Kategorija: NDVI

Neatlaidīga tieksme pēc lielākas ražas, optimizētas resursu izmantošanas un ilgtspējīgas prakses raksturo mūsdienu lauksaimniecību. Šo centienu vidū ir parādījies spēcīgs, tomēr bieži vien neredzams sabiedrotais: hlorofila indekss (CI). Šis sarežģītais veģetācijas indekss, kas atvasināts no augu atstarotās gaismas smalkās valodas, sniedz vēl nebijušu ieskatu pašā augu augšanas dzinējspēkā – hlorofila saturumā.

Virzoties laikmetā, kurā nepieciešama precizitāte un atbildība par vidi, hlorofila indeksa izpratne un izmantošana vairs nav nišas priekšrocība, bet gan fundamentāls instruments progresīvai lauksaimniecībai, lauksaimniecības uzņēmējdarbībai un vides pārvaldībai.

Jaunākā statistika liecina, ka saimniecības, kas ievieš CI vadītu saimniekošanu, pastāvīgi ziņo par izejvielu ietaupījumu 10-25% apmērā, ūdens patēriņa samazinājumu 15-30% apmērā un ražas pieaugumu 5-15% apmērā, pateicoties optimizētai veselībai un samazinātiem zudumiem. Hlorofila indekss nav tikai instruments augu veselības novērošanai; tas ir katalizators ilgtspējīgākas lauksaimniecības nākotnes veidošanai.

Kas ir hlorofila indekss?

Hlorofila indeksu (TI) izmanto, lai aprēķinātu kopējo hlorofila daudzumu augos. Lai izprastu hlorofila indeksa dziļo nozīmi, mums vispirms ir jānovērtē tā objekts: pats hlorofils. Hlorofils ir svarīgs zaļais pigments, kas atrodas augu hloroplastos. Tas darbojas kā dabas saules panelis, uztverot saules gaismas enerģiju.

Šī uzkrātā enerģija veicina fotosintēzi — brīnumaino bioķīmisko procesu, kurā oglekļa dioksīds un ūdens tiek pārveidoti par dzīvību uzturošiem cukuriem un skābekli. Būtībā hlorofils ir augu augšanas un produktivitātes stūrakmens.

Tā koncentrācija augu lapās ir tieši un dinamiski saistīta ar auga veselību, uztura stāvokli, fotosintēzes efektivitāti un galu galā tā ražas potenciālu. Tradicionāli hlorofila novērtēšana nozīmēja darbietilpīgus, destruktīvus laboratorijas testus ar lapu paraugiem – process, kas bija pārāk lēns un nepietiekami revolucionārs efektīvai lauka mēroga pārvaldībai. Tieši šeit tālizpēte un hlorofila indekss revolucionizē spēli.

Augi unikāli mijiedarbojas ar saules gaismu. Lai gan hlorofils fotosintēzes procesā spēcīgi absorbē gaismu spektra zilajos un sarkanajos apgabalos, tas atstaro ievērojamu daļu tuvā infrasarkanā (NIR) gaismas un uzrāda raksturīgas reakcijas zaļajos un "sarkanās malas" apgabalos.

Hlorofila indekss izmanto šos specifiskos atstarošanas modeļus. Mērot atstarošanas attiecību rūpīgi atlasītās spektra joslās, izmantojot sensorus, kas uzstādīti uz satelītiem, droniem, lidmašīnām vai zemes iekārtām, CI sniedz uzticamu, neinvazīvu un mērogojamu faktiskās hlorofila koncentrācijas novērtējumu augu vainagos.

Būtībā tas pārvērš auga optisko pirkstu nospiedumu kvantificējamā tā iekšējās veselības un vielmaiņas aktivitātes mērvienībā. Tam ir milzīga ietekme uz lauksaimniecību. Hlorofila indekss darbojas kā reāllaika diagnostikas rīks, kas sniedz ieskatu, kas ir daudz plašāks par to, ko spēj uztvert ar neapbruņotu aci.

