Tikslioji žemdirbystė ir klimato modeliavimas cukranendrių auginime

Tikslioji žemdirbystė modeliuoja klimato kaitos poveikį cukranendrių derliui, derindama palydovinius vaizdus, daiktų interneto jutiklius, mašininio mokymosi algoritmus ir pasėlių modeliavimo platformas į vieną sprendimų palaikymo sistemą, kuri neapdorotus aplinkos duomenis paverčia veiksmingais ūkio valdymo sprendimais. Iki 2024 ir 2025 m. recenzuojamuose žurnaluose paskelbti tyrimai rodo, kad vos 2 °C temperatūros padidėjimas gali sumažinti cukranendrių derlių 3 procentais, o 4 °C padidėjimas – net 9 procentais, todėl ankstyvas ir tikslus modeliavimas yra ne prabanga, o būtinybė.

Cukranendrių pasaulinė svarba ir didėjanti klimato grėsmė

Cukranendrės yra vienas ekonomiškai svarbiausių augalų pasaulyje. 2024 m. pasaulinė produkcija pasiekė maždaug 1,9 milijardo metrinių tonų, nuimtų iš laukų, išsibarsčiusių po tropinius ir subtropinius regionus, o rinkos dydis siekė 58,47 milijardo JAV dolerių.

Brazilija, Indija ir Kinija kartu sudaro daugiau nei 67 procentus šios produkcijos, tačiau mažesni gamintojai Tailande, Pakistane, Kolumbijoje ir Australijoje taip pat labai priklauso nuo šio derliaus dėl darbo vietų kaimo vietovėse ir eksporto pajamų.

Be maisto, cukranendrės yra bioetanolio žaliava – daugiau nei 45 procentai Brazilijos kuro etanolio yra gaunama tiesiogiai iš cukranendrių, todėl derliaus stabilumas yra svarbus tiek aprūpinimo maistu, tiek švarios energijos tiekimo požiūriu.

Klimato kaita dabar sutrikdo sąlygas, dėl kurių cukranendrės yra tokios produktyvios. Šis derlius geriausiai auga esant gana siauram temperatūros, drėgmės ir saulės spinduliuotės diapazonui, o kai kuris nors iš šių kintamųjų pasikeičia už pageidaujamo diapazono ribų,

• sacharozės kaupimasis,
• biomasės gamyba ir
• Nukenčia derliaus nuėmimo laikas.

Pakrančių zonose, kuriose auga cukranendrių augalai, ciklonų dažnis didėja, nenuspėjami musonai tuo pačiu sezonu sukelia ir staigius potvynius, ir užsitęsusias sausras, o daugiametės atšilimo tendencijos kai kuriuose regionuose sutrumpina augimo langą, o kituose sukuria klaidingus produktyvumo signalus.

Šis spaudimas nėra ateities prognozės – tai dabartinė realybė, su kuria augintojai ir agronomai jau turi susidoroti metai iš metų. Būtent čia įsikiša tikslioji žemdirbystė. Rinkdamos didelės skiriamosios gebos aplinkos duomenis, pateikdamos juos prognozavimo modeliams ir paversdamos rezultatus sprendimais lauko lygmeniu, tiksliosios žemdirbystės sistemos suteikia augintojams galimybę numatyti su klimatu susijusį derliaus praradimą, kol jis neįvyks.

Klimato kaitos poveikio cukranendrėms supratimas

1. Temperatūros kintamumas ir šiluminis stresas

Cukranendrės optimaliai auga, kai dienos temperatūra išlieka nuo 25 °C iki 35 °C. Kai temperatūra pakyla aukščiau šių ribų, biologinis procesas, vadinamas karščio stresu, pradeda trikdyti fotosintezę – mechanizmą, kuriuo augalas saulės šviesą paverčia cukrumi.

Ląstelių lygmenyje didelis karštis denatūruoja stiebuose esančius fermentus, atsakingus už sacharozės sintezę, todėl sumažėja išgaunamo cukraus koncentracija, net kai antžeminė biomasė atrodo sveika. Tai esminis skirtumas: laukas gali atrodyti vizualiai produktyvus, nors jame yra gerokai sumažėjęs sacharozės kiekis, kuris pastebimas tik malūne.

Tyrimai, kuriuose buvo naudojamas DSSAT CANEGRO modelis – pasėlių modeliavimo sistema, kalibruota atsižvelgiant į cukranendrių fiziologiją – parodė, kad 2 °C temperatūros padidėjimas, palyginti su pradine verte, penkiose Tamil Nadu (Indija) agroklimatinėse zonose sumažino derlių 3 proc., 3 °C padidėjimas – 5 proc., o 4 °C padidėjimas – 9 proc.

Šie duomenys patvirtina, kad derliaus nuostolis nėra tiesinis; žala didėja, kai temperatūra nukrypsta nuo optimalaus derliaus diapazono. Šiltesnės naktys taip pat sumažina vėsaus laikotarpio stresą, kuris sukelia sacharozės kaupimąsi paskutiniame nokimo etape, tiesiogiai sumažindamas cukraus atgavimo greitį net ir tada, kai bendra biomasė išlieka pakankama.

PMC / DSSAT CANEGRO modelio tyrimas parodė, kad a 4 °C temperatūros padidėjimas sumažino 9% cukranendrių derlių penkiose agroklimatinėse zonose, o vandens poreikis visose zonose didėja vienu metu. Šiltėjančių subtropinių regionų augintojai turėtų pradėti modeliuoti ne tik kitą sezoną, bet ir kelių dešimtmečių temperatūros trajektorijas, kad pasiruoštų didėjantiems derliaus nuostoliams.

