Jika anda telah terbang melintasi ladang kebelakangan ini dan ternampak drone melesat di antara barisan tanaman, merakam gambar atau melayang untuk menangkap tanda tangan haba, anda mungkin tertanya-tanya: bagaimana sebenarnya mesin terbang kecil itu memberitahu apabila tumbuhan kehilangan nutrien utama? Sebagai seseorang yang telah menghabiskan lima tahun terakhir membekalkan dron pertanian ke ladang keluarga kecil dan operasi komersial yang besar, saya telah melihat teknologi ini mengubah cara penanam mengesan kekurangan nutrien—tidak lagi berjalan 10 batu sehari dengan kit ujian tanah, tidak lagi meneka tompok jagung mana yang terbantut. Ini semua tentang menggabungkan penderia on-board, analitik data dan pemahaman mendalam tentang fisiologi tumbuhan untuk menjadikan data yang dikumpul dron menjadi cerapan yang boleh diambil tindakan.
Mari kita mulakan dengan asas. Tumbuhan mendapat nutrien dari tiga sumber utama: tanah, air, dan udara. Kekurangan kelihatan berbeza bergantung pada nutrien—sesetengahnya menyebabkan daun menguning, yang lain membantutkan pertumbuhan, malah ada yang mengubah suhu tumbuhan itu sendiri. Dron pertanian bukan sahaja "melihat" warna seperti mata manusia; ia menggunakan kamera dan penderia khusus untuk mengambil butiran yang kami tidak dapat, di mana keajaiban sebenar berlaku.
Kamera cahaya yang boleh dilihat, contohnya, mengesan perubahan dalam warna daun. Klorofil, pigmen hijau dalam tumbuhan, bertanggungjawab untuk fotosintesis-dan ia bergantung kepada nitrogen, salah satu nutrien yang paling biasa diperlukan oleh tanaman. Apabila tumbuhan kekurangan nitrogen, klorofil terurai, bertukar daun menjadi kuning pucat atau hijau muda dan bukannya hijau dalam dan bersemangat. Kamera RGB (merah, hijau, biru) dron boleh mengukur keamatan cahaya hijau yang dipantulkan oleh daun, dan memasukkannya ke dalam pengiraan indeks tumbuhan perbezaan normal (NDVI). NDVI ialah formula ringkas yang membandingkan perbezaan antara cahaya inframerah-dekat (yang tumbuh-tumbuhan yang sihat memantulkan banyak) dan cahaya merah (yang mereka serap). Skor NDVI yang rendah memberitahu kita bahawa patch tanaman mempunyai kurang klorofil, hampir pasti menunjukkan kekurangan nitrogen. Tetapi inilah tangkapannya: kamera RGB hanya dapat mengesan kelemahan peringkat akhir yang jelas. Pada masa daun menjadi kuning, tanaman telah kehilangan potensi pertumbuhan yang ketara. Di situlah sensor lain masuk.
Pengimejan terma ialah pengubah permainan untuk pengesanan awal, dan itulah sebabnya kami menyimpan Dron Pertanian Pengimejan Terma untuk pelanggan yang ingin menangkap masalah sebelum mereka dapat dilihat dengan mata kasar. Penderia terma mengukur suhu permukaan tumbuhan, sehingga ke pecahan darjah. Apabila tumbuhan sihat, stomatanya (liang-liang kecil pada daun) terbuka, membolehkan ia menjelma—melepaskan wap air—yang menyejukkan permukaan daun. Jika tumbuhan kehilangan nutrien utama seperti fosforus atau magnesium, stomatanya hampir untuk memulihara sumber, dan suhu daun meningkat. Perbezaan suhu ini adalah halus, tetapi kamera terma boleh mengambilnya walaupun sebelum perubahan warna muncul. Tahun lepas, seorang petani gandum di Kansas menggunakan dron terma kami untuk mengesan kekurangan magnesium dalam tampung gandum seluas 2 ekar 10 hari sebelum ladang lain menunjukkan gejala. Mereka menggunakan semburan daun yang disasarkan, bukannya meliputi seluruh ladang, menjimatkan ratusan dolar dalam baja dan menghalang kehilangan hasil sebanyak 15%. Itulah jenis ROI yang kami bincangkan apabila kami menerangkan cara dron ini berfungsi selain daripada semburan.
Alat penting lain ialah penderia berbilang spektrum, yang menangkap cahaya dalam jalur melangkaui tepi merah seperti merah dan inframerah-hampir yang kelihatan, jalur sempit antara merah dan inframerah dekat yang lebih sensitif kepada tekanan tumbuhan. Indeks pemantulan tepi merah (REI) amat berguna untuk mengesan kekurangan zat besi, zink dan mikronutrien lain yang kamera RGB terlepas. Kekurangan mikronutrien sering menyebabkan tindak balas tekanan yang unik: kekurangan zat besi, contohnya, membawa kepada klorosis interveinal (menguning antara urat daun) pada daun muda, manakala kekurangan zink menyebabkan rosetting (terbantut, pertumbuhan berkelompok) dalam jagung. Penderia berbilang spektrum mengambil "cap jari" spektrum unik bagi kekurangan ini, yang kemudiannya dipetakan oleh perisian analitik data ke lokasi yang tepat di lapangan.
Setelah dron mengumpul semua data ini, ia bukan sekadar timbunan foto—kami menggunakan perisian agronomik berasaskan awan untuk memprosesnya. GPS drone menyematkan setiap titik data ke lokasi tertentu di ladang, supaya anda mendapat peta haba (selalunya dipanggil peta kekurangan nutrien) yang menunjukkan dengan tepat di mana tanaman ditekankan. Di sinilah dron penyembur kami menjadi sangat berharga: daripada memandu traktor ke atas setiap inci medan, anda boleh menggunakan peta untuk menyembur kawasan yang kekurangan sahaja. Model Dron Penyemburan untuk Ladang kami, seperti Dron Pertanian 10L, boleh membawa baja cecair atau nutrien daun yang mencukupi untuk menampung 10 ekar pada satu cas bateri, dan sistem penyemburan ketepatannya hanya menyasarkan tumbuhan yang ditekan, mengurangkan sisa sehingga 70% berbanding penyemburan siaran tradisional. Kami juga mempunyai Drone Semburan 20L untuk operasi yang lebih besar, yang boleh meliputi dua kali kawasan itu dalam masa penerbangan yang sama, menjadikannya sesuai untuk ladang lebih 500 ekar.
Adalah penting untuk ambil perhatian bahawa teknologi dron tidak menggantikan ujian tanah atau nasihat agronomi pakar—ia melengkapkannya. Ujian tanah memberitahu anda apa yang ada di dalam tanah, tetapi dron memberitahu anda apa yang sebenarnya diambil oleh tumbuhan itu. Kadangkala ujian tanah menunjukkan nitrogen yang mencukupi, tetapi lapisan padat di dalam tanah menghalang akar tumbuhan daripada mengaksesnya, membawa kepada kekurangan. Dron mengambil tekanan di atas tanah itu, jadi anda tahu untuk menangani pemadatan tanah, bukan hanya menambah lebih banyak baja. Bagi penanam jagung, khususnya, Drone Pembenihan Jagung kami juga boleh ditentukur untuk menanam tanaman penutup di kawasan yang kekurangan, meningkatkan kesihatan tanah untuk musim penanaman akan datang.
Kami telah bekerja dengan beratus-ratus petani sepanjang tiga tahun yang lalu, dan soalan yang paling kerap saya dapat ialah: "Bolehkah teknologi ini benar-benar tepat?" Jawapan ringkasnya ialah ya—apabila ditentukur dengan betul. Kuncinya ialah menerbangkan dron pada masa yang sesuai, di bawah keadaan pencahayaan yang konsisten, dan dengan pemahaman yang jelas tentang keperluan nutrien setiap tanaman. Sebagai contoh, jagung mempunyai keperluan nitrogen yang tinggi semasa peringkat pertumbuhan vegetatif, jadi menerbangkan dron kami semasa pertumbuhan V6-V8 (apabila jagung setinggi lutut) memberikan data kekurangan nutrien yang paling boleh dipercayai. Itulah sebabnya kami menyediakan pelan penerbangan tersuai dan latihan agronomik dengan setiap dron yang kami jual, jadi pelanggan kami tidak hanya membeli sekeping peralatan—mereka tahu cara menggunakannya untuk menyelesaikan masalah ladang khusus mereka.