Samazināts CI var liecināt par barības vielu, īpaši slāpekļa – hlorofila molekulu pamatelementa – deficīta sākšanos dažas dienas vai pat nedēļas pirms vizuālu simptomu, piemēram, dzeltēšanas (hlorozes), parādīšanās. Tas var atklāt ūdens stresu, kas ietekmē fotosintēzes mehānismu, noteikt slimību agrīnas stadijas, kas ietekmē augu metabolismu, un norādīt uz kopējo auga sparu.

Pareizi interpretēta, šī nepārtrauktā datu plūsma dod lauksaimniekiem un agronomiem iespēju pieņemt proaktīvus, mērķtiecīgus lēmumus. Tā vietā, lai apstrādātu visus laukus vienādi, pamatojoties uz vidējiem rādītājiem vai aizkavētiem novērojumiem, intervences var precīzi pielāgot dažādu lauka zonu īpašajām vajadzībām.

Šī pāreja no reaktīvās uz paredzošo pārvaldību ir precīzās lauksaimniecības būtība, un hlorofila indekss ir galvenais veicinātājs. Pielietojums sniedzas tālu aiz saimniecības robežām. Ievades piegādātāji izmanto hlorofila indeksa datus, lai pierādītu savu mēslošanas līdzekļu vai augu aizsardzības līdzekļu efektivitāti reālos apstākļos, pārsniedzot kontrolētu izmēģinājumu laukus.

Apdrošināšanas sabiedrības arvien vairāk izmanto no CI atvasinātas ražas prognozes riska novērtēšanai un parametrisko apdrošināšanas produktu strukturēšanai, kur izmaksas tiek noteiktas, pamatojoties uz objektīviem, ar satelītu pārbaudītiem kultūraugu stresa rādītājiem, nevis subjektīviem zaudējumu novērtējumiem.

Lauksaimniecības kooperatīvi, kas pārvalda tūkstošiem hektāru, izmanto CI kartes, lai efektīvi koordinētu mēslošanas līdzekļu lietošanas plānus plašos ģeogrāfiskos apgabalos. Vides aģentūras uzrauga lauksaimniecības prakses ietekmi uz ekosistēmu veselību, izsekojot hlorofila līmenim kā augu stresa un iespējamās barības vielu noteces aizstājējrādītājam.

Hlorofila indeksa daudzpusība un objektivitāte padara to par stūrakmens tehnoloģiju visā lauksaimniecības vērtību ķēdē un vides monitoringā.

Galvenie hlorofila indeksa spektri

Termins “hlorofila indekss” ietver vairākas specifiskas formulas, katra no tām ir precīzi pielāgota, lai iegūtu informāciju par hlorofilu dažādos apstākļos un ar dažādām sensoru iespējām. Šo variantu izpratne ir ļoti svarīga, lai izvēlētos pareizo rīku darbam.

1. Zaļā hlorofila indekss (CIgreen jeb GCI)

Zaļā hlorofila indekss (CIgreen jeb GCI) ir pazīstams ar savu plašo piemērojamību dažādām augu sugām. Tā stiprā puse ir veselīgas veģetācijas zaļās atstarošanas maksimuma izmantošana.

Palielinoties hlorofila koncentrācijai, absorbcija sarkanajā un zilajā joslā palielinās, bet atstarošanās spēja zaļajā joslā (aptuveni 550 nm) saglabājas relatīvi stabila vai nedaudz palielinās, savukārt NIR atstarošanās spēja (aptuveni 730–850 nm) pastāvīgi palielinās veselīgu lapu šūnu struktūru izkliedes efekta dēļ. GCI formula izmanto šo attiecību:

CIzaļš = (ρNIR / ρzaļš) – 1.

Parasti tiek izmantotas tādas joslas kā 730 nm tuvajam infrasarkanajam spektram un 530–550 nm zaļajam spektram, kā rezultātā CIgreen = (ρ730 / ρ530) – 1. Augstāka CIgreen vērtība tieši korelē ar lielāku hlorofila saturu. Tā stabilitāte dažādās sugās padara to par plaši izmantotu universālu hlorofila indikatoru precīzās lauksaimniecības platformās.