2. Kritulių kiekio netolygumai

Cukranendrėms per vegetacijos sezoną reikia nuo 1 500 mm iki 2 500 mm vandens, o laistymo laikas yra toks pat svarbus, kaip ir bendras tūris. Sausra didžiosios augimo fazės metu – didžiausio biomasės kaupimosi laikotarpiu tarp 3 ir 9 auginimo ciklo mėnesių – tiesiogiai riboja stiebo aukštį ir pluošto svorį.

Ir atvirkščiai, ankstyvuoju krūmijimosi etapu užmirkęs dirvožemis atima šaknims deguonį, žūsta naudingi dirvožemio mikrobai ir sukuriamos grybelinių ligų plitimo vietos. Dėl klimato kaitos tame pačiame auginimo regione, kartais net per tą patį sezoną, vis daugiau pasitaiko abiejų kraštutinumų, todėl tradiciniai kalendoriumi pagrįsti drėkinimo grafikai tampa vis nepatikimesni.

Prognozuojamas kritulių kiekio sumažėjimas 3–11,5 proc. pagrindiniuose augančiuose regionuose iki amžiaus pabaigos (AdaptNSW, 2024 m.) reiškia, kad net ir regionai, kurie šiuo metu gauna naudos iš šiltesnės temperatūros, susidurs su vandens trūkumu, kuris iš dalies arba visiškai panaikins fotosintezės rezultatus.

Pietų Azijoje musonų pradžios datų pokyčiai, kurie dabar reguliariai vėluoja viena ar trim savaitėmis, jau verčia ūkininkus ilginti drėkinimo laikotarpius ir peržiūrėti sėjos kalendorius neturint mokslinių priemonių, kurios padėtų atlikti šiuos pakeitimus.

3. Ekstremalūs oro reiškiniai ir dirvožemio vientisumas

Ciklonai, tropinės audros ir vėlyvojo sezono šalnos padaro žalos, kuri viršija vieno sezono derliaus nuostolius. Fizinis išgulimas – stiebų lenkimas ir virsmas dėl stipraus vėjo – apsunkina mechaninį derliaus nuėmimą ir skatina stiebo pagrindo puvimą.

Ilgainiui žalingesnę įtaką daro intensyvių kritulių sukelta dirvožemio erozija, dėl kurios suyra viršutinis dirvožemio sluoksnis, kuriame yra organinių medžiagų, mikrobų ir maistinių medžiagų atsargų, nuo kurių priklauso cukranendrių šaknys. Kai viršutinis dirvožemio sluoksnis eroduojamas labiau nei tam tikras gylis, žemės derlingumo potencialas visam laikui sumažėja, nebent būtų taikomos brangios atkūrimo priemonės.

4. CO2 koncentracija ir jos dvilypis poveikis

Padidėjęs atmosferos CO2 kiekis – šiuo metu viršijantis 420 ppm ir vis didėjantis – švelniai stimuliuoja C4 augalų, tokių kaip cukranendrės, fotosintezę, teoriškai padidindamas vandens naudojimo efektyvumą. Tačiau agronomai nustatė, kad ši nauda daugiausia yra sąlyginė.

Sausros sąlygomis arba azoto stokojančiame dirvožemyje augalas negali efektyviai panaudoti papildomo CO2, nes ribojantis veiksnys yra kiti biologiniai veiksniai. Grynasis rezultatas daugumoje realių auginimo aplinkų yra nedidelis teigiamas poveikis, kurį paprastai nusveria neigiamas karščio streso ir vienu metu veikiančių nepastovių kritulių poveikis.

Kas yra tikslioji žemdirbystė?

Tikslioji žemdirbystė – tai ūkio valdymo metodas, pagrįstas principu, kad vienas laukas nėra vienoda aplinka. Dirvožemio drėgmė, maistinių medžiagų kiekis, kenkėjų skaičius ir mikroklimato sąlygos labai skiriasi skirtingose ganyklos vietose – kartais vos kelių metrų atstumu. Konkrečiai vietai pritaikytas pasėlių valdymas (SSCM) yra šio principo praktinė išraiška.

Taikant SSCM, sprendimai dėl drėkinimo, tręšimo, pesticidų naudojimo ir derliaus nuėmimo laiko priimami lauko dalyje, remiantis realaus laiko jutiklių duomenimis ir prognozavimo modeliais, o ne kalendorinėmis datomis ar vienodomis taisyklėmis. Tai yra sistema, kuria remiantis taikomas klimato poveikio modeliavimas: tiksliai suprantant

• kur lauke vystosi sausros stresas,
• kai dirvožemio temperatūra peržengė ribą, arba
• kur krituliai prisotino podirvį,

Augintojai gali reaguoti tiksliai, o ne spėliodami. Šiuolaikinio tikslaus cukranendrių ūkininkavimo technologijų rinkinį sudaro kelios tarpusavyje susijusios sistemos:

1. GPS ir GIS žemėlapių sudarymas pateikia erdvinę koordinačių sistemą, kurioje registruojami visi lauko duomenys. Kiekvienas jutiklio rodmuo, derliaus matavimas ir dirvožemio mėginys yra susieti su tikslia geografine vieta, todėl sistema gali kaupti bendrą erdvinę informaciją apie kiekvieną ūkio zoną per kelis sezonus.

2. Nuotolinis stebėjimas naudojant palydovinius ir dronų vaizdus teikia periodines pasėlių sveikatos nuotraukas dideliuose plotuose, naudodamas spektrinius indeksus. Plačiausiai naudojamas yra normalizuotas skirtuminis augmenijos indeksas (NDVI), kuris matuoja artimojo infraraudonojo spektro ir raudonos šviesos atspindžio kontrastą, siekiant nustatyti chlorofilo kiekį ir biomasės tankį.

3. Daiktų interneto jutikliai (Daiktų interneto įrenginiai – tinkliniai prietaisai, kurie nuolat matuoja ir perduoda aplinkos duomenis) yra dislokuoti lauke, kad realiuoju laiku būtų galima stebėti dirvožemio drėgmę įvairiuose gyliuose, oro temperatūrą, santykinę drėgmę ir lapų drėgnumą.

