{"id":13268,"date":"2026-05-24T21:08:52","date_gmt":"2026-05-24T19:08:52","guid":{"rendered":"https:\/\/geopard.tech\/?p=13268"},"modified":"2026-05-24T21:17:45","modified_gmt":"2026-05-24T19:17:45","slug":"tikslioji-zemdirbyste-ir-klimato-modeliavimas-cukranendriu-auginime","status":"publish","type":"post","link":"https:\/\/geopard.tech\/lt\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/","title":{"rendered":"Tikslioji \u017eemdirbyst\u0117 ir klimato modeliavimas cukranendri\u0173 auginime"},"content":{"rendered":"<p>Tikslioji \u017eemdirbyst\u0117 modeliuoja klimato kaitos poveik\u012f cukranendri\u0173 derliui, derindama palydovinius vaizdus, daikt\u0173 interneto jutiklius, ma\u0161ininio mokymosi algoritmus ir pas\u0117li\u0173 modeliavimo platformas \u012f vien\u0105 sprendim\u0173 palaikymo sistem\u0105, kuri neapdorotus aplinkos duomenis paver\u010dia veiksmingais \u016bkio valdymo sprendimais. Iki 2024 ir 2025 m. recenzuojamuose \u017eurnaluose paskelbti tyrimai rodo, kad vos 2 \u00b0C temperat\u016bros padid\u0117jimas gali suma\u017einti cukranendri\u0173 derli\u0173 3 procentais, o 4 \u00b0C padid\u0117jimas \u2013 net 9 procentais, tod\u0117l ankstyvas ir tikslus modeliavimas yra ne prabanga, o b\u016btinyb\u0117.<\/p>\n<h2>Cukranendri\u0173 pasaulin\u0117 svarba ir did\u0117janti klimato gr\u0117sm\u0117<\/h2>\n<p>Cukranendr\u0117s yra vienas ekonomi\u0161kai svarbiausi\u0173 augal\u0173 pasaulyje. 2024 m. pasaulin\u0117 produkcija pasiek\u0117 ma\u017edaug 1,9 milijardo metrini\u0173 ton\u0173, nuimt\u0173 i\u0161 lauk\u0173, i\u0161sibars\u010diusi\u0173 po tropinius ir subtropinius regionus, o rinkos dydis siek\u0117 58,47 milijardo JAV doleri\u0173.<\/p>\n<p>Brazilija, Indija ir Kinija kartu sudaro daugiau nei 67 procentus \u0161ios produkcijos, ta\u010diau ma\u017eesni gamintojai Tailande, Pakistane, Kolumbijoje ir Australijoje taip pat labai priklauso nuo \u0161io derliaus d\u0117l darbo viet\u0173 kaimo vietov\u0117se ir eksporto pajam\u0173.<\/p>\n<p>Be maisto, cukranendr\u0117s yra bioetanolio \u017ealiava \u2013 daugiau nei 45 procentai Brazilijos kuro etanolio yra gaunama tiesiogiai i\u0161 cukranendri\u0173, tod\u0117l derliaus stabilumas yra svarbus tiek apr\u016bpinimo maistu, tiek \u0161varios energijos tiekimo po\u017ei\u016briu.<\/p>\n<p>Klimato kaita dabar sutrikdo s\u0105lygas, d\u0117l kuri\u0173 cukranendr\u0117s yra tokios produktyvios. \u0160is derlius geriausiai auga esant gana siauram temperat\u016bros, dr\u0117gm\u0117s ir saul\u0117s spinduliuot\u0117s diapazonui, o kai kuris nors i\u0161 \u0161i\u0173 kintam\u0173j\u0173 pasikei\u010dia u\u017e pageidaujamo diapazono rib\u0173,<\/p>\n<ul>\n<li>sacharoz\u0117s kaupimasis,<\/li>\n<li>biomas\u0117s gamyba ir<\/li>\n<li>Nuken\u010dia derliaus nu\u0117mimo laikas.<\/li>\n<\/ul>\n<p>Pakran\u010di\u0173 zonose, kuriose auga cukranendri\u0173 augalai, ciklon\u0173 da\u017enis did\u0117ja, nenusp\u0117jami musonai tuo pa\u010diu sezonu sukelia ir staigius potvynius, ir u\u017esit\u0119susias sausras, o daugiamet\u0117s at\u0161ilimo tendencijos kai kuriuose regionuose sutrumpina augimo lang\u0105, o kituose sukuria klaidingus produktyvumo signalus.<\/p>\n<p>\u0160is spaudimas n\u0117ra ateities prognoz\u0117s \u2013 tai dabartin\u0117 realyb\u0117, su kuria augintojai ir agronomai jau turi susidoroti metai i\u0161 met\u0173. B\u016btent \u010dia \u012fsiki\u0161a tikslioji \u017eemdirbyst\u0117. Rinkdamos didel\u0117s skiriamosios gebos aplinkos duomenis, pateikdamos juos prognozavimo modeliams ir paversdamos rezultatus sprendimais lauko lygmeniu, tiksliosios \u017eemdirbyst\u0117s sistemos suteikia augintojams galimyb\u0119 numatyti su klimatu susijus\u012f derliaus praradim\u0105, kol jis ne\u012fvyks.<\/p>\n<h2>Klimato kaitos poveikio cukranendr\u0117ms supratimas<\/h2>\n<h3>1. Temperat\u016bros kintamumas ir \u0161iluminis stresas<\/h3>\n<p>Cukranendr\u0117s optimaliai auga, kai dienos temperat\u016bra i\u0161lieka nuo 25 \u00b0C iki 35 \u00b0C. Kai temperat\u016bra pakyla auk\u0161\u010diau \u0161i\u0173 rib\u0173, biologinis procesas, vadinamas kar\u0161\u010dio stresu, pradeda trikdyti fotosintez\u0119 \u2013 mechanizm\u0105, kuriuo augalas saul\u0117s \u0161vies\u0105 paver\u010dia cukrumi.<\/p>\n<p>L\u0105steli\u0173 lygmenyje didelis kar\u0161tis denat\u016bruoja stiebuose esan\u010dius fermentus, atsakingus u\u017e sacharoz\u0117s sintez\u0119, tod\u0117l suma\u017e\u0117ja i\u0161gaunamo cukraus koncentracija, net kai ant\u017eemin\u0117 biomas\u0117 atrodo sveika. Tai esminis skirtumas: laukas gali atrodyti vizualiai produktyvus, nors jame yra gerokai suma\u017e\u0117j\u0119s sacharoz\u0117s kiekis, kuris pastebimas tik mal\u016bne.<\/p>\n<p>Tyrimai, kuriuose buvo naudojamas DSSAT CANEGRO modelis \u2013 pas\u0117li\u0173 modeliavimo sistema, kalibruota atsi\u017evelgiant \u012f cukranendri\u0173 fiziologij\u0105 \u2013 parod\u0117, kad 2 \u00b0C temperat\u016bros padid\u0117jimas, palyginti su pradine verte, penkiose Tamil Nadu (Indija) agroklimatin\u0117se zonose suma\u017eino derli\u0173 3 proc., 3 \u00b0C padid\u0117jimas \u2013 5 proc., o 4 \u00b0C padid\u0117jimas \u2013 9 proc.<\/p>\n<p>\u0160ie duomenys patvirtina, kad derliaus nuostolis n\u0117ra tiesinis; \u017eala did\u0117ja, kai temperat\u016bra nukrypsta nuo optimalaus derliaus diapazono. \u0160iltesn\u0117s naktys taip pat suma\u017eina v\u0117saus laikotarpio stres\u0105, kuris sukelia sacharoz\u0117s kaupim\u0105si paskutiniame nokimo etape, tiesiogiai suma\u017eindamas cukraus atgavimo greit\u012f net ir tada, kai bendra biomas\u0117 i\u0161lieka pakankama.<\/p>\n<p>PMC \/ DSSAT CANEGRO modelio tyrimas parod\u0117, kad a <strong>4 \u00b0C temperat\u016bros padid\u0117jimas suma\u017eino 9% cukranendri\u0173 derli\u0173<\/strong> penkiose agroklimatin\u0117se zonose, o vandens poreikis visose zonose did\u0117ja vienu metu. \u0160ilt\u0117jan\u010di\u0173 subtropini\u0173 region\u0173 augintojai tur\u0117t\u0173 prad\u0117ti modeliuoti ne tik kit\u0105 sezon\u0105, bet ir keli\u0173 de\u0161imtme\u010di\u0173 temperat\u016bros trajektorijas, kad pasiruo\u0161t\u0173 did\u0117jantiems derliaus nuostoliams.<\/p>\n<h3>2. Krituli\u0173 kiekio netolygumai<\/h3>\n<p>Cukranendr\u0117ms per vegetacijos sezon\u0105 reikia nuo 1 500 mm iki 2 500 mm vandens, o laistymo laikas yra toks pat svarbus, kaip ir bendras t\u016bris. Sausra did\u017eiosios augimo faz\u0117s metu \u2013 did\u017eiausio biomas\u0117s kaupimosi laikotarpiu tarp 3 ir 9 auginimo ciklo m\u0117nesi\u0173 \u2013 tiesiogiai riboja stiebo auk\u0161t\u012f ir pluo\u0161to svor\u012f.<\/p>\n<p>Ir atvirk\u0161\u010diai, ankstyvuoju kr\u016bmijimosi etapu u\u017emirk\u0119s dirvo\u017eemis atima \u0161aknims deguon\u012f, \u017e\u016bsta naudingi dirvo\u017eemio mikrobai ir sukuriamos grybelini\u0173 lig\u0173 plitimo vietos. D\u0117l klimato kaitos tame pa\u010diame auginimo regione, kartais net per t\u0105 pat\u012f sezon\u0105, vis daugiau pasitaiko abiej\u0173 kra\u0161tutinum\u0173, tod\u0117l tradiciniai kalendoriumi pagr\u012fsti dr\u0117kinimo grafikai tampa vis nepatikimesni.<\/p>\n<p>Prognozuojamas krituli\u0173 kiekio suma\u017e\u0117jimas 3\u201311,5 proc. pagrindiniuose augan\u010diuose regionuose iki am\u017eiaus pabaigos (AdaptNSW, 2024 m.) rei\u0161kia, kad net ir regionai, kurie \u0161iuo metu gauna naudos i\u0161 \u0161iltesn\u0117s temperat\u016bros, susidurs su vandens tr\u016bkumu, kuris i\u0161 dalies arba visi\u0161kai panaikins fotosintez\u0117s rezultatus.<\/p>\n<p>Piet\u0173 Azijoje muson\u0173 prad\u017eios dat\u0173 poky\u010diai, kurie dabar reguliariai v\u0117luoja viena ar trim savait\u0117mis, jau ver\u010dia \u016bkininkus ilginti dr\u0117kinimo laikotarpius ir per\u017ei\u016br\u0117ti s\u0117jos kalendorius neturint mokslini\u0173 priemoni\u0173, kurios pad\u0117t\u0173 atlikti \u0161iuos pakeitimus.