2. Sarkanās malas hlorofila indekss (CIred-edge jeb RCI)

Sarkanās malas hlorofila indekss (CIred-edge jeb RCI) izmanto kritisku spektra apgabalu, kas pazīstams kā “sarkanā mala”. Tā ir asa pārejas zona starp spēcīgo sarkanās gaismas absorbciju hlorofilā (aptuveni 670–680 nm) un augsto atstarošanos tuvajā infrasarkanajā spektrā (virs 700 nm), ko izraisa lapu izkliede.

Šīs sarkanās malas nobīdes precīza pozīcija un slīpums ir ļoti jutīgi pret hlorofila koncentrāciju. Palielinoties hlorofila koncentrācijai, sarkanā mala nobīdās garāku viļņu garumu virzienā.

RCI īpaši izmanto šauru joslu, kas novietota šajā dinamiskajā sarkanās malas apgabalā (parasti aptuveni 700–750 nm, bieži vien 730 nm), un salīdzina to ar NIR joslu (bieži vien 780–850 nm, parasti 850 nm):

CIsarkanā mala = (ρNIR / ρsarkanā mala) – 1 jeb, konkrētāk, CIsarkanā mala = (ρ850 / ρ730) – 1.

Šis indekss ir ārkārtīgi jutīgs pret mērenu līdz augstu hlorofila līmeni un ir mazāk pakļauts piesātinājuma efektiem salīdzinājumā ar tādiem indeksiem kā NDVI, kad vainagi ir blīvi un sulīgi.

Tas padara RCI īpaši vērtīgu vēlāk sezonā vai kultūraugiem ar lielu biomasu, kur citi indeksi zaudē jutīgumu. Tā precizitāte padara to ideāli piemērotu ļoti precīzu veģetācijas indeksa karšu ģenerēšanai, ko izmanto barības vielu, īpaši slāpekļa, mainīgas devas pielietojumā (VRA).

3. MERIS sauszemes hlorofila indekss (MTCI)

MERIS Zemes hlorofila indekss (MTCI) sākotnēji tika izstrādāts datiem no MERIS (vidējas izšķirtspējas attēlveidošanas spektrometra) sensora Envisat satelītā. Tas izmanto trīs ļoti specifiskas joslas: vienu sarkanās absorbcijas zemākajā līmenī (681,25 nm), vienu sarkanās malas apgabalā (708,75 nm) un vienu NIR plato (753,75 nm). Tā formula ir:

MTCI = (ρ754 – ρ709) / (ρ709 – ρ681).

MTCI ir īpaši izstrādāts, lai būtu jutīgs pret augstu hlorofila koncentrāciju — diapazonu, kurā tādi indeksi kā NDVI parasti piesātinās un pārstāj reaģēt. Tas efektīvi paplašina hlorofila jutības diapazonu uz augšu.

Lai gan pēc izcelsmes tas ir specifisks sensoriem, koncepcija un joslu pozīcijas nosaka līdzīgu trīs joslu pieeju izmantošanu ar mūsdienu hiperspektrālajiem sensoriem. Tās relatīvā vienkāršība un efektivitāte smalku variāciju noteikšanā augsta hlorofila satura koku lapotnēs attaisno tās turpmāko atbilstību un pielāgošanu precīzās lauksaimniecības analītikā.

4. Modificēts hlorofila absorbcijas atstarošanas indekss (MCARI)

Modificētais hlorofila absorbcijas atstarošanas indekss (MCARI) izmanto atšķirīgu pieeju, kas īpaši izstrādāta, lai samazinātu nefotosintēzes fona materiālu, piemēram, augsnes, novecojošas veģetācijas vai atlieku, traucējošo ietekmi, vienlaikus saglabājot jutību pret hlorofilu. Tā formula ir:

MCARI = [(ρ850 – ρ710) – 0,2 * (ρ850 – ρ570)] * (ρ850/ρ710).