4. Dronai ir bepiločiai orlaiviai atlikti mažo aukščio multispektrinius tyrimus, kurie fiksuoja erdvinius pokyčius iki kelių centimetrų skiriamąja geba, leisdami agronomams nustatyti streso židinius likus kelioms savaitėms iki jų matomumo plika akimi.

5. Dirbtinis intelektas ir mašininio mokymosi algoritmai apdoroti sujungtus jutiklių, palydovų ir istorinių klimato duomenų srautus, kad būtų galima pateikti derliaus prognozes, įspėjimus apie stresą ir išteklių paskirstymo rekomendacijas.

6. Kintamo tarifo technologija (VRT) vykdo modelių sugeneruotus sprendimus dėl nurodymų, automatiškai koreguodamas drėkinimo kiekius, trąšų normas ir kitas sąnaudas, žemės ūkio technikai judant per erdvinio valdymo zonas.

Kaip tikslioji žemdirbystė modeliuoja klimato poveikį cukranendrių derliui

1. Duomenų rinkimo sistemos, kurios maitina modelius

Tiksliosios žemdirbystės sistema yra tokia tiksli, kokie yra į ją patenkantys duomenys, o cukranendrių klimato modeliavimui tai reiškia nuolatinius duomenis iš kelių šaltinių. Dirvožemio drėgmės jutikliai – paprastai talpiniai zondai, užkasami 15 cm, 30 cm ir 60 cm gylyje – visą sezoną seka šaknų zonai prieinamą vandenį.

Kai sausra pradeda sekinti šias atsargas, modelis nustato išeikvojimo greitį ir gali prognozuoti, kada pasėliai pasieks streso slenkstį likus kelioms dienoms iki matomo vytimo atsiradimo medžių lajoje. Ūkiuose esančios automatinės meteorologijos stotys registruoja oro temperatūrą, santykinę drėgmę, vėjo greitį, saulės spinduliuotę ir kritulius net penkiolikos minučių intervalais.

Šie realaus laiko įrašai tiesiogiai įtraukiami į evapotranspiracijos skaičiavimus – bendrą greitį, kuriuo vanduo išgaruoja nuo dirvožemio paviršiaus ir prasiskverbia per pasėlių lapus, – kuris yra tiksliausias faktinio pasėlių dienos vandens poreikio matas.

Istoriniai klimato duomenų rinkiniai, apimantys dešimtmečius daugelyje cukranendrių regionų, yra ilgalaikis atskaitos taškas, pagal kurį vertinamos dabartinės anomalijos ir prognozuojamos būsimos tendencijos.

2. Cukranendrių auginimo prognozavimo modeliavimo metodai

Cukranendrių klimato poveikio vertinime dominuoja dvi modelių šeimos: pasėlių modeliavimo modeliai ir mašininio mokymosi modeliai. Pasėlių modeliavimo modeliai, tokie kaip DSSAT CANEGRO ir APSIM-Sugarcane platformos, yra procesais pagrįstos priemonės, kurios imituoja augalų augimo, dirvožemio vandens dinamikos ir sacharozės kaupimo biologinius mechanizmus per parą.

Jiems reikalingi kalibruoti genetiniai koeficientai konkrečiai auginamai cukranendrių veislei, tačiau sukalibravus, jie gali atlikti išankstinius modeliavimus pagal hipotetinius klimato scenarijus su dideliu fiziologiniu tikslumu. Mašininio mokymosi modeliai taiko kitokį požiūrį: užuot aiškiai kodavę biologinius procesus, jie identifikuoja statistinius modelius dideliuose istorinių duomenų rinkiniuose.

• klimato įrašai,
• dirvožemio duomenys,
• valdymo praktika ir
• išmatuotas derlius.

Tokie algoritmai kaip „Random Forest“, „XGBoost“ ir „CatBoost“ naujausiuose tyrimuose parodė didelį prognozavimo tikslumą. 2025 m. žurnale „Sugar Tech“ paskelbtame tyrime buvo parodyta, kad mišraus mašininio mokymosi modelis, integruojantis oro kintamuosius, dirvožemio savybes ir žemės ūkio valdymo duomenis, pateikė patikimus cukranendrių derliaus įverčius Pietų Indijos rajonų mastu.

Bendrųjų cirkuliacijos modelių (BCM) – didelių atmosferos modeliavimo modelių, kuriuos tvarko meteorologijos agentūros – klimato prognozavimo rezultatai gali būti sumažinti ir integruoti į pasėlių modeliavimo ir mašininio mokymosi sistemas, kad būtų galima prognozuoti derlių pagal būsimas klimato trajektorijas.

3. Erdvinė analizė ir lauko žemėlapių sudarymas pažeidžiamumo vertinimui

Ne kiekviena cukranendrių ūkio dalis vienodai reaguoja į tą patį klimato įvykį. Žemesnės zonos su molingu dirvožemiu yra labiau pažeidžiamos užmirkimo per stiprias liūtis, o smėlingesnėse aukštesnėse zonose vandens išeikvojimas vyksta greičiau sausros metu.

Erdvinė analizė naudoja GIS perdengimus – dirvožemio tekstūros žemėlapius, aukščio duomenis, istorinius derliaus įrašus ir jutiklių rodmenis – kad kiekviena ūkio dalis būtų klasifikuojama į pažeidžiamumo zonas, kurias galima valdyti skirtingai, reaguojant į tą patį klimato veiksnį.

Mikroklimato analizė yra ypač svarbus erdvinio kartografavimo rezultatas cukranendrių auginimui. Dideliuose, kelis kilometrus besidriekiančiuose komerciniuose laukuose tarp pavėsingų slėnių dugnų ir atvirų kalnagūbrių viršūnių gali būti 2–4 °C temperatūros gradientai.

Lauko vidurkio mastu veikiantis modelis visiškai nepastebės šių skirtumų, tačiau tiksli sistema su pakankamu jutiklių tankiu juos aptiks ir atitinkamai pritaikys diferencijuotus valdymo sprendimus.

4. Stebėjimas realiuoju laiku ir pagalba augintojams

Praktinė tiksliosios žemdirbystės vertė slypi sprendimų palaikymo rezultatuose. Kai dirvožemio drėgmės jutikliai aptinka streso atsiradimą konkrečioje valdymo zonoje, sistema sugeneruoja drėkinimo signalą, kuris nurodo, kurią zoną laistyti, kiek vandens naudoti ir kada – užuot tiesiog įspėjusi ūkininką, kad laukas išdžiūvo.

Kai prognozavimo modelis numato, kad artėjantis karštas ir sausas periodas pakels medžių lajų temperatūrą virš sacharozės kaupimosi ribos, sprendimų priėmimo įrankis gali rekomenduoti prevencinį tręšimą, siekiant sumažinti medžiagų apykaitos stresą prieš prasidedant šiam įvykiui.

Pagrindiniai klimato kintamieji, įtraukti į cukranendrių derliaus modelius

Išsamus tiksliosios žemdirbystės cukranendrių derliaus modelis integruoja šiuos aplinkos kintamuosius, kurių kiekvienas daro įtaką skirtingam biologiniam procesui pasėlyje:

• Temperatūros tendencijos – tiek maksimalios, tiek minimalios paros vertės – yra pagrindiniai fotosintezės greičio, fermentų aktyvumo ir kiekvieno augimo etapo trukmės nuo dygimo iki nokimo veiksniai.
• Kritulių modeliai – fiksuojami kaip intensyvumas, trukmė ir sezoninis pasiskirstymas – lemia dirvožemio vandens papildymą ir, modeliuojant pagal drenažo greitį, sausros streso ir užmirkimo tikimybę.
• Drėgmės lygis paveikti transpiracijos poreikį ir sudaryti sąlygas grybelinių patogenų įsitvirtinimui, ypač didžiosios augimo fazės metu, kai tankios lajos sulaiko drėgmę prie stiebų pagrindo.
• Saulės spinduliuotė skatina fotosintezės greitį ir yra ypač svarbus ankstyvuoju augimo etapu, kai lapų plotas vis dar plečiasi. Apsiniaukusi arba dūminga aplinka sumažina radiacijos patekimą ir tiesiogiai slopina biomasės kaupimąsi.
• Dirvožemio drėgmė keliuose gyliuose seka faktinę šaknų zonos vandens būklę ir yra pagrindinis realaus laiko streso rodiklis drėkinimo planavimo algoritmams.
• Vėjo modeliai informuoti apie išgulėjimo rizikos vertinimus ir daryti įtaką evapotranspiracijos skaičiavimams. Stiprus vėjas pagreitina drėgmės praradimą tiek nuo dirvožemio, tiek nuo lajos paviršiaus.
• Evapotranspiracijos rodikliai Susintetinti temperatūrą, drėgmę, vėją ir spinduliuotę į vieną dienos vandens poreikio rodiklį, kuris yra operatyviai naudingiausias klimato kintamasis drėkinimo valdymo sprendimams priimti.

Technologijos, skatinančios klimatui nepalankų cukranendrių auginimą

1. Palydovinė ir dronų stebėsena

Palydovinis cukranendrių laukų stebėjimas gerokai pažengė į priekį, nes Europos kosmoso agentūra ir komercinės didelės skiriamosios gebos platformos nemokamai teikia „Sentinel-2“ vaizdus.

Žurnale „Precision Agriculture“ (Springer, 2024 m.) paskelbtame tyrime parodyta, kad bepiločių orlaivių (UAV) gautų daugiaspektrinių duomenų derinimas su „Sentinel-2“ palydoviniais vaizdais žymiai pagerino cukranendrių derliaus įvertinimo tikslumą šiaurės rytų Tailande, kur lauko lygmens kintamumas yra didelis, o mėginių ėmimas iš žemės yra logistiškai sudėtingas.

Šių dviejų duomenų šaltinių – didelės skiriamosios gebos dronų duomenų, skirtų lauko erdviniam detalumui, ir palydovų duomenų, skirtų regioniniams laiko modeliams, – integravimas yra dabartinis geriausios praktikos metodas, taikomas dideliems komerciniams cukranendrių auginimo darbams.

NDVI (normalizuotas diferencinis vegetacijos indeksas) išlieka plačiausiai naudojamu vegetacijos indeksu cukranendrių stebėsenoje. Jis apskaičiuojamas kaip artimojo infraraudonojo ir raudonojo atspindžio skirtumo ir jų sumos santykis: NDVI = (NIR – RED) / (NIR + RED).

Vertės, artimos 1,0, rodo tankią, sveiką žaliąją biomasę, o mažėjančios vertės rodo stresą, kenkėjų padarytą žalą arba senėjimą. Sezoninės NDVI trajektorijos, nubraižytos pagal kelias palydovų stebėjimo datas, leidžia agronomams palyginti dabartinį lauko lajos vystymąsi su istorinėmis bazinėmis augimo kreivėmis ir pažymėti klimato streso sukeltus nuokrypius.

2. Dirbtinis intelektas ir didieji duomenys derliaus prognozavimui

Per pastaruosius trejus–ketverius metus dirbtinio intelekto modeliai iš tyrimų įrankių virto komerciškai naudojamomis platformomis cukranendrių gamyboje. Mašininio mokymosi algoritmai, apmokyti naudojant kelių dešimtmečių klimato kintamųjų, dirvožemio įrašų, valdymo istorijos ir malūnų sertifikuotų derliaus duomenų rinkinius, dabar gali pateikti derliaus įverčius prieš derliaus nuėmimą, kurių paklaidų lygis gerai sukalibruotose sistemose yra mažesnis nei 10 procentų.

Dar svarbiau, prisitaikant prie klimato kaitos, šiuos modelius galima taikyti perspektyviai pagal kelis klimato scenarijus – generuojant derliaus rezultatų tikimybių skirstinius, o ne vieno taško prognozes, – taip suteikiant ūkių valdytojams pagal riziką įvertintą būsimo sezono vaizdą.

2025 m. žurnale „Agronomija“ atliktame tyrime (MDPI, 2025 m. kovas) buvo įvertinti atsitiktinių miškų, dirbtinių neuroninių tinklų ir gama regresijos modeliai cukranendrių derliaus prognozavimui, naudojant iš palydovų gautus vegetacijos indeksus ir aplinkos kintamuosius per du vegetacijos sezonus, ir nustatyta, kad Mašininio mokymosi modeliai, integruojantys GNDVI ir sukauptus kritulius, pasiekė prognozavimo tikslumą, tinkamą komercinėms derliaus planavimo programoms.

Augintojai, kurie derina iš palydovų gautus vegetacijos indeksus su sezoniniais kritulių kaupimosi duomenimis, gali apskaičiuoti derliaus nuėmimo laiką ir derliaus įvertinimus keliomis savaitėmis anksčiau nei leidžia įprasti lauko stebėjimo metodai.

3. Daiktų internetas ir išmanieji jutikliai stebėjimui

Daiktų interneto jutikliai pakeitė duomenų rinkimo kliūtį tiksliame cukranendrių auginimo valdyme. Lauke esančių jutiklių tinklas, paprastai bendraujantis per „LoRaWAN“ (didelio nuotolio, mažos galios belaidį protokolą) arba korinį ryšį, gali perduoti dirvožemio drėgmės, temperatūros, elektrinio laidumo ir lajos drėgmės duomenis į centrinę debesijos platformą kas 15–30 minučių.

Prie šių jutiklių prijungtos automatizuotos tikslios drėkinimo sistemos gali atidaryti ir uždaryti drėkinimo vožtuvus be žmogaus įsikišimo, laistyti tiksliai tokiu kiekiu ir laiku, kokį nustato derliaus modelis.

Indijoje atlikti lauko bandymai su drėkinamomis cukranendrėmis parodė, kad, palyginti su įprastu drėkinimu pagal grafiką, vandens sunaudojama 20–35 proc. mažiau, o derlius išlieka nepakitęs arba padidėja, nes sistema pašalina tiek nepakankamo drėkinimo, tiek per didelio drėkinimo sukeltą išplovimą.

4. Skaitmeniniai dvyniai ir modeliavimas scenarijų testavimui

Skaitmeninis dvynys – tai virtuali tikro ūkio ar lauko kopija, nuolat atnaujinama realaus laiko jutiklių duomenimis, kurią galima naudoti valdymo sprendimams imituoti prieš juos pritaikant fizinėje aplinkoje.

Cukranendrių klimato modeliavime skaitmeninės dvynių platformos, kuriose veikia pasėlių modeliavimo varikliai, tokie kaip DSSAT arba APSIM, leidžia agronomams išbandyti tokius klausimus kaip: “Jei kitą ketvirtį kritulių kiekis bus 30 procentų mažesnis už vidutinį, kuri drėkinimo strategija geriausiai apsaugos derlių molio ir priemolio zonose?” Atsakymas pateikiamas per kelias minutes, o ne per sezonus, o neteisingo sprendimo rizika lieka modeliavime, o ne lauke.

CSM-SAMUCA-cukranendrių modelis, kuris buvo įtrauktas į DSSAT sistemą, buvo panaudotas 2025 m. „ScienceDirect“ tyrime, siekiant imituoti cukranendrių augimą, vandens produktyvumą ir azoto suboksido išmetimą pagrindinėse Brazilijos gamybos zonose, atsižvelgiant į įvairius būsimus klimato pokyčius.

Šis scenarijų testavimo būdas nėra vien akademinis – jis tiesiogiai informuoja apie investicinius sprendimus dėl drėkinimo infrastruktūros, veislių pasirinkimo ir žemės naudojimo planavimo žemės ūkio įmonėms, valdančioms tūkstančius hektarų.

Kaip „GeoPard Agriculture“ remia klimatui draugišką cukranendrių valdymą

Cukranendrių augintojams, susiduriantiems su aukščiau aprašytu klimato spaudimu, „GeoPard“ pašalina didžiausią praktinę kliūtį diegimui: poreikį sujungti atskirus įrankius iš skirtingų tiekėjų į nuoseklų darbo eigą. Kalbant apie duomenis, „GeoPard“ saugo ir sluoksniuoja,

• daugiamečiai ūkio įrašai,
• dirvožemio mėginių ėmimo rezultatai,
• derliaus stebėjimo duomenys,
• taikomųjų įvesties duomenų ir
• palydovinis pasėlių stebėjimas,

kad klimato kaitos nulemti derliaus modeliai būtų matomi ne tik vieno sezono metu, bet ir skirtingais sezonais. Jo 3D žemėlapiai ir topografinė analizė nustato drenažo rizikos zonas dar prieš tai, kai dėl smarkaus lietaus jos paverčiamos užmirkusiomis zonomis.

Dirvožemio skenavimo rezultatai tiesiogiai įtraukiami į konkrečiai vietai skirtas trąšų ir drėkinimo receptūras, todėl, kai sezono viduryje gaunama sausros prognozė, sistema jau žino, kuriose valdymo zonose pirmiausia pritrūks vandens. Sezono metu patiriamam stresui nustatyti „GeoPard“ pasėlių stebėjimo sistema seka NDVI ir kitus augmenijos rodiklius iš palydovinių vaizdų ir pažymi anomalijas pagal lauko istorinę bazinę liniją.

