Како вегетациони индекси побољшавају праћење раста кукуруза

Кукуруз је најпроизведенија житарица на свету по количини, а само Сједињене Државе га сеју широм приближно 35 милиона хектара и производњом од 390 милиона метричких тона у 2023. години. Управљање усевом у тој размери захтева више од извиђања пешке. Вегетацијски индекси за праћење раста кукуруза - математичке формуле изведене из начина на који крошње биљака рефлектују и апсорбују светлост - постали су камен темељац модерног управљања усевима јер претварају спектралне податке у корисне информације о здрављу усева. То раде брзо, у великим размерама и без додиривања иједног листа.

Технологија даљинског очитавања, сада доступна путем сателита, дронова и ручних сензора, уноси спектралне податке у реалном времену у ове индексе у свакој фази сезоне раста кукуруза. Пољопривредник или агроном може да детектује стрес азота на V6 пре него што листови пожуте, да уочи недостатак воде током наливања зрна пре него што принос падне или да калибрише варијабилну примену ђубрива користећи мапе крошње генерисане исте недеље када је усеву потребно храњење.

Шта су вегетациони индекси? Како функционишу?

Индекс вегетације (VI) је бездимензионална, квантитативна вредност израчуната математичким комбиновањем вредности рефлексије два или више спектралних опсега које је снимио сензор. Резултат је један број који изолује и појачава специфичне биолошке карактеристике биљног крошње - као што су концентрација хлорофила, површина листа или садржај воде - док истовремено сузбија сметње из земљишта, атмосфере и сенке.

Моћ вегетационог индекса лежи у његовој способности да стандардизује мерења на различитим сензорима, пољима и датумима. Уместо поређења сирових бројева рефлексије који се мењају са условима осветљења, VI пружа однос или разлику која је стабилнија и биолошки значајнија. Ово омогућава поређење здравља крошњи на различитим пољима, годишњим добима, па чак и сателитским платформама.

Биљке апсорбују одређене таласне дужине светлости за фотосинтезу, а рефлектују друге. Здрава зелена вегетација апсорбује већину црвене светлости (око 660–680 nm) за фотосинтезу вођену хлорофилом и снажно рефлектује светлост блиског инфрацрвеног (NIR) зрачења због своје ћелијске структуре.

Напрегнута или ретка крошња апсорбује мање црвене и рефлектује више, и рефлектује мање ближњег инфрацрвеног зрачења. Вегетацијски индекси математички бележе овај контраст како би квантификовали колико је крошња зелена, густа и здрава у датом тренутку.

Спектралне траке које се користе у вегетационим индексима

Различити спектрални опсези доприносе различитим дијагностичким информацијама о усеву. Сваки опсег циља другачији биолошки процес, због чега вишепојасни сензори пружају богатије податке од једноставних RGB камера. Шест опсега најрелевантнијих за праћење кукуруза су:

• Црвена (620–700 нм): Хлорофил га снажно апсорбује. Пад апсорпције црвене боје сигнализира смањену фотосинтетску активност, што указује на стрес, недостатак хранљивих материја или рано старење крошње дрвећа.
• Зелена (520–560 нм): Биљке рефлектују зелену светлост више него црвену, због чега изгледају зелено. Зелена рефлексија је у корелацији са концентрацијом хлорофила и користи се у индексима као што су GNDVI и VARI.
• Плава (450–490 нм): Апсорбују га каротеноиди и хлорофил. Углавном се користи у RGB-базираним индексима као што је VARI где су доступне само видљиве траке.
• Блиски инфрацрвени спектар (NIR, 750–900 nm): Снажно се рефлектује од сунђерастог мезофилног ткива унутар здравих листова. NIR рефлексија је основа NDVI, EVI и већине широкопојасних индекса. Густа, здрава крошња кукуруза показује високу NIR рефлексију.
• Црвена ивица (700–740 nm): Прелазна зона између црвене апсорпције и ближње инфрацрвене рефлексије. Концентрација хлорофила и статус азота имају снажан утицај на ову траку, што је чини веома осетљивом за откривање стреса хранљивих материја у раној фази пре него што постане визуелно видљив.
• Краткоталасни инфрацрвени спектрус (SWIR, 1.400–2.500 nm): Апсорбује их течна вода унутар биљног ткива. SWIR индекси мере садржај воде у крошњи и откривају стрес од суше, што их чини вредним током наливања зрна када недостатак воде директно утиче на принос.

Зашто су вегетациони индекси важни за праћење раста кукуруза

1. Праћење здравља усева

Здравље усева обухвата више преклапајућих фактора: концентрацију хлорофила, индекс површине листа (LAI — однос укупне површине листа и површине тла), статус воде биљака и температуру крошње. Ниједна посета терену не може да обухвати све ово истовремено на стотинама хектара.

Вегетацијски индекси компресују ову сложеност у мерљиве вредности које се могу више пута пратити током вегетационе сезоне како би се открио пад пре него што постане губитак приноса.

Студија објављена у Пољопривреда (2023) пратили су три хибрида кукуруза у условима суше и наводњавања користећи NDVI сензоре постављене на беспилотне летелице. Истраживачи су недељно пратили здравље крошње од ницања до зрелости и открили да су се вредности NDVI значајно разликовале између наводњаваних и парцела наводњаваних кишом већ у V8, недељама пре него што су се појавили видљиви симптоми стреса. Ова врста ране диференцијације омогућава благовремену интервенцију.