Šai sarežģītībai ir mērķis. Izteiksme (ρ850 – ρ710) atspoguļo kontrastu starp tuvā infrasarkanā starojuma (NIR) un sarkanās malas atstarošanos, kas ir jutīga pret hlorofilu. Atņemšana 0,2 * (ρ850 – ρ570) palīdz koriģēt fona spilgtuma variācijas un dažus atmosfēras efektus (izmantojot zaļo joslu pie 570 nm).

Galīgā attiecība (ρ850 / ρ710) vēl vairāk normalizē signālu. MCARI izceļas situācijās ar nepilnīgu vainaga segumu (zems lapu laukuma indekss – LAI) vai vietās, kur augsne ir labi redzama, piemēram, agrīnās augšanas stadijās vai augļu dārzos/vīna dārzos.

Tomēr tā jutība pret fonu nozīmē, ka tas bieži vien vislabāk darbojas, ja to kombinē ar citiem indeksiem, piemēram, NDVI vai tieši izmērītiem LAI datiem, lai izolētu patieso hlorofila signālu no fona trokšņa, tādējādi nodrošinot pamatotākus augu veselības novērtējumus, īpaši heterogēnos laukos.

Hlorofila indeksa praktiskie pielietojumi

Hlorofila indeksa patiesā jauda izpaužas tā praktiskajā ieviešanā dažādos lauksaimniecības scenārijos. Tā spēja sniegt telpiski precīzus, savlaicīgus datus par augu fizioloģisko stāvokli paver daudzas pielietojuma iespējas:

Precīza slāpekļa pārvaldība

Slāpeklis ir cieši saistīts ar hlorofila sintēzi. CI kartes, īpaši CI sarkanās malas un MTCI, ir cieši saistītas ar augu slāpekļa statusu. Tas ļauj precīzi noteikt slāpekļa mēslojuma mainīgo devu (VRA).

Tā vietā, lai izkliedētu vienmērīgi, aplikatori pielāgo daudzumus reāllaikā, pamatojoties uz CI kartēm, lietojot vairāk tur, kur trūkst hlorofila (un līdz ar to N), un mazāk tur, kur tā ir pietiekama. 2023. gadā publicēts pētījums Precīzā lauksaimniecība pierādīja, ka CI vadīta VRA samazināja slāpekļa patēriņu par 15-25%, vienlaikus saglabājot vai pat palielinot ražu, salīdzinot ar tradicionālo praksi kukurūzas laukos ASV Vidējos Rietumos.

Tas nozīmē ievērojamu izmaksu ietaupījumu lauksaimniekiem (aptuveni $15–$40 uz akru) un ievērojami samazina slāpekļa izskalošanās risku gruntsūdeņos vai siltumnīcefekta gāzu, piemēram, slāpekļa oksīda, emisiju veicināšanu. Eiropas Savienības stratēģija “No lauka līdz galdam”, kuras mērķis ir līdz 2030. gadam samazināt mēslošanas līdzekļu izmantošanu par 20%, nepārprotami veicina šādus precīzas barības vielu pārvaldības rīkus.

Agrīna stresa noteikšana un diagnostika

Hlorofila degradācija ir izplatīta agrīna reakcija uz dažādiem abiotiskiem un biotiskiem stresa faktoriem. Ūdens stress, sāļums, mikroelementu (piemēram, magnija, kas ir hlorofila molekulas centrālais elements) deficīts, kaitēkļu invāzija un slimību infekcija ietekmē hlorofila koncentrāciju ilgi pirms redzamu simptomu parādīšanās.

Regulāra CI uzraudzība darbojas kā agrīnās brīdināšanas sistēma. Piemēram, pēkšņa lokalizēta CI samazināšanās laukā var liecināt par augošu kaitēkļu perēkli vai augsnes sablīvēšanās problēmu, kas ierobežo ūdens uzņemšanu.

