamas daug naudos ir svarbos, kurią patvirtina įrodymai ir pasauliniai skaičiai. Štai keletas pagrindinių punktų:

1. Tikslusis žemės ūkis: Tikslios lauko ribos padeda įgyvendinti tiksliosios žemdirbystės metodus, kai tokie ištekliai kaip vanduo, trąšos ir pesticidai yra tiksliai paskirstomi konkrečioms lauko sritims.

Pasaulio banko ataskaitoje teigiama, kad tiksliosios žemdirbystės technologijos gali padidinti pasėlių derlių 20% ir sumažinti sąnaudas 10–20%.

2. Efektyvus išteklių valdymas: Tai leidžia ūkininkams geriau valdyti išteklius optimizuojant drėkinimo sistemas, koreguojant tręšimo praktiką ir stebint pasėlių sveikatą. Toks tikslumas sumažina išteklių švaistymą ir poveikį aplinkai.

Maisto ir žemės ūkio organizacija (FAO) apskaičiavo, kad tiksliojo ūkininkavimo praktika gali sumažinti vandens sunaudojimą 20–501 TP3 T, trąšų sunaudojimą – 10–201 TP3 T ir pesticidų sunaudojimą 20–301 TP3 T.

3. Žemės naudojimo planavimas: Tikslūs lauko ribų duomenys yra būtini žemės naudojimo planavimui, užtikrinant efektyvų turimos žemės ūkio paskirties žemės naudojimą. Tai leidžia politikos formuotojams ir žemės valdytojams priimti pagrįstus sprendimus dėl žemės paskirstymo, sėjomainos ir zonavimo.

Tai gali padidinti žemės ūkio produktyvumą ir pagerinti aprūpinimą maistu. Tyrime, paskelbtame „Journal of Soil and Water Conservation“, nustatyta, kad veiksmingas žemės naudojimo planavimas galėtų padidinti pasaulinę maisto gamybą 20-67%.

4. Ūkių subsidijos ir draudimas: Daugelyje šalių žemės ūkio subsidijos ir draudimo programos teikiamos atsižvelgiant į laukų ribas. Tikslus ribų nustatymas padeda nustatyti tinkamus žemės plotus, užtikrinti teisingą subsidijų paskirstymą ir tiksliai apskaičiuoti draudimo įmokas.

Pavyzdžiui, Europos Sąjungos bendroji žemės ūkio politika (BŽŪP) remiasi tiksliomis laukų ribomis, skirtomis subsidijoms apskaičiuoti ir atitikties reikalavimams stebėti.

5. Žemės administravimas ir teisinės ribos: Laukų ribų nustatymas žemės ūkyje yra labai svarbus žemės administravimui, nuosavybės teisėms ir žemės ginčų sprendimui. Tikslūs laukų ribų žemėlapiai padeda nustatyti teisėtą nuosavybę, palaiko žemės registravimo sistemas ir palengvina skaidrius žemės sandorius.

Pasaulio bankas apskaičiavo, kad tik 30% pasaulio gyventojų turi teisiškai dokumentuotas teises į savo žemę, todėl patikimų lauko ribų duomenų svarba saugiai žemės valdai.

6. Atitiktis reikalavimams ir aplinkos tvarumas: Tikslios lauko ribos padeda stebėti atitiktį reikalavimams, užtikrinant aplinkosaugos taisyklių ir tvaraus ūkininkavimo praktikos laikymąsi.

Tai padeda nustatyti buferines zonas, saugomas teritorijas ir erozijos ar vandens užterštumo paveiktas teritorijas, suteikiant ūkininkams galimybę imtis tinkamų priemonių. Aplinkosaugos standartų laikymasis didina tvarumą ir mažina neigiamą poveikį ekosistemoms.

Pasak FAO, tvarios žemdirbystės praktikos gali sumažinti iki 6 milijardų tonų šiltnamio efektą sukeliančių dujų išmetimą per metus.

Šie teiginiai iliustruoja jo naudingumą ir svarbą žemės ūkyje ir žemės valdyme. Pateikti įrodymai ir pasauliniai skaičiai patvirtina teigiamą poveikį, kurį jis gali turėti išteklių naudojimo efektyvumui, žemės naudojimo planavimui, teisinėms sistemoms, aplinkos tvarumui ir bendram žemės ūkio produktyvumui.