<\/p>\n<h3>3. Ekstremal\u016bs oro rei\u0161kiniai ir dirvo\u017eemio vientisumas<\/h3>\n<p>Ciklonai, tropin\u0117s audros ir v\u0117lyvojo sezono \u0161alnos padaro \u017ealos, kuri vir\u0161ija vieno sezono derliaus nuostolius. Fizinis i\u0161gulimas \u2013 stieb\u0173 lenkimas ir virsmas d\u0117l stipraus v\u0117jo \u2013 apsunkina mechanin\u012f derliaus nu\u0117mim\u0105 ir skatina stiebo pagrindo puvim\u0105.<\/p>\n<p>Ilgainiui \u017ealingesn\u0119 \u012ftak\u0105 daro intensyvi\u0173 krituli\u0173 sukelta dirvo\u017eemio erozija, d\u0117l kurios suyra vir\u0161utinis dirvo\u017eemio sluoksnis, kuriame yra organini\u0173 med\u017eiag\u0173, mikrob\u0173 ir maistini\u0173 med\u017eiag\u0173 atsarg\u0173, nuo kuri\u0173 priklauso cukranendri\u0173 \u0161aknys. Kai vir\u0161utinis dirvo\u017eemio sluoksnis eroduojamas labiau nei tam tikras gylis, \u017eem\u0117s derlingumo potencialas visam laikui suma\u017e\u0117ja, nebent b\u016bt\u0173 taikomos brangios atk\u016brimo priemon\u0117s.<\/p>\n<h3>4. CO2 koncentracija ir jos dvilypis poveikis<\/h3>\n<p>Padid\u0117j\u0119s atmosferos CO2 kiekis \u2013 \u0161iuo metu vir\u0161ijantis 420 ppm ir vis did\u0117jantis \u2013 \u0161velniai stimuliuoja C4 augal\u0173, toki\u0173 kaip cukranendr\u0117s, fotosintez\u0119, teori\u0161kai padidindamas vandens naudojimo efektyvum\u0105. Ta\u010diau agronomai nustat\u0117, kad \u0161i nauda daugiausia yra s\u0105lygin\u0117.<\/p>\n<p>Sausros s\u0105lygomis arba azoto stokojan\u010diame dirvo\u017eemyje augalas negali efektyviai panaudoti papildomo CO2, nes ribojantis veiksnys yra kiti biologiniai veiksniai. Grynasis rezultatas daugumoje reali\u0173 auginimo aplink\u0173 yra nedidelis teigiamas poveikis, kur\u012f paprastai nusveria neigiamas kar\u0161\u010dio streso ir vienu metu veikian\u010di\u0173 nepastovi\u0173 krituli\u0173 poveikis.<\/p>\n<h2>Kas yra tikslioji \u017eemdirbyst\u0117?<\/h2>\n<p>Tikslioji \u017eemdirbyst\u0117 \u2013 tai \u016bkio valdymo metodas, pagr\u012fstas principu, kad vienas laukas n\u0117ra vienoda aplinka. Dirvo\u017eemio dr\u0117gm\u0117, maistini\u0173 med\u017eiag\u0173 kiekis, kenk\u0117j\u0173 skai\u010dius ir mikroklimato s\u0105lygos labai skiriasi skirtingose ganyklos vietose \u2013 kartais vos keli\u0173 metr\u0173 atstumu. Konkre\u010diai vietai pritaikytas pas\u0117li\u0173 valdymas (SSCM) yra \u0161io principo praktin\u0117 i\u0161rai\u0161ka.<\/p>\n<p>Taikant SSCM, sprendimai d\u0117l dr\u0117kinimo, tr\u0119\u0161imo, pesticid\u0173 naudojimo ir derliaus nu\u0117mimo laiko priimami lauko dalyje, remiantis realaus laiko jutikli\u0173 duomenimis ir prognozavimo modeliais, o ne kalendorin\u0117mis datomis ar vienodomis taisykl\u0117mis. Tai yra sistema, kuria remiantis taikomas klimato poveikio modeliavimas: tiksliai suprantant<\/p>\n<ul>\n<li>kur lauke vystosi sausros stresas,<\/li>\n<li>kai dirvo\u017eemio temperat\u016bra per\u017eeng\u0117 rib\u0105, arba<\/li>\n<li>kur krituliai prisotino podirv\u012f,<\/li>\n<\/ul>\n<p>Augintojai gali reaguoti tiksliai, o ne sp\u0117liodami. \u0160iuolaikinio tikslaus cukranendri\u0173 \u016bkininkavimo technologij\u0173 rinkin\u012f sudaro kelios tarpusavyje susijusios sistemos:<\/p>\n<p><strong>1. GPS ir GIS \u017eem\u0117lapi\u0173 sudarymas<\/strong> pateikia erdvin\u0119 koordina\u010di\u0173 sistem\u0105, kurioje registruojami visi lauko duomenys. Kiekvienas jutiklio rodmuo, derliaus matavimas ir dirvo\u017eemio m\u0117ginys yra susieti su tikslia geografine vieta, tod\u0117l sistema gali kaupti bendr\u0105 erdvin\u0119 informacij\u0105 apie kiekvien\u0105 \u016bkio zon\u0105 per kelis sezonus.<\/p>\n<p><strong>2. Nuotolinis steb\u0117jimas naudojant palydovinius ir dron\u0173 vaizdus<\/strong> teikia periodines pas\u0117li\u0173 sveikatos nuotraukas dideliuose plotuose, naudodamas spektrinius indeksus. Pla\u010diausiai naudojamas yra normalizuotas skirtuminis augmenijos indeksas (NDVI), kuris matuoja artimojo infraraudonojo spektro ir raudonos \u0161viesos atspind\u017eio kontrast\u0105, siekiant nustatyti chlorofilo kiek\u012f ir biomas\u0117s tank\u012f.<\/p>\n<p><strong>3. Daikt\u0173 interneto jutikliai<\/strong> (Daikt\u0173 interneto \u012frenginiai \u2013 tinkliniai prietaisai, kurie nuolat matuoja ir perduoda aplinkos duomenis) yra dislokuoti lauke, kad realiuoju laiku b\u016bt\u0173 galima steb\u0117ti dirvo\u017eemio dr\u0117gm\u0119 \u012fvairiuose gyliuose, oro temperat\u016br\u0105, santykin\u0119 dr\u0117gm\u0119 ir lap\u0173 dr\u0117gnum\u0105.<\/p>\n<p><strong>4. Dronai ir bepilo\u010diai orlaiviai<\/strong> atlikti ma\u017eo auk\u0161\u010dio multispektrinius tyrimus, kurie fiksuoja erdvinius poky\u010dius iki keli\u0173 centimetr\u0173 skiriam\u0105ja geba, leisdami agronomams nustatyti streso \u017eidinius likus kelioms savait\u0117ms iki j\u0173 matomumo plika akimi.<\/p>\n<p><strong>5. Dirbtinis intelektas ir ma\u0161ininio mokymosi algoritmai<\/strong> apdoroti sujungtus jutikli\u0173, palydov\u0173 ir istorini\u0173 klimato duomen\u0173 srautus, kad b\u016bt\u0173 galima pateikti derliaus prognozes, \u012fsp\u0117jimus apie stres\u0105 ir i\u0161tekli\u0173 paskirstymo rekomendacijas.<\/p>\n<p><strong>6. Kintamo tarifo technologija (VRT)<\/strong> vykdo modeli\u0173 sugeneruotus sprendimus d\u0117l nurodym\u0173, automati\u0161kai koreguodamas dr\u0117kinimo kiekius, tr\u0105\u0161\u0173 normas ir kitas s\u0105naudas, \u017eem\u0117s \u016bkio technikai judant per erdvinio valdymo zonas.<\/p>\n<h2>Kaip tikslioji \u017eemdirbyst\u0117 modeliuoja klimato poveik\u012f cukranendri\u0173 derliui<\/h2>\n<h3>1. Duomen\u0173 rinkimo sistemos, kurios maitina modelius<\/h3>\n<p>Tiksliosios \u017eemdirbyst\u0117s sistema yra tokia tiksli, kokie yra \u012f j\u0105 patenkantys duomenys, o cukranendri\u0173 klimato modeliavimui tai rei\u0161kia nuolatinius duomenis i\u0161 keli\u0173 \u0161altini\u0173. Dirvo\u017eemio dr\u0117gm\u0117s jutikliai \u2013 paprastai talpiniai zondai, u\u017ekasami 15 cm, 30 cm ir 60 cm gylyje \u2013 vis\u0105 sezon\u0105 seka \u0161akn\u0173 zonai prieinam\u0105 vanden\u012f.<\/p>\n<p>Kai sausra pradeda sekinti \u0161ias atsargas, modelis nustato i\u0161eikvojimo greit\u012f ir gali prognozuoti, kada pas\u0117liai pasieks streso slenkst\u012f likus kelioms dienoms iki matomo vytimo atsiradimo med\u017ei\u0173 lajoje. \u016akiuose esan\u010dios automatin\u0117s meteorologijos stotys registruoja oro temperat\u016br\u0105, santykin\u0119 dr\u0117gm\u0119, v\u0117jo greit\u012f, saul\u0117s spinduliuot\u0119 ir kritulius net penkiolikos minu\u010di\u0173 intervalais.<\/p>\n<p>\u0160ie realaus laiko \u012fra\u0161ai tiesiogiai \u012ftraukiami \u012f evapotranspiracijos skai\u010diavimus \u2013 bendr\u0105 greit\u012f, kuriuo vanduo i\u0161garuoja nuo dirvo\u017eemio pavir\u0161iaus ir prasiskverbia per pas\u0117li\u0173 lapus, \u2013 kuris yra tiksliausias faktinio pas\u0117li\u0173 dienos vandens poreikio matas.<\/p>\n<p>Istoriniai klimato duomen\u0173 rinkiniai, apimantys de\u0161imtme\u010dius daugelyje cukranendri\u0173 region\u0173, yra ilgalaikis atskaitos ta\u0161kas, pagal kur\u012f vertinamos dabartin\u0117s anomalijos ir prognozuojamos b\u016bsimos tendencijos.<\/p>\n<h3>2. Cukranendri\u0173 auginimo prognozavimo modeliavimo metodai<\/h3>\n<p>Cukranendri\u0173 klimato poveikio vertinime dominuoja dvi modeli\u0173 \u0161eimos: pas\u0117li\u0173 modeliavimo modeliai ir ma\u0161ininio mokymosi modeliai. Pas\u0117li\u0173 modeliavimo modeliai, tokie kaip DSSAT CANEGRO ir APSIM-Sugarcane platformos, yra procesais pagr\u012fstos priemon\u0117s, kurios imituoja augal\u0173 augimo, dirvo\u017eemio vandens dinamikos ir sacharoz\u0117s kaupimo biologinius mechanizmus per par\u0105.<\/p>\n<p>Jiems reikalingi kalibruoti genetiniai koeficientai konkre\u010diai auginamai cukranendri\u0173 veislei, ta\u010diau sukalibravus, jie gali atlikti i\u0161ankstinius modeliavimus pagal hipotetinius klimato scenarijus su dideliu fiziologiniu tikslumu. Ma\u0161ininio mokymosi modeliai taiko kitok\u012f po\u017ei\u016br\u012f: u\u017euot ai\u0161kiai kodav\u0119 biologinius procesus, jie identifikuoja statistinius modelius dideliuose istorini\u0173 duomen\u0173 rinkiniuose.