Pasaules resursu institūta 2024. gada ziņojumā tika uzsvērts, ka uz CI balstītas agrīnās noteikšanas sistēmas, ko izmanto Indijas kviešu joslās, palīdzēja samazināt ražas zudumus negaidīta karstuma stresa dēļ, nodrošinot preventīvus apūdeņošanas pielāgojumus, tādējādi aizsargājot aptuveni 2 miljonus tonnu graudu. Šī proaktīvā pieeja samazina kultūraugu bojājumus un ļauj īstenot efektīvākas un mērķtiecīgākas sanācijas stratēģijas.

Ražas prognozēšana un ražas plānošana

Sezonālā hlorofila dinamika, īpaši kritiskos augšanas posmos, piemēram, ziedēšanas un graudu piepildīšanās laikā, ir spēcīgs galīgās ražas prognozētājs. Izveidojot modeļus, kas korelē vēsturiskos hlorofila modeļus ar faktiski novākto ražu, un integrējot pašreizējās sezonas hlorofila datus ar laika prognozēm, ļoti precīzas ražas prognozes var ģenerēt nedēļas vai pat mēnešus pirms ražas novākšanas.

Lielāko graudu tirgotāju konsorcijs 2024. gada sākumā ziņoja, ka, iekļaujot augstas izšķirtspējas CIred-edge datus no satelītiem un droniem, to reģionālās sojas pupiņu ražas prognozes Brazīlijā uzlabojās vidēji par 7% precizitāti, salīdzinot ar tradicionālajām metodēm.

Šis paredzamības līmenis ir nenovērtējams piegādes ķēdes pārvaldībai, preču tirdzniecībai, pārtikas nodrošinājuma plānošanai un politikas lēmumu pieņemšanai. Lauksaimnieki iegūst ietekmi nākotnes līgumu slēgšanā un ražas novākšanas loģistikas optimizēšanā.

Ievades efektivitātes un ilgtspējības optimizēšana

Papildus slāpeklim, CI kartes sniedz informāciju par citu resursu efektīvu izmantošanu. Nosakot optimālas veselības zonas (augsts, stabils CI) salīdzinājumā ar stresa zonām (samazinošs vai zems CI), lauksaimnieki var noteikt pesticīdu vai fungicīdu lietošanas prioritāti tikai tur, kur tas patiešām nepieciešams, samazinot ķīmisko vielu lietošanu, ar to saistītās izmaksas un ietekmi uz vidi.

Var arī precizēt apūdeņošanas plānošanu; zonas, kurās novērojamas agrīnas ūdens stresa pazīmes, izmantojot CI, var saņemt mērķtiecīgu laistīšanu, uzlabojot ūdens izmantošanas efektivitāti – kritiski svarīgs faktors, jo lauksaimniecības ūdens pieprasījums visā pasaulē pieaug.

Pārtikas un lauksaimniecības organizācija (FAO) lēš, ka precīzās lauksaimniecības tehnoloģijas, tostarp tādi veģetācijas indeksi kā precīzās lauksaimniecības indekss (CI), var uzlabot ūdens izmantošanas efektivitāti apūdeņotajās sistēmās par 20–30%. Turklāt, maksimāli palielinot ražu uz vienu ievades vienību, CI vadīta pārvaldība pēc būtības samazina kultūraugu ražošanas oglekļa pēdas nospiedumu.

Audzēšanas un pētniecības pielietojumi

Augu selekcionāri izmanto augstas caurlaidības fenotipēšanu, izmantojot CI, kas iegūts no droniem vai zemes sensoriem, lai ātri pārbaudītu tūkstošiem augu līniju hlorofila saglabāšanos stresa apstākļos (sausums, karstums, barības vielu ierobežojums), fotosintēzes efektivitāti un kopējo sparu.

Tas paātrina izturīgāku un produktīvāku kultūraugu šķirņu attīstību. Agronomi izmanto CI, lai objektīvi novērtētu dažādu apsaimniekošanas prakšu, sēklu apstrādes vai jaunu produktu sniegumu izmēģinājumu laukos un komerciālos laukos, sniedzot uz datiem balstītus ieteikumus.

