Jen proto, že na jaře nakopete trochu půdy a odhadnete, že máte dostatek půdní vlhkosti, nemáte ve skutečnosti ponětí, co se vlastně děje, dokud nezakopete a nepodíváte se dolů (což zabere čas) nebo nepoužijete technologii IoT (jednodušší přístup), abyste zjistili, co máte. Zde přichází na řadu předpovídání výnosů.
Předpověď výnosů - Rozumíte?
V druhé pokračování Farm Weather Talk, jsme diskutovali o výhodách předpovědi počasí pro konkrétní lokalitu a proč jsou nutnost pro integraci do všech nástrojů na podporu rozhodování v zemědělských podnicích, protože jsou součástí řešení pro snížení "nekontrolovatelného rizika", kterému zemědělci denně čelí. V tomto díle se budeme zabývat tím, jak se dá meteorologická stanice nebo zařízení IoT s předpověď lze použít k předpovědi výnosu k aktuálnímu datu, ale také k datu splatnosti.
Jen proto, že na jaře nakopete trochu půdy a odhadnete, že máte dostatek půdní vlhkosti, nemáte ve skutečnosti ponětí, co se vlastně děje, dokud nezakopete a nepodíváte se dolů (což zabere čas) nebo nepoužijete technologii internetu věcí (jednodušší přístup), abyste zjistili, co máte. Údaje specifické pro daný typ půdy lze shromáždit a převést na to, kde přesně se nacházíte z hlediska půdní vlhkosti při výnosu plodin závislých na vodě, a poskytnout velmi dobrou odpověď na konkrétní problém, například výživu. Pokud víte, že máte pouze pět centimetrů uložené vody oproti devíti centimetrům uložené vody v jiném půdním profilu, budete s živinami a plodinou hospodařit jinak.
Pozadí předpovědi výnosů
Výnos každé plodiny je založen na genetickém potenciálu osiva, množství půdní vlhkosti při výsevu, srážkách ve vegetačním období (a zavlažování), správné míře úrodnosti a dalších včasných rozhodnutích o hospodaření: regulaci plevelů, regulaci chorob, regulaci hmyzu a samozřejmě na povětrnostní faktory což je obvykle nejvýznamnější nekontrolovatelné riziko.
Zjednodušeně řečeno, vývoj rostlin nebo plodin je velmi podobný šekové knížce (vstupy a výstupy), kde jsou na jedné straně dodávky (srážky a/nebo zavlažování) a na druhé straně poptávky (teplota). Dva nejdůležitější faktory pro výnos jsou tedy dodávka vláhy a teplota, a to za předpokladu, že všechna ostatní rozhodnutí týkající se řízení pole jsou provedena správně.
Teplota nebo teplo jsou důležité, protože určují spotřebu vody a to, zda plodina dozraje nebo bude trpět tepelným stresem, ale zásobování vláhou má nejvýznamnější dopad na výnosový potenciál, protože je zodpovědné za přenos živin k rostlině pro fotosyntézu. Proto se zásobování vláhou často označuje jako NÁDRŽ NA PLYN CROPS pro výnosový potenciál.
Každá plodina má křivky účinnosti využití vody v závislosti na výnosu. Výzkum a polní pokusy v průběhu let určily počet bušlů vyprodukovaných z každého palce nebo 25 mm půdní vody spotřebované plodinou. U některých běžných plodin to odpovídá 5 až 6 bu u řepky, 7 až 8 bu u pšenice a 10 až 12 bu zvýšení výnosu kukuřice na každý další palec nebo 25 mm přidané půdní vody. Počet bušlů vyprodukovaných na jeden palec nebo 25 mm půdní vody se bude v průběhu času měnit s tím, jak se budou uvolňovat nové odrůdy s lepší genetikou.
Celkové množství vody dostupné (zásobené) pro plodinu během vegetačního období se tedy rovná množství půdní vlhkosti dostupné v době setí (podle typu půdy) plus množství srážek a/nebo zavlažování (půdní vlhkosti) přijaté během vegetačního období. Spotřeba nebo potřeba půdní vody je určena teplotou a typem/texturou půdy. Tyto dva faktory (nabídka a poptávka) určují výnosový potenciál.
Jak již bylo zmíněno, půdní typ/textura je rozhodujícím faktorem, který určuje, kolik vody mají rostliny k dispozici pro svůj vývoj. Ve skutečnosti rostliny nemohou využít veškerou vodu obsaženou v půdě. Horní hranicí je polní kapacita, zatímco spodní hranicí je bod trvalého vadnutí.
Kapacita pole je maximální množství vody zadržované v půdě, které se měří několik dní po nasycení (vydatné srážky nebo zavlažování).
Trvalý bod vadnutí nastane, pokud rostlina nemůže déle čerpat vodu z půdy, aby uspokojila své potřeby, pak začne vadnout, což je bod, kdy rostlina již nemá vodu k dispozici.
