Blog / Obrazowanie satelitarne / Optymalizacja wykorzystania azotu w pszenicy durum przy użyciu strategii opartych na mapach NNI i NDVI

Optymalizacja wykorzystania azotu w pszenicy durum przy użyciu strategii opartych na mapach NNI i NDVI

Optymalizacja wykorzystania azotu w pszenicy durum przy użyciu strategii opartych na mapach NNI i NDVI
1 minuta czytania |
Udział

Pszenica durum, podstawa rolnictwa śródziemnomorskiego i roślina o kluczowym znaczeniu dla światowej produkcji makaronu, stoi w obliczu pilnego wyzwania: niezrównoważonego stosowania nawozów azotowych (N).

Azot jest niezbędny do maksymalizacji plonów, jednak jego nadmierne stosowanie ma tragiczne skutki dla środowiska, powodując m.in. zanieczyszczenie wód gruntowych, emisję gazów cieplarnianych i degradację gleby.

Przełomowe czteroletnie badanie (2018–2022) przeprowadzone w Asciano we Włoszech i opublikowane w European Journal of Agronomy miało na celu rozwiązanie tego kryzysu poprzez rygorystyczne porównanie konwencjonalnego zarządzania azotem z zaawansowanymi technikami rolnictwa precyzyjnego.

Badania koncentrowały się na trzech strategiach opartych na danych satelitarnych – wskaźniku odżywienia azotem (NNI), proporcjonalnym wskaźniku NDVI (NDVIH) i kompensacyjnym wskaźniku NDVI (NDVIL) – w zestawieniu z tradycyjnym, równomiernym nawożeniem azotem. Wyniki nie tylko wskazują drogę do zrównoważonej uprawy pszenicy durum, ale także z niezwykłą precyzją określają kompromisy ekonomiczne i ekologiczne każdej z metod.

Metodologia: Rolnictwo precyzyjne spotyka technologię satelitarną

Eksperyment przeprowadzono w ciągu czterech kolejnych sezonów wegetacyjnych na pagórkowatych terenach Toskanii, regionu będącego symbolem śródziemnomorskiej uprawy pszenicy. Naukowcy podzielili pola testowe na działki, na których stosowano cztery różne strategie zarządzania azotem.

Konwencjonalne podejście “ryczałtowe” opierało się na regionalnych wytycznych agronomicznych, stosując 150 kg azotu na hektar rocznie. Natomiast metody precyzyjne wykorzystywały obrazy z satelity Sentinel-2 – misji Europejskiej Agencji Kosmicznej dostarczającej dane multispektralne o wysokiej rozdzielczości (10 metrów) – w celu dostosowania aplikacji azotu w przestrzeni i czasie.

Strategia NNI wyróżniała się, obliczając w czasie rzeczywistym status azotu w uprawach za pomocą sprawdzonego algorytmu, który integruje wskaźnik powierzchni liści i szacunki biomasy. NDVIH przydzielał azot proporcjonalnie na podstawie gęstości roślinności (znormalizowany wskaźnik różnicowy roślinności), podczas gdy NDVIL przyjął podejście kompensacyjne, kierując dodatkowy azot do stref o niskiej roślinności.

NNI przewyższa strategie konwencjonalne i oparte na NDVI

W okresie badań metoda NNI wykazała niezrównaną skuteczność. Zmniejszyła zużycie azotu o 20%, stosując zaledwie 120 kg na hektar w porównaniu z konwencjonalnymi 150 kg, przy jednoczesnym utrzymaniu statystycznie równoważnych plonów ziarna na poziomie 4,8 tony na hektar w porównaniu z 4,7 tony w systemie ryczałtowym.

Zawartość białka — kluczowy wskaźnik jakości określający końcowe zastosowanie pszenicy durum w makaronie — osiągnęła 13,2% w przypadku metody NNI, co nieznacznie przewyższa wynik uzyskany metodą konwencjonalną, która wyniosła 12,5%.

Powiązane:  Modele sztucznej inteligencji o wysokiej dokładności klasyfikują mapowanie topograficzne szybciej niż tradycyjne

Ten niewielki wzrost zawartości białka przełożył się na znaczące korzyści przemysłowe: ciasto wyprodukowane z pszenicy zoptymalizowanej pod kątem NNI charakteryzowało się indeksem W (miarą wytrzymałości glutenu) wynoszącym 280, znacznie przewyższającym 240 obserwowane w przypadku pszenicy konwencjonalnej.

Takie udoskonalenia wynikały ze zdolności NNI do synchronizacji dostępności azotu z fazami rozwoju rośliny, co zapewniało optymalny podział składników odżywczych podczas napełniania ziarna.