2. Мерење виталности биљке

Вигор биљке — укупна стопа раста и акумулација биомасе усева — директно предвиђа потенцијал приноса. Индекси попут NDVI и EVI су у јакој корелацији са LAI и сувом биомасом надземног дела кукуруза.

Праћење бујности у кључним вегетативним фазама омогућава агрономима да идентификују зоне са лошијим учинком на пољу и да у складу са тим прилагоде улазе, уместо да примењују јединствену одлуку о управљању на просторно променљивом земљишту.

3. Откривање стреса пре визуелних симптома

Ово је можда комерцијално највреднија способност вегетационих индекса. Биљка кукуруза која доживљава недостатак азота, стрес од воде или рани притисак болести прво показује промене у својој спектралној рефлексији - посебно у црвеној ивици и NIR тракама - данима до недељама пре него што листови покажу жућење, увенуће или видљиве лезије.

Индекси засновани на црвеној ивици, посебно NDRE и CI црвена ивица, посебно су осетљиви на субвизуелни стрес азота и смањење хлорофила. Јанг и др. (ScienceDirect, 2024) су открили да комбиновање NDVI, NDRE и GNDVI индекси коришћењем вишеструке линеарне регресије значајно побољшане перформансе предвиђања приноса код кукуруза у поређењу са било којим појединачним индексом самостално.

Узгајивачи који се ослањају на један индекс пропуштају адитивну предиктивну моћ која долази из вишеиндексних приступа, посебно током критичних репродуктивних фаза.

4. Побољшање предвиђања приноса

Вегетацијски индекси прикупљени у стратешким фазама раста — посебно око стварања ресица и свилања — снажни су предиктори коначног приноса зрна. Истраживање објављено у Даљинско сондирање (2023) су спојили мултитемпоралне податке беспилотних летелица, укључујући NDVI, NDRE, SAVI и EVI кроз вегетативне и репродуктивне фазе и постигли модел предвиђања приноса кукуруза са R² од 0,78 и rRMSE од 8,27%, надмашујући моделе изграђене на једностепеним подацима.

Кључни увид: коришћење вишеструких индекса у више фаза раста обухвата много шири спектар фактора који одређују принос него један снимак мерења.

5. Подржавање прецизне пољопривреде

Прецизна пољопривреда се ослања на податке о просторној варијабилности како би прописала уносе специфичне за локацију. Мапе вегетационог индекса направљене помоћу снимака дроном или сателита откривају варијабилност у учинку усева унутар поља коју просечна мерења на пољу прикривају.

Ове мапе се директно уносе у системе за варијабилну примену ђубрива, омогућавајући пољопривредницима да примене више ђубрива тамо где је усеву потребно, а мање тамо где није, смањујући истовремено трошкове и утицај на животну средину.

Фазе раста кукуруза где су вегетациони индекси најкориснији

“Прави индекс у правој фази раста открива информације о усевима које опште извиђање једноставно не може да пружи — а време прикупљања тих података је једнако важно као и изабрани индекс.”

1. Фаза појаве

При ницању, биљни покривач је редак, а земљиште доминира сликом. Стандардни NDVI овде слабо функционише јер шум позадине земљишта надјачава слаб сигнал крошње. Индекси прилагођени земљишту, попут SAVI и MSAVI, су одговарајући алати током ове фазе.

Они примењују корекциони фактор како би смањили утицај изложеног земљишта на вредност индекса, омогућавајући значајна мерења густине биљака и уједначености раног успостављања.

2. Вегетативни раст (V фазе)

Од V3 до V12, крошња кукуруза се брзо шири. Ово је најкритичнији период за управљање азотом, јер потреба усева за азотом нагло расте.

NDRE и CI Green су индекси са највећом осетљивошћу током овог периода, јер црвена ивична трака детектује суптилна смањења хлорофила пре него што се шири сигнал NDVI промени. Летови беспилотних летелица на V6 и V10 темпирани са одлукама о бочном облачењу азота дају највећи повраћај улагања у податке.

3. Ресање и свилање

Ресање (VT) и свилање (R1) су фазе које највише утичу на принос у целом животном циклусу кукуруза. Затварање крошње је у овој фази скоро завршено, што значи да NDVI и EVI сада могу да очитају целу крошњу без ометања земљишта.

Оба индекса достижу врхунац око температуре пада (VT) код здравих усева. Било каква завија или рани пад вредности индекса у овој фази је поуздан показатељ стреса који ће се претворити у побачај зрна и губитак приноса.

4. Пуњење житарица

Током наливања зрна (R3–R5), примарна брига управљања помера се на стрес од воде и болести. NDWI (Нормализовани индекс разлике воде, израчунат из NIR и SWIR опсега) и термички индекси допуњују стандардни скуп током ове фазе откривањем смањења садржаја воде у крошњи које претходи видљивом венућу.

Вредности NDVI почињу природно да опадају како усев сазрева, тако да тумачење путања индекса захтева поређење са очекиваним сезонским обрасцем за хибрид који се гаји.

5. Зрелост

У физиолошкој зрелости (R6), сви главни вегетациони индекси опадају како крошња стари и хлорофил се деградира. Подаци индекса у зрелости се првенствено користе за ретроспективну анализу — корелацију сезонских VI путања са стварним подацима о приносу жетве како би се валидирали модели предвиђања и побољшали будући сезонски показатељи. Анализа временских серија индексних кривих од ницања до зрелости пружа најбогатију основу података за изградњу модела приноса специфичних за поље.

