Poljoprivrednici širom Sjedinjenih Država moći će da prate svoje useve u realnom vremenu, zahvaljujući novom algoritmu istraživača iz Centra izvrsnosti geoprostornih nauka Univerziteta Južna Dakota.
Pre dve godine, Iu Shen, istraživač asistent u GSCE-u, i Ksiaoiang Zhang, profesor na Odeljenju za geografiju i geoprostorne nauke i kodirektor na GSCE-u, počeli su da istražuju da li bi bilo moguće učiniti praćenje useva efikasnijim.
„Ranije se napredak useva pratio vizuelnim posmatranjem biljaka“, objasnio je Šen.
Za praćenje useva trenutno je potrebno oko 5.000 izveštača iz celog SAD-a koji popunjavaju nedeljne ankete na osnovu vizuelnih posmatranja polja u njihovoj oblasti u zemlji.
Na osnovu standardnih definicija, reporteri procenjuju napredak useva kroz njihove faze razvoja, istovremeno dajući subjektivne ocene uslova useva. Te ankete se zatim podnose Nacionalnoj službi za poljoprivrednu statistiku, koja kreira nedeljne izveštaje o napretku useva koji su kategorisani po državama.
Poljoprivrednici se oslanjaju na ove izveštaje, koji su trenutno najbolje informacije o napredovanju useva zasnovane na polju koje su dostupne na regionalnom i državnom nivou, a distribuira ih Ministarstvo poljoprivrede SAD.
Ovaj proces, iako je prilično tačan, dugotrajan je, skup i subjektivan.
Shen i Zhang su verovali da se blagovremeni podaci satelitskog daljinskog otkrivanja mogu koristiti za stvaranje efikasnijeg sistema za praćenje. Satelitska posmatranja se dugo koriste za analizu istorijske fenologije useva — razvojnih faza rasta useva, od sadnje do žetve. Međutim, njihovo korišćenje za razvoj sistema za praćenje useva u skoro realnom vremenu nije bilo široko istraženo.
„Mislili smo da bismo mogli da poboljšamo praćenje useva tako što ćemo ga učiniti efikasnijim u vremenu i isplati,“ rekao je Šen. „Predložili smo korišćenje blagovremenih satelitskih posmatranja za razvoj operativnog algoritma.
Spajanjem prostornih posmatranja od 30 metara sa satelita Landsat u polarnoj orbiti Landsat, Sentinel-2 i vremenskih posmatranja sa geostacionarnog satelita, istraživački tim je bio u mogućnosti da izračuna visok prostorni i visoko vremenski razvoj zelenosti useva za operativne useve u skoro realnom vremenu. praćenje.
Ova studija je objavljena u časopisu Remote Sensing of Environment.
„Naši rezultati pružaju tačan vremenski period za fenologiju useva“, rekao je Shen. „Ove informacije mogu pomoći poljoprivrednicima u upravljanju usevima.“
Za razliku od prethodnog rada, ovaj novi algoritam može pratiti rast useva na polju od 30 metara.
Može izračunati šest datuma prelaznih faza rasta useva — početak vegetacije (početak porasta zelenila), sredina proleća (datum srednje faze zelene boje), početak zrelosti (početak zelenila se približava maksimumu), početak jeseni (početak zelenila počinje da opada), sredina jeseni (datum srednje faze starenja) i kraj sezone rasta (početak zelenila dostiže minimum)—pre nego što se fenološki događaj desi sa sve većom tačnošću oko i posle događaja .
Ovi prelazni datumi se primenjuju da bi se odredile faze rasta useva, kao što su vreme sadnje, nicanje, svilanje, testo, udubljenje, