Zber pôdnych vzoriek na mriežke a diaľkové zisťovanie: Dátami riadený posun v precíznom poľnohospodárstve

Tradičné poľnohospodárstvo často zaobchádza s celým polem jednotne – všade aplikuje rovnaké množstvo osiva, hnojiva alebo vápna. V skutočnosti sa na poliach zvyčajne nachádzajú veľmi odlišné typy pôdy a úrovne úrodnosti na rôznych miestach. V posledných rokoch však čoraz viac poľnohospodárov využíva sieťový odber vzoriek pôdy a presné testovanie pôdy ako súčasť digitálneho poľnohospodárstva.

V jednom prieskume ornej pôdy v USA sa v súčasnosti testovanie pôdnych jadier používa na približne 271 TP3 tunách akrov kukurice a 141 TP3 tunách akrov pšenice, čo je nárast oproti oveľa nižším číslam spred niekoľkých rokov. Zavádzanie týchto testov rastie s klesajúcimi nákladmi na laboratórnu prácu a s tým, ako poľnohospodári vidia jasnejšiu návratnosť aplikácií zameraných na živiny. Medzitým globálne výdavky na hardvér pre presné poľnohospodárstvo (ktorý okrem iných nástrojov podporuje mriežkový odber vzoriek pôdy) podporujú rast trhu, ktorý sa v roku 2024 odhaduje na 10,5 miliardy USD, pričom sa predpokladá, že sa v nasledujúcich rokoch zdvojnásobí.

Štúdie ukazujú, že aplikácia hnojív na základe priemerných hodnôt z poľa “zaobchádza so všetkými pôdami rovnako” – čo je prax, ktorá má tendenciu “spôsobovať, že farmári strácajú výnosy a peniaze”. Napríklad jedna analýza zistila, že hnojenie na základe priemerov z poľa často v niektorých oblastiach plytvá vstupmi a v iných oblastiach podhnojuje, čím znižuje potenciálny výnos.

Pôdy sú však prirodzene premenlivé: erózia v minulosti, topografia a história plodín vytvárajú “extrémnu variabilitu na úrovni poľa” v pH pôdy, živinách, vlhkosti a organickej hmote, a to aj v rámci jedného poľa. Vysoké miesta mohli mať vyčerpanú ornicu, zatiaľ čo nízke miesta môžu mať viac vlahy a živín. Rovnaké zaobchádzanie so všetkými týmito oblasťami tieto rozdiely ignoruje.

Čo je to odber vzoriek pôdy pomocou mriežky?

Mriežkový odber vzoriek pôdy je systematický spôsob odberu vzoriek pôdy z celého poľa. Namiesto odberu jednej alebo dvoch náhodných vzoriek sa pole prekryje imaginárnou mriežkou malých buniek rovnakej veľkosti (napríklad 1 – 2,5 akra na bunku). Zariadenie GPS navádza vzorkovač do stredu každej bunky. V každom bode mriežky vzorkovač odoberie viacero vzoriek (zvyčajne 10 – 15 vzoriek) z okolia daného bodu a zmieša ich do jednej zloženej vzorky.

Každá bunka tak poskytuje jednu vzorku pôdy, ktorá predstavuje danú malú oblasť poľa. Veľkosť mriežky (plocha bunky) sa volí tak, aby vyvážila detaily a náklady – menšie bunky (viac bodov) poskytujú jemnejšie rozlíšenie, ale odber vzoriek je drahší. Výskum naznačuje, že 1-akrové mriežky zachytávajú viac ako 80% variability poľa, zatiaľ čo 2,5-akrové mriežky zachytávajú o niečo menej. Niektoré kľúčové body sú:

• Rozdeľuje pole na rovnaké bunky (napr. 1 – 2,5 akra každá)
• Používa GPS na odber vzoriek na pevných miestach (čierne bodky na obrázku).
• Z každého bodu odoberie 10 – 15 pôdnych vzoriek a kompozit odošle do laboratória

1. Plánovanie siete: Pred odberom vzoriek si poľnohospodári vyberú veľkosť mriežky na základe veľkosti poľa, variability a rozpočtu. Bežná voľba je okolo 2,5 akrov na vzorku; práca s veľmi vysokým rozlíšením môže použiť bunky s veľkosťou 1 aker. GPS súradnice pre každý bod mriežky sa generujú v mape alebo v pláne odberu vzoriek.