Уобичајени вегетациони индекси који се користе за праћење раста кукуруза

1. NDVI (Нормализовани индекс разлике вегетације)

NDVI је најчешће коришћени вегетациони индекс у пољопривреди. Он мери контраст између ближњег инфрацрвеног спектра (NIR) и црвене рефлексије и израчунава се као:

NDVI = (NIR − црвена) / (NIR + црвена)

Вредности NDVI се крећу од -1 до +1. Здраве, густе крошње кукуруза обично постижу између 0,7 и 0,9 на врхунцу зеленила. Његове најбоље примене укључују праћење развоја крошњи од V6 до стварања ресица, идентификовање зона поља са лошим учинком и корелацију са LAI и надземном биомасом.

Кључно ограничење NDVI индекса је засићеност у густим крошњама — када LAI пређе отприлике 3 м²/м², додатна површина листа производи смањење промена у NDVI сигналу, смањујући осетљивост на врхунцу крошње.

Студија објављена 2024. године Пољопривреда (MDPI), користећи праћење NDVI засновано на беспилотним летелицама током две вегетационе сезоне у Мађарској, открили су да Најјача корелација између NDVI и приноса догодила се у фази након свилања. (R = 0,638 у 2023. и R = 0,634 у 2024. години), што потврђује поузданост NDVI-ја као индикатора приноса током сезоне у том специфичном периоду раста.

2. GNDVI (Зелени NDVI)

GNDVI замењује црвену траку зеленом траком: GNDVI = (NIR − Zelena) / (NIR + Zelena). Зелени канал је осетљивији на концентрацију хлорофила од црвеног канала, што чини GNDVI бољим у детекцији умерених варијација хлорофила у зрелим, густим крошњама где је NDVI засићен.

Његова примарна примена код кукуруза је процена статуса азота током средње вегетативне и репродуктивне фазе. Истраживање објављено у СциенцеДирецт (2024) потврдили су да GNDVI, када се комбинује са NDRE у моделима мултииндексне регресије, значајно побољшава тачност предвиђања приноса кукуруза, посебно у фазама пре цветања.

3. EVI (Индекс побољшане вегетације)

EVI побољшава NDVI укључивањем плаве траке и применом коефицијената атмосферске корекције: EVI = 2,5 × [(NIR − црвена) / (NIR + 6 × црвена − 7,5 × плава + 1)]. Ова формула истовремено смањује атмосферску буку и сметње у позадини тла, чинећи EVI осетљивијим од NDVI у условима густе крошње где је NDVI засићен.

EVI је преферирани индекс за праћење структуре крошње кукуруза од стварања ресица до раног пуњења зрна када је биљни покривач скоро завршен. То је основни индекс у MODIS сателитским производима и широко се користи за праћење кукуруза на регионалном нивоу.

Студија у Пољопривреда (2024) користећи податке MODIS MOD09A1 изнад провинције Ђилин, Кина, открили су да Комбиновање више вегетационих индекса, укључујући EVI, са моделом облика значајно је побољшало тачност детекције фенолошких фаза током кључних периода раста кукуруза у поређењу са приступима са једним индексом.

За праћење усева великих размера, спајање EVI са другим индексима у моделима временских серија пружа поузданије фенолошко праћење него било који појединачни индекс сам по себи.

4. SAVI (Индекс вегетације прилагођен земљишту)

SAVI уводи фактор корекције осветљености земљишта (L) у формулу NDVI: SAVI = [(NIR − crvena) / (NIR + crvena + L)] × (1 + L), где је L = 0,5 за типичне услове земљишта. Смањењем доприноса рефлексије голог земљишта, SAVI производи прецизнија мерења крошње у раним фазама раста кукуруза када је покривеност тла мања од 50%. То је стандардни избор за праћење успостављања биљака, уједначености састојине и снаге ране сезоне од ницања до V4.

5. NDRE (Нормализована разлика црвене ивице)

NDRE користи црвену ивицу и NIR траке: NDRE = (NIR − црвена ивица) / (NIR + црвена ивица). Црвена ивична трака налази се у спектралном подручју где мале промене концентрације хлорофила производе велике промене рефлексије, што чини NDRE осетљивијим од NDVI на варијације хлорофила изазване азотом.

Студија објављена у Сензори (2024) користећи фотограметију беспилотних летелица у истраживачкој станици LSU AgCenter открили су да NDRE 87 дана након сетве предвидео је принос зрна кукуруза са R² од 0,9097., изузетно јака веза која истиче вредност NDRE-а за управљање азотом у касној сезони и прогнозирање приноса.

6. MSAVI (Модификовани индекс вегетације прилагођен земљишту)

MSAVI побољшава SAVI тако што L фактор чини динамичним, а не фиксним, тако да се аутоматски прилагођава степену вегетационог покривача: MSAVI = [2 × NIR + 1 − √((2 × NIR + 1)² − 8 × (NIR − црвена))] / 2.

Ово самоподешавање чини MSAVI прецизнијим од SAVI у целом опсегу развоја крошње, од ницања на голом тлу до потпуног покривања при формирању ресица. Не захтева претпоставку о осветљености земљишта, што га чини применљивијим у различитим теренским условима и типовима земљишта.

7. VARI (Индекс отпорности на видљиве атмосферске услове)

VARI користи само видљиве траке (црвена, зелена, плава): VARI = (Зелена − Црвена) / (Зелена + Црвена − Плава). Његова вредност лежи у томе што се може израчунати са стандардних RGB камера — типа који носи већина комерцијалних дронова по ниској цени.