Jo išmanioji žvalgybos funkcija nukreipia lauko žvalgus į tikslias GPS koordinates, kur palydoviniai duomenys aptiko galimą problemą, derindama nuotolinio stebėjimo mastą su batų ant žemės tikslumu.

Kintamo kiekio trąšų naudojimo žemėlapiai visa ši analizė paverčiama mašinoms paruoštais trąšų, drėkinimo, sėjos, herbicidų, fungicidų ir augimo reguliatorių receptais, taip panaikinant atotrūkį tarp klimato kaitos išmanymo ir fizinių lauko veiksmų.

Po derliaus nuėmimo „GeoPard“ sukuria pelno žemėlapius ir trąšų naudojimo efektyvumo žemėlapius, kurie tiksliai rodo, kurioje ūkio vietoje klimato įvykis kainavo pinigus ir ar vadovybės atsakas buvo teisingai sukalibruotas. Būtent šis ekonominis grįžtamasis ryšys paverčia vieno sezono klimato patirtį geresniu receptu kitam.

PA privalumai klimato poveikio modeliavime

Tiksliojo ūkininkavimo svarba prisitaikant prie klimato kaitos neapsiriboja derliaus apsauga. Kai klimato modeliai integruojami į visapusišką tikslaus valdymo sistemą, nauda pasireiškia įvairiais ūkio našumo aspektais:

• Pagerintas derliaus prognozavimo tikslumas leidžia malūnams ir žemės ūkio įmonėms iš anksto planuoti smulkinimo grafikus, etanolio gamybos kvotas ir logistiką, taip sumažinant brangius veiklos sutrikimus, kylančius dėl netikėto derliaus trūkumo.
• Sumažintas išteklių švaistymas tiesiogiai išplaukia iš konkrečiai vietai pritaikyto valdymo. Vanduo, trąšos ir kuras naudojami ten ir tada, kai, kaip nurodyta modelyje, jų reikia, o ne tolygiai visame lauke, taip sumažinant sąnaudas ir aplinkos nuotėkį.
• Geresnis vandens valdymas Dėl dirvožemio drėgmės valdomo drėkinimo planavimo lauko bandymuose vandens suvartojimas sumažėjo 20–35 procentais nesumažinant derliaus – tai yra labai svarbus privalumas, nes daugelyje cukranendrių auginimo regionų mažėja gėlo vandens prieinamumas.
• Mažesnės gamybos sąnaudos vienai tonai dėl išvengtų pasėlių nuostolių, sumažėjusių sąnaudų švaistymo ir efektyvesnio darbo jėgos paskirstymo, kurį lemia duomenimis pagrįsti įspėjimai, o ne įprasti žvalgybos grafikai.
• Ankstyvojo perspėjimo sistemos kurios aptinka streso vystymąsi dvi ar tris savaites iki matomų simptomų atsiradimo, suteikia ūkininkams pakankamai laiko veiksmingai įsikišti, paversdamos galimus derliaus nuostolius valdomais streso epizodais.
• Didesnis tvarumas ir ilgalaikis atsparumas yra integruotos į sistemas, kurios mažina eroziją, optimizuoja dirvožemio sveikatą ir palaiko derliaus stabilumą esant platesniam klimato sąlygų diapazonui, nei gali toleruoti įprastinis ūkininkavimas.

Tiksliojo ūkininkavimo cukranendrių auginime iššūkiai

1. Duomenų tikslumo ir prieinamumo spragos

Klimato modeliai yra tokie patikimi, kokie yra juos kalibruojančių duomenų įvesties duomenys. Daugelyje besivystančių šalių cukranendrių regionų istoriniai klimato įrašai yra menki, dirvožemio tyrimai yra neišsamūs, o ūkių derliaus duomenys niekada nėra skaitmeninami.

Jutiklių tinklai, įrengti be reguliarių priežiūros grafikų, laikui bėgant savo rodmenimis kinta ir į modelio rezultatus, kuriuos jie turėtų pagerinti, įveda sistemines klaidas. Nepilna erdvinė aprėptis – pavyzdžiui, dviejų ar trijų jutiklių naudojimas 200 hektarų laukui atvaizduoti – neatsižvelgia į lauko dalių kintamumą, dėl kurio tikslusis valdymas iš esmės yra vertingas.

2. Didelės išlaidos ir prieinamumo kliūtys

Visapusiška tiksliosios žemdirbystės sistema vidutinio dydžio komerciniam cukranendrių ūkiui, įskaitant jutiklių tinklus, palydovų prenumeratas, dronų tyrimų paslaugas ir sprendimų priėmimo programinę įrangą, gali pareikalauti dešimčių tūkstančių dolerių pradinių investicijų, pridėjus nuolatines eksploatavimo išlaidas.

Didelėms Brazilijos arba Australijos žemės ūkio įmonėms valdant tūkstančius hektarų, ši investicija yra ekonomiškai pateisinama derliaus apsauga ir sąnaudų taupymu.

Smulkiesiems cukranendrių augintojams Indijoje ar Pietryčių Azijoje, valdant nuo dviejų iki penkių hektarų, be kooperatinių modelių, vyriausybės subsidijų ar paslaugomis pagrįsto kainodaros, kuri paskirsto išlaidas daugeliui naudotojų, sąnaudų barjeras yra pernelyg didelis.

3. Techninės žinios ir mokymo poreikiai

Tiksliosios žemdirbystės sistemos diegimas ir tinkamas jos diegimas yra du skirtingi dalykai. Prastai sukonfigūruotas modelis su neteisingais dirvožemio parametrais arba nesukalibruotas jutiklių tinklas duos patikimos išvaizdos rezultatus, kurie yra tiesiog neteisingi.