2. Zber vzoriek: V každom označenom bode odoberá vzorkovač pôdne vzorky z okruhu niekoľkých metrov od daného miesta. Všetky vzorky z daného bodu sa zlúčia do jedného vzorkovacieho vrecka. Presnosť sa zabezpečí použitím čistej sondy alebo vrtáka z nehrdzavejúcej ocele a GPS. Hĺbka odberu vzoriek a počet vzoriek na bod sa riadia osvedčenými postupmi (napríklad 10 – 15 vzoriek na bod, aby sa vylúčila variabilita v mikroskopickej mierke).

3. Laboratórna analýza: Zložené vzorky sa odosielajú do pôdneho laboratória. Laboratórium meria kľúčové vlastnosti pôdy: pH, dostupné živiny (fosfor, draslík, dusík atď.), organickú hmotu a niekedy aj mikroživiny alebo kapacitu zásobovania mikroživinami. Tieto údaje o živinách sa potom prepoja späť so súradnicami GPS každého bodu siete.

4. Výstup – Mapy živín v pôde: Po získaní všetkých laboratórnych výsledkov sa dátové body interpolujú a vytvoria sa súvislé pôdne mapy pre dané pole. Softvér dokáže pre každý parameter vykresliť kontúry alebo mapy tieňovaných zón – napríklad zobraziť oblasti s “vysokým”, “stredným” a “nízkym” obsahom fosforu alebo pH v pôde.

Tieto mapy variability pôdy umožňujú farmárovi presne vidieť, ktoré časti poľa sú bohaté alebo chudobné na jednotlivé živiny. Napríklad jedna štúdia uvádza, že mapy odberu vzoriek v mriežke “odhaľujú rozdiely v úrodnosti, ktoré tradičné poľné testovanie... môže prehliadnuť”, čo umožňuje aplikovať živiny ako fosfor a draslík hnojivá alebo vápno iba tam, kde sa vyplatia.

Vzorkovanie pomocou mriežky vytvára veľmi podrobný pohľad na úrodnosť pôdy. Na mape presného poľnohospodárstva vyššie zodpovedá každá bodka odobratému miestu. Výsledné mapy (nie sú zobrazené) môžu zvýrazniť vzory, ako napríklad pásmo nízkeho pH alebo oblasť s nízkym obsahom dusíka. Napríklad jeden prieskum v USA zistil, že keď poľnohospodári prijali manažment živín založený na odbere vzoriek pôdy, 67% vykázali vyššie výnosy a ušetrili približne $24 na aker na nákladoch na kukuricu.

Tieto zisky vyplývajú z aplikácie správnych živín na správnych miestach – rozhodnutie je možné len s podrobnými sieťovými mapami chemického zloženia pôdy. Postupom času opakovanie sieťového odberu vzoriek každých niekoľko rokov tiež pomáha sledovať, či sa úrodnosť zlepšuje pri novom manažmente.

Úloha diaľkového prieskumu Zeme pri odbere vzoriek pôdy pomocou siete

Diaľkový prieskum Zeme znamená zhromažďovanie informácií o poli na diaľku bez fyzického dotyku s pôdou alebo plodinami. V poľnohospodárstve to zvyčajne zahŕňa satelity, lietadlá s posádkou alebo drony vybavené kamerami alebo senzormi. Tieto senzory detekujú odrazené slnečné svetlo (často vo viditeľnom a infračervenom pásme) alebo iné signály z povrchu. Najbežnejším výstupom je obrazová vrstva, ktorá odráža zdravie rastlín alebo vlhkosť pôdy.

Napríklad satelity ako Sentinel-2 alebo Landsat pravidelne zachytávajú multispektrálne snímky každého poľa na svete. Lety (lietadlá s pevnými krídlami) dokážu zhotoviť fotografie s vyšším rozlíšením na veľkých plochách. Bezpilotné lietadlá (UAV) dokážu dokonca lietať pod oblakmi, aby na požiadanie získali snímky s veľmi vysokým rozlíšením nad niekoľkými poľami.