Иако VARI-ју недостаје осетљивост на азот и биомасу коју имају мултиспектрални индекси, он пружа употребљиву процену зеленила крошњи у првом пролазу, што га чини доступним пољопривредницима који још увек немају могућности мултиспектралних сензора.

Истраживање објављено у СциенцеДирецт (2025) потврдили су да је VARI један од корисних VI улаза у моделима машинског учења за предвиђање приноса кукуруза у различитим условима узгоја.

8. OSAVI (Оптимизовани индекс вегетације прилагођен земљишту)

OSAVI је поједностављена верзија SAVI-ја са фиксном L вредношћу од 0,16, оптимизована за услове делимичног покривања крошње дрвећа: ОСАВИ = (НИР − црвена) / (НИР + црвена + 0,16).

Ова специфична L вредност је емпиријски одређена како би се минимизирали ефекти позадине земљишта у широком распону густине вегетације. OSAVI добро функционише од V2 до V6, премошћујући јаз између корисности SAVI-ја у раној сезони и тачности NDVI-ја у врхунцу сезоне.

9. CI зелена (зелена индекса хлорофила)

CI Green процењује садржај хлорофила директно из рефлексије: CI зелена = (NIR / зелена) − 1. Пошто је хлорофил примарни пигмент за складиштење азота у листовима, CI Green прати статус азота у крошњи без потребе за црвеном ивичном траком.

Због тога је вредна када је доступна само стандардна зелена трака, као што је то случај са снимака Сентинел-2, и поуздано функционише од V6 до свиленог приказа за одлуке о управљању азотом средином сезоне.

10. CI црвена ивица (црвена ивица индекса хлорофила)

CI црвена ивица замењује зелену траку црвеном ивицом: CI црвена ивица = (NIR / црвена ивица) − 1. Ова супституција га чини знатно осетљивијим на промене хлорофила од CI Green, посебно у средњим до касним вегетативним фазама када је крошња довољно густа да сигнал зелене траке почиње да се засићује. CI Red Edge је један од најбољих индекса за детекцију суптилних градијената азота у зонама управљања пољима код кукуруза.

Поређење вегетационих индекса за праћење кукуруза

1. Најбољи индекс за рани раст

SAVI и MSAVI константно надмашују NDVI и EVI током раног развоја кукуруза (ницање до V4) јер смањују шум позадине земљишта који би иначе доминирао индексним сигналом када је покривеност крошње испод 40%. OSAVI нуди корисну средњу опцију када су услови земљишта променљиви на пољу.

2. Најбољи индекс за детекцију азота

NDRE и CI црвена ивица су најјачи индекси за откривање недостатка азота код кукуруза. Оба користе високу осетљивост црвене ивице на концентрацију хлорофила. У фази V6 до V10 — најкритичнијем временском оквиру за одлуке о примени азота — ови индекси откривају недостатак 7 до 14 дана пре него што NDVI покаже било какав мерљив одговор, пружајући значајно време за корективне мере.

3. Најбољи индекс за процену биомасе

NDVI и EVI су највалиднији индекси за процену суве биомасе надземне површине код кукуруза. Истраживање коришћењем мултиспектралних снимака беспилотних летелица у комбинацији са текстурним карактеристикама у ПМЦ (2023) су открили да вегетациони индекси засновани на црвеним (650 nm), црвеним ивицама (705 nm) и блиским инфрацрвеним (842 nm) опсезима показују највеће корелације са LAI — уско повезаним показатељем за акумулацију биомасе током вегетативног периода.

4. Најбољи индекс за густе крошње

EVI је преферирани индекс када се крошња кукуруза потпуно затвори, обично од стварања ресица до раног наливања зрна. Тамо где NDVI достигне засићење изнад LAI од приближно 3, EVI наставља да реагује на додатну површину листа и варијације хлорофила јер његови атмосферски и земљишни корекциони услови спречавају засићење сигнала на високим нивоима биомасе.

5. Најбољи индекс за стрес услед суше

NDWI (индекс воде заснован на NIR и SWIR спектру) и NDVI коришћени заједно су најефикаснија комбинација за детекцију стреса изазваног сушом код кукуруза. NDWI директно прати промене садржаја воде у ткиву, док NDVI бележи секундарни ефекат стреса воде на зеленило крошње. Мултиспектрални сензори који укључују SWIR могућност овде додају највећу вредност, иако ови сензори остају скупљи од стандардних петоопсежних мултиспектралних система.

Примена вегетационих индекса у производњи кукуруза

Индекс вегетације је користан само онолико колико је корисна одлука коју омогућава — циљ је увек претварање спектралних података у акцију на терену која побољшава принос, смањује трошкове или обоје.

1. Процена биомасе

Вредности NDVI и EVI снажно корелирају са сувом биомасом надземног дела земље током вегетативног периода кукуруза. Поновљени летови беспилотних летелица или прелети сателита у интервалима од две недеље генеришу криве акумулације биомасе које откривају да ли се поље приближава свом потенцијалу приноса или заостаје за очекиваном путањом раста за дату сезону.

2. Мерење хлорофила

CI Green и CI Red Edge пружају недеструктивне процене хлорофила на нивоу крошње које прате фотосинтетски капацитет усева. Истраживање објављено у ПМЦ (2024) коришћењем процене SPAD-а (очитавање хлорофила) засноване на беспилотној летелици код кукуруза потврдило је да је модификовани индекс односа црвене ивице постигао R² од 0,87 за предвиђање садржаја хлорофила у листовима у средњој фази раста, демонстрирајући практичну тачност коју индекси црвене ивице пружају за ову примену.

3. Процена статуса азота

Азот је хранљива материја која најдиректније ограничава принос кукуруза, а његов статус варира током сезоне како се мењају потребе усева. Студија из 2025. године објављена у Границе у биљној науци интегрисао је сателитске снимке Sentinel-2A, мултиспектралне податке беспилотних летелица и посматрања са земље у четири фазе раста кукуруза 2024. године и развио нови модел инверзије садржаја азота на регионалном нивоу користећи вишеструке вегетационе индексе комбиноване са корекцијом трака.

Оквир је постигао високу тачност валидације на 48 независних тачака узорковања, демонстрирајући како фузија сателита и беспилотних летелица проширује скалабилност управљања азотом заснованог на VI изван појединачних поља на пољопривредне и регионалне нивое.

4. Детекција стреса услед недостатка воде

Водени стрес код кукуруза прво смањује стоматску проводљивост, затим садржај воде у листу и коначно зелену биомасу — три процеса која утичу на различите спектралне опсеге у низу. Водени стрес у раној фази се показује у подацима о термалним опсезима и индексима заснованим на SWIR-у пре него што NDVI опадне.

Праћење комбинације NDWI и NDVI током периода наливања зрна — када стрес од воде има највећи утицај на принос — омогућава да се распоред наводњавања заснива на стварној потражњи усева, а не на календарским правилима.

5. Праћење болести

Гљивичне болести попут северне пламењаче листа кукуруза и сиве пегавости листа мењају спектрални потпис заражених листова пре него што велике лезије постану видљиве људском оку. Заражено ткиво показује карактеристичан пад рефлексије у блиском инфрацрвеном зрачењу и померање положаја црвене ивице.

Вишевременско праћење ВИ омогућава откривање локализованих спектралних аномалија које указују на притисак болести у настајању, омогућавајући циљану примену фунгицида уместо прскања на целом пољу.

6. Детекција штете од штеточина

Дефолијација услед исхране штеточинама смањује LAI, што директно смањује вредности NDVI и EVI у погођеним деловима земље. На пример, најезде сомалијских глиста стварају карактеристичне просторне обрасце пада индекса који се могу детектовати снимањем дроном пре него што се најездба прошири на суседне делове поља.

Летови беспилотних летелица високе резолуције (удаљеност узорковања са тла испод 5 цм) пружају просторне детаље потребне за разликовање оштећења од инсеката од других узрока варијација крошњи.

7. Процена приноса

Вредности вегетационог индекса мерене у специфичним критичним фазама раста — посебно V12, VT и R3 — поуздани су предиктори коначног приноса зрна када се комбинују са историјским мапама приноса и метеоролошким подацима. Приступи фузије више индекса константно надмашују моделе са једним индексом.

Комбинација GNDVI, NDRE и SCCCI (Поједностављени индекс садржаја хлорофила у крошњи) око периода пре цветања показала је посебно јаку тачност предвиђања приноса у објављеним истраживањима кукуруза од СциенцеДирецт (2026).

Истраживање током две вегетационе сезоне у Мађарској показало је коефицијенте корелације од 0,638 и 0,634 између NDVI после свилања и коначног приноса зрна. Вишеиндексни модели, укључујући NDRE и GNDVI, још више повећавају тачност предвиђања.

8. Примена променљиве дозе ђубрива

Мапе крошњи засноване на VI генерисане летовима дронова користе се директно за израду мапа прописа за апликаторе азота са променљивом брзином. Поља су подељена у зоне управљања на основу вредности индекса, а свака зона добија дозу азота калибрисану према специфичним потребама усева.

Даљинско очитавање и технологија променљиве брзине заједно су узете у обзир 58% тржишног удела технологије прецизне пољопривреде у 2025. години (Precedence Research, 2026), што одражава колико је овај ток рада постао централан за комерцијалну производњу кукуруза.

Студија из 2025. године Пољопривреда (MDPI) је открио да умерене дозе азота 120–180 kg ha⁻¹ обезбедио је оптималан ниво исхране за кукуруз, повећавајући принос до 5,086 т ха⁻¹ у поређењу са неђубреним контролама, при чему се праћење засновано на NDVI показало ефикасним не само за оптимизацију приноса већ и посебно за вођење стратегија ђубрења специфичних за локацију.

Управљање азотом засновано на NDVI у фази након свилањања (када корелација VI и приноса достиже врхунац) може заменити традиционалне приступе ђубрења који се ослањају само на тест земљишта и значајно побољшати и ефикасност улагања и принос зрна.

Платформе које се користе за прикупљање података о вегетацијском индексу

1. Сателитски снимци

Сателити попут Sentinel-2 (резолуција 10 м, поновна посета сваких 5 дана) и Planet Labs сателита (резолуција 3 м, дневна поновна посета) пружају конзистентне, временски повољне спектралне податке на великим површинама по ниској цени по хектару.

Укључивање црвених ивичних трака (B5, B6, B7 на 705, 740, 783 nm) у Sentinel-2 чини га посебно вредним за прорачуне црвених ивица NDRE и CI у регионалним програмима праћења кукуруза. Ограничење је облачност: облачан период током критичног прозора раста може произвести празнине у подацима које прекидају временски мониторинг.