Lauksaimniecības ainavas pārveidošanas izaicinājumu pārvarēšana

Lai gan hlorofila indeksu efektivitāte ir liela, to efektīva izmantošana prasa rūpīgu apsvēršanu. Sensora izvēle ir ārkārtīgi svarīga. Lai gan multispektrālie sensori (uztverot platas joslas, piemēram, zaļo, sarkano, sarkanās malas, NIR) ir izplatīti un rentabli, hiperspektrālie sensori (uztverot simtiem šauru nepārtrauktu joslu) piedāvā visaugstāko precizitāti hlorofila iegūšanai, taču ar lielākām izmaksām un sarežģītību.

Neapstrādātu sensoru datu kalibrēšana un atmosfēras korekcija ir būtiska, lai nodrošinātu precīzas atstarošanas vērtības pirms CI aprēķināšanas. Mākoņu sega joprojām ir ierobežojums satelītu monitoringam, lai gan zvaigznāji, kas piedāvā biežus atkārtotus lidojumus (katru dienu vai biežāk), un dronu izvietošana to mazina.

CI karšu interpretācijai ir nepieciešamas agronomiskas zināšanas. Zema CI vērtība var norādīt uz slāpekļa deficītu, ūdens stresu, slimībām vai vienkārši agrīnu augšanas stadiju. CI datu integrēšana ar citiem avotiem – augsnes kartēm, laika apstākļu datiem, topogrāfisko informāciju, izlūkošanas ziņojumiem un citiem veģetācijas rādītājiem, piemēram, NDVI (struktūrai) vai NDRE (vēl viens sarkanās malas indekss) – sniedz kontekstu, kas nepieciešams precīzai diagnozei.

Mākslīgais intelekts (MI) un mašīnmācīšanās šeit ieņem arvien svarīgāku lomu, analizējot plašus, daudzslāņu datu kopumus, lai sniegtu lauksaimniekiem skaidrus, praktiski izmantojamus ieteikumus, nevis tikai sarežģītas kartes.

Hlorofila indeksa nākotnes trajektorija ir neticami daudzsološa. Integrācija ar reāllaika, kustībā esošām sensoru sistēmām, kas uzstādītas uz traktoriem vai smidzinātājiem, nodrošina patiesi dinamisku VRA, uzreiz pielāgojot ievades ātrumu, pamatojoties uz CI rādījumu tieši tehnikas priekšā.

Satelītu, dronu un zemes sensoru datu apvienošana rada daudzpakāpju monitoringa sistēmas, kas piedāvā gan plašu pārklājumu, gan lauka līmeņa detalizāciju. Sensoru tehnoloģiju attīstība, īpaši miniaturizēti hiperspektrālie sensori droniem, padara augstas precizitātes hlorofila kartēšanu pieejamāku.

Mākslīgā intelekta vadītas analītikas platformas pārveido neapstrādātus CI datus intuitīvos informācijas paneļos un automatizētos brīdinājumos, demokratizējot piekļuvi šai spēcīgajai informācijai visu līmeņu lauksaimniekiem.

Secinājums

Hlorofila indekss ir daudz vairāk nekā tikai tehnisks rādītājs; tas iemieso fundamentālas pārmaiņas mūsu izpratnē par lauksaimniecības ekosistēmām un to pārvaldībā. Izmantojot augu “zaļo pulsu” – to hlorofila saturu –, mēs iegūstam objektīvu, kvantificējamu un telpiski precīzu to veselības un produktivitātes mērījumu.

Sākot ar precīzas slāpekļa pārvaldības nodrošināšanu, kas palielina efektivitāti un aizsargā ūdens resursus, līdz agrīniem stresa brīdinājumiem, kas ietaupa kultūraugus un izejvielas, un beidzot ar precīzu ražas prognožu ģenerēšanu, kas stabilizē tirgus, šīs lietojumprogrammas pārveido lauksaimniecības ainavu.