<\/p>\n<ul>\n<li>klimato \u012fra\u0161ai,<\/li>\n<li>dirvo\u017eemio duomenys,<\/li>\n<li>valdymo praktika ir<\/li>\n<li>i\u0161matuotas derlius.<\/li>\n<\/ul>\n<p>Tokie algoritmai kaip \u201eRandom Forest\u201c, \u201eXGBoost\u201c ir \u201eCatBoost\u201c naujausiuose tyrimuose parod\u0117 didel\u012f prognozavimo tikslum\u0105. 2025 m. \u017eurnale \u201eSugar Tech\u201c paskelbtame tyrime buvo parodyta, kad mi\u0161raus ma\u0161ininio mokymosi modelis, integruojantis oro kintamuosius, dirvo\u017eemio savybes ir \u017eem\u0117s \u016bkio valdymo duomenis, pateik\u0117 patikimus cukranendri\u0173 derliaus \u012fver\u010dius Piet\u0173 Indijos rajon\u0173 mastu.<\/p>\n<p>Bendr\u0173j\u0173 cirkuliacijos modeli\u0173 (BCM) \u2013 dideli\u0173 atmosferos modeliavimo modeli\u0173, kuriuos tvarko meteorologijos agent\u016bros \u2013 klimato prognozavimo rezultatai gali b\u016bti suma\u017einti ir integruoti \u012f pas\u0117li\u0173 modeliavimo ir ma\u0161ininio mokymosi sistemas, kad b\u016bt\u0173 galima prognozuoti derli\u0173 pagal b\u016bsimas klimato trajektorijas.<\/p>\n<h3>3. Erdvin\u0117 analiz\u0117 ir lauko \u017eem\u0117lapi\u0173 sudarymas pa\u017eeid\u017eiamumo vertinimui<\/h3>\n<p>Ne kiekviena cukranendri\u0173 \u016bkio dalis vienodai reaguoja \u012f t\u0105 pat\u012f klimato \u012fvyk\u012f. \u017demesn\u0117s zonos su molingu dirvo\u017eemiu yra labiau pa\u017eeid\u017eiamos u\u017emirkimo per stiprias li\u016btis, o sm\u0117lingesn\u0117se auk\u0161tesn\u0117se zonose vandens i\u0161eikvojimas vyksta grei\u010diau sausros metu.<\/p>\n<p>Erdvin\u0117 analiz\u0117 naudoja GIS perdengimus \u2013 dirvo\u017eemio tekst\u016bros \u017eem\u0117lapius, auk\u0161\u010dio duomenis, istorinius derliaus \u012fra\u0161us ir jutikli\u0173 rodmenis \u2013 kad kiekviena \u016bkio dalis b\u016bt\u0173 klasifikuojama \u012f pa\u017eeid\u017eiamumo zonas, kurias galima valdyti skirtingai, reaguojant \u012f t\u0105 pat\u012f klimato veiksn\u012f.<\/p>\n<p>Mikroklimato analiz\u0117 yra ypa\u010d svarbus erdvinio kartografavimo rezultatas cukranendri\u0173 auginimui. Dideliuose, kelis kilometrus besidriekian\u010diuose komerciniuose laukuose tarp pav\u0117sing\u0173 sl\u0117ni\u0173 dugn\u0173 ir atvir\u0173 kalnag\u016bbri\u0173 vir\u0161\u016bni\u0173 gali b\u016bti 2\u20134 \u00b0C temperat\u016bros gradientai.<\/p>\n<p>Lauko vidurkio mastu veikiantis modelis visi\u0161kai nepasteb\u0117s \u0161i\u0173 skirtum\u0173, ta\u010diau tiksli sistema su pakankamu jutikli\u0173 tankiu juos aptiks ir atitinkamai pritaikys diferencijuotus valdymo sprendimus.<\/p>\n<h3>4. Steb\u0117jimas realiuoju laiku ir pagalba augintojams<\/h3>\n<p>Praktin\u0117 tiksliosios \u017eemdirbyst\u0117s vert\u0117 slypi sprendim\u0173 palaikymo rezultatuose. Kai dirvo\u017eemio dr\u0117gm\u0117s jutikliai aptinka streso atsiradim\u0105 konkre\u010dioje valdymo zonoje, sistema sugeneruoja dr\u0117kinimo signal\u0105, kuris nurodo, kuri\u0105 zon\u0105 laistyti, kiek vandens naudoti ir kada \u2013 u\u017euot tiesiog \u012fsp\u0117jusi \u016bkinink\u0105, kad laukas i\u0161d\u017ei\u016bvo.<\/p>\n<p>Kai prognozavimo modelis numato, kad art\u0117jantis kar\u0161tas ir sausas periodas pakels med\u017ei\u0173 laj\u0173 temperat\u016br\u0105 vir\u0161 sacharoz\u0117s kaupimosi ribos, sprendim\u0173 pri\u0117mimo \u012frankis gali rekomenduoti prevencin\u012f tr\u0119\u0161im\u0105, siekiant suma\u017einti med\u017eiag\u0173 apykaitos stres\u0105 prie\u0161 prasidedant \u0161iam \u012fvykiui.<\/p>\n<h2>Pagrindiniai klimato kintamieji, \u012ftraukti \u012f cukranendri\u0173 derliaus modelius<\/h2>\n<p>I\u0161samus tiksliosios \u017eemdirbyst\u0117s cukranendri\u0173 derliaus modelis integruoja \u0161iuos aplinkos kintamuosius, kuri\u0173 kiekvienas daro \u012ftak\u0105 skirtingam biologiniam procesui pas\u0117lyje:<\/p>\n<ul>\n<li><strong>Temperat\u016bros tendencijos<\/strong> \u2013 tiek maksimalios, tiek minimalios paros vert\u0117s \u2013 yra pagrindiniai fotosintez\u0117s grei\u010dio, ferment\u0173 aktyvumo ir kiekvieno augimo etapo trukm\u0117s nuo dygimo iki nokimo veiksniai.<\/li>\n<li><strong>Krituli\u0173 modeliai<\/strong> \u2013 fiksuojami kaip intensyvumas, trukm\u0117 ir sezoninis pasiskirstymas \u2013 lemia dirvo\u017eemio vandens papildym\u0105 ir, modeliuojant pagal drena\u017eo greit\u012f, sausros streso ir u\u017emirkimo tikimyb\u0119.<\/li>\n<li><strong>Dr\u0117gm\u0117s lygis<\/strong> paveikti transpiracijos poreik\u012f ir sudaryti s\u0105lygas grybelini\u0173 patogen\u0173 \u012fsitvirtinimui, ypa\u010d did\u017eiosios augimo faz\u0117s metu, kai tankios lajos sulaiko dr\u0117gm\u0119 prie stieb\u0173 pagrindo.<\/li>\n<li><strong>Saul\u0117s spinduliuot\u0117<\/strong> skatina fotosintez\u0117s greit\u012f ir yra ypa\u010d svarbus ankstyvuoju augimo etapu, kai lap\u0173 plotas vis dar ple\u010diasi. Apsiniaukusi arba d\u016bminga aplinka suma\u017eina radiacijos patekim\u0105 ir tiesiogiai slopina biomas\u0117s kaupim\u0105si.<\/li>\n<li><strong>Dirvo\u017eemio dr\u0117gm\u0117<\/strong> keliuose gyliuose seka faktin\u0119 \u0161akn\u0173 zonos vandens b\u016bkl\u0119 ir yra pagrindinis realaus laiko streso rodiklis dr\u0117kinimo planavimo algoritmams.<\/li>\n<li><strong>V\u0117jo modeliai<\/strong> informuoti apie i\u0161gul\u0117jimo rizikos vertinimus ir daryti \u012ftak\u0105 evapotranspiracijos skai\u010diavimams. Stiprus v\u0117jas pagreitina dr\u0117gm\u0117s praradim\u0105 tiek nuo dirvo\u017eemio, tiek nuo lajos pavir\u0161iaus.<\/li>\n<li><strong>Evapotranspiracijos rodikliai<\/strong> Susintetinti temperat\u016br\u0105, dr\u0117gm\u0119, v\u0117j\u0105 ir spinduliuot\u0119 \u012f vien\u0105 dienos vandens poreikio rodikl\u012f, kuris yra operatyviai naudingiausias klimato kintamasis dr\u0117kinimo valdymo sprendimams priimti.<\/li>\n<\/ul>\n<h2>Technologijos, skatinan\u010dios klimatui nepalank\u0173 cukranendri\u0173 auginim\u0105<\/h2>\n<h3>1. Palydovin\u0117 ir dron\u0173 steb\u0117sena<\/h3>\n<p>Palydovinis cukranendri\u0173 lauk\u0173 steb\u0117jimas gerokai pa\u017eeng\u0117 \u012f priek\u012f, nes Europos kosmoso agent\u016bra ir komercin\u0117s didel\u0117s skiriamosios gebos platformos nemokamai teikia \u201eSentinel-2\u201c vaizdus.<\/p>\n<p>\u017durnale \u201ePrecision Agriculture\u201c (Springer, 2024 m.) paskelbtame tyrime parodyta, kad bepilo\u010di\u0173 orlaivi\u0173 (UAV) gaut\u0173 daugiaspektrini\u0173 duomen\u0173 derinimas su \u201eSentinel-2\u201c palydoviniais vaizdais \u017eymiai pagerino cukranendri\u0173 derliaus \u012fvertinimo tikslum\u0105 \u0161iaur\u0117s ryt\u0173 Tailande, kur lauko lygmens kintamumas yra didelis, o m\u0117gini\u0173 \u0117mimas i\u0161 \u017eem\u0117s yra logisti\u0161kai sud\u0117tingas.<\/p>\n<p>\u0160i\u0173 dviej\u0173 duomen\u0173 \u0161altini\u0173 \u2013 didel\u0117s skiriamosios gebos dron\u0173 duomen\u0173, skirt\u0173 lauko erdviniam detalumui, ir palydov\u0173 duomen\u0173, skirt\u0173 regioniniams laiko modeliams, \u2013 integravimas yra dabartinis geriausios praktikos metodas, taikomas dideliems komerciniams cukranendri\u0173 auginimo darbams.<\/p>\n<p>NDVI (normalizuotas diferencinis vegetacijos indeksas) i\u0161lieka pla\u010diausiai naudojamu vegetacijos indeksu cukranendri\u0173 steb\u0117senoje. Jis apskai\u010diuojamas kaip artimojo infraraudonojo ir raudonojo atspind\u017eio skirtumo ir j\u0173 sumos santykis: NDVI = (NIR \u2013 RED) \/ (NIR + RED).<\/p>\n<p>Vert\u0117s, artimos 1,0, rodo tanki\u0105, sveik\u0105 \u017eali\u0105j\u0105 biomas\u0119, o ma\u017e\u0117jan\u010dios vert\u0117s rodo stres\u0105, kenk\u0117j\u0173 padaryt\u0105 \u017eal\u0105 arba sen\u0117jim\u0105. Sezonin\u0117s NDVI trajektorijos, nubrai\u017eytos pagal kelias palydov\u0173 steb\u0117jimo datas, leid\u017eia agronomams palyginti dabartin\u012f lauko lajos vystym\u0105si su istorin\u0117mis bazin\u0117mis augimo kreiv\u0117mis ir pa\u017eym\u0117ti klimato streso sukeltus nuokrypius.<\/p>\n<h3>2. Dirbtinis intelektas ir didieji duomenys derliaus prognozavimui<\/h3>\n<p>Per pastaruosius trejus\u2013ketverius metus dirbtinio intelekto modeliai i\u0161 tyrim\u0173 \u012franki\u0173 virto komerci\u0161kai naudojamomis platformomis cukranendri\u0173 gamyboje. Ma\u0161ininio mokymosi algoritmai, apmokyti naudojant keli\u0173 de\u0161imtme\u010di\u0173 klimato kintam\u0173j\u0173, dirvo\u017eemio \u012fra\u0161\u0173, valdymo istorijos ir mal\u016bn\u0173 sertifikuot\u0173 derliaus duomen\u0173 rinkinius, dabar gali pateikti derliaus \u012fver\u010dius prie\u0161 derliaus nu\u0117mim\u0105, kuri\u0173 paklaid\u0173 lygis gerai sukalibruotose sistemose yra ma\u017eesnis nei 10 procent\u0173.<\/p>\n<p>Dar svarbiau, prisitaikant prie klimato kaitos, \u0161iuos modelius galima taikyti perspektyviai pagal kelis klimato scenarijus \u2013 generuojant derliaus rezultat\u0173 tikimybi\u0173 skirstinius, o ne vieno ta\u0161ko prognozes, \u2013 taip suteikiant \u016bki\u0173 valdytojams pagal rizik\u0105 \u012fvertint\u0105 b\u016bsimo sezono vaizd\u0105.<\/p>\n<p>2025 m. \u017eurnale \u201eAgronomija\u201c atliktame tyrime (MDPI, 2025 m. kovas) buvo \u012fvertinti atsitiktini\u0173 mi\u0161k\u0173, dirbtini\u0173 neuronini\u0173 tinkl\u0173 ir gama regresijos modeliai cukranendri\u0173 derliaus prognozavimui, naudojant i\u0161 palydov\u0173 gautus vegetacijos indeksus ir aplinkos kintamuosius per du vegetacijos sezonus, ir nustatyta, kad <strong>Ma\u0161ininio mokymosi modeliai, integruojantys GNDVI ir sukauptus kritulius, pasiek\u0117 prognozavimo tikslum\u0105, tinkam\u0105 komercin\u0117ms derliaus planavimo programoms<\/strong>.<\/p>\n<p>Augintojai, kurie derina i\u0161 palydov\u0173 gautus vegetacijos indeksus su sezoniniais krituli\u0173 kaupimosi duomenimis, gali apskai\u010diuoti derliaus nu\u0117mimo laik\u0105 ir derliaus \u012fvertinimus keliomis savait\u0117mis anks\u010diau nei leid\u017eia \u012fprasti lauko steb\u0117jimo metodai.<\/p>\n<h3>3. Daikt\u0173 internetas ir i\u0161manieji jutikliai steb\u0117jimui<\/h3>\n<p>Daikt\u0173 interneto jutikliai pakeit\u0117 duomen\u0173 rinkimo kli\u016bt\u012f tiksliame cukranendri\u0173 auginimo valdyme. Lauke esan\u010di\u0173 jutikli\u0173 tinklas, paprastai bendraujantis per \u201eLoRaWAN\u201c (didelio nuotolio, ma\u017eos galios belaid\u012f protokol\u0105) arba korin\u012f ry\u0161\u012f, gali perduoti dirvo\u017eemio dr\u0117gm\u0117s, temperat\u016bros, elektrinio laidumo ir lajos dr\u0117gm\u0117s duomenis \u012f centrin\u0119 debesijos platform\u0105 kas 15\u201330 minu\u010di\u0173.<\/p>\n<p>Prie \u0161i\u0173 jutikli\u0173 prijungtos automatizuotos tikslios dr\u0117kinimo sistemos gali atidaryti ir u\u017edaryti dr\u0117kinimo vo\u017etuvus be \u017emogaus \u012fsiki\u0161imo, laistyti tiksliai tokiu kiekiu ir laiku, kok\u012f nustato derliaus modelis.<\/p>\n<p>Indijoje atlikti lauko bandymai su dr\u0117kinamomis cukranendr\u0117mis parod\u0117, kad, palyginti su \u012fprastu dr\u0117kinimu pagal grafik\u0105, vandens sunaudojama 20\u201335 proc. ma\u017eiau, o derlius i\u0161lieka nepakit\u0119s arba padid\u0117ja, nes sistema pa\u0161alina tiek nepakankamo dr\u0117kinimo, tiek per didelio dr\u0117kinimo sukelt\u0105 i\u0161plovim\u0105.<\/p>\n<h3>4. Skaitmeniniai dvyniai ir modeliavimas scenarij\u0173 testavimui<\/h3>\n<p>Skaitmeninis dvynys \u2013 tai virtuali tikro \u016bkio ar lauko kopija, nuolat atnaujinama realaus laiko jutikli\u0173 duomenimis, kuri\u0105 galima naudoti valdymo sprendimams imituoti prie\u0161 juos pritaikant fizin\u0117je aplinkoje.<\/p>\n<p>Cukranendri\u0173 klimato modeliavime skaitmenin\u0117s dvyni\u0173 platformos, kuriose veikia pas\u0117li\u0173 modeliavimo varikliai, tokie kaip DSSAT arba APSIM, leid\u017eia agronomams i\u0161bandyti tokius klausimus kaip: \u201cJei kit\u0105 ketvirt\u012f krituli\u0173 kiekis bus 30 procent\u0173 ma\u017eesnis u\u017e vidutin\u012f, kuri dr\u0117kinimo strategija geriausiai apsaugos derli\u0173 molio ir priemolio zonose?\u201d Atsakymas pateikiamas per kelias minutes, o ne per sezonus, o neteisingo sprendimo rizika lieka modeliavime, o ne lauke.<\/p>\n<p>CSM-SAMUCA-cukranendri\u0173 modelis, kuris buvo \u012ftrauktas \u012f DSSAT sistem\u0105, buvo panaudotas 2025 m. \u201eScienceDirect\u201c tyrime, siekiant imituoti cukranendri\u0173 augim\u0105, vandens produktyvum\u0105 ir azoto suboksido i\u0161metim\u0105 pagrindin\u0117se Brazilijos gamybos zonose, atsi\u017evelgiant \u012f \u012fvairius b\u016bsimus klimato poky\u010dius.<\/p>\n<p>\u0160is scenarij\u0173 testavimo b\u016bdas n\u0117ra vien akademinis \u2013 jis tiesiogiai informuoja apie investicinius sprendimus d\u0117l dr\u0117kinimo infrastrukt\u016bros, veisli\u0173 pasirinkimo ir \u017eem\u0117s naudojimo planavimo \u017eem\u0117s \u016bkio \u012fmon\u0117ms, valdan\u010dioms t\u016bkstan\u010dius hektar\u0173.<\/p>\n<h2>Kaip \u201eGeoPard Agriculture\u201c remia klimatui draugi\u0161k\u0105 cukranendri\u0173 valdym\u0105<\/h2>\n<p>Cukranendri\u0173 augintojams, susiduriantiems su auk\u0161\u010diau apra\u0161ytu klimato spaudimu, \u201eGeoPard\u201c pa\u0161alina did\u017eiausi\u0105 praktin\u0119 kli\u016bt\u012f diegimui: poreik\u012f sujungti atskirus \u012frankius i\u0161 skirting\u0173 tiek\u0117j\u0173 \u012f nuosekl\u0173 darbo eig\u0105. Kalbant apie duomenis, \u201eGeoPard\u201c saugo ir sluoksniuoja,<\/p>\n<ul>\n<li>daugiame\u010diai \u016bkio \u012fra\u0161ai,<\/li>\n<li>dirvo\u017eemio m\u0117gini\u0173 \u0117mimo rezultatai,<\/li>\n<li>derliaus steb\u0117jimo duomenys,<\/li>\n<li>taikom\u0173j\u0173 \u012fvesties duomen\u0173 ir<\/li>\n<li>palydovinis pas\u0117li\u0173 steb\u0117jimas,<\/li>\n<\/ul>\n<p>kad klimato kaitos nulemti derliaus modeliai b\u016bt\u0173 matomi ne tik vieno sezono metu, bet ir skirtingais sezonais. Jo 3D \u017eem\u0117lapiai ir topografin\u0117 analiz\u0117 nustato drena\u017eo rizikos zonas dar prie\u0161 tai, kai d\u0117l smarkaus lietaus jos paver\u010diamos u\u017emirkusiomis zonomis.<\/p>\n<p>Dirvo\u017eemio skenavimo rezultatai tiesiogiai \u012ftraukiami \u012f konkre\u010diai vietai skirtas tr\u0105\u0161\u0173 ir dr\u0117kinimo recept\u016bras, tod\u0117l, kai sezono viduryje gaunama sausros prognoz\u0117, sistema jau \u017eino, kuriose valdymo zonose pirmiausia pritr\u016bks vandens. Sezono metu patiriamam stresui nustatyti \u201eGeoPard\u201c pas\u0117li\u0173 steb\u0117jimo sistema seka NDVI ir kitus augmenijos rodiklius i\u0161 palydovini\u0173 vaizd\u0173 ir pa\u017eymi anomalijas pagal lauko istorin\u0119 bazin\u0119 linij\u0105.<\/p>\n<p>Jo i\u0161manioji \u017evalgybos funkcija nukreipia lauko \u017evalgus \u012f tikslias GPS koordinates, kur palydoviniai duomenys aptiko galim\u0105 problem\u0105, derindama nuotolinio steb\u0117jimo mast\u0105 su bat\u0173 ant \u017eem\u0117s tikslumu.<\/p>\n<p>Kintamo kiekio tr\u0105\u0161\u0173 naudojimo \u017eem\u0117lapiai visa \u0161i analiz\u0117 paver\u010diama ma\u0161inoms paruo\u0161tais tr\u0105\u0161\u0173, dr\u0117kinimo, s\u0117jos, herbicid\u0173, fungicid\u0173 ir augimo reguliatori\u0173 receptais, taip panaikinant atotr\u016bk\u012f tarp klimato kaitos i\u0161manymo ir fizini\u0173 lauko veiksm\u0173.<\/p>\n<p>Po derliaus nu\u0117mimo \u201eGeoPard\u201c sukuria pelno \u017eem\u0117lapius ir tr\u0105\u0161\u0173 naudojimo efektyvumo \u017eem\u0117lapius, kurie tiksliai rodo, kurioje \u016bkio vietoje klimato \u012fvykis kainavo pinigus ir ar vadovyb\u0117s atsakas buvo teisingai sukalibruotas. B\u016btent \u0161is ekonominis gr\u012f\u017etamasis ry\u0161ys paver\u010dia vieno sezono klimato patirt\u012f geresniu receptu kitam.