Ако наскоро сте прелитали над ферма и сте забелязали дрон да се стреля между редовете култури, да прави снимки или да се задържа, за да улови топлинни сигнатури, може би сте се чудили: как точно тази малка летяща машина разпознава, когато на растението липсват ключови хранителни вещества? Като човек, който е прекарал последните пет години в доставка на селскостопански дронове както за малки семейни ферми, така и за големи търговски операции, видях как тази технология трансформира начина, по който производителите забелязват недостиг на хранителни вещества – няма повече ходене по 10 мили на ден с комплект за тестване на почвата, няма повече гадаене коя част от царевицата е изостанала. Всичко е свързано с комбинирането на вградени сензори, анализ на данни и дълбоко разбиране на физиологията на растенията, за да превърнете данните, събрани от дрон, в прозрения, които могат да се предприемат.
Да започнем с основите. Растенията получават своите хранителни вещества от три основни източника: почва, вода и въздух. Недостатъците се проявяват по различен начин в зависимост от хранителното вещество - някои причиняват пожълтяване на листата, други забавят растежа, някои дори променят температурата на самото растение. Селскостопански дрон не просто „вижда“ цвят като човешкото око; той използва специализирани камери и сензори, за да улавя детайли, които ние не можем, и тук се случва истинската магия.
Камерите с видима светлина, например, откриват промени в цвета на листата. Хлорофилът, зеленият пигмент в растенията, е отговорен за фотосинтезата - и разчита на азота, едно от най-често срещаните хранителни вещества, от които се нуждаят културите. Когато растението е с ниско съдържание на азот, хлорофилът се разпада, превръщайки листата в бледожълти или дори светлозелени вместо наситено, жизнено зелени. RGB (червено, зелено, синьо) камера на дрон може да измерва интензитета на зелената светлина, отразена от листата, и да я въведе в изчисление на нормализиран индекс на растителността на разликата (NDVI). NDVI е проста формула, която сравнява разликата между близката инфрачервена светлина (която здравите растения отразяват силно) и червената светлина (която абсорбират). Нисък NDVI резултат ни казва, че дадена реколта има по-малко хлорофил, което почти сигурно сочи към дефицит на азот. Но тук е уловката: RGB камерите могат да забележат само очевидни недостатъци в късен етап. Докато листата пожълтяват, културата вече е загубила значителен потенциал за растеж. Тук се намесват други сензори.
Термичното изображение променя играта за ранно откриване и затова предлагаме термовизионен селскостопански дрон за клиенти, които искат да уловят проблемите, преди да са видими с невъоръжено око. Термичните сензори измерват температурата на повърхността на растенията до частица от градуса. Когато растението е здраво, неговите устица (малки пори на листата) са отворени, което му позволява да транспирира - освобождава водна пара - която охлажда повърхността на листата. Ако на едно растение липсват ключови хранителни вещества като фосфор или магнезий, устицата му се затварят, за да пестят ресурси, а температурата на листата се повишава. Тази температурна разлика е фина, но термалната камера може да я улови дори преди да се появят промени в цвета. Миналата година земеделски производител на пшеница в Канзас използва нашите термични дронове, за да открие дефицит на магнезий в петно от 2 акра пшеница 10 дни преди останалата част от полето да покаже симптоми. Те прилагат целенасочено листно пръскане, вместо да покрият цялото поле, спестявайки стотици долари в торове и предотвратявайки 15% загуба на добив. Това е вид възвръщаемост на инвестициите, за който говорим, когато обясняваме как тези дронове работят отвъд просто пръскане.
Друг ключов инструмент са мултиспектралните сензори, които улавят светлина в ленти отвъд видимото червено и почти инфрачервеното – като червения ръб, тясна лента между червеното и близкото инфрачервено, която е изключително чувствителна към стреса на растенията. Индексът на отразяване на червения ръб (REI) е особено полезен за откриване на дефицити на желязо, цинк и други микроелементи, които RGB камерите пропускат. Недостигът на микроелементи често причинява уникални реакции на стрес: недостигът на желязо, например, води до междужилкова хлороза (пожълтяване между листните вени) в младите листа, докато дефицитът на цинк причинява розетка (забавен, клъстерен растеж) при царевицата. Мултиспектралните сензори улавят уникалния спектрален „пръстов отпечатък“ на тези недостатъци, който софтуер за анализ на данни след това картографира на точни места на полето.
След като дронът събере всички тези данни, това не е просто купчина снимки – ние използваме базиран на облак агрономически софтуер, за да ги обработим. GPS на дрона прикрепва всички данни към конкретно място във фермата, така че получавате топлинна карта (често наричана карта на дефицит на хранителни вещества), която показва точно къде културите са подложени на стрес. Това е мястото, където нашите дронове за пръскане стават невероятно ценни: вместо да карате трактор над всеки инч от полето, можете да използвате картата, за да пръскате само площите с дефицит. Нашите модели Drone за пръскане за ферма, като 10L Agricultural Drone, могат да пренасят достатъчно течен тор или листни хранителни вещества, за да покрият 10 акра с едно зареждане на батерията, а тяхната прецизна система за пръскане е насочена само към стресираните растения, намалявайки отпадъците с до 70% в сравнение с традиционното разпръскване. Разполагаме и с 20L спрей дрон за по-големи операции, който може да покрие два пъти повече площ за едно и също време на полет, което го прави идеален за ферми над 500 акра.