Dostupná voda v závodě je rozdíl mezi kapacitou pole a bodem vadnutí, kdy rostlina již není schopna získávat vodu z půdy. Jinými slovy, ne všechna voda zadržovaná v půdě je pro rostliny dostupná.
To je důvod, proč Přípustná úroveň vyčerpání se používá podle typu půdy a plodiny. U většiny obilovin a olejnin je přípustná úroveň vyčerpání 50% polní kapacity, zatímco u zeleniny a okopanin je tato úroveň na 65% polní kapacity.
Z obrázku je zřejmé, že písčitá nebo písčitohlinitá půda má omezené množství půdní vody pro vývoj plodin, zatímco jílovitá nebo hlinitá půda má mnohem větší zásobu vody v půdě, a tedy obvykle i vyšší výnosový potenciál. Jinými slovy, písčitohlinitá půda potřebuje častěji doplňovat vodu než půda jílovitá. Níže uvedená tabulka ukazuje, že hrubá půda může do hloubky 4 stop neboli 120 cm zadržet 5,7 palce (145 mm) vody, zatímco jemná půda může ve stejné hloubce profilu zadržet 10,4 palce (265 mm) vody.
Dobře, mluvili jsme o faktorech, které určují výnos plodiny, ale jak odhadnout výnos k aktuálnímu datu a poté k datu zralosti pole? Tady je třeba zařízení IoT v terénu a předpověď přijít. Podívejme se, jak se to dělá.
Nastavení predikce výnosu
Nejprve je třeba prostorově definovat místo na poli nebo zónu (zóny) plodin, pro které chcete provést odhad výnosu. Na obrázku níže je znázorněno, jak se to provádí, a to definováním plodinové zóny v rámci pole. Cropzóny se obvykle definují na základě půdního typu a topografie.
Protože k předpovědi spotřeby vody plodinou používáme model, musíme nastavit několik parametrů: typ plodiny, datum setí a předpokládané sklizně, nejlepší možný průměrný výnos, počáteční vlhkost půdy, typ půdy, kapacita pole a bod vadnutí, stanice teploty vzduchu a zdroj deště, jak je znázorněno na obrázku níže..
Pro výběr zařízení IoT, teplota se používá k odhadu vývoje plodin, zatímco srážkoměr slouží k zachycení množství vody dodané do půdy. Stanice se srážkoměrem by tedy měla být na poli nebo na jeho okraji, aby bylo jisté, že hodnoty jsou pro dané pole reprezentativní.
Teplotní zařízení může být na stejné stanici nebo ze stanice, která je poblíž, protože teplota se na krátké prostorové vzdálenosti příliš nemění jako srážky. Níže uvedené obrázky ukazují dva typy stanic, které lze použít µMETOS nebo nMETOS pro tento typ aplikace.
Počáteční vlhkost půdy je důležitá, protože určuje, kolik vody je v půdě k dispozici v době setí v závislosti na typu půdy (kolik vody je v nádrži na začátku roku). Změnou těchto dvou hodnot se vytvoří různé scénáře výnosů (plánovací nástroje) pro pěstitelskou oblast.
Výsledky předpovědi výnosů
Dobře, hovořili jsme o důležitosti zařízení IoT s předpovědí, které pomáhá snižovat nekontrolovatelná rizika, jimž zemědělci čelí, ale jak to funguje při předpovídání výnosů?
Pro řešení předpovědi výnosu používáme Dlouhodobá normální předpověď (průměrný normální úhrn srážek) k aktuálnímu datu a k fyziologické zralosti. Používáme také Předpověď sezónní úpravy která využívá dosavadní pozorované podmínky (srážky) a sezónní předpověď upravenou podle typu ročního období (vlhké, normální nebo suché). Tyto termíny a ilustrace jsou popsány níže.
Pojmy použité v grafu předpovědi výnosů:
- Dosavadní výnos (aktuální sezóna): Tato předpověď zahrnuje srážky naměřené na vaší stanici od zasetí a nastavení počáteční vlhkosti půdy. Předpokládá, že po dnešku již po zbytek sezóny nebudou žádné další srážky, tj. nejhorší možný scénář.
- Předpokládaná fyziologická zralost plodin: Předpověď ukončení tvorby výnosu (tj. žádný další nárůst výnosu po tomto datu). Všimněte si, že sklizeň je obvykle o několik týdnů později, v závislosti na plodině, protože zrna musí zaschnout.
- Předpokládaný výnos při sklizni (dlouhodobě normální období): Předpokládá se průměrný déšť (normální období) pro celou sezónu, počínaje nastavením počáteční vlhkosti půdy.