Agronomams ir ūkių vadovams reikia mokymų ne tik valdyti technologiją, bet ir kritiškai interpretuoti modelio rezultatus – atpažinti, kada prognozuojamas derliaus skaičius neatitinka tikslumo diapazono, kada jutiklio rodmuo atrodo anomališkai ir kada vietinės lauko žinios turėtų viršyti modelio rekomendaciją.

4. Klimato neapibrėžtumas ir prognozavimo ribos

Klimato modeliai pateikia tikimybių intervalus, o ne tikrus rezultatus. Sezoninė prognozė, pagal kurią 70 procentų tikimybė, kad kritulių kiekis bus mažesnis nei vidutinis, yra teisinga 70 procentų laiko, o 30 procentų laiko – klaidinga.

Ekstremalūs įvykiai, tokie kaip kartą per penkiasdešimt metų pasitaikantys ciklonai ar daugiametės sausros, patenka į tikimybių pasiskirstymo uodegas, kur modelio įgūdžiai yra silpniausi. Augintojai ir agronomai, naudojantys tiksliosios žemdirbystės įrankius, turi vertinti šiuos rezultatus su tinkamu epistemologiniu nuolankumu, laikydami juos sprendimų priėmimo priemonėmis, o ne deterministinėmis prognozėmis.

Atvejų analizės ir realaus pasaulio taikymas

1. Brazilija: Tikslusis stebėjimas žemyno mastu

Brazilija yra didžiausia pasaulyje cukranendrių gamintoja, 2024 m. pagaminusi maždaug 754 mln. tonų cukranendrių, ir ji taip pat yra pažangiausia šalis, diegianti tiksliosios žemdirbystės priemones šiam augalui.

Didelės žemės ūkio įmonės San Paulo ir Mato Groso valstijose valdo palydovines NDVI laiko eilutes, APSIM pagrįstą pasėlių modeliavimą ir automatizuotus meteorologinių stočių tinklus.

• sodinimo kalendoriai,
• drėkinimo planavimas ir
• derliaus logistika šimtuose tūkstančių hektarų.

Brazilijos mokslinių tyrimų institucijos CSM-SAMUCA modelį naudojo derliui ir šiltnamio efektą sukeliančių dujų išmetimo rezultatams imituoti pagal įvairius IPCC klimato scenarijus, tiesiogiai informuodamos vyriausybės politiką dėl cukranendrių plotų plėtros ir biokuro gamybos planavimo.

2. Indija: išmanusis drėkinimas ir sausros sukelto streso prognozavimas

Indija kasmet užaugina daugiau nei 465 milijonus tonų cukranendrių, daugiausia iš lietaus drėkinamų ir iš dalies drėkinamų smulkių ūkių Utar Pradeše, Maharaštroje ir Tamil Nadu valstijose.

Vyriausybės remiamos tiksliojo ūkininkavimo programos Maharaštroje išbandė dirvožemio drėgmės jutiklių tinklus ir orais pagrįstas konsultavimo sistemas, kurios teikia SMS žinutėmis pagrįstas drėkinimo planavimo rekomendacijas smulkiesiems ūkininkams, kurių laukai per maži, kad būtų galima visiškai įdiegti jutiklius.

Ankstyvojo sezono sausros streso nustatymas – naudojant NDVI anomalijas iš „Sentinel-2“ palydovinių vaizdų – leido rajonų žemės ūkio biurams nustatyti vandens streso zonas, kol pasėliai nepasiekė derliaus nuokrypos ribos, todėl buvo galima teikti tikslinę skubią drėkinimo paramą labiausiai pažeidžiamoms vietovėms.

3. Australija: palydovinis derliaus prognozavimas

Cukranendrių auginimas pakrantės Kvinslande ir šiauriniame Naujajame Pietų Velse vyksta didėjant klimato spaudimui dėl kylančios temperatūros ir pasikeitusio kritulių sezoniškumo. Regiono klimato prognozės rodo, kad esant dideliam išmetamųjų teršalų kiekiui, temperatūra iki 2059 m. padidės maždaug 1,7 °C, o iki 2099 m. – 3,4 °C, o kritulių kiekis per tą patį laikotarpį sumažės 3–11,5 proc.

Australijos mokslinių tyrimų institucijos naudoja modeliavimo modelius, ypač „APSIM-Sugarcane“ platformą, siekdamos prognozuoti, kad dėl atšilimo kai kurie augintojai gali pereiti nuo dvejų metų pasėlių ciklo prie vienerių metų ciklo, o tai gali padidinti metinį derlių iš hektaro, tačiau tik tuo atveju, jei tinkama drėkinimo infrastruktūra kompensuoja prognozuojamą kritulių kiekio sumažėjimą.

Kvinslando dideli komerciniai augintojai dabar įprastai naudoja palydovines stebėjimo sistemas, integruotas su malūno derliaus registravimu, kad patvirtintų prieš derliaus nuėmimą numatytų modelių prognozes pagal faktinius smulkinimo duomenis ir nuolat tobulintų modelio kalibravimą.

Tiksliojo ūkininkavimo ateities tendencijos cukranendrių prisitaikymui prie klimato kaitos

Naujos kartos tiksliosios žemdirbystės įrankiai cukranendrių auginimui vystosi keliomis lygiagrečiomis kryptimis. Autonominės dirbtinio intelekto valdomos lauko valdymo sistemos, kuriose jutikliai, modeliai ir technika veikia nuolatiniame grįžtamojo ryšio cikle su minimaliu žmogaus įsikišimu, pereina nuo eksperimentinių bandymų prie ankstyvo komercinio diegimo didelio masto operacijose.

Šios sistemos taiko tiksliosios žemdirbystės logiką ne tik drėkinimui ir tręšimui, bet ir derliaus nuėmimo laikui, veislių atrankai ir žiurkių priežiūrai, visa tai remiantis realaus laiko klimato duomenimis ir prognozuojamu derliaus modeliavimu.