Najznámejším výstupom diaľkového prieskumu Zeme pre plodiny je normalizovaný rozdielový index vegetácie (NDVI). NDVI porovnáva, koľko svetla rastliny odrážajú v červenej a blízkej infračervenej vlnovej dĺžke. Keďže zdravé zelené rastliny absorbujú červené svetlo (pre fotosyntézu) a odrážajú blízke infračervené svetlo (NIR). Holá pôda a voda dávajú NDVI blízky 0 alebo záporný. Zjednodušene povedané, vyšší NDVI znamená zelenšie a zdravšie rastliny; nižší NDVI znamená redšiu alebo stresovanú vegetáciu.

Ako pomáha diaľkový prieskum Zeme: Diaľkový prieskum nenahrádza odber vzoriek pôdy, ale poskytuje kľúčový doplnok. Snímky môžu odhaliť priestorové vzorce zdravia plodín, ktoré často odrážajú variabilitu pôdy. Napríklad oblasti vystavené suchu alebo nedostatku živín sa môžu javiť ako oblasti s nízkym NDVI.

Ako uvádza jedna platforma pre presné poľnohospodárstvo, satelity “ukazujú vzorce rastu rastlín, ktoré zvyčajne odrážajú variabilitu pôdy”, čo pomáha plánovať odber vzoriek a manažment. Satelitné mapy NDVI časom umožňujú poľnohospodárom sledovať trendy: napríklad ak má určitý kút poľa rok čo rok nižší NDVI, signalizuje to chronický problém (zlý odtok vody, nízke pH atď.).

Diaľkový prieskum Zeme je tiež časovo ovplyvnený. Na rozdiel od jednorazovej vzorky pôdy môžeme získať snímku poľa každý týždeň alebo dokonca denne. To umožňuje poľnohospodárom vidieť, ako sa zdravotný stav rastlín mení počas sezóny. Ak sa oblasť medzi dvoma snímkami náhle sčervená (nízky NDVI), naznačuje to nový stres (prepuknutie škodcov, miesto sucha atď.). Tento časový pohľad usmerňuje, kedy a kde preskúmať polia alebo upraviť manažment uprostred sezóny.

Stratégiu odberu vzoriek môžu nakoniec usmerňovať historické snímky. Ak diaľkový prieskum Zeme ukáže, že problémy vykazuje iba časť poľa, farmár si môže v tejto zóne zvoliť jemnejšiu sieť odberu vzoriek a inde hrubšiu sieť. Inými slovami, satelitné/dronové mapy môžu pomôcť zamerať odber vzoriek pôdy tam, kde je to najdôležitejšie, čím sa proces zefektívni.

Integrácia odberu vzoriek z mriežky a diaľkového prieskumu Zeme

Integrácia odberu vzoriek z mriežky a diaľkového prieskumu Zeme sa v súčasnosti prijíma čoraz širšie: v USA viac ako polovica poľnohospodárskych plôch v súčasnosti používa nástroje, ako sú ovládače sekcií postrekovačov, ovládače riadkov sejačiek a presné vzorky pôdy. Monitorovanie výnosov sa používa aj na približne 701 300 tis. akrov kukurice a trhové prognózy ukazujú, že kombinovaný trh s presným poľnohospodárstvom (hardvér + softvér + služby) vzrastie z približne 10,5 miliardy USD v roku 2024 na viac ako 21 miliárd USD do roku 2032.

Tieto čísla ukazujú, že fúzia pozemných údajov o pôde s leteckým a satelitným snímaním sa stáva základom postupov mnohých fariem. Skutočná sila sa prejaví, keď spojíme vzorky zo siete so vzdialenými snímkami v nepretržitej spätnoväzbovej slučke. Každá metóda pokrýva slabiny tej druhej.

1. Pozemné overenie pravosti (kalibrácia snímok): Vzorky pôdy z mriežky poskytujú “skutočné informácie”, ktoré pomáhajú interpretovať údaje diaľkovo snímaného prieskumu Zeme. Napríklad, ak mapa NDVI zobrazuje oblasť s nízkou bujnosťou, vzorka pôdy z tohto miesta môže odhaliť nízky obsah draslíka. Výskumníci zistili silné korelácie medzi mierami úrodnosti pôdy a spektrálnymi indexmi (napr. prepojenie pH pôdy alebo živín so satelitnými údajmi). Vytvorením modelu, ktorý spája NDVI (alebo iné spektrálne pásma) s hodnotami nameranými v laboratóriu, môžeme použiť diaľkový prieskum Zeme na predpovedanie úrodnosti pôdy v lokalitách bez vzorkovania.