Apibendrinant, laukų ribų nustatymas žemės ūkyje yra žemės ūkio laukų arba žemės sklypų ribų nustatymo ir kartografavimo procesas. Jis remiasi įvairiais metodais, tokiais kaip palydovinių vaizdų analizė, LiDAR duomenys ir GIS, siekiant tiksliai apibrėžti ir pažymėti šias ribas, taip sudarant sąlygas veiksmingam žemės valdymui ir žemės ūkio praktikai.

Planet vaizdinė medžiaga (kasdienė, 3 metrų skiriamosios gebos) valdymo zonų kūrimui

Paskelbta pagal dementievgeopard

Prieiga prie planetos vaizdų tapo paprastesnė, greitesnė ir prieinamesnė naudojant „GeoPard Agriculture“. Nuo 2022 m. rugpjūčio mėn. „GeoPard“ išleido galimybes ieškoti ir analizuoti tik pageidaujamus planetos vaizdus iš vartotojo pasirinkto datos intervalo.

Taigi, „GeoPard“ vartotojas prašo tik pageidaujamų „Planet“ vaizdų ir gali juos naudoti „GeoPard“ analitinėse priemonėse.

Planetos vaizdai tęsiasi Sentinel ir Landsat aprėpties sluoksniai (pateikiami pagal numatytuosius nustatymus) ir gali būti maišomi su kitais duomenų sluoksniais (derliaus nuėmimo / purškimo / sėjos technikos duomenų rinkiniais, topografiniu profiliu) per esamus Daugiasluoksnis, Daugiametis, ir Lygčių įrankiai. 

 

Planetos vaizdai valdymo zonų kūrimui

 

Planeta yra didžiausias Žemės stebėjimo palydovų tinklas, teikiantis beveik kasdienį pasaulinį duomenų rinkinį ir leidžiantis gauti didelės skiriamosios gebos bei aukšto dažnio palydovinių vaizdų duomenis.

Valdymo zonos pagal „Planet Scope“ (3,5 m raiška) vaizdus.

Skaitykite daugiau apie „GeoPard“ / „Planet Partnership“.

Kas yra planetų vaizdai ir jų panaudojimas kuriant valdymo zonas?

Tai reiškia palydovinius vaizdus, kuriuos teikia “Planet Labs” – privati bendrovė, valdanti mažų palydovų, vadinamų „Doves“, parką. Šie palydovai kasdien fiksuoja didelės raiškos Žemės paviršiaus vaizdus. Terminas „3 m raiška“ reiškia, kad kiekvienas vaizdo pikselis atitinka 3 × 3 metrų plotą ant žemės. Toks detalumo lygis leidžia atlikti išsamią įvairių Žemės paviršiaus ypatybių ir pokyčių analizę ir stebėjimą.

Kalbant apie valdymo zonų kūrimą, „Planet Imagery“ su 3 m raiška kasdien gali būti labai naudinga įvairioms pramonės šakoms ir reikmėms, tokioms kaip:

  • Žemės ūkisDidelės skiriamosios gebos vaizdai gali padėti kurti valdymo zonas žemės ūkyje, kur skirtingoms lauko vietoms gali reikėti skirtingų procedūrų, tokių kaip drėkinimas, tręšimas ar kenkėjų kontrolė. Analizuodami vaizdus, ūkininkai gali nustatyti su pasėlių sveikata, dirvožemio drėgme ir kitais veiksniais susijusius modelius, o tai leidžia jiems priimti geresnius sprendimus dėl išteklių paskirstymo.
  • Aplinkosaugos valdymas: Palydoviniai vaizdai gali būti naudojami aplinkos požiūriu jautrioms teritorijoms, tokioms kaip pelkės, miškai ir laukinės gamtos buveinės, nustatyti ir stebėti. Ši informacija gali būti naudojama kuriant valdymo zonas, kurios apsaugotų šias teritorijas ir užtikrintų tvarų žemės naudojimo praktiką.
  • Miesto planavimas: Didelės skiriamosios gebos vaizdai gali padėti miestų planuotojams nustatyti augimo zonas, žemės naudojimo modelius ir infrastruktūros plėtrą. Ši informacija gali būti naudojama kuriant valdymo zonas, kurios padėtų valdyti būsimą plėtrą ir užtikrintų efektyvų išteklių naudojimą.
  • Nelaimių valdymas: Palydoviniai vaizdai gali padėti nustatyti ir stebėti nelaimių paveiktas zonas, tokias kaip užliejamos lygumos ar gaisrų židiniai. Galima sukurti valdymo zonas, kad būtų nustatyti evakuacijos maršrutai, paskirstyti ištekliai reagavimui į nelaimes ir informuoti apie žemės naudojimo politiką, kuri sumažintų būsimų nelaimių riziką.
  • Gamtos išteklių valdymas: Didelės skiriamosios gebos vaizdai gali padėti stebėti ir valdyti tokius išteklius kaip vanduo, mineralai ir miškai. Nustačius didelės išteklių vertės arba trūkumo sritis, galima sukurti valdymo zonas, siekiant užtikrinti tvarų šių išteklių naudojimą ir išsaugojimą.

Apibendrinant galima teigti, kad „Planet Imagery“ su kasdiene 3 m raiška yra vertinga priemonė kuriant valdymo zonas įvairiose srityse, teikianti naujausią ir išsamią informaciją, kuri gali padėti sprendimus priimantiems asmenims optimizuoti išteklių paskirstymą ir užtikrinti tvarią žemės naudojimo praktiką.

Dažnai užduodami klausimai

1. Ką gali padėti nustatyti vaizdiniai?

Vaizdų naudojimas gali padėti sukurti efektyvesnę ir veiksmingesnę ūkininkavimo sistemą. Pasitelkus tokias technologijas kaip dronai ar palydoviniai vaizdai, vaizdai gali suteikti vertingų įžvalgų apie pasėlių sveikatą, dirvožemio sąlygas ir drėkinimo poreikius.

Tai padeda nustatyti susirūpinimą keliančias sritis, tokias kaip kenkėjų antplūdžiai ar maistinių medžiagų trūkumas, ir leidžia ūkininkams imtis tikslinių veiksmų. Be to, vaizdai padeda stebėti pasėlių augimą ir vystymąsi, o tai leidžia priimti tikslius sprendimus ir maksimaliai padidinti derlių. 

Lygtimis pagrįsta analizė tiksliojoje žemdirbystėje

Paskelbta pagal dementievgeopard

Išleidusi lygtimis pagrįstą analizės modulį, „GeoPard“ komanda žengė didelį žingsnį į priekį suteikdama ūkininkams, agronomams ir erdvinių duomenų analitikams praktinių įžvalgų apie kiekvieną kvadratinį metrą. Modulyje yra daugiau nei 50 iš anksto nustatytų „GeoPard“ tikslumo formulių katalogas, apimantis platų su žemės ūkiu susijusios analizės spektrą.

Tikslumo formulės buvo sukurtos remiantis daugiametis nepriklausomas agronominis universitetas ir pramonės tyrimai ir buvo griežtai išbandyti, siekiant užtikrinti jų tikslumą ir naudingumą. Juos galima lengvai sukonfigūruoti taip, kad būtų vykdomas automatiškai bet kokiam laukui, suteikdama vartotojams galingų ir patikimų įžvalgų, kurios gali padėti jiems optimizuoti pasėlių derlių ir sumažinti sąnaudas.

Lygtimis pagrįstas analizės modulis yra pagrindinė „GeoPard“ platformos funkcija, suteikianti vartotojams galingą įrankį, leidžiantį geriau suprasti savo veiklą ir priimti duomenimis pagrįstus sprendimus dėl ūkininkavimo praktikos. Turėdamas nuolat augantį formulių katalogą ir galimybę pritaikyti formules skirtingiems lauko scenarijams, „GeoPard“ gali patenkinti konkrečius bet kokio ūkininkavimo poreikius.