2. Даљинска детекција дроном

Дронови са фиксним крилима и вишероторни дронови опремљени мултиспектралним камерама пружају снимке на нивоу поља са резолуцијама од 2–10 цм по пикселу. Овај ниво детаља разазнаје појединачне редове биљака, омогућавајући мерење варијација у здрављу крошње унутар реда.

Истраживања дроновима могу се заказати по потреби, без обзира на време прелета сателита, што их чини идеалним за прикупљање података на тачним агрономским тачкама одлучивања као што су бочна примена азота или прозори за заказивање наводњавања.

3. Мултиспектралне камере беспилотних летелица

Мултиспектралне камере као што су MicaSense RedEdge, Parrot Sequoia и DJI Zenmuse P1 снимају слике у пет или више уских спектралних опсега истовремено, укључујући црвену, зелену, плаву, црвену ивицу и NIR.

Ови системи укључују калибрисану рефлективну плочу и сензор сунца за нормализацију података за различите услове осветљења током лета, што је неопходно за добијање тачних, репродуктивних вредности индекса, а не за релативна поређења.

4. Ручни сензори усева

Активни оптички сензори попут GreenSeeker-а и CropCircle-а емитују сопствени извор светлости и мере рефлексију појединачних биљака изблиза, елиминишући ефекат променљиве сунчеве светлости.

Ови сензори се користе за брзу процену статуса азота на терену на одређеним тачкама узорковања. Њихови подаци допуњују снимке дроновима и сателитима пружајући мерења на терену која потврђују вредности индекса даљинске детекције на познатим локацијама.

5. Сензори монтирани на трактор

Активни сензори монтирани на тракторе, као што су John Deere Hagie и Trimble GreenSeeker RT, континуирано скенирају крошњу кукуруза док се трактор креће кроз поље и директно уносе NDVI податке у реалном времену у контролер променљиве дозе. Овај систем затворене петље омогућава подешавање дозе ђубрива у покрету, на основу података о стању усева, без посебног корака обраде података између мерења и примене.

Фактори који утичу на тачност вегетационог индекса у пољима кукуруза

1. Позадина земљишта

Изложено земљиште има свој спектрални потпис који се стапа са сигналом биљног крошње, посебно када је покривеност испод 50%. Индекси прилагођени земљишту (SAVI, MSAVI, OSAVI) су дизајнирани да минимизирају овај ефекат, али боја земљишта, влага и садржај органске материје и даље утичу на вредности индекса у снимцима ране сезоне. Калибрација прагова индекса за одређене типове земљишта у региону побољшава тачност интерпретације.

2. Облачност

Облаци блокирају сунчево зрачење и узрокују променљиво сенчење на тлу, што мерења рефлексије чини непоузданим за пасивне сензоре на сателитима и дроновима.

Активни сензори су имуни на облачност јер сами обезбеђују осветљење. Облачност је најважнији фактор који ограничава корисност сателитског праћења интензитета облака у регионима са високом учесталошћу облака током вегетационог периода.

3. Угао Сунца

Ниски углови сунца повећавају удео сенке унутар крошње, вештачки смањујући рефлексију у ближњем инфрацрвеном подручју и искривљујући вредности индекса. Летови беспилотних летелица изведени између 10:00 и 14:00 часова по локалном сунчевом времену минимизирају ефекте сенке и производе конзистентније податке. Конзистентност у времену лета током поновљених истраживања једнако је важна као и апсолутно мерење времена, јер омогућава смислено поређење између датума.

4. Густина усева

Популација биљака директно утиче на затварање крошњи и самим тим колико брзо вредности VI расту од садње до затварања крошњи. Поља са мањом популацијом биљака касније затварају крошње, што продужава период током којег позадина земљишта омета очитавања индекса. Мапе популације добијене из снимака ницања омогућавају прилагођавање прагова VI за локалне варијације густине.

5. Фаза раста

Иста вредност VI значи различите ствари у различитим фазама раста. NDVI од 0,5 на V6 може указивати на здраву, добро развијену крошњу, док би NDVI од 0,5 на VT сигнализирао значајан стрес.

Тумачење вредности VI без узимања у обзир фазе раста доводи до погрешне класификације стања усева. Анализа временских серија, која упоређује тренутне вредности са очекиваним сезонским кривама, исправља ово контекстуализовањем сваког очитавања у оквиру развојне путање усева.

6. Резолуција сензора

Сензори грубље резолуције мешају спектралне сигнале усева, земљишта и ивица поља унутар једног пиксела – проблем који се назива “мешани пиксели”. При резолуцији од 10 м код Sentinel-2, један пиксел покрива 100 м² земље, што често укључује више редова усева и земљиште између редова.

Снимци дрона веће резолуције (5 цм по пикселу) елиминишу помешане пикселе и пружају много чистији спектрални сигнал крошње, по цену повећане количине података и времена обраде.

Ограничења вегетационих индекса за праћење кукуруза

1. Засићеност у густим крошњама

NDVI, најчешће коришћени индекс, достиже засићење при вредностима LAI изнад приближно 3 м²/м², што кукуруз обично достиже до V10. Изнад овог прага, додатно повећање зеленила крошње или биомасе производи занемарљиве промене у NDVI. EVI, GNDVI и NDRE су дизајнирани да реше ово ограничење, али захтевају више спектралних опсега од NDVI и нису увек доступни код јефтинијих сензора.