2. Extrapolácia a interpolácia: Keďže satelity pokrývajú celé pole naraz, vypĺňajú medzery medzi bodmi odberu vzoriek. Predpokladajme napríklad, že sme odobrali vzorky každých 2,5 akrov, ale chceme presnejšiu mapu. Ak NDVI koreluje s úrovňou živín, môžeme interpolovať medzi bodmi mriežky pomocou gradientov NDVI. To dramaticky zvyšuje efektívne rozlíšenie. V jednej prípadovej štúdii výskumníci použili satelitné údaje korelované s pH pôdy na navrhnutie optimálneho odberu vzoriek a potom vytvorili presné mapy pH s vysokým rozlíšením s oveľa menším počtom vzoriek.

3. Vytváranie predpísaných máp VRT: Kombinácia podrobných pôdnych máp a snímok je základom pre technológiu variabilných dávok (VRT). Napríklad na aplikáciu hnojív môže softvér prekryť mapu NDVI s mapou živín v pôde a vygenerovať mapu s predpismi, ktorá mení vstupné dávky v rámci poľa. Jeden scenár je: mapa NDVI ukazuje južný roh poľa, ktorý zaostáva v raste, a vzorky siete tam potvrdzujú, že má nízky obsah fosforu.

Farmár si potom môže vytvoriť predpis s vysokým obsahom fosforu presne pre danú zónu a zároveň ušetriť hnojivo v zdravých zónach. V praxi viedlo riadenie hnojív riadené NDVI k dramatickým zlepšeniam. Napríklad thajský pestovateľ kukurice našiel snímky NDVI v polovici sezóny, ktoré izolovali stresové zóny.

Testovanie pôdy potvrdilo, že tieto zóny majú nedostatok dusíka, a tak tam aplikoval hnojivo iba. Plodiny sa potom v priebehu niekoľkých týždňov zotavili. Tento cielený prístup zvýšil výnosy a uniformitu, čím demonštroval, ako snímky a vzorky spoločne vedú k efektívnemu VRT.

4. Vymedzenie zóny riadenia: Namiesto slepého používania pevnej siete navždy sa poľnohospodári môžu rozvinúť do zón hospodárenia – väčších oblastí, v ktorých sú podmienky zhruba jednotné. Zóny sa často definujú kombináciou mnohých vrstiev: výsledkov mriežkovej pôdy, máp výnosov, nadmorskej výšky a historických snímok.

Napríklad polia je možné rozdeliť do “zón” s podobným typom pôdy alebo vzorom NDVI. Budúci odber vzoriek pôdy sa potom môže vykonávať pre každú zónu namiesto každého bodu siete. To môže znížiť náklady: jedna štúdia uvádza, že polia vopred rozdelené do zón môžu dosiahnuť až o 25% vyššiu účinnosť využívania hnojív. V podstate satelitné snímky a údaje o výnosoch pomáhajú tieto zóny v priebehu času spresňovať.

5. Environmentálne a ekonomické prínosy: Variabilným aplikovaním vstupov poľnohospodári používajú len to, čo je potrebné tam, kde je to potrebné, čím sa zlepšuje efektívnosť využívania živín. Ukázalo sa, že mapy založené na mriežkových vzorkách znížiť riziko odtoku živín, pretože oblasti s vysokým obsahom hnojív sú obmedzené. Rovnomernejší rast plodín tiež stabilizuje výnosy.

Z dlhodobého hľadiska tieto nástroje pomáhajú udržiavať úrodnosť pôdy a znižovať náklady. Napríklad presná aplikácia vápna na základe týchto údajov zabraňuje nadmernému vápneniu niektorých miest a ignorovaniu iných, čím sa šetria peniaze za vápno a zároveň sa zabraňuje okysľovaniu pôdy.

