Производство на картофи: използване на практики за прецизно земеделие

Прецизните земеделски практики включват по-прецизно засяване, напояване, торене и използване на пестициди, за да се оптимизира производството на култури с цел увеличаване на приходите на производителите и едновременно намаляване на въздействието на селското стопанство върху околната среда. В тази статия ще обсъдим използването на PA практики, като напояване с променлива скорост и дистанционно наблюдение, в производството на картофи.

Според Международното дружество за прецизно земеделие, „прецизното земеделие (PA) е стратегия за управление, която събира, обработва и анализира времеви, пространствени и индивидуални данни и ги комбинира с друга информация, за да подкрепи управленските решения в съответствие с изчислената променливост за подобряване на ефективността на използване на ресурсите , производителност, качество, рентабилност и устойчивост на селскостопанското производство.”

С други думи, PA предоставя възможността да направите правилното нещо, на точното място, в точното време и по правилния начин. Културите с висока стойност като картофите са признати като добри кандидати за приемане на PA поради високата цена на суровините. В допълнение, чувствителността на добива и качеството на картофените клубени към производствените практики и условията на околната среда прави прецизното управление икономически критично. 

Напояване с променлива скорост

Технологията за напояване с променлива скорост (VRI) прилага вода с променливи скорости, а не с една равномерна скорост по дължината на централната ос. Има две стъпки за прилагане на VRI: първо, въз основа на електропроводимостта на почвата (EC) или картографиране на височината, полето се разделя на различни зони за управление; второ, системата прилага определено количество вода върху различни зони за управление чрез включване и изключване на отделни дюзи (контрол на дюзите VRI) или контролиране на скоростта на движение на шарнира (контрол на скоростта VRI).

VRI може да прилага вода с различни количества за различни култури или сортове, различни типове почви, зони с висок отток или ниски зони, склонни към намокряне и насищане, и чувствителни към околната среда зони в полето. Основната цел на VRI е да се избегне прекомерно и недостатъчно напояване, така че да не се губи вода и да не се появява воден стрес, докато добивът и качеството на реколтата се поддържат или повишават. 

През лятото на 2018 г. проведохме проучване, за да определим количествено ползите от използването на VRI върху търговски картофи (Russet Burbank) производство в Уисконсин. Избрахме две полета, напоявани съответно с VRI с контрол на дюзите и VRI с контрол на скоростта.

Във всяко поле имаше около 15 фута разлика във височината между най-високите и най-ниските зони. При прибиране на реколтата ние оценявахме добива на грудки и качеството на най-сухата зона, най-представителната/средна площ и най-влажната площ на всяко поле. При контрол на дюзата VRI (Фигура 1а) имаше значително намаляване на добива (около 140 cwt/a, p<0.05) в най-влажната зона в сравнение със средната площ. Добивът от най-сухата зона е малко по-висок (около 20 cwt/a, p>0.05) от този от средната площ. При VRI с контрол на скоростта (Фигура 1b) не е имало значителна разлика в добива между трите места, въпреки че броят в най-сухата зона е по-висок от тези в средните и най-влажните зони.

Нашите данни показват, че: 

• Голяма полза от използването на VRI е подобряването на добива и качеството, следователно потенциално подобряване на рентабилността в най-страшната (или най-високата) зона на поле, което е по-уязвимо от недостатъчно напояване. VRI е в състояние да поддържа почвената влага в зоната на вкореняване на растенията;
• VRI може да спести вода за напояване и да подобри ефективността на напояването в ниската област на поле, което има тенденция да бъде мокро или наситено. Въпреки това, дори при VRI, управлението на добива и качеството на картофи в ниската зона все още е предизвикателство, тъй като растенията са склонни да имат повече проблеми с гниене и дефекти;
• VRI е обещаваща система за пестене на вода, като същевременно подобрява рентабилността на картофите, но е необходима допълнителна фина настройка, за да се управлява по-добре на полета с променливост. 

Дистанционно наблюдение и машинно обучение

За да поддържат добива и рентабилността, картофените фермери трябва да задоволят нуждата на културите от азот. За да се сведе до минимум влошаването на околната среда и да се намалят финансовите рискове, свързани с регулаторната и правна несигурност около нитратите в подпочвените води, картофените фермери се нуждаят от нови инструменти за управление, които да им помогнат да прилагат точното количество азот в точното време през целия вегетационен период. 

Често използваните методи за мониторинг на състоянието на азота в картофените растения през сезона са трудоемки, отнемащи време, понякога подвеждащи и са специфични за дадена площадка в рамките на полето. Освен това няма публично достъпни инструменти, които генерират цели карти на полето, за да предскажат състоянието на азота в растенията през сезона и добива на грудки в края на сезона с помощта на изображения от дистанционно наблюдение.