2. Зависност од временских услова

Пасивни системи даљинског очитавања зависе од константног сунчевог осветљења. Облаци, измаглица и атмосферски аеросоли апсорбују и расејавају долазеће сунчево зрачење пре него што стигне до усева и поново на путу назад до сензора, искривљујући вредности рефлексије.

Алгоритми за корекцију атмосферских услова који се примењују током обраде података смањују, али не елиминишу овај ефекат. У тропским регионима производње кукуруза са продуженим облачним сезонама, празнине у подацима могу бити довољно честе да угрозе праћење временских серија.

3. Мешовити пиксели

При ниским просторним резолуцијама, пиксели хватају сигнале и из крошње усева и из земљишта, путева, опреме за наводњавање или ивица поља. Добијена рефлексија мешовитих пиксела производи индексне вредности које не представљају само крошњу. Маскирање граница поља и употреба сензора са највећом изводљивом просторном резолуцијом су стандардне праксе за минимизирање ове грешке.

4. Захтеви за калибрацију

Добијање тачних, репродуцибилних вредности индекса захтева радиометријску калибрацију сензора, корекцију атмосферских ефеката и нормализацију променљивог осветљења током летова дронова. Прескакање ових корака производи релативне VI мапе које се не могу упоређивати између датума или између поља, што ограничава њихову корисност за праћење временских серија и бенчмаркинг на више поља.

5. Потреба за валидацијом истине на основу података

Вегетацијски индекси су индиректна мерења. Они процењују својства усева — хлорофил, азот, биомасу — корелацијом спектралних образаца са биолошким варијаблама, уместо да их директно мере.

Свака процена усева заснована на имунолошком интензитету (VI) има користи од валидације података са терена: физичких мерења азота у листовима, очитавања хлорофилног мерача или узорака деструктивне биомасе узетих на репрезентативном подскупу локација широм поља. Подаци са терена учвршћују интерпретацију даљинске детекције и спречавају погрешну дијагнозу.

Најбоље праксе за коришћење вегетационих индекса у пољима кукуруза

1. Избор правог индекса

Избор индекса треба да прати циљ праћења и расположиви сензор. За процену азота, изаберите NDRE или CI црвену ивицу ако је доступна црвена ивица. За процену састојина у раној сезони, користите SAVI или MSAVI.

За праћење крошњи и прогнозирање приноса у шпицу сезоне, користите EVI или NDVI у комбинацији са GNDVI или NDRE. Избегавајте употребу NDVI само у раној сезони или при високој густини крошњи — његова ограничења у оба сценарија су добро утврђена.

2. Избор праве фазе раста

Временски распоред прикупљања података до тачака агрономских доношења одлука максимизира управљачку вредност података о ВИ. Практичан распоред праћења кукуруза би укључивао:

1. V2–V4 (провера ницања): Користите SAVI или MSAVI за процену уједначености састојака и идентификацију зона поновне садње.
2. V6 (одлука о бочном дозирању азота): Користите NDRE или CI црвену ивицу за мапирање статуса азота и генерисање прописивања променљиве брзине.
3. V10–V12 (затварање крошње): Користите NDVI и EVI за процену биомасе и обележавање зона са лошим учинком управљања.
4. VT (ресање): Користите NDVI и GNDVI за процену врха крошње и идентификацију подручја која су у ризику од стреса током опрашивања.
5. R3 (фаза млека): Користите NDVI и NDWI за откривање водног стреса и процену напретка наливања зрна.
6. R6 (зрелост): Користите индексне податке за повезивање сезонске путање VI са приносом жетве за калибрацију модела.

3. Комбиновање више индекса

Ниједан појединачни индекс не обухвата сву сложеност стања усева кукуруза. Комбиновање два или више индекса који циљају различите биолошке сигнале производи богатије дијагностичке мапе. Комбинација NDRE за статус азота, NDVI за укупну биомасу и NDWI за садржај воде покрива три најчешћа ограничавајућа фактора у производњи кукуруза. Фузија више индекса унутар модела машинског учења пружа мерљиво већу тачност предвиђања приноса него било који приступ са једним индексом.

4. Интегрисање посматрања са терена

Мапе индекса виталности (VI) увек треба тумачити заједно са посматрањима на терену. Када се аномалија VI појави на мапи дрона, физичка посета терену тој локацији потврђује да ли спектрални сигнал одражава стварни агрономски проблем - недостатак азота, збијање, преплављивање, штету од штеточина - или артефакт шума сензора, сенке или варијација земљишта. Посматрања на терену такође пружају податке за обуку потребне за калибрацију локалних прагова VI за специфичне хибриде, земљишта и системе управљања.

5. Коришћење анализе временских серија

Једна слика ВИ је снимак. Временски низ слика од појаве до зрелости је прича за себе. Приказивање вредности индекса током времена открива путање раста које идентификују стресне догађаје према датуму када су се догодили, колико су били озбиљни и колико су дуго трајали. Подаци временских серија такође омогућавају поређење између текуће сезоне и историјских референтних вредности, пружајући контекст који снимци из једног датума не могу да пруже.

Будући трендови у праћењу раста кукуруза

1. Вештачка интелигенција

Алгоритми вештачке интелигенције се све више примењују на податке о вегетационом индексу како би се аутоматизовали задаци интерпретације који тренутно захтевају процену агронома. Модели дубоког учења обучени на великим скуповима података о вегетационом индексу могу класификовати тип стреса, тежину и просторни обим из мултиспектралних снимака за неколико секунди, означавајући зоне које захтевају акцију за преглед агронома, уместо да захтевају потпуну ручну анализу сваке слике.