 

Kalio pašalinimas pagal derliaus duomenis

Kalio pašalinimas pagal derliaus duomenis

 

Naudojimo atvejai (žr. pavyzdžius žemiau):

  • Azoto įsisavinimas absoliučiais skaičiais, naudojant išeigos ir baltymų duomenis
  • Azoto panaudojimo efektyvumas (NŽE) ir pertekliaus skaičiavimai naudojant išeigos ir baltymų duomenų sluoksnius
  • Kalkių rekomendacijos, pagrįstos dirvožemio mėginių pH duomenimis arba dirvožemio skeneriai
  • Polaukis (zonos arba pikselių lygis IG žemėlapiai)
  • Mikro ir makro maistinių medžiagų tręšimo rekomendacijos, pagrįstos dirvožemio mėginių ėmimu, lauko potencialu, topografija ir derlingumo duomenimis
  • Anglies modeliavimas
  • Pokyčių aptikimas ir įspėjimai (skirtumo tarp „Sentinel-2“, „Landsat8-9“ arba „Planet“ vaizdų apskaičiavimas)
  • Dirvožemio ir grūdų drėgmės modeliavimas
  • Sausojo derliaus apskaičiavimas iš drėgnojo derliaus duomenų rinkinių
  • Tikslinio Rx ir As-Addition žemėlapių skirtumo skaičiavimas

 

Kalio rekomendacijos, pagrįstos dviem derliaus tikslais (produktyvumo zonos)

Kalio rekomendacijos, pagrįstos dviem derliaus tikslais (produktyvumo zonos)

 

 

 

 

Trąšos: rekomendacijų vadovas. Kalis / Kukurūzai.

Trąšų rekomendacijų vadovas (Pietų Dakotos valstijos universitetas): kalis / kukurūzai. Peržiūra ir pataisymas: Jasonas Clarkas | docentas ir SDSU išplėstinio mokymo dirvožemio derlingumo specialistas

 

Kalio panaudojimo efektyvumas kg/ha

Kalio panaudojimo efektyvumas kg/ha

 

 

 

Azoto panaudojimo efektyvumas procentais. Skaičiavimas pagrįstas derliaus, baltymų ir grūdų drėgmės duomenų sluoksniais.

Azoto panaudojimo efektyvumas procentais. Skaičiavimas pagrįstas derliaus, baltymų ir grūdų drėgmės duomenų sluoksniais.

 

 

Azotas: tikslinis pagal receptą, palyginti su naudojimu pagal paskirtį

Azotas: tikslinis pagal receptą, palyginti su naudojimu pagal paskirtį

 

Chlorofilo skirtumas tarp dviejų palydovinių vaizdų

Chlorofilo skirtumas tarp dviejų palydovinių vaizdų

 

„GeoPard“ naudotojas gali koreguoti esamus ir kurti savo privačios formulės remiantis vaizdais, dirvožemiu, derlingumu, topografija ar bet kokiais kitais „GeoPard“ palaikomais duomenų sluoksniais. 

Šablono „GeoPard“ lygtys pavyzdžiai

Šablono „GeoPard“ lygtys pavyzdžiai

 

Formulėmis pagrįsta analizė padeda ūkininkams, agronomams ir duomenų mokslininkams automatizuoti savo darbo eigą ir priimti sprendimus, pagrįstus daugybe duomenų ir mokslinių tyrimų, kad būtų lengviau įgyvendinti tvarų ir tikslųjį ūkininkavimą.

Kas yra lygtimis pagrįsta analizė tiksliojoje žemdirbystėje? Tiksliosios formulės naudojimas

Lygtimis pagrįsta analizė tiksliojoje žemdirbystėje reiškia matematinių modelių, lygčių, tikslumo formulių ir algoritmų naudojimą žemės ūkio duomenims analizuoti ir įžvalgoms gauti, kurios gali padėti ūkininkams priimti geresnius sprendimus dėl pasėlių valdymo.

Šie analizės metodai apima įvairius veiksnius, tokius kaip oro sąlygos, dirvožemio savybės, pasėlių augimas ir maistinių medžiagų poreikis, siekiant optimizuoti žemės ūkio praktiką ir pagerinti pasėlių derlių, kartu sumažinant išteklių švaistymą ir poveikį aplinkai.