- Předpokládaný výnos při sklizni (aktuální sezóna + předpověď deště): Tato hodnota zohledňuje nejen počáteční nastavení půdní vlhkosti a srážky naměřené na stanici od výsevu, ale také sezónní předpověď do předpokládaného data fyziologické zralosti plodiny. Mějte však na paměti, že sezónní předpovědi deště jsou spojeny se značnou nejistotou. Všimněte si, že když dnes uplyne datum fyziologické zralosti plodiny, bude tato hodnota totožná s hodnotou Výnos "dnes" (viz výše), protože v této době je předpověď založena výhradně na údajích naměřených stanicí.
Upozornění: Předpokládané hodnoty výnosu představují odhad potenciálního výnosu při sklizni. Tento odhad je z velké části založen na odhadech (naměřených, historických průměrných a předpovězených) srážek. Další faktory omezující výnos, jako jsou škůdci, choroby, úrodnost půdy a další, nejsou (v současné době) brány v úvahu. Neexistuje žádná záruka, že váš skutečný výnos při sklizni bude v rámci prezentovaného rozmezí. Předpokládané hodnoty však mohou sloužit jako orientační ukazatel v sezóně, zda je pravděpodobné, že výnosová výkonnost plodiny bude nižší než historický průměr nebo jej překoná. Tyto dodatečné informace využijte při rozhodování o řízení, například o hnojení nebo zavlažování.
Na obrázku níže je znázorněna předpokládaná sezónně upravená předpověď a dlouhodobá normální předpověď. Je zřejmé, že sezóna je mnohem sušší, než je obvyklé, což má za následek nízké výnosy. Rozhodnutí managementu by mohlo spočívat v tom, že kvůli nedostatku půdní vody pro výnosy pozastaví přísun jakýchkoli dalších živin. Na základě tohoto rozhodnutí by se pravděpodobně upravily i další postupy hospodaření.
V kombinaci s předpověď výnosů, satelitní snímky jsou nabízeny pro konkrétní pole nebo pěstitelskou oblast. Nabízíme dva satelitní indexy z družice Sentinel 2 (rozlišení 10 metrů): LAI (index listové plochy) a NDVI (normalizovaný rozdílový vegetační index). Každý z nich lze použít buď ke sledování množství půdního pokryvu, nebo půdního pokryvu a vitality vegetace. Vyšší číslo nebo jasnější zelená barva v legendě znamená živější porost.
Následující obrázek ilustruje ozelenění porostu během vegetačního období s rozdíly ve zdravotním stavu rostlin na poli. Vyšší zelené plochy představují zdravější porosty, zatímco béžové hodnoty představují nižší vitalitu rostlin. Snímky jasněji ukazují proměnlivost nebo abnormální vývoj na poli, který lze dále zkoumat z hlediska dalších problémů s řízením: voda, úrodnost, choroby nebo hmyz. Vrcholová hodnota NDVI nebo vrchol křivky byl spojen s potenciálem nadvýnosu a vrcholem vývoje biomasy. To je zřetelně vidět i na obrázku níže.
Pokud máte kombinovaná data z harvestoru, můžete výsledky porovnat také se satelitními snímky, jak ukazuje obrázek níže. Vyšší plochy NDVI jsou spojeny s vyššími kombinovanými výnosy.
Co jsme se dozvěděli a jaké byly výsledky?
Na základě prediktivních informací o výnosu v plodinové zóně a satelitních informací může zemědělec během vegetačního období upravit důležitá rozhodnutí týkající se hospodaření s vodou, chorobami, hmyzem a dodatečné aplikace hnojiv. Zlepšete hospodaření s živinami: správná dávka a čas pro vyšší výnosy a kvalitu plodin. U demonstračního pole použitého v této přednášce odhadlo řešení Yield Prediction Solution průměrný výnos 22 bu/akr, což je kvůli suchému roku velmi slabý výnos, zatímco průměrný kombinovaný výnos byl 20 bu/akr. Jak již tedy bylo řečeno, zařízení IoT pro pole by mělo jít ruku v ruce s předpovědí na úrovni pole pro lepší manažerská rozhodnutí, která pomohou snížit nekontrolovatelná rizika, jimž zemědělec čelí při každodenním provozu.
O autorovi:
Guy Ash pracuje již 30 let jako agrometeorolog a vědecký pracovník v oblasti pozorování Země. V současné době působí jako manažer globálního školení a klíčových zákazníků v Kanadě ve společnosti Pessl Instruments v Rakousku. Pessl Instrument je společnost zabývající se internetem věcí, která vyrábí hardware (záznamníky a senzory) a softwarová řešení zaměřená na zemědělský sektor. Působíme ve více než 85 zemích a máme nasazeno více než 70 000 zařízení a 700 000 senzorů pro širokou škálu zemědělských aplikací: řízení chorob, zavlažování, vlhkost půdy, lapače hmyzu, kamery na plodiny, meteorologické stanice, úrodnost půdy atd. Jedním z jeho úkolů je poskytovat globální školení pro rozsáhlý seznam řešení IoT pro nejrůznější plodiny - rýži, pšenici, sóju, pomeranče, kukuřici, řepku, pícniny, hrozny, ovoce a zeleninu atd.