Вештачка интелигенција на тржишту пољопривреде је процењена на 2,1 милијарду америчких долара у 2023. години и предвиђа се да ће расти по сложеној годишњој стопи раста од преко 24% до 2032. године (GMI, 2025), што одражава колико брзо се ова могућност комерцијализује.

2. Модели машинског учења

Случајна шума, XGBoost и конволуционе неуронске мреже (CNN) примењене на вишеиндексне, вишевременске скупове података константно надмашују традиционалне моделе приноса VI засноване на регресији.

Истраживање коришћењем GBM-а (Gradient Boosting Machines) за предвиђање приноса кукуруза постигнуто R² вредности од 0,78 при интегрисању VI временских серија са метеоролошким подацима, надмашује једноставније регресионе приступе.

Ови модели уче сложене, нелинеарне односе између спектралних образаца и агрономских исхода које линеарни модели не могу да обухвате.

3. Хиперспектрално снимање

Хиперспектрални сензори истовремено снимају податке о рефлексији у стотинама уских спектралних опсега, у поређењу са пет до десет опсега типичних мултиспектралних камера. Ова спектрална густина омогућава детекцију сигнала стреса усева који падају у уске спектралне прозоре невидљиве широкопојасним сензорима.

Хиперспектрални индекси за откривање болести, стреса тешких метала и недостатка микронутријената активно се валидирају за кукуруз, а комерцијални хиперспектрални системи беспилотних летелица постају све приступачнији.

4. Праћење усева у реалном времену

Комбинација минијатуризације сензора, ширења сателитске констелације и 5G повезивања води ка праћењу стања усева у реалном времену — где су подаци о имунолошкој интензитету доступни континуирано током вегетационе сезоне, а не недељно или двонедељно.

Дневна стопа поновних посета сателита компаније Planet Labs и распоређивање теренских сензора омогућених IoT-ом који преносе податке на cloud платформе већ пружају могућност праћења у готово реалном времену за ране кориснике.

DJI-јеви системи за даљинско очитавање засновани на дроновима су пријавили... 67.78% смањење количине хемијских уноса када се мапе прописа изведене из VI података користе за системе прскања са променљивом брзином (Mordor Intelligence, 2026).

5. Интеграција са системима прецизне пољопривреде

Следећи корак у праћењу шестогодишњег интензитета кукуруза је беспрекорна интеграција између прикупљања података, обраде, интерпретације и деловања на терену. Платформе за управљање фармама засноване на облаку већ повезују сателитске и дронове за снимање директно са софтвером за контролу променљиве брзине, смањујући време од прикупљања података до деловања на терену са дана на сате.

Како се API-ји између добављача слика, агрономског софтвера и пољопривредне опреме буду стандардизовали, ток рада од “лета дрона” до “примене променљиве стопе прописивања” постаће доступан произвођачима свих размера.

Најчешћа питања

Који вегетациони индекс је најбољи за кукуруз?
Ниједан појединачни индекс није универзално најбољи. NDRE најбоље функционише за процену азота, SAVI за праћење у раној фази, EVI за густе услове крошње, а NDVI за општу корелацију биомасе и приноса. Комбиновање два или три индекса прилагођена циљу праћења константно надмашује било који појединачни индекс.

Колико често треба пратити вегетационе индексе?
За управљање кукурузом током целе сезоне, препоручује се интервал праћења од сваких 7 до 14 дана током периода V4 до R3. Критични прозори одлучивања (V6 за азот, VT за процену стреса, R3 за наводњавање) оправдавају летове или сателитске податке без обзира на стандардни распоред праћења.

Који вегетациони индекс најбоље функционише током раног раста кукуруза?
SAVI и MSAVI најбоље функционишу од ницања до V4 јер смањују утицај изложеног земљишта на вредност индекса, производећи значајна мерења крошње чак и када је покривеност тла испод 30%.

Да ли вегетациони индекси могу открити болест пре него што се појаве симптоми?
Истраживања показују да фолијарне болести мењају спектрални потпис заражених листова пре него што се појаве видљиве лезије. Индекси засновани на црвеним ивицама су најосетљивији за рано откривање болести јер реагују на разградњу хлорофила у зараженом ткиву. Време потребно за откривање зависи од врсте и тежине болести, али је у контролисаним студијама показано рано откривање од 5 до 10 дана пре визуелних симптома.

Закључак

Вегетацијски индекси за праћење раста кукуруза су отишли далеко изнад истраживачке радозналости. Они су сада практични, на терену тестирани алати који пољопривредницима и агрономима омогућавају да виде стрес усева, недостатак азота и услове који ограничавају принос недељама пре него што ти проблеми постану видљиви — и пре него што изазову неповратан губитак приноса. Избор правог индекса за сваку фазу раста није мали технички детаљ; то је разлика између откривања стварног проблема и генерисања обмањујућих података. Комбиновање више индекса — NDRE за азот, EVI за биомасу густе крошње, NDWI за статус воде — пружа дијагностичку слику коју ниједно појединачно мерење не може да пружи. Интегрисање те спектралне слике са физичким теренским посматрањима утемељује податке у агрономској стварности и спречава погрешно тумачење које настаје ослањањем само на даљинско очитавање.