<\/p>\n<h2>PA privalumai klimato poveikio modeliavime<\/h2>\n<p>Tiksliojo \u016bkininkavimo svarba prisitaikant prie klimato kaitos neapsiriboja derliaus apsauga. Kai klimato modeliai integruojami \u012f visapusi\u0161k\u0105 tikslaus valdymo sistem\u0105, nauda pasirei\u0161kia \u012fvairiais \u016bkio na\u0161umo aspektais:<\/p>\n<ul>\n<li><strong>Pagerintas derliaus prognozavimo tikslumas<\/strong> leid\u017eia mal\u016bnams ir \u017eem\u0117s \u016bkio \u012fmon\u0117ms i\u0161 anksto planuoti smulkinimo grafikus, etanolio gamybos kvotas ir logistik\u0105, taip suma\u017einant brangius veiklos sutrikimus, kylan\u010dius d\u0117l netik\u0117to derliaus tr\u016bkumo.<\/li>\n<li><strong>Suma\u017eintas i\u0161tekli\u0173 \u0161vaistymas<\/strong> tiesiogiai i\u0161plaukia i\u0161 konkre\u010diai vietai pritaikyto valdymo. Vanduo, tr\u0105\u0161os ir kuras naudojami ten ir tada, kai, kaip nurodyta modelyje, j\u0173 reikia, o ne tolygiai visame lauke, taip suma\u017einant s\u0105naudas ir aplinkos nuot\u0117k\u012f.<\/li>\n<li><strong>Geresnis vandens valdymas<\/strong> D\u0117l dirvo\u017eemio dr\u0117gm\u0117s valdomo dr\u0117kinimo planavimo lauko bandymuose vandens suvartojimas suma\u017e\u0117jo 20\u201335 procentais nesuma\u017einant derliaus \u2013 tai yra labai svarbus privalumas, nes daugelyje cukranendri\u0173 auginimo region\u0173 ma\u017e\u0117ja g\u0117lo vandens prieinamumas.<\/li>\n<li><strong>Ma\u017eesn\u0117s gamybos s\u0105naudos vienai tonai<\/strong> d\u0117l i\u0161vengt\u0173 pas\u0117li\u0173 nuostoli\u0173, suma\u017e\u0117jusi\u0173 s\u0105naud\u0173 \u0161vaistymo ir efektyvesnio darbo j\u0117gos paskirstymo, kur\u012f lemia duomenimis pagr\u012fsti \u012fsp\u0117jimai, o ne \u012fprasti \u017evalgybos grafikai.<\/li>\n<li><strong>Ankstyvojo persp\u0117jimo sistemos<\/strong> kurios aptinka streso vystym\u0105si dvi ar tris savaites iki matom\u0173 simptom\u0173 atsiradimo, suteikia \u016bkininkams pakankamai laiko veiksmingai \u012fsiki\u0161ti, paversdamos galimus derliaus nuostolius valdomais streso epizodais.<\/li>\n<li><strong>Didesnis tvarumas ir ilgalaikis atsparumas<\/strong> yra integruotos \u012f sistemas, kurios ma\u017eina erozij\u0105, optimizuoja dirvo\u017eemio sveikat\u0105 ir palaiko derliaus stabilum\u0105 esant platesniam klimato s\u0105lyg\u0173 diapazonui, nei gali toleruoti \u012fprastinis \u016bkininkavimas.<\/li>\n<\/ul>\n<h2>Tiksliojo \u016bkininkavimo cukranendri\u0173 auginime i\u0161\u0161\u016bkiai<\/h2>\n<h3>1. Duomen\u0173 tikslumo ir prieinamumo spragos<\/h3>\n<p>Klimato modeliai yra tokie patikimi, kokie yra juos kalibruojan\u010di\u0173 duomen\u0173 \u012fvesties duomenys. Daugelyje besivystan\u010di\u0173 \u0161ali\u0173 cukranendri\u0173 region\u0173 istoriniai klimato \u012fra\u0161ai yra menki, dirvo\u017eemio tyrimai yra nei\u0161sam\u016bs, o \u016bki\u0173 derliaus duomenys niekada n\u0117ra skaitmeninami.<\/p>\n<p>Jutikli\u0173 tinklai, \u012frengti be reguliari\u0173 prie\u017ei\u016bros grafik\u0173, laikui b\u0117gant savo rodmenimis kinta ir \u012f modelio rezultatus, kuriuos jie tur\u0117t\u0173 pagerinti, \u012fveda sistemines klaidas. Nepilna erdvin\u0117 apr\u0117ptis \u2013 pavyzd\u017eiui, dviej\u0173 ar trij\u0173 jutikli\u0173 naudojimas 200 hektar\u0173 laukui atvaizduoti \u2013 neatsi\u017evelgia \u012f lauko dali\u0173 kintamum\u0105, d\u0117l kurio tikslusis valdymas i\u0161 esm\u0117s yra vertingas.<\/p>\n<h3>2. Didel\u0117s i\u0161laidos ir prieinamumo kli\u016btys<\/h3>\n<p>Visapusi\u0161ka tiksliosios \u017eemdirbyst\u0117s sistema vidutinio dyd\u017eio komerciniam cukranendri\u0173 \u016bkiui, \u012fskaitant jutikli\u0173 tinklus, palydov\u0173 prenumeratas, dron\u0173 tyrim\u0173 paslaugas ir sprendim\u0173 pri\u0117mimo programin\u0119 \u012frang\u0105, gali pareikalauti de\u0161im\u010di\u0173 t\u016bkstan\u010di\u0173 doleri\u0173 pradini\u0173 investicij\u0173, prid\u0117jus nuolatines eksploatavimo i\u0161laidas.<\/p>\n<p><strong>Didel\u0117ms Brazilijos arba Australijos \u017eem\u0117s \u016bkio \u012fmon\u0117ms<\/strong> valdant t\u016bkstan\u010dius hektar\u0173, \u0161i investicija yra ekonomi\u0161kai pateisinama derliaus apsauga ir s\u0105naud\u0173 taupymu.<\/p>\n<p><strong>Smulkiesiems cukranendri\u0173 augintojams<\/strong> Indijoje ar Pietry\u010di\u0173 Azijoje, valdant nuo dviej\u0173 iki penki\u0173 hektar\u0173, be kooperatini\u0173 modeli\u0173, vyriausyb\u0117s subsidij\u0173 ar paslaugomis pagr\u012fsto kainodaros, kuri paskirsto i\u0161laidas daugeliui naudotoj\u0173, s\u0105naud\u0173 barjeras yra pernelyg didelis.<\/p>\n<h3>3. Technin\u0117s \u017einios ir mokymo poreikiai<\/h3>\n<p>Tiksliosios \u017eemdirbyst\u0117s sistemos diegimas ir tinkamas jos diegimas yra du skirtingi dalykai. Prastai sukonfig\u016bruotas modelis su neteisingais dirvo\u017eemio parametrais arba nesukalibruotas jutikli\u0173 tinklas duos patikimos i\u0161vaizdos rezultatus, kurie yra tiesiog neteisingi.<\/p>\n<p>Agronomams ir \u016bki\u0173 vadovams reikia mokym\u0173 ne tik valdyti technologij\u0105, bet ir kriti\u0161kai interpretuoti modelio rezultatus \u2013 atpa\u017einti, kada prognozuojamas derliaus skai\u010dius neatitinka tikslumo diapazono, kada jutiklio rodmuo atrodo anomali\u0161kai ir kada vietin\u0117s lauko \u017einios tur\u0117t\u0173 vir\u0161yti modelio rekomendacij\u0105.<\/p>\n<h3>4. Klimato neapibr\u0117\u017etumas ir prognozavimo ribos<\/h3>\n<p>Klimato modeliai pateikia tikimybi\u0173 intervalus, o ne tikrus rezultatus. Sezonin\u0117 prognoz\u0117, pagal kuri\u0105 70 procent\u0173 tikimyb\u0117, kad krituli\u0173 kiekis bus ma\u017eesnis nei vidutinis, yra teisinga 70 procent\u0173 laiko, o 30 procent\u0173 laiko \u2013 klaidinga.<\/p>\n<p>Ekstremal\u016bs \u012fvykiai, tokie kaip kart\u0105 per penkiasde\u0161imt met\u0173 pasitaikantys ciklonai ar daugiamet\u0117s sausros, patenka \u012f tikimybi\u0173 pasiskirstymo uodegas, kur modelio \u012fg\u016bd\u017eiai yra silpniausi. Augintojai ir agronomai, naudojantys tiksliosios \u017eemdirbyst\u0117s \u012frankius, turi vertinti \u0161iuos rezultatus su tinkamu epistemologiniu nuolankumu, laikydami juos sprendim\u0173 pri\u0117mimo priemon\u0117mis, o ne deterministin\u0117mis prognoz\u0117mis.<\/p>\n<h2>Atvej\u0173 analiz\u0117s ir realaus pasaulio taikymas<\/h2>\n<h3>1. Brazilija: Tikslusis steb\u0117jimas \u017eemyno mastu<\/h3>\n<p>Brazilija yra did\u017eiausia pasaulyje cukranendri\u0173 gamintoja, 2024 m. pagaminusi ma\u017edaug 754 mln. ton\u0173 cukranendri\u0173, ir ji taip pat yra pa\u017eangiausia \u0161alis, diegianti tiksliosios \u017eemdirbyst\u0117s priemones \u0161iam augalui.<\/p>\n<p>Didel\u0117s \u017eem\u0117s \u016bkio \u012fmon\u0117s San Paulo ir Mato Groso valstijose valdo palydovines NDVI laiko eilutes, APSIM pagr\u012fst\u0105 pas\u0117li\u0173 modeliavim\u0105 ir automatizuotus meteorologini\u0173 sto\u010di\u0173 tinklus.<\/p>\n<ul>\n<li>sodinimo kalendoriai,<\/li>\n<li>dr\u0117kinimo planavimas ir<\/li>\n<li>derliaus logistika \u0161imtuose t\u016bkstan\u010di\u0173 hektar\u0173.<\/li>\n<\/ul>\n<p>Brazilijos mokslini\u0173 tyrim\u0173 institucijos CSM-SAMUCA model\u012f naudojo derliui ir \u0161iltnamio efekt\u0105 sukelian\u010di\u0173 duj\u0173 i\u0161metimo rezultatams imituoti pagal \u012fvairius IPCC klimato scenarijus, tiesiogiai informuodamos vyriausyb\u0117s politik\u0105 d\u0117l cukranendri\u0173 plot\u0173 pl\u0117tros ir biokuro gamybos planavimo.<\/p>\n<h3>2. Indija: i\u0161manusis dr\u0117kinimas ir sausros sukelto streso prognozavimas<\/h3>\n<p>Indija kasmet u\u017eaugina daugiau nei 465 milijonus ton\u0173 cukranendri\u0173, daugiausia i\u0161 lietaus dr\u0117kinam\u0173 ir i\u0161 dalies dr\u0117kinam\u0173 smulki\u0173 \u016bki\u0173 Utar Prade\u0161e, Mahara\u0161troje ir Tamil Nadu valstijose.