Практыка дакладнай сельскай гаспадаркі прадугледжвае больш дакладны пасеў, абрашэнне, угнаенне і выкарыстанне пестыцыдаў для аптымізацыі раслінаводства з мэтай павелічэння даходаў вытворцаў і адначасовага зніжэння ўздзеяння сельскай гаспадаркі на навакольнае асяроддзе. У гэтым артыкуле мы абмяркуем выкарыстанне метадаў ПА, такіх як абрашэнне з пераменнай хуткасцю і дыстанцыйнае зандзіраванне, у вытворчасці бульбы.
Па дадзеных Міжнароднага таварыства дакладнага земляробства, «дакладнае земляробства (PA) - гэта стратэгія кіравання, якая збірае, апрацоўвае і аналізуе часовыя, прасторавыя і індывідуальныя дадзеныя і аб'ядноўвае іх з іншай інфармацыяй для падтрымкі кіраўніцкіх рашэнняў у адпаведнасці з ацэначнай зменлівасцю для павышэння эфектыўнасці выкарыстання рэсурсаў. , прадукцыйнасць, якасць, рэнтабельнасць і ўстойлівасць сельскагаспадарчай вытворчасці».
Іншымі словамі, ПА дае магчымасць рабіць правільныя рэчы, у патрэбным месцы, у патрэбны час і правільным чынам. Высокакаштоўныя культуры, такія як бульба, прызнаны добрымі кандыдатамі для прыняцця ПА з-за высокага кошту рэсурсаў. Акрамя таго, адчувальнасць ураджайнасці і якасці клубняў бульбы да вытворчай практыкі і ўмоў навакольнага асяроддзя робіць дакладнае кіраванне эканамічна важным.
Ірыгацыя са зменнай хуткасцю
Тэхналогія арашэння з пераменнай хуткасцю (VRI) падае ваду з зменнай хуткасцю, а не з адной раўнамернай хуткасцю ўздоўж даўжыні цэнтральнага шарніра. Ёсць два этапы прымянення VRI: па-першае, на аснове электраправоднасці глебы (EC) або карты вышынь поле падзелена на розныя зоны кіравання; па-другое, сістэма падае пэўную колькасць вады на розныя зоны кіравання шляхам уключэння і выключэння асобных фарсунак (VRI кіравання фарсункамі) або кантролю хуткасці руху шарніра (VRI кантролю хуткасці).
VRI можа ўжываць ваду з рознымі хуткасцямі для розных культур або гатункаў, розных тыпаў глеб, участкаў з высокім або нізкім сцёкам, схільных да ўвільгатнення і насычэння, і экалагічна адчувальных участкаў на полі. Галоўная мэта VRI - пазбегнуць празмернага і недастатковага арашэння, каб вада не марнавалася і не ўзнікала воднага стрэсу, у той час як ураджайнасць і якасць сельскагаспадарчых культур захоўваюцца або павялічваюцца.
Улетку 2018 года мы правялі даследаванне, каб колькасна ацаніць перавагі выкарыстання VRI пры прамысловай вытворчасці бульбы (Russet Burbank) у Вісконсіне. Мы выбралі два палі, якія арашалі адпаведна VRI з кіраваннем соплам і VRI з рэгуляваннем хуткасці.
У кожным полі была розніца ў вышыні каля 15 футаў паміж самай высокай і самай нізкай часткамі. Падчас збору ўраджаю мы ацанілі ўраджайнасць клубняў і якасць самай засушлівай вобласці, самай прадстаўнічай/сярэдняй вобласці і самай вільготнай вобласці кожнага поля. Пры VRI з кантролем сопла (малюнак 1а) адбылося значнае зніжэнне ўраджаю (каля 140 вагавых вагаў/год, p<0.05) у самай вільготнай вобласці ў параўнанні з сярэдняй вобласцю. Ураджайнасць з самай засушлівай вобласці была крыху вышэй (каля 20 ц/г, p>0.05), чым з сярэдняй плошчы. Пры кантролі хуткасці VRI (малюнак 1b) не было істотнай розніцы ва ўраджайнасці паміж трыма месцамі, хаця колькасць у самай засушлівай вобласці была вышэй, чым у сярэдняй і самай вільготнай раёнах.