6. Spätná väzba v priebehu času: Ďalšou kľúčovou výhodou je, že ide o priebežný proces, nie o jednorazový. Každú sezónu poľnohospodári zhromažďujú údaje o výnosoch, snímky z dronov a nové testy pôdy. Platforma dokáže tieto údaje vrstvit, aby zistila, prečo sa určité oblasti správajú odlišne. Inými slovami, vzorkovanie v sieti vám povie, čo sa v pôde práve nachádza; diaľkový prieskum ukazuje, ako plodiny reagovali.

Ich kombinovanie rok čo rok vytvára cyklus učenia. Štúdia EOSDA vysvetľuje, že po prvom cykle testov pôdy viete, “kde sa nachádzate”, a keď opakovane odoberáte vzorky a prekrývate satelitné/výnosové údaje, vidíte, ako sa pole mení pod vašimi vstupmi, čím neustále zdokonaľujete riadenie.

Kľúčové aplikácie odberu vzoriek pôdy pomocou mriežky v presnom poľnohospodárstve

Keďže sa predpokladá, že globálny trh s presným poľnohospodárstvom dosiahne do roku 2030 hodnotu 16,35 miliardy ton (rastie s medziročnou mierou rastu takmer 131 ton), digitálne poľnohospodárske nástroje sa stávajú ústredným prvkom moderného poľnohospodárstva. Poľnohospodári dnes čelia rastúcim vstupným nákladom, klimatickej neistote a tlaku na udržateľnosť, vďaka čomu je aplikácia vstupov založených na dátach dôležitejšia ako kedykoľvek predtým.

Integráciou mriežkových máp analýzy pôdy, satelitných snímok a údajov o strojoch môžu poľnohospodári zvýšiť výnosy a zároveň znížiť odpad. S týmito integrovanými údajmi môžu poľnohospodári vytvárať presné vstupné predpisy. Napríklad:

Mapy s technológiou variabilnej sadzby (VRT)Softvér pomocou máp živín v pôde a vzorov NDVI vykresľuje mapy pre rozmetadlá ovládané GPS. Vozidlá na prepravu vápna používajú mapu vápna na neutralizáciu kyslosti iba tam, kde je nízke pH. Rozmetadlá hnojív používajú mapu fosforu alebo draselného železa z laboratórnych výsledkov. Moderné systémy dokážu dokonca stiahnuť mapy NDVI priamo do rozmetadla, takže zóny s vysokým (energickým) NDVI môžu dostať viac hnojiva, zatiaľ čo zóny s nízkym NDVI dostanú menej.

Presne toto urobil brazílsky farmár v prípade sóje: jeho stroj neaplikoval takmer žiadne hnojivo v zónach so slabou reagujúcou reakciou a v oblastiach s vysokou reagujúcou reakciou aplikoval bohatšie dávky, čím zvýšil výnosy v dobrých častiach a eliminoval plytvanie v slabých častiach.

Manažérske zónyPribližne 701 tis. farmárov na celom svete, ktorí zavádzajú presné poľnohospodárstvo, v súčasnosti využíva zóny riadenia na optimalizáciu vstupov. Tento prístup im umožňuje sústrediť zdroje tam, kde sú najdôležitejšie, namiesto toho, aby sa polia ošetrovali jednotne. Výskum ukazuje, že farmári môžu znížiť používanie hnojív až o 201 tis. tis. a zároveň si zachovať alebo dokonca zlepšiť výnosy.

Ako je uvedené, kombináciou všetkých údajov je možné identifikovať 3 – 10 zón na pole s podobnými potrebami. Budúce mriežky alebo cielený odber vzoriek sa vykonávajú v rámci každej zóny, a nie na celom poli. To šetrí čas a peniaze a zároveň zachytáva hlavnú variabilitu. Zóny tiež zjednodušujú riadenie – namiesto desiatok mriežkových obdĺžnikov môže farmár spravovať 4 zóny s jednou mierou plodnosti v každej.

UdržateľnosťPoľnohospodárstvo sa podieľa na viac ako 301 TP3T globálnych emisií skleníkových plynov, pričom nadmerné používanie hnojív je hlavným prispievateľom. Presné riadenie živín je čoraz viac uznávané ako riešenie, ktoré pomáha poľnohospodárom znižovať emisie a zároveň chrániť kvalitu vody. Cielená aplikácia hnojív môže v skutočnosti znížiť odtok dusíka o 15 – 251 TP3T a zároveň zlepšiť účinnosť využívania živín.

Cielená aplikácia znamená menej prebytočných hnojív v životnom prostredí. Poľnohospodári aplikujú živiny iba do oblastí s nízkou úrovňou pôdy alebo nízkou reakciou plodín, čím sa znižuje vyplavovanie a odtok. To nielen znižuje náklady, ale aj chráni vodné toky. Okrem toho monitorovanie trendov (prostredníctvom opakovaného odberu vzoriek a snímok) pomáha predchádzať hromadeniu solí alebo živín v “ohniskách”. Výsledkom je vyššia účinnosť využívania živín a často aj vyššie zisky.

Použitie GeoPardu na zvýšenie efektívnosti a praktickosti odberu vzoriek pôdy pomocou mriežky

GeoPard zvyšuje efektivitu a praktickosť odberu vzoriek na základe mriežky zavedením pokročilých digitálnych nástrojov, ktoré automatizujú a optimalizujú celý proces. Prostredníctvom svojich Inteligentná platforma pre odber vzoriek, GeoPard umožňuje používateľom generovať odberové mriežky s prispôsobiteľnými veľkosťami buniek prispôsobenými veľkosti poľa, typu plodiny alebo preferenciám pestovateľa. Systém potom priradí presné GPS súradnice každému odberovému bodu, čím sa eliminuje dohadovanie a zabezpečí opakovateľnosť počas viacerých sezón.

• Vytvorenie inteligentnej siete: Automaticky generuje prispôsobiteľné mriežky s presnými GPS súradnicami pre každý bod.
• Optimálne plánovanie trasy: Vypočíta najefektívnejšiu trasu pre chôdzu/jazdu cez všetky body, čím šetrí čas a palivo.
• Navigácia v reálnom čase: Mobilná integrácia navádza operátorov priamo ku každému odberovému miestu v teréne.
• Inteligentné označovanie a správa údajov: Každá vzorka je jedinečne označená svojou GPS polohou, čo znižuje chyby a zjednodušuje laboratórne pracovné postupy.
• Jednoduchá integrácia údajov: Laboratórne výsledky je možné importovať priamo do GeoPardu a vytvoriť tak mapy živín pre každú bunku mriežky.
• Použiteľné predpisy: Umožňuje vytváranie aplikácií hnojív alebo vápna s variabilným dávkovaním prispôsobených údajom zo siete.

Kombináciou tradičných silných stránok sieťového odberu vzoriek pôdy s modernou digitálnou technológiou GeoPard transformuje to, čo bolo kedysi prácnym procesom, na vysoko efektívny pracovný postup založený na dátach. To zabezpečuje, že poľnohospodári nielen získajú presné základné znalosti o svojich pôdach, ale tiež si vybudujú pevný základ pre pokračujúce postupy presného poľnohospodárstva.

Výzvy a úvahy

Aj keď sú vzorkovanie siete aj diaľkový prieskum Zeme výkonné, majú svoje limity a ani jeden z nich sám o sebe nie je “zázračným riešením”.

1. Obmedzenia vzorkovania siete: Zber veľkého množstva vzoriek pôdy je drahý a časovo náročný. Prejdenie poľa autom za účelom odberu 10 – 15 vzoriek z každého bodu siete (často stovky bodov na veľkej farme) môže trvať hodiny. Každá vzorka stojí náklady na laboratórnu analýzu. Preto je rozstup siete často kompromisom.

Odber vzoriek z mriežky je tiež len momentálnym zobrazením – hovorí o stave pôdy v čase odberu vzoriek, ale nie o tom, ako sa bude počas sezóny meniť. Nakoniec, premena surových údajov zo vzoriek na praktické odporúčania si vyžaduje špecializovaný softvér alebo agronomické poradenstvo. (V niektorých prípadoch môže byť na ich použiteľnosť potrebné jednoduché spriemerovanie alebo zónovanie z údajov.)

2. Obmedzenia diaľkového prieskumu Zeme: Satelitné alebo dronové snímky môžu ukázať, kde niečo nie je v poriadku, ale nie prečo. Nízky NDVI môže byť spôsobený suchom, chorobami, škodcami alebo nedostatkom živín v pôde – samotné snímky nediagnostikujú príčinu. Oblačnosť môže oneskoriť získanie jasného obrazu.

