Цифровые технологии повышают урожайность и снижают воздействие сельского хозяйства

Производители арахиса (Arachis hypogaea L.), картофеля (Solanum tuberosum) и батата (Ipomoea batatas) сталкиваются с проблемой оценки оптимального времени сбора урожая, его качества и объёма, так как эти культуры являются подземными.

"Для сбора арахиса 70% стручков должны быть зрелыми. Чтобы это проверить, нужно выдернуть растения из земли и провести визуальную оценку. Эта операция, называемая выкопкой, также приводит к перемещению почвы и, как следствие, к выбросам CO₂", — пояснил Руверсон Перейра да Силва, профессор Университета штата Сан-Паулу (UNESP).

Используя технологии дистанционного зондирования (спутниковые снимки или датчики на дронах), датчики на сельхозтехнике и инструменты искусственного интеллекта, исследователи разработали компьютерные модели. Они помогают дистанционно анализировать листья растений для оценки урожайности и зрелости культур, например, арахиса. Это позволяет повысить продуктивность и сократить выбросы CO₂ от интенсивной обработки почвы.

"Модели, которые мы разработали, могут оценить зрелость арахиса, например, с точностью более 90%, что устраняет необходимость в выкопке. В случае с бататом мы даже смогли оценить размер урожая", — сообщил исследователь.

Для точной оценки учёные анализируют изображения с камер дронов или спутников, которые фиксируют отражательную способность (рефлектанс) растения в видимом и невидимом (инфракрасном, ближнем инфракрасном) диапазонах. На основе этого рассчитываются индексы зрелости.

"Рефлектанс показывает здоровье растения. Больные листья имеют другой цвет и по-другому отражают солнечную энергию. И чем здоровее растение, тем больше оно произведёт", — сказал Силва.

Проект находится на стадии передачи технологии производителям — длительном и сложном процессе, поскольку для создания надёжной модели требуются многолетние полевые данные по разным сортам культур.

Экономия воды

Другая группа исследователей из Школы сельскохозяйственного машиностроения Университета Кампинаса (FEAGRI-UNICAMP, Бразилия) использовала миниатюрную радиолокационную систему на дронах для создания карт влажности почвы на плантациях, например, сахарного тростника.

Технология, основанная на взаимодействии частотных волн, излучаемых этой РЛС в трёх различных диапазонах, позволяет оценить количество доступной воды на разных участках поля. Точность системы в оценке относительной влажности почвы превышает 90%.

"Мы смогли хорошо предсказать продуктивность этой культуры задолго до срока, с точки зрения количества биомассы, которая будет произведена к моменту созревания, а также лучшую дату для сбора урожая", — отметила профессор Барбара Джанет Теруэль Медейрос.

Оценка влажности почвы позволяет внедрить системы орошения с переменной нормой, что приводит к значительной экономии воды, так как можно подавать оптимальное количество воды для конкретного участка, избегая переувлажнения или недостатка.

Аналогичные цели преследуют два недавно запущенных в Европе проекта с участием исследователей из Института сельскохозяйственных наук Национального исследовательского совета Испании (ICA-CSIC):

• Проект DATI (Испания, Италия, Марокко, Португалия, Франция) направлен на разработку новых технологических решений в области цифрового сельского хозяйства с использованием дронов, спутниковых снимков и агрометеорологических станций для сокращения потребления воды на 15–20% по сравнению с традиционными системами.
• Проект Earth Observation for Water Use Efficiency нацелен на создание инструментов на основе наблюдений Земли для оценки и управления эффективностью использования воды и продуктивностью пастбищ и зерновых культур в Средиземноморском регионе.

"Нам нужны решения для точного земледелия, потому что почва неоднородна, и растения развиваются не одинаково по всей площади. Поэтому мы не можем управлять всей территорией одинаково. Идея состоит в том, чтобы разделить её на зоны для действительно специфического управления", — сказала исследователь ICA Ирене Борра.

Испанские исследователи также работают над повышением точности обнаружения водного стресса у виноградной лозы путём анализа изображений с беспилотных летательных аппаратов и показателей на основе эвапотранспирации.