Нашы дадзеныя сведчаць аб наступным:
- Вялікай перавагай выкарыстання VRI з'яўляецца павышэнне ўраджайнасці і якасці, такім чынам, патэнцыйнае павышэнне прыбытковасці ў самай цяжкай (або з высокім сцяканнем) зоне поля, якая больш уразлівая да недастатковага арашэння. VRI здольны падтрымліваць вільготнасць глебы ў зоне ўкаранення раслін;
- VRI можа зэканоміць ваду для арашэння і павысіць эфектыўнасць арашэння ў нізкіх частках поля, якія маюць тэндэнцыю быць вільготнымі або насычанымі. Аднак нават пры VRI кіраванне ўраджайнасцю і якасцю бульбы ў нізкіх зонах па-ранейшаму з'яўляецца складанай задачай, паколькі ў раслін больш праблем з гніеннем і дэфектамі;
- VRI з'яўляецца перспектыўнай сістэмай эканоміі вады пры адначасовым павышэнні рэнтабельнасці бульбы, але неабходная далейшая дапрацоўка, каб лепш кіраваць ёю на палях з зменлівасцю.
Дыстанцыйнае зандзіраванне і машыннае навучанне
Каб падтрымліваць ураджайнасць і рэнтабельнасць, фермеры, якія займаюцца вырошчваннем бульбы, павінны задаволіць патрэбнасць культур у азоце. Каб звесці да мінімуму дэградацыю навакольнага асяроддзя і знізіць фінансавыя рызыкі, звязаныя з нарматыўнай і прававой нявызначанасцю, звязанай з нітратамі ў падземных водах, бульбаводам патрэбныя новыя інструменты кіравання, якія дапамогуць ім уносіць патрэбную колькасць азоту ў патрэбны час на працягу вегетацыйнага перыяду.
Звычайна выкарыстоўваюцца метады маніторынгу стану азоту ў раслінах бульбы ў сезон з'яўляюцца працаёмкімі, адымаюць шмат часу, часам уводзяць у зман і прымяняюцца толькі да канкрэтнага месца ў межах поля. Акрамя таго, няма агульнадаступных інструментаў, якія б стваралі карты цэлых палёў для прагназавання стану азоту ў раслінах у сезон і ўраджайнасці клубняў у канцы сезона з дапамогай здымкаў дыстанцыйнага зандзіравання.
Дыстанцыйнае зандзіраванне - гэта інавацыйны, своечасовы, неразбуральны і прасторава ўсёабдымны падыход да паляпшэння існуючых практык кіравання раслінаводствам у сезон. Дыстанцыйнае зандзіраванне звычайна забяспечвае некалькі вузкіх спектральных палос (~ 3-10 нм), якія могуць фіксаваць асаблівасці тонкага паглынання пажыўных рэчываў для культур. Да гэтага часу многія даследаванні паказалі, што дыстанцыйнае зандзіраванне можна эфектыўна прымяняць для прагназавання параметраў/зменных ураджаю, такіх як індэкс плошчы лісця, біямаса, канцэнтрацыя азоту ў лісці і г.д.
Метады, якія выкарыстоўваюцца для прагназавання/мадэлявання прыкмет ураджаю, у асноўным сканцэнтраваны на стварэнні алгарытмаў прагназавання паміж спектральнымі сігналамі і палявымі вымярэннямі. Тыповым прэдыктарам мадэлі з'яўляюцца індэксы расліннасці (VI), якія з'яўляюцца матэматычнымі камбінацыямі адбівальнай здольнасці ў двух або больш спектральных дыяпазонах. Напрыклад, нармалізаваны індэкс розніцы расліннасці (NDVI) шырока выкарыстоўваўся ў папярэдніх даследаваннях з-за яго простага прымянення для маніторынгу дынамікі расліннасці ў рэгіянальным і глабальным маштабах.
Мы вывучылі тры мадэлі машыннага навучання (дрэва рашэнняў (DT), машына апорных вектараў (SVM) і выпадковы лес (RF)), якія выкарыстоўвалі NDVI для прагназавання N-статусу і канчатковага ўраджаю чатырох гатункаў бульбы (двух сыраежак, у тым ліку Silverton і Lakeview Russet, два чыпперы, у тым ліку Сноўдэн і Ходаг) на працягу двух вегетацыйных сезонаў у 2018 і 2019 гадах.
Нашы папярэднія вынікі паказалі, што NDVI мае вялікі патэнцыял для прагназавання статусу азоту ў бульбе, які вызначаецца NO3-N у хвосціках, агульным азотам ва ўсім лісце або агульным азотам ва ўсёй лазе, а таксама агульнай ураджайнасці ў канцы сезона (табліца 4). Мы выкарыстоўвалі R2, які вар'іруецца ад 0 да 1, каб вымераць адпаведнасць мадэляў. Чым вышэй R2, тым лепшы прагноз. Лічыцца вельмі добрым прагнозам, калі R2 вышэй за 0.75.
Пры абедзвюх сістэмах VRI клубні з самай вільготнай зоны мелі меншую ўдзельную вагу ў параўнанні з клубнямі з самай сухой і сярэдняй вобласці, і розніца ў сістэме кантролю сопла была значнай (табліца 1).
Малюнак 2 паказаў, што клубні з самай вільготнай зоны кожнага поля мелі значна большае стаўленне даўжыні да шырыні. Адпаведна, павялічылася і захворванне
полае сэрца ў клубнях з самых вільготных участкаў абодвух палёў, і розніца была значнай пры сістэме кантролю хуткасці (табл. 2).
Падчас захоўвання пры тэмпературы ніжэй за 48°F мы назіралі больш высокую частату гніення клубняў з самых вільготных участкаў абодвух палёў (малюнак 3). Мяркуецца, што клубні, выгадаваныя ў насычаных глебах, мелі павялічаныя чечавічкі на паверхні, якія стваралі ідэальныя кропкі ўваходу для патагенаў у полі і падчас захоўвання.
Акрамя таго, мы разлічылі эфектыўнасць арашэння (IE) сістэмы кантролю хуткасці VRI (лічбы VRI кантролю сопла былі недаступныя), і гэта паказала, што адбылося значнае паляпшэнне IE у самай вільготнай зоне ў параўнанні з сярэдняй плошчай поле. ІЭ ў самым засушлівым раёне быў крыху вышэй за сярэдні (табл. 3).
Што тычыцца статусу азоту, выкарыстанне NDVI для прагназавання нітрату-N у хвосціках дало найлепшыя вынікі R2 для абодвух тыпаў бульбы ў параўнанні з агульным N для ўсяго ліста і агульнага N для ўсёй лазы. Для прагназавання агульнай ураджайнасці DT і RF былі лепшымі, чым SVM, і вынікі для 2019 года былі лепшымі, чым за 2018 год (табліца 4 вышэй).
Да гэтага часу мы выявілі, што:
- 1) дрэва рашэнняў і выпадковы лес лепш, чым машына апорнага вектара, для прагназавання як статусу N у сезоне, так і ўраджайнасці бульбы ў канцы сезона;
- 2) Нітрат-N у хвосціках можна лепш прадказаць з дапамогай NDVI і мадэляў машыннага навучання ў параўнанні з агульным N у лісці або лазе. Мы праверым мадэлі і пашырым гэтую працу, выкарыстоўваючы дадзеныя за больш гадоў па большай колькасці гатункаў бульбы.
Аўтар дзякуе Вісконсінскай асацыяцыі вытворцаў бульбы і агародніны, Дэпартаменту сельскай гаспадаркі, гандлю і абароны спажыўцоў Вісконсіна, Даследчаму савету па ўгнаеннях Вісконсіна і Каледжу сельскай гаспадаркі і біялагічных навук Універсітэта Вісконсіна-Мэдысан за фінансаванне нашага даследавання.
— І Ван — дацэнт кафедры садаводства Універсітэта Вісконсіна-Мэдысан. Яна былая лаўрэат прэміі Spudman's Emerging Leader Award.