Cukranendrių auginimo ateitis – tai ne ūkininkas, telefono programėlėje ieškantis patarimo – tai visiškai integruota sistema, kurioje klimato duomenys nuolat teka iš atmosferos į algoritmą ir drėkinimo vožtuvą, o žmonių patirtis taikoma strateginiu, o ne operatyviniu lygmeniu.

Hiperlokalinis orų prognozavimas – naudojant didelio tankio jutiklių tinklus ir trumpojo nuotolio atmosferos modeliavimą, siekiant prognozuoti sąlygas ganyklų lygmenyje su dviejų–keturių valandų išankstine data – gerokai pagerins realaus laiko sprendimų priėmimą dėl drėkinimo ir purškimo operacijų.

Blokų grandinės pagrindu sukurtos ūkių duomenų valdymo platformos pradeda teikti saugius, nuo klastojimo apsaugotus derliaus ir įvesties įrašus, kuriuos generuoja tiksliosios žemdirbystės sistemos, užtikrindamos atsekamumą nuo lauko iki malūno ir palaikydamos tvariai auginamų cukranendrių aukščiausios kokybės rinkos prieinamumą.

Regeneracinės žemdirbystės praktikos – dengiamieji pasėliai, minimalus žemės dirbimas ir biologinis dirvožemio tvarkymas – vis dažniau integruojamos į tikslaus valdymo sistemas, naudojant jutiklių duomenis dirvožemio anglies ir mikrobų sveikatai stebėti kartu su įprastais derliaus rodikliais.

Geriausia ūkininkų ir žemės ūkio įmonių, diegiančių tiksliąją žemdirbystę, praktika

Norint efektyviai įdiegti tikslųjį ūkininkavimą, reikia laipsniško ir strateginio požiūrio, o ne visų technologijų diegimo iš karto. Šie žingsniai atspindi efektyviausius įgyvendinimo būdus, pastebėtus komerciniuose cukranendrių auginimo ūkiuose:

1. Pradėkite nuo aukštos kokybės pradinių duomenų. Prieš diegdami jutiklius ar modelius, investuokite į išsamų dirvožemio tyrimą, kuriame būtų sudarytas viso ūkio tekstūros, pH, organinių medžiagų ir drenažo klasės žemėlapis. Šis erdvinis dirvožemio bazinis lygis yra pagrindas, ant kurio kuriamas kiekvienas paskesnis modelio sluoksnis, o prastos kokybės dirvožemio duomenys yra dažniausia modelio kalibravimo klaidų priežastis.

2. Jutiklių tinklus išdėstyti tinkamu tankumu. Norint patikimai nustatyti stresą, kiekvienoje dirvožemio valdymo zonoje reikalinga bent viena dirvožemio drėgmės stebėjimo stotis. Jutiklių nepakankamas išdėstymas siekiant sutaupyti lėšų yra klaidingas ekonominis sprendimas, nes gaunami erdviniai vidurkiai, neatspindintys lauko viduje esančio kintamumo, kurį sistema ir yra skirta užfiksuoti.

3. Integruoti vietos žinias su modelio rezultatais. Patyrę augintojai ir vietos agronomai dešimtmečius kaupia specifinių lauko žinių apie drenažo karštąsias zonas, mikroklimato modelius ir kenkėjų ciklus, kurių dar nepastebėjo jokia nuotolinio stebėjimo sistema. Šios neišreikštos žinios turėtų būti naudojamos modelio rezultatams patikrinti per pirmuosius vieną ar du diegimo sezonus ir pažymėti anomalijas, kurios rodo, kad modelio parametrą reikia perkalibruoti.

4. Nuolat stebėti klimatą. Tiksliosios žemdirbystės sistemos vertė kaupiasi laikui bėgant. Daugiamečiai jutiklių įrašai leidžia modeliui atskirti tikras klimato nulemtas derliaus anomalijas nuo įprastų sezoninių svyravimų ir tobulinti prognozes, gilėjant vietiniam kalibravimo duomenų rinkiniui.

4. Investuokite į keičiamo mastelio įrankius su aiškiais plėtros keliais. Mažesniems ūkiams pradinio lygio platformos, kurios prasideda nuo palydovinio NDVI stebėjimo ir vienos automatinės meteorologijos stoties, suteikia tiesioginės vertės, nereikalaujant visų jutiklių tinklo investicijų nuo pirmos dienos. Augintojai gali palaipsniui didinti jutiklių tankį ir modelių sudėtingumą, kai parodoma ankstyvojo diegimo investicijų grąža.

Išvada

Klimato kaita nėra ateities rizika cukranendrių auginimui – tai dabartinė veiklos sąlyga, dėl kurios jau mažėja derlius, didėja sąnaudų sąnaudos ir mažėja vegetacijos sezonų patikimumas visuose pagrindiniuose gamybos regionuose. Tikslioji žemdirbystė modeliuoja klimato kaitos poveikį cukranendrių derliui, aplinkos sudėtingumą paversdama praktine ūkio informacija.

Ar tai būtų pasėlių modeliavimo platformos, kurios prognozuoja biologinį atsaką į temperatūros anomaliją, mašininio mokymosi modeliai, kurie sintetina dešimtmečių derliaus ir klimato duomenis į prognozę prieš derliaus nuėmimą, ar daiktų interneto jutiklių tinklai, kurie aptinka šaknų zonos drėgmės stresą prieš tai, kai laja parodo simptomus, – šios priemonės suteikia augintojams galimybę reaguoti į klimato riziką, o ne tiesiog ją absorbuoti. Tačiau trajektorija aiški.

Tiksliosios žemdirbystės įrankiams tampant vis labiau prieinamiems, labiau sujungtiems ir tikslesniems, klimatui draugiška cukranendrių gamyba iš didžiausių žemės ūkio įmonių konkurencinio pranašumo taps standartiniu veiklos modeliu tiek komerciniams, tiek smulkiesiems augintojams.