Ukryte koszty podejść opartych na NDVI

Strategie oparte na wskaźniku NDVI, choć innowacyjne, ujawniły istotne ograniczenia. Proporcjonalne podejście NDVIH, które alokowało azot na podstawie stopnia zazielenienia korony, zwiększyło zawartość białka do 13,81 TP3T, ale zmniejszyło plony do 4,5 tony z hektara – o 61 TP3T mniej w porównaniu z NNI.

Paradoks ten powstał na skutek nadmiernego nawożenia w strefach bogatych w azot, gdzie nadmierny wzrost roślinności odwracał uwagę od produkcji ziarna.

Kompensacyjna metoda NDVIL, mająca na celu zwiększenie plonów na słabo rozwiniętych obszarach uprawnych, przyniosła najwyższe plony (5,1 tony/ha), ale za cenę dużych kosztów środowiskowych: wymagała 160 kg N na hektar, co spowodowało wzrost emisji tlenku azotu o 33% (1,4 kg ekwiwalentu CO2 na kg ziarna) w porównaniu z 0,8 kg w przypadku NNI.

Emisje te mają ogromne znaczenie — w ciągu stulecia tlenek azotu ma 265 razy większy potencjał globalnego ocieplenia niż dwutlenek węgla.

Pod względem ekonomicznym, NNI okazał się zdecydowanym zwycięzcą. Rolnicy stosujący tę strategię osiągnęli zwrot netto w wysokości 220 euro z hektara, o 121 TP3T wyższy niż 196 euro przy metodzie konwencjonalnej. Ta przewaga wynikała z dwóch czynników: niższych kosztów nawozów (98 euro/ha w porównaniu ze 123 euro/ha) oraz wyższej ceny ziarna wysokobiałkowego.

W badaniu wprowadzono nową metrykę “kosztu społecznego” – kompleksowy pomiar szkód środowiskowych, wpływu zanieczyszczenia wody na zdrowie publiczne oraz długoterminowej degradacji gleby. Koszt społeczny NNI wyniósł łącznie 42 euro na hektar, co stanowi niewielką różnicę w porównaniu z 60 euro w rolnictwie konwencjonalnym. NDVIH i NDVIL odnotowały koszty pośrednie w wysokości odpowiednio 58 i 55 euro, odzwierciedlając nierównomierny rozkład azotu w tych obszarach.

Zagłębiając się w wskaźniki środowiskowe, efektywność wykorzystania nawozów azotowych (NfUE) – procent zastosowanego N przekształconego w ziarno nadające się do zbioru – osiągnęła 65% w systemie NNI, co stanowi znaczną poprawę w porównaniu z wydajnością 52% w konwencjonalnych metodach. Ten skok przełożył się na redukcję wypłukiwania azotanów o 18%, chroniąc lokalne warstwy wodonośne przed zanieczyszczeniem.

Powiązane:  Uprawa zmienną dawką w oparciu o dane dotyczące zagęszczenia gleby

W ciągu czteroletniego badania pola objęte systemem NNI traciły rocznie zaledwie 12 kg azotu na hektar w wyniku wypłukiwania, w porównaniu z 22 kg na działkach konwencjonalnych. Dla porównania, unijna dyrektywa azotanowa nakazuje, aby stężenie azotanów w wodach gruntowych nie przekraczało 50 mg/l – próg ten został przekroczony na 301 TP3T działek konwencjonalnych, ale tylko na 81 TP3T obszarów zarządzanych systemem NNI.

Skalowanie NNI: wyzwania i interwencje polityczne

Badania ujawniły również ukryte korzyści klimatyczne. Wykorzystując metodologię oceny cyklu życia (LCA), zespół obliczył, że ślad węglowy NNI wyniósł łącznie 0,8 kg ekwiwalentu CO2 na kg ziarna, czyli o 33% mniej niż 1,2 kg w rolnictwie konwencjonalnym.

Redukcja ta wynikała przede wszystkim ze zmniejszenia emisji z produkcji nawozów (1,2 kg ekwiwalentu CO2/kg unikniętego N) oraz niższej emisji podtlenku azotu z gleb. W skali UE, obejmującej 2,4 miliona hektarów gruntów ornych pszenicy durum, powszechne stosowanie NNI mogłoby obniżyć roczną emisję o 960 000 ton ekwiwalentu CO2 – co odpowiada usunięciu 208 000 samochodów z dróg.

Badanie przestrzega jednak przed traktowaniem rolnictwa precyzyjnego jako panaceum. Sukces metody NNI zależy od ciągłego dostępu do wysokiej jakości danych satelitarnych i zaawansowanych maszyn zdolnych do zmiennego dawkowania – braków infrastrukturalnych w regionach rozwijających się.