Snímky s vyšším rozlíšením (napr. <10 m pixelov) môžu byť finančne náročné alebo si vyžadovať špeciálny prístup. Na riešenie niektorých nedostatkov existujú tepelné a radarové senzory (napr. zobrazovanie vlhkosti alebo denné/nočné zobrazenia), ale tie zvyšujú zložitosť. Stručne povedané, NDVI je silným ukazovateľom zdravia rastlín, ale sám o sebe poľnohospodárovi nehovorí, aké hnojivo alebo ošetrenie je potrebné.

3. Integrácia je nevyhnutná: Vzhľadom na tieto obmedzenia spočíva skutočná sila v použití oboch nástrojov spoločne. Vzorky pôdy bez snímok nechávajú mnoho neskúmaných oblastí na pochybách a snímky bez vzoriek nechávajú farmára hádať príčinu stresu. Krížovou kontrolou údajov (napríklad overením zón s nízkym NDVI s výsledkami z pôdneho laboratória) získajú farmári istotu v tom, čo ich mapy znamenajú.

V praxi odborníci zdôrazňujú, že správna správa spája oba súbory údajov. Inými slovami, odber vzoriek z mriežky vám poskytuje presné mapy živín, ale na pevnej mriežke; diaľkový prieskum Zeme vám poskytuje široký rozhľad, ale vyžaduje si kalibráciu. Spoločne prekonávajú navzájom slepé miesta.

Táto technológia sa rýchlo rozvíja. Využívanie dronov v poľnohospodárstve prudko rastie – niektoré odhady predpovedajú, že 80% všetkých komerčných dronov sa bude používať na farmách. Drony môžu niesť stále lacnejšie multispektrálne kamery, ktoré umožňujú poľnohospodárom zachytávať mapy NDVI s ultra vysokým rozlíšením na požiadanie. Medzitým sa rozrastajú satelitné konštelácie; nové minisatelity môžu denne navštevovať polia s rozlíšením 5 – 10 m.

Ďalším veľkým trendom je umelá inteligencia a strojové učenie. Vyvíjajú sa algoritmy na automatickú detekciu vzorcov v kombinovaných údajoch: napríklad zhlukovanie obrázkov a testov pôdy na navrhnutie optimálnych zón alebo použitie historických časových radov satelitov a predchádzajúcich výnosov na predpovedanie problémových oblastí. Inteligentné platformy teraz dokážu automaticky generovať predpisy VRT z nahraných vrstiev pôdy a obrázkov.

Očakávame tiež väčšiu integráciu senzorov: napríklad lacné senzory v traktoroch by mohli merať elektrickú vodivosť alebo vlhkosť pôdy za pochodu, čím by sa do máp pridala ďalšia vrstva. Aj tieto údaje je možné zlúčiť so satelitnými údajmi. To všetko poukazuje na budúcnosť, v ktorej satelity, drony, senzory a umelá inteligencia spoločne poskytujú informácie o pôde a plodinách takmer v reálnom čase. Ako sa uvádza v jednej správe o trhu, dostupnosť snímok s vysokým rozlíšením a technológie UAV “naznačuje, že sa v nasledujúcich desiatich rokoch očakáva prudký nárast používania zdrojov údajov diaľkového prieskumu Zeme v presnom poľnohospodárstve”.”

Záver

Stručne povedané, odber vzoriek pôdy z mriežky poskytuje základné informácie o živinách a chemickom zložení pôdy, zatiaľ čo diaľkový prieskum Zeme poskytuje priestorový a časový kontext rastu plodín. Vzorky z mriežky odpovedajú na otázku “čo je tu v pôde?”; vzdialené snímky odpovedajú na otázku “ako sa tam plodine darí (a kedy)?”. Spoločne tvoria dátovú chrbticu presného poľnohospodárstva. S týmito fúzovanými údajmi môžu poľnohospodári vytvárať mapy aplikácie s variabilnými dávkami a zmysluplné zóny hospodárenia. To umožňuje aplikovať presne správne množstvo hnojiva alebo vápna v každej časti poľa – čím sa znižuje odpad, zvyšuje sa uniformita plodín a zlepšujú sa výnosy.