<\/p>\n<p>Vyriausyb\u0117s remiamos tiksliojo \u016bkininkavimo programos Mahara\u0161troje i\u0161band\u0117 dirvo\u017eemio dr\u0117gm\u0117s jutikli\u0173 tinklus ir orais pagr\u012fstas konsultavimo sistemas, kurios teikia SMS \u017einut\u0117mis pagr\u012fstas dr\u0117kinimo planavimo rekomendacijas smulkiesiems \u016bkininkams, kuri\u0173 laukai per ma\u017ei, kad b\u016bt\u0173 galima visi\u0161kai \u012fdiegti jutiklius.<\/p>\n<p>Ankstyvojo sezono sausros streso nustatymas \u2013 naudojant NDVI anomalijas i\u0161 \u201eSentinel-2\u201c palydovini\u0173 vaizd\u0173 \u2013 leido rajon\u0173 \u017eem\u0117s \u016bkio biurams nustatyti vandens streso zonas, kol pas\u0117liai nepasiek\u0117 derliaus nuokrypos ribos, tod\u0117l buvo galima teikti tikslin\u0119 skubi\u0105 dr\u0117kinimo param\u0105 labiausiai pa\u017eeid\u017eiamoms vietov\u0117ms.<\/p>\n<h3>3. Australija: palydovinis derliaus prognozavimas<\/h3>\n<p>Cukranendri\u0173 auginimas pakrant\u0117s Kvinslande ir \u0161iauriniame Naujajame Piet\u0173 Velse vyksta did\u0117jant klimato spaudimui d\u0117l kylan\u010dios temperat\u016bros ir pasikeitusio krituli\u0173 sezoni\u0161kumo. Regiono klimato prognoz\u0117s rodo, kad esant dideliam i\u0161metam\u0173j\u0173 ter\u0161al\u0173 kiekiui, temperat\u016bra iki 2059 m. padid\u0117s ma\u017edaug 1,7 \u00b0C, o iki 2099 m. \u2013 3,4 \u00b0C, o krituli\u0173 kiekis per t\u0105 pat\u012f laikotarp\u012f suma\u017e\u0117s 3\u201311,5 proc.<\/p>\n<p>Australijos mokslini\u0173 tyrim\u0173 institucijos naudoja modeliavimo modelius, ypa\u010d \u201eAPSIM-Sugarcane\u201c platform\u0105, siekdamos prognozuoti, kad d\u0117l at\u0161ilimo kai kurie augintojai gali pereiti nuo dvej\u0173 met\u0173 pas\u0117li\u0173 ciklo prie vieneri\u0173 met\u0173 ciklo, o tai gali padidinti metin\u012f derli\u0173 i\u0161 hektaro, ta\u010diau tik tuo atveju, jei tinkama dr\u0117kinimo infrastrukt\u016bra kompensuoja prognozuojam\u0105 krituli\u0173 kiekio suma\u017e\u0117jim\u0105.<\/p>\n<p>Kvinslando dideli komerciniai augintojai dabar \u012fprastai naudoja palydovines steb\u0117jimo sistemas, integruotas su mal\u016bno derliaus registravimu, kad patvirtint\u0173 prie\u0161 derliaus nu\u0117mim\u0105 numatyt\u0173 modeli\u0173 prognozes pagal faktinius smulkinimo duomenis ir nuolat tobulint\u0173 modelio kalibravim\u0105.<\/p>\n<h2>Tiksliojo \u016bkininkavimo ateities tendencijos cukranendri\u0173 prisitaikymui prie klimato kaitos<\/h2>\n<p>Naujos kartos tiksliosios \u017eemdirbyst\u0117s \u012frankiai cukranendri\u0173 auginimui vystosi keliomis lygiagre\u010diomis kryptimis. Autonomin\u0117s dirbtinio intelekto valdomos lauko valdymo sistemos, kuriose jutikliai, modeliai ir technika veikia nuolatiniame gr\u012f\u017etamojo ry\u0161io cikle su minimaliu \u017emogaus \u012fsiki\u0161imu, pereina nuo eksperimentini\u0173 bandym\u0173 prie ankstyvo komercinio diegimo didelio masto operacijose.<\/p>\n<p>\u0160ios sistemos taiko tiksliosios \u017eemdirbyst\u0117s logik\u0105 ne tik dr\u0117kinimui ir tr\u0119\u0161imui, bet ir derliaus nu\u0117mimo laikui, veisli\u0173 atrankai ir \u017eiurki\u0173 prie\u017ei\u016brai, visa tai remiantis realaus laiko klimato duomenimis ir prognozuojamu derliaus modeliavimu.<\/p>\n<blockquote><p>Cukranendri\u0173 auginimo ateitis \u2013 tai ne \u016bkininkas, telefono program\u0117l\u0117je ie\u0161kantis patarimo \u2013 tai visi\u0161kai integruota sistema, kurioje klimato duomenys nuolat teka i\u0161 atmosferos \u012f algoritm\u0105 ir dr\u0117kinimo vo\u017etuv\u0105, o \u017emoni\u0173 patirtis taikoma strateginiu, o ne operatyviniu lygmeniu.<\/p><\/blockquote>\n<p>Hiperlokalinis or\u0173 prognozavimas \u2013 naudojant didelio tankio jutikli\u0173 tinklus ir trumpojo nuotolio atmosferos modeliavim\u0105, siekiant prognozuoti s\u0105lygas ganykl\u0173 lygmenyje su dviej\u0173\u2013keturi\u0173 valand\u0173 i\u0161ankstine data \u2013 gerokai pagerins realaus laiko sprendim\u0173 pri\u0117mim\u0105 d\u0117l dr\u0117kinimo ir pur\u0161kimo operacij\u0173.<\/p>\n<p>Blok\u0173 grandin\u0117s pagrindu sukurtos \u016bki\u0173 duomen\u0173 valdymo platformos pradeda teikti saugius, nuo klastojimo apsaugotus derliaus ir \u012fvesties \u012fra\u0161us, kuriuos generuoja tiksliosios \u017eemdirbyst\u0117s sistemos, u\u017etikrindamos atsekamum\u0105 nuo lauko iki mal\u016bno ir palaikydamos tvariai auginam\u0173 cukranendri\u0173 auk\u0161\u010diausios kokyb\u0117s rinkos prieinamum\u0105.<\/p>\n<p>Regeneracin\u0117s \u017eemdirbyst\u0117s praktikos \u2013 dengiamieji pas\u0117liai, minimalus \u017eem\u0117s dirbimas ir biologinis dirvo\u017eemio tvarkymas \u2013 vis da\u017eniau integruojamos \u012f tikslaus valdymo sistemas, naudojant jutikli\u0173 duomenis dirvo\u017eemio anglies ir mikrob\u0173 sveikatai steb\u0117ti kartu su \u012fprastais derliaus rodikliais.<\/p>\n<h2>Geriausia \u016bkinink\u0173 ir \u017eem\u0117s \u016bkio \u012fmoni\u0173, diegian\u010di\u0173 tiksli\u0105j\u0105 \u017eemdirbyst\u0119, praktika<\/h2>\n<p>Norint efektyviai \u012fdiegti tiksl\u0173j\u012f \u016bkininkavim\u0105, reikia laipsni\u0161ko ir strateginio po\u017ei\u016brio, o ne vis\u0173 technologij\u0173 diegimo i\u0161 karto. \u0160ie \u017eingsniai atspindi efektyviausius \u012fgyvendinimo b\u016bdus, pasteb\u0117tus komerciniuose cukranendri\u0173 auginimo \u016bkiuose:<\/p>\n<p style=\"padding-left: 40px\"><strong>1. Prad\u0117kite nuo auk\u0161tos kokyb\u0117s pradini\u0173 duomen\u0173.<\/strong> Prie\u0161 diegdami jutiklius ar modelius, investuokite \u012f i\u0161sam\u0173 dirvo\u017eemio tyrim\u0105, kuriame b\u016bt\u0173 sudarytas viso \u016bkio tekst\u016bros, pH, organini\u0173 med\u017eiag\u0173 ir drena\u017eo klas\u0117s \u017eem\u0117lapis. \u0160is erdvinis dirvo\u017eemio bazinis lygis yra pagrindas, ant kurio kuriamas kiekvienas paskesnis modelio sluoksnis, o prastos kokyb\u0117s dirvo\u017eemio duomenys yra da\u017eniausia modelio kalibravimo klaid\u0173 prie\u017eastis.<\/p>\n<p style=\"padding-left: 40px\"><strong>2. Jutikli\u0173 tinklus i\u0161d\u0117styti tinkamu tankumu.<\/strong> Norint patikimai nustatyti stres\u0105, kiekvienoje dirvo\u017eemio valdymo zonoje reikalinga bent viena dirvo\u017eemio dr\u0117gm\u0117s steb\u0117jimo stotis. Jutikli\u0173 nepakankamas i\u0161d\u0117stymas siekiant sutaupyti l\u0117\u0161\u0173 yra klaidingas ekonominis sprendimas, nes gaunami erdviniai vidurkiai, neatspindintys lauko viduje esan\u010dio kintamumo, kur\u012f sistema ir yra skirta u\u017efiksuoti.<\/p>\n<p style=\"padding-left: 40px\"><strong>3. Integruoti vietos \u017einias su modelio rezultatais.<\/strong> Patyr\u0119 augintojai ir vietos agronomai de\u0161imtme\u010dius kaupia specifini\u0173 lauko \u017eini\u0173 apie drena\u017eo kar\u0161t\u0105sias zonas, mikroklimato modelius ir kenk\u0117j\u0173 ciklus, kuri\u0173 dar nepasteb\u0117jo jokia nuotolinio steb\u0117jimo sistema. \u0160ios nei\u0161reik\u0161tos \u017einios tur\u0117t\u0173 b\u016bti naudojamos modelio rezultatams patikrinti per pirmuosius vien\u0105 ar du diegimo sezonus ir pa\u017eym\u0117ti anomalijas, kurios rodo, kad modelio parametr\u0105 reikia perkalibruoti.<\/p>\n<p style=\"padding-left: 40px\"><strong>4. Nuolat steb\u0117ti klimat\u0105.<\/strong> Tiksliosios \u017eemdirbyst\u0117s sistemos vert\u0117 kaupiasi laikui b\u0117gant. Daugiame\u010diai jutikli\u0173 \u012fra\u0161ai leid\u017eia modeliui atskirti tikras klimato nulemtas derliaus anomalijas nuo \u012fprast\u0173 sezonini\u0173 svyravim\u0173 ir tobulinti prognozes, gil\u0117jant vietiniam kalibravimo duomen\u0173 rinkiniui.<\/p>\n<p style=\"padding-left: 40px\"><strong>4. Investuokite \u012f kei\u010diamo mastelio \u012frankius su ai\u0161kiais pl\u0117tros keliais.<\/strong> Ma\u017eesniems \u016bkiams pradinio lygio platformos, kurios prasideda nuo palydovinio NDVI steb\u0117jimo ir vienos automatin\u0117s meteorologijos stoties, suteikia tiesiogin\u0117s vert\u0117s, nereikalaujant vis\u0173 jutikli\u0173 tinklo investicij\u0173 nuo pirmos dienos. Augintojai gali palaipsniui didinti jutikli\u0173 tank\u012f ir modeli\u0173 sud\u0117tingum\u0105, kai parodoma ankstyvojo diegimo investicij\u0173 gr\u0105\u017ea.