Важно е да се отбележи, че дрон технологията не замества почвените тестове или експертните агрономически съвети – тя ги допълва. Почвените тестове ви казват какво има в земята, но дрон ви казва какво всъщност поема растението. Понякога тестът на почвата показва достатъчно азот, но уплътненият слой в почвата пречи на корените на растението да имат достъп до него, което води до дефицит. Дроновете улавят този надземен стрес, така че знаете как да се справите с уплътняването на почвата, а не просто да добавяте повече тор. За производителите на царевица, по-специално, нашият дрон за засяване на царевица може дори да бъде калибриран за засаждане на покривни култури в дефицитните райони, подобрявайки здравето на почвата за бъдещи вегетационни сезони.
Работихме със стотици фермери през последните три години и въпросът, който получавам най-често е: „Може ли тази технология наистина да бъде толкова точна?“ Краткият отговор е да - когато е калибриран правилно. Ключът е да управлявате дрона в точното време на деня, при постоянни условия на осветление и с ясно разбиране за нуждите от хранителни вещества на всяка култура. Например, царевицата има високи нужди от азот по време на етапа на вегетативен растеж, така че летенето на нашите дронове по време на растеж V6-V8 (когато царевицата е висока до коленете) дава най-надеждните данни за дефицит на хранителни вещества. Ето защо ние предоставяме персонализирани летателни планове и агрономическо обучение с всеки дрон, който продаваме, така че нашите клиенти не просто купуват част от оборудването – те знаят как да го използват, за да решат своите специфични проблеми във фермата.
Друго често срещано погрешно схващане е, че селскостопанските дронове са твърде скъпи за малки ферми. В действителност възвръщаемостта на инвестициите често е по-бърза, отколкото си мислите. Семейна ферма от 5 акра в Айова използва нашия термовизионен селскостопански дрон през миналия вегетационен период, за да забележи дефицит на калий в полето със соя. Вместо да приложат разпръснат тор на стойност $1200, те приложиха целенасочен листен спрей на стойност $300 и добивът им се увеличи с 8% в този пластир – достатъчно, за да платят за дрона за един сезон. За ферми от всякакъв размер способността да бъдете прецизни с хранителните вещества намалява вложените разходи, повишава добивите и е по-устойчива.
Разбира се, има ограничения. Данните от дронове могат да бъдат изкривени от фактори като облачност, силен вятър или дори прах върху обектива на камерата, така че е важно да следвате най-добрите практики за полетни операции. Освен това някои дефицити на хранителни вещества имат подобни спектрални отпечатъци, така че комбинирането на данни от дронове с тестове на листна тъкан (взети от точните места, идентифицирани от дрона) гарантира, че правите правилното лечение. Нашият екип винаги препоръчва съчетаването на мониторинг с дрон с редовно вземане на проби от листа и ние предлагаме партньорства с местни агрономи, за да помогнем на нашите клиенти да интерпретират данните си правилно.
Гледайки напред, ние непрекъснато подобряваме нашата дрон технология, за да направим откриването на хранителни вещества още по-прецизно. Следващата година пускаме нов модел с хиперспектрални сензори, които улавят стотици светлинни ленти, за да уловят още по-фини сигнали за хранителен стрес. Но дори и с настоящата технология, способността за ранно откриване на хранителни дефицити и целеви лечения е едно от най-въздействащите приложения на селскостопанските дронове днес.
Ако сте земеделски производител, който иска да намали вложените разходи, да увеличи добивите и да премахне догадките при управлението на хранителните вещества, нашият екип може да ви помогне да намерите правилния дрон за вашата операция. Независимо дали сте малка ферма, която търси компактен 10L селскостопански дрон, или голяма търговска дейност, нуждаеща се от капацитета на 20L спрей дрон, ние имаме решения, съобразени с вашите нужди. Не се колебайте да се свържете с нас, за да обсъдим конкретните цели на вашата ферма и как нашата дрон технология може да ви помогне да ги постигнете.


Референции
- Мула, DJ (2013). Двадесет и пет години дистанционно наблюдение в прецизното земеделие: Ключови постижения и оставащи пропуски в знанията. Биосистемно инженерство, 114 (4), 358-371.
- Sakamoto, T., Gitelson, AA, & Arkebauer, TJ (2012). Дистанционна оценка на съдържанието на хлорофил в листата при царевица и соя с помощта на индекси на отразяване на червения ръб. Агрономически вестник, 104 (3), 778-786.
- Джоунс, HG (2004). Растения и микроклимат: Количествен подход към физиологията на растенията в околната среда. Cambridge University Press.
- Джан, С. и Ковач, Дж.М. (2012). Приложението на малки безпилотни летателни системи за прецизно земеделие: преглед. Прецизно земеделие, 13 (6), 693-712.