Дистанционното наблюдение е иновативен, навременен, неразрушителен и пространствено всеобхватен подход за подобряване на съществуващите практики за управление на производството на култури през сезона. Дистанционното наблюдение обикновено осигурява няколко тесни спектрални ленти (~ 3-10 nm), които могат да уловят фини характеристики на абсорбция на хранителни вещества за културите. Досега много проучвания показват, че дистанционното наблюдение може ефективно да се приложи за прогнозиране на параметри/променливи на културите, като индекс на листната площ, биомаса, листна концентрация на N и др. 

Методите, използвани за прогнозиране/моделиране на характеристиките на културите, се фокусират главно върху изграждането на алгоритми за прогнозиране между спектрални сигнали и полеви измервания. Типичен моделен предиктор са вегетационните индекси (VI), които са математически комбинации от отражение в две или повече спектрални ленти. Например, нормализираният различен вегетационен индекс (NDVI) е бил широко използван в предишни проучвания поради простото му приложение за наблюдение на динамиката на растителността в регионален и глобален мащаб. 

Проучихме три модела за машинно обучение (дърво на решенията (DT), поддръжка vector машина (SVM) и произволна гора (RF)), които използваха NDVI за прогнозиране на N статуса и крайния добив на четири сорта картофи (два червеночервени, включително Silverton и Lakeview Russet, два chippers, включително Snowden и Hodag) през два вегетационни сезона през 2018 г. и 2019 г. .

Нашите предварителни резултати показват, че NDVI има голям потенциал за предсказване на N статуса на картофите, посочен от дръжката NO3-N, целия общ N N или целия общ N лоза, както и общия добив в края на сезона (Таблица 4). Използвахме R2, който варира от 0 до 1, за да измерим добрата годност за моделите. Колкото по-високо е R2, толкова по-добра е прогнозата. Счита се за много добра прогноза, ако R2 е по-високо от 0.75. 

И при двете VRI системи клубените от най-влажната зона имат по-ниско специфично тегло в сравнение с тези от най-сухите и средните зони, а разликата при системата за контрол на дюзите е значителна (Таблица 1).

Фигура 2 показва, че грудките от най-влажната зона на всяко поле имат значително по-високо съотношение дължина към ширина. Съответно имаше по-висока честота на

куха сърцевина в клубените от най-влажните зони на двете полета, като разликата е значителна при системата за контрол на скоростта (Таблица 2).

По време на съхранение под 48°F наблюдавахме по-висока честота на гниене в грудките от най-влажните зони на двете полета (Фигура 3). Смята се, че грудките, отглеждани в наситени почви, имат увеличени лещи на повърхността, което създава перфектни входни точки за патогени на полето и по време на съхранение.

В допълнение, ние изчислихме ефективността на напояване (IE) на системата VRI за контрол на скоростта (номера на VRI за управление на дюзите не бяха налични) и показа, че има значително подобрение на IE в най-влажната зона в сравнение със средната площ на поле. IE в най-сухия район е малко по-висок от средния (Таблица 3).

По отношение на азотния статус, използването на NDVI за прогнозиране на нитрат на дръжките-N генерира най-добри резултати за R2 и за двата вида картофи, в сравнение с общото количество N на цели листа и общо N за цялата лоза. За прогнозиране на общия добив, DT и RF бяха по-добри от SVM и резултатите за 2019 г. са по-добри от 2018 г. (Таблица 4 по-горе).

Досега установихме, че: 

• 1) дървото на решенията и произволната гора са по-добри от поддръжката vector машина за прогнозиране както на статуса на N през сезона, така и на добива в края на сезона за картофи;
• 2) нитратът на дръжките-N може да бъде по-добре предвиден с помощта на модели на NDVI и машинно обучение в сравнение с общия N в листата или лозята. Ще валидираме моделите и ще разширим тази работа, използвайки повече години данни за повече сортове картофи.

Авторът би искал да благодари на Асоциацията на производителите на картофи и зеленчуци в Уисконсин, Министерството на земеделието, търговията и защитата на потребителите в Уисконсин, Съвета за изследване на торове в Уисконсин и Колежа по земеделие и науки на Университета на Уисконсин-Медисън за финансирането на нашето изследване.

— Yi Wang е асистент в катедрата по градинарство на Университета на Уисконсин-Медисън. Тя е бивш носител на наградата за нов лидер на Спъдман.

/поливно-технология