<\/p>\n<h2>I\u0161vada<\/h2>\n<p>Klimato kaita n\u0117ra ateities rizika cukranendri\u0173 auginimui \u2013 tai dabartin\u0117 veiklos s\u0105lyga, d\u0117l kurios jau ma\u017e\u0117ja derlius, did\u0117ja s\u0105naud\u0173 s\u0105naudos ir ma\u017e\u0117ja vegetacijos sezon\u0173 patikimumas visuose pagrindiniuose gamybos regionuose. Tikslioji \u017eemdirbyst\u0117 modeliuoja klimato kaitos poveik\u012f cukranendri\u0173 derliui, aplinkos sud\u0117tingum\u0105 paversdama praktine \u016bkio informacija.<\/p>\n<p>Ar tai b\u016bt\u0173 pas\u0117li\u0173 modeliavimo platformos, kurios prognozuoja biologin\u012f atsak\u0105 \u012f temperat\u016bros anomalij\u0105, ma\u0161ininio mokymosi modeliai, kurie sintetina de\u0161imtme\u010di\u0173 derliaus ir klimato duomenis \u012f prognoz\u0119 prie\u0161 derliaus nu\u0117mim\u0105, ar daikt\u0173 interneto jutikli\u0173 tinklai, kurie aptinka \u0161akn\u0173 zonos dr\u0117gm\u0117s stres\u0105 prie\u0161 tai, kai laja parodo simptomus, \u2013 \u0161ios priemon\u0117s suteikia augintojams galimyb\u0119 reaguoti \u012f klimato rizik\u0105, o ne tiesiog j\u0105 absorbuoti. Ta\u010diau trajektorija ai\u0161ki.<\/p>\n<p>Tiksliosios \u017eemdirbyst\u0117s \u012frankiams tampant vis labiau prieinamiems, labiau sujungtiems ir tikslesniems, klimatui draugi\u0161ka cukranendri\u0173 gamyba i\u0161 did\u017eiausi\u0173 \u017eem\u0117s \u016bkio \u012fmoni\u0173 konkurencinio prana\u0161umo taps standartiniu veiklos modeliu tiek komerciniams, tiek smulkiesiems augintojams.<\/p>","protected":false},"excerpt":{"rendered":"<p>Tikslioji \u017eemdirbyst\u0117 modeliuoja klimato kaitos poveik\u012f cukranendri\u0173 derliui, sujungdama palydovinius vaizdus, daikt\u0173 interneto jutiklius, ma\u0161ininio mokymosi algoritmus ir pas\u0117li\u0173 modeliavimo platformas \u012f vien\u0105\u2026<\/p>","protected":false},"author":210157960,"featured_media":13271,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_coblocks_attr":"","_coblocks_dimensions":"","_coblocks_responsive_height":"","_coblocks_accordion_ie_support":"","_eb_attr":"","content-type":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_wpcom_ai_launchpad_first_post":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"{title}\n\n{excerpt}\n\n{url}","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"_wpas_customize_per_network":false,"jetpack_post_was_ever_published":false},"categories":[1657],"tags":[],"class_list":["post-13268","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-precision-farming"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v28.2 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Precision Agriculture and Climate Modeling in Sugarcane Farming - GeoPard Agriculture<\/title>\n<meta name=\"description\" content=\"Precision agriculture models climate change impact on sugarcane by combining satellite imagery, IoT sensors, machine learning algorithms.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/geopard.tech\/lt\/tinklarastis\/tikslioji-zemdirbyste-ir-klimato-modeliavimas-cukranendriu-auginime\/\" \/>\n<meta property=\"og:locale\" content=\"lt_LT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Precision Agriculture and Climate Modeling in Sugarcane Farming - GeoPard Agriculture\" \/>\n<meta property=\"og:description\" content=\"Precision agriculture models climate change impact on sugarcane by combining satellite imagery, IoT sensors, machine learning algorithms.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/geopard.tech\/lt\/tinklarastis\/tikslioji-zemdirbyste-ir-klimato-modeliavimas-cukranendriu-auginime\/\" \/>\n<meta property=\"og:site_name\" content=\"GeoPard - Precision agriculture Mapping software\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/geopardAgriculture\/\" \/>\n<meta property=\"article:published_time\" content=\"2026-05-24T19:08:52+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-05-24T19:17:45+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/geopard.tech\/wp-content\/uploads\/2026\/05\/Precision-Agriculture-and-Climate-Modeling-in-Sugarcane-Farming-1024x576.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"576\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"dementievgeopard\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@geopardagri\" \/>\n<meta name=\"twitter:site\" content=\"@geopardagri\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"dementievgeopard\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"22 minut\u0117s\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\\\/\"},\"author\":{\"name\":\"dementievgeopard\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/person\\\/dd217733c742620adc57befbbcd84a8a\"},\"headline\":\"Precision Agriculture and Climate Modeling in Sugarcane Farming\",\"datePublished\":\"2026-05-24T19:08:52+00:00\",\"dateModified\":\"2026-05-24T19:17:45+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\\\/\"},\"wordCount\":4764,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Precision-Agriculture-and-Climate-Modeling-in-Sugarcane-Farming.png?fit=1920%2C1080&ssl=1\",\"articleSection\":[\"Precision Farming\"],\"inLanguage\":\"lt-LT\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/geopard.tech\\\/blog\\\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\\\/\",\"url\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\\\/\",\"name\":\"Precision Agriculture and Climate Modeling in Sugarcane Farming - GeoPard Agriculture\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Precision-Agriculture-and-Climate-Modeling-in-Sugarcane-Farming.png?fit=1920%2C1080&ssl=1\",\"datePublished\":\"2026-05-24T19:08:52+00:00\",\"dateModified\":\"2026-05-24T19:17:45+00:00\",\"description\":\"Precision agriculture models climate change impact on sugarcane by combining satellite imagery, IoT sensors, machine learning algorithms.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\\\/#breadcrumb\"},\"inLanguage\":\"lt-LT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/geopard.tech\\\/blog\\\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"lt-LT\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\\\/#primaryimage\",\"url\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Precision-Agriculture-and-Climate-Modeling-in-Sugarcane-Farming.png?fit=1920%2C1080&ssl=1\",\"contentUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Precision-Agriculture-and-Climate-Modeling-in-Sugarcane-Farming.png?fit=1920%2C1080&ssl=1\",\"width\":1920,\"height\":1080,\"caption\":\"Precision Agriculture and Climate Modeling in Sugarcane Farming\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/geopard.tech\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Precision Agriculture and Climate Modeling in Sugarcane Farming\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#website\",\"url\":\"https:\\\/\\\/geopard.tech\\\/\",\"name\":\"GeoPard - Precision agriculture software\",\"description\":\"Precision agriculture Mapping software\",\"publisher\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#organization\"},\"alternateName\":\"GeoPard\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/geopard.tech\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"lt-LT\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#organization\",\"name\":\"GeoPard Agriculture\",\"alternateName\":\"GeoPard\",\"url\":\"https:\\\/\\\/geopard.tech\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"lt-LT\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2022\\\/03\\\/favicon.png?fit=200%2C200&ssl=1\",\"contentUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2022\\\/03\\\/favicon.png?fit=200%2C200&ssl=1\",\"width\":200,\"height\":200,\"caption\":\"GeoPard Agriculture\"},\"image\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/geopardAgriculture\\\/\",\"https:\\\/\\\/x.com\\\/geopardagri\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/geopard-agriculture\\\/\",\"https:\\\/\\\/www.instagram.com\\\/geopardagriculture\\\/\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/person\\\/dd217733c742620adc57befbbcd84a8a\",\"name\":\"dementievgeopard\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"lt-LT\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g\",\"caption\":\"dementievgeopard\"},\"url\":\"#\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Tikslioji \u017eemdirbyst\u0117 ir klimato modeliavimas cukranendri\u0173 auginime \u2013 \u201eGeoPard Agriculture\u201c","description":"Tikslioji \u017eemdirbyst\u0117 modeliuoja klimato kaitos poveik\u012f cukranendr\u0117ms, derindama palydovinius vaizdus, daikt\u0173 interneto jutiklius ir ma\u0161ininio mokymosi algoritmus.