Na przykład satelity Sentinel-2 ponownie odwiedzają każdą lokalizację co pięć dni, ale zachmurzenie w krytycznych fazach wzrostu może zakłócić zbieranie danych. Co więcej, algorytmy wymagają kalibracji do lokalnych warunków; w tym badaniu progi NNI zostały precyzyjnie dostrojone do klimatu śródziemnomorskiego, co pozwoliło osiągnąć dokładność 92% w przewidywaniu statusu azotu.

Zastosowanie modelu w regionach suchych lub na ciężkich glebach gliniastych bez ponownej kalibracji może zmniejszyć dokładność do 70–75%.

Czynnik ludzki okazuje się równie istotny. Rolnicy przechodzący na NNI potrzebują szkoleń w zakresie interpretacji wskaźników spektralnych – na przykład zrozumienia, że wartości NDVI powyżej 0,7 często sygnalizują nadmierną wegetację i uzasadniają zmniejszenie dawki azotu.

Zespół badawczy szacuje, że wzrost wiedzy rolników na temat narzędzi precyzyjnych o 10% mógłby zwiększyć NfUE o 4–6 punktów procentowych. Interwencje polityczne prawdopodobnie okażą się niezbędne: dotowanie czujników glebowych, finansowanie warsztatów prowadzonych przez agronomów oraz zachęcanie spółdzielni do dzielenia się maszynami mogłoby zdemokratyzować dostęp.

Powiązane:  Monitorowanie ewapotranspiracji z wykorzystaniem metod i modeli teledetekcyjnych

Patrząc w przyszłość, implikacje badania wykraczają daleko poza pszenicę durum. Ramy NNI, dostosowane do upraw takich jak kukurydza czy ryż, mogłyby rozwiązać problem 60 milionów ton nadmiaru azotu stosowanego globalnie każdego roku – kluczowego celu Celów Zrównoważonego Rozwoju ONZ.

Wstępne testy na hiszpańskich polach jęczmienia wykazują podobną stabilność plonów przy mniejszej zawartości azotu w 18%, co sugeruje możliwość zastosowania w różnych uprawach. Dla naukowców integracja uczenia maszynowego z danymi satelitarnymi stanowi obiecujący krok naprzód: wczesne modele mogą obecnie przewidywać zapotrzebowanie na azot z dokładnością 95% na 30 dni przed aplikacją, umożliwiając proaktywne, a nie reaktywne zarządzanie.

Wniosek

Podsumowując, badania te wykraczają poza kręgi akademickie, oferując wzór pogodzenia wydajności rolnictwa ze zdrowiem planety.

Zmniejszając zużycie azotu o 20%, zwiększając zyski rolników o 12% i redukując emisję gazów cieplarnianych o jedną trzecią, metoda NNI dowodzi, że zrównoważony rozwój i rentowność nie wykluczają się wzajemnie. W miarę jak zmiany klimatu nasilają susze i destabilizują sezony wegetacyjne, takie precyzyjne strategie okażą się niezbędne.

Obecnie wyzwaniem jest przekształcenie tego naukowego potwierdzenia w działania praktyczne — poprzez reformę polityki, demokratyzację technologiczną i zmianę paradygmatu w sposobie, w jaki postrzegamy nawozy: nie jako tępe narzędzia, lecz precyzyjne instrumenty w dążeniu do bezpieczeństwa żywnościowego.

Odniesienie: Fabbri, C., Delgado, A., Guerrini, L. i Napoli, M. (2025). Strategie precyzyjnego nawożenia azotem pszenicy durum: ocena zrównoważonego rozwoju metod opartych na mapach NNI i NDVI. European Journal of Agronomy, 164, 127502.

Obrazowanie satelitarne
Otrzymaj najnowsze wiadomości
od GeoPard

Zapisz się do naszego newslettera!

Subskrybuj

GeoPard dostarcza cyfrowe produkty, aby uwolnić pełny potencjał Twoich pól, usprawnić i zautomatyzować Twoje osiągnięcia agronomiczne dzięki praktykom rolnictwa precyzyjnego opartym na danych.

Dołącz do nas w AppStore i Google Play

Sklep z aplikacjami Sklep Google
Telefony
Najnowsze wiadomości od GeoPard

Zapisz się do naszego newslettera!

Subskrybuj

Powiązane posty

wpIkonaCzat
wpIkonaCzat

Odkryj więcej z GeoPard - Precision agriculture Mapping software

Zasubskrybuj już teraz, aby czytać dalej i uzyskać dostęp do pełnego archiwum.

Czytaj dalej

    Poproś o bezpłatną prezentację / konsultację GeoPard








    Klikając przycisk, zgadzasz się na nasze Polityka prywatności. Potrzebujemy tego, aby odpowiedzieć na Twoją prośbę.

      Subskrybuj


      Klikając przycisk, zgadzasz się na nasze Polityka prywatności

        Prosimy o przesłanie informacji


        Klikając przycisk, zgadzasz się na nasze Polityka prywatności