Kai kurie pagrindiniai lygtimis pagrįstos analizės komponentai tiksliojoje žemdirbystėje yra šie:

  • Pasėlių augimo modeliai: Šie modeliai apibūdina įvairių veiksnių, tokių kaip orai, dirvožemio savybės ir pasėlių valdymo praktika, ryšį, siekiant prognozuoti pasėlių augimą ir derlių. Tokių modelių pavyzdžiai yra CERES (pasėlių aplinkos išteklių sintezės) ir APSIM (žemės ūkio gamybos sistemų sIMulator) modeliai. Šie modeliai gali padėti ūkininkams priimti pagrįstus sprendimus dėl sodinimo datų, pasėlių veislių ir drėkinimo planavimo.
  • Dirvožemio vandens modeliai: Šie modeliai įvertina vandens kiekį dirvožemio profilyje, remdamiesi tokiais veiksniais kaip krituliai, garavimas ir pasėlių vandens naudojimas. Jie gali padėti ūkininkams optimizuoti drėkinimo praktiką, užtikrinant, kad vanduo būtų naudojamas efektyviai ir tinkamu laiku, siekiant maksimaliai padidinti pasėlių derlių.
  • Maistinių medžiagų valdymo modeliai: Šie modeliai prognozuoja pasėlių maistinių medžiagų poreikį ir padeda ūkininkams nustatyti optimalų trąšų kiekį ir naudojimo laiką. Naudodami šiuos modelius, ūkininkai gali užtikrinti, kad pasėliai gautų reikiamą maistinių medžiagų kiekį, tuo pačiu sumažindami maistinių medžiagų nuotėkio ir aplinkos taršos riziką.
  • Kenkėjų ir ligų modeliai: Šie modeliai prognozuoja kenkėjų ir ligų protrūkių tikimybę, remdamiesi tokiais veiksniais kaip oro sąlygos, pasėlių augimo etapai ir valdymo praktika. Naudodami šiuos modelius, ūkininkai gali priimti iniciatyvius sprendimus dėl kenkėjų ir ligų kontrolės, pavyzdžiui, koreguoti sodinimo datas arba tinkamu laiku naudoti pesticidus.
  • Nuotolinio stebėjimo modeliai: Šie modeliai naudoja palydovinius vaizdus ir kitus nuotolinio stebėjimo duomenis, kad stebėtų pasėlių sveikatą, nustatytų streso veiksnius ir įvertintų derlių. Integruodami šią informaciją su kitais duomenų šaltiniais, ūkininkai gali priimti geresnius sprendimus dėl pasėlių valdymo ir optimizuoti išteklių naudojimą.

Apibendrinant, lygtimis pagrįsta analizė tiksliojoje žemdirbystėje naudoja matematinius modelius ir algoritmus, kad analizuotų sudėtingą įvairių veiksnių, turinčių įtakos pasėlių augimui ir valdymui, sąveiką. Naudodamiesi šia analize, ūkininkai gali priimti duomenimis pagrįstus sprendimus, siekdami optimizuoti žemės ūkio praktiką, pagerinti pasėlių derlių ir sumažinti poveikį aplinkai.

Dažnai užduodami klausimai

1. Kaip tikslioji žemdirbystė gali padėti spręsti išteklių naudojimo ir taršos problemas žemės ūkyje?

Tai gali padėti spręsti išteklių naudojimo ir taršos problemas žemės ūkyje, taikant tikslingą išteklių naudojimą, efektyvų išteklių valdymą, geresnę stebėseną ir gamtosaugos praktikų taikymą. Ūkininkai, naudodami tokias medžiagas kaip trąšos ir pesticidai, tik ten, kur jų reikia, gali sumažinti atliekas ir taršą.

Duomenimis pagrįstas sprendimų priėmimas leidžia optimaliai valdyti išteklius, o stebėjimas realiuoju laiku leidžia laiku imtis veiksmų, kad būtų išvengta taršos incidentų. Be to, gamtosaugos praktikų įgyvendinimas skatina tvarų žemės ūkį ir mažina poveikį aplinkai.

wpChatIcon
wpChatIcon

    Prašyti nemokamos „GeoPard“ demonstracijos / konsultacijos








    Spustelėdami mygtuką sutinkate su mūsų Privatumo Politika. Mums to reikia, kad galėtume atsakyti į jūsų užklausą.

      Prenumeruoti


      Spustelėdami mygtuką sutinkate su mūsų Privatumo Politika

        Atsiųskite mums informaciją


        Spustelėdami mygtuką sutinkate su mūsų Privatumo Politika

        Slapukus naudojame, kad suteiktume jums geriausią naršymo patirtį, personalizuotume mūsų svetainės turinį, analizuotume jos srautą ir rodytume jums aktualią reklamą.
        Žiūrėkite mūsų Privatumo politika daugiau informacijos.

        Priimti viską