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/geopard.tech\/lt\/tinklarastis\/tikslioji-zemdirbyste-ir-klimato-modeliavimas-cukranendriu-auginime\/","og_locale":"lt_LT","og_type":"article","og_title":"Precision Agriculture and Climate Modeling in Sugarcane Farming - GeoPard Agriculture","og_description":"Precision agriculture models climate change impact on sugarcane by combining satellite imagery, IoT sensors, machine learning algorithms.","og_url":"https:\/\/geopard.tech\/lt\/tinklarastis\/tikslioji-zemdirbyste-ir-klimato-modeliavimas-cukranendriu-auginime\/","og_site_name":"GeoPard - Precision agriculture Mapping software","article_publisher":"https:\/\/www.facebook.com\/geopardAgriculture\/","article_published_time":"2026-05-24T19:08:52+00:00","article_modified_time":"2026-05-24T19:17:45+00:00","og_image":[{"width":1024,"height":576,"url":"https:\/\/geopard.tech\/wp-content\/uploads\/2026\/05\/Precision-Agriculture-and-Climate-Modeling-in-Sugarcane-Farming-1024x576.png","type":"image\/png"}],"author":"dementievgeopard","twitter_card":"summary_large_image","twitter_creator":"@geopardagri","twitter_site":"@geopardagri","twitter_misc":{"Written by":"dementievgeopard","Est. reading time":"22 minut\u0117s"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/geopard.tech\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/#article","isPartOf":{"@id":"https:\/\/geopard.tech\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/"},"author":{"name":"dementievgeopard","@id":"https:\/\/geopard.tech\/#\/schema\/person\/dd217733c742620adc57befbbcd84a8a"},"headline":"Precision Agriculture and Climate Modeling in Sugarcane Farming","datePublished":"2026-05-24T19:08:52+00:00","dateModified":"2026-05-24T19:17:45+00:00","mainEntityOfPage":{"@id":"https:\/\/geopard.tech\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/"},"wordCount":4764,"commentCount":0,"publisher":{"@id":"https:\/\/geopard.tech\/#organization"},"image":{"@id":"https:\/\/geopard.tech\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Precision-Agriculture-and-Climate-Modeling-in-Sugarcane-Farming.png?fit=1920%2C1080&ssl=1","articleSection":["Precision Farming"],"inLanguage":"lt-LT","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/geopard.tech\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/geopard.tech\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/","url":"https:\/\/geopard.tech\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/","name":"Tikslioji \u017eemdirbyst\u0117 ir klimato modeliavimas cukranendri\u0173 auginime \u2013 \u201eGeoPard Agriculture\u201c","isPartOf":{"@id":"https:\/\/geopard.tech\/#website"},"primaryImageOfPage":{"@id":"https:\/\/geopard.tech\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/#primaryimage"},"image":{"@id":"https:\/\/geopard.tech\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Precision-Agriculture-and-Climate-Modeling-in-Sugarcane-Farming.png?fit=1920%2C1080&ssl=1","datePublished":"2026-05-24T19:08:52+00:00","dateModified":"2026-05-24T19:17:45+00:00","description":"Tikslioji \u017eemdirbyst\u0117 modeliuoja klimato kaitos poveik\u012f cukranendr\u0117ms, derindama palydovinius vaizdus, daikt\u0173 interneto jutiklius ir ma\u0161ininio mokymosi algoritmus.","breadcrumb":{"@id":"https:\/\/geopard.tech\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/#breadcrumb"},"inLanguage":"lt-LT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/geopard.tech\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/"]}]},{"@type":"ImageObject","inLanguage":"lt-LT","@id":"https:\/\/geopard.tech\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/#primaryimage","url":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Precision-Agriculture-and-Climate-Modeling-in-Sugarcane-Farming.png?fit=1920%2C1080&ssl=1","contentUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Precision-Agriculture-and-Climate-Modeling-in-Sugarcane-Farming.png?fit=1920%2C1080&ssl=1","width":1920,"height":1080,"caption":"Precision Agriculture and Climate Modeling in Sugarcane Farming"},{"@type":"BreadcrumbList","@id":"https:\/\/geopard.tech\/blog\/precision-agriculture-and-climate-modeling-in-sugarcane-farming\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/geopard.tech\/"},{"@type":"ListItem","position":2,"name":"Precision Agriculture and Climate Modeling in Sugarcane Farming"}]},{"@type":"WebSite","@id":"https:\/\/geopard.tech\/#website","url":"https:\/\/geopard.tech\/","name":"GeoPard \u2013 tiksliosios \u017eemdirbyst\u0117s programin\u0117 \u012franga","description":"Tiksliosios \u017eemdirbyst\u0117s kartografavimo programin\u0117 \u012franga","publisher":{"@id":"https:\/\/geopard.tech\/#organization"},"alternateName":"GeoPard","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/geopard.tech\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"lt-LT"},{"@type":"Organization","@id":"https:\/\/geopard.tech\/#organization","name":"GeoPard \u017dem\u0117s \u016bkis","alternateName":"GeoPard","url":"https:\/\/geopard.tech\/","logo":{"@type":"ImageObject","inLanguage":"lt-LT","@id":"https:\/\/geopard.tech\/#\/schema\/logo\/image\/","url":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2022\/03\/favicon.png?fit=200%2C200&ssl=1","contentUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2022\/03\/favicon.png?fit=200%2C200&ssl=1","width":200,"height":200,"caption":"GeoPard Agriculture"},"image":{"@id":"https:\/\/geopard.tech\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/geopardAgriculture\/","https:\/\/x.com\/geopardagri","https:\/\/www.linkedin.com\/company\/geopard-agriculture\/","https:\/\/www.instagram.com\/geopardagriculture\/"]},{"@type":"Person","@id":"https:\/\/geopard.tech\/#\/schema\/person\/dd217733c742620adc57befbbcd84a8a","name":"dementjevgeopardo","image":{"@type":"ImageObject","inLanguage":"lt-LT","@id":"https:\/\/secure.gravatar.com\/avatar\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g","caption":"dementievgeopard"},"url":"#"}]}},"jetpack_publicize_connections":[],"jetpack_likes_enabled":true,"jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/pdiCPa-3s0","jetpack_featured_media_url":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Precision-Agriculture-and-Climate-Modeling-in-Sugarcane-Farming.png?fit=1920%2C1080&ssl=1","_links":{"self":[{"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/posts\/13268","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/users\/210157960"}],"replies":[{"embeddable":true,"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/comments?post=13268"}],"version-history":[{"count":0,"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/posts\/13268\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/media\/13271"}],"wp:attachment":[{"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/media?parent=13268"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/categories?post=13268"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/tags?post=13268"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}