Satu lagi tanggapan salah umum ialah drone pertanian terlalu mahal untuk ladang kecil. Pada hakikatnya, ROI selalunya lebih pantas daripada yang anda fikirkan. Sebuah ladang keluarga seluas 5 ekar di Iowa menggunakan Dron Pertanian Pengimejan Terma kami pada musim penanaman yang lalu untuk melihat kekurangan kalium dalam ladang kacang soya mereka. Daripada menggunakan baja penyiaran bernilai $1,200, mereka menggunakan semburan daun yang disasarkan bernilai $300, dan hasil mereka meningkat sebanyak 8% dalam tampung itu—cukup untuk membayar drone dalam satu musim. Untuk ladang dari semua saiz, keupayaan untuk menjadi tepat dengan nutrien mengurangkan kos input, meningkatkan hasil, dan juga lebih mampan.
Sudah tentu, terdapat batasan. Data dron boleh dipesongkan oleh faktor seperti litupan awan, angin kencang atau habuk pada lensa kamera, jadi penting untuk mengikuti amalan terbaik untuk operasi penerbangan. Selain itu, beberapa kekurangan nutrien mempunyai cap jari spektrum yang serupa, jadi menggabungkan data dron dengan ujian tisu daun (diambil dari lokasi tepat yang dikenal pasti oleh dron) memastikan anda membuat rawatan yang betul. Pasukan kami sentiasa mengesyorkan memasangkan pemantauan dron dengan pensampelan daun biasa, dan kami menawarkan perkongsian dengan ahli agronomi tempatan untuk membantu pelanggan kami mentafsir data mereka dengan betul.
Memandang ke hadapan, kami sentiasa meningkatkan teknologi dron kami untuk menjadikan pengesanan nutrien lebih tepat. Tahun depan, kami melancarkan model baharu dengan penderia hiperspektral, yang menangkap ratusan jalur cahaya untuk mengambil isyarat tekanan nutrien yang lebih halus. Tetapi walaupun dengan teknologi semasa, keupayaan untuk mengesan kekurangan nutrien awal dan rawatan sasaran adalah salah satu penggunaan dron pertanian yang paling berkesan hari ini.
Jika anda seorang petani yang ingin mengurangkan kos input, meningkatkan hasil dan mengambil tekaan daripada pengurusan nutrien, pasukan kami boleh membantu anda mencari dron yang sesuai untuk operasi anda. Sama ada anda sebuah ladang kecil yang mencari Dron Pertanian 10L padat atau operasi komersial besar yang memerlukan kapasiti Dron Semburan 20L, kami mempunyai penyelesaian yang disesuaikan dengan keperluan anda. Jangan teragak-agak untuk berhubung dengan kami untuk membincangkan matlamat khusus ladang anda dan cara teknologi dron kami boleh membantu anda mencapainya.


Rujukan
- Mulla, DJ (2013). Dua puluh lima tahun penderiaan jauh dalam pertanian ketepatan: Kemajuan utama dan jurang pengetahuan yang masih ada. Kejuruteraan Biosistem, 114(4), 358-371.
- Sakamoto, T., Gitelson, AA, & Arkebauer, TJ (2012). Anggaran jauh kandungan klorofil daun dalam jagung dan kacang soya menggunakan indeks pemantulan tepi merah. Jurnal Agronomi, 104(3), 778-786.
- Jones, HG (2004). Tumbuhan dan iklim mikro: Pendekatan kuantitatif terhadap fisiologi tumbuhan alam sekitar. Cambridge University Press.
- Zhang, C., & Kovacs, JM (2012). Aplikasi sistem udara tanpa pemandu kecil untuk pertanian ketepatan: Kajian semula. Precision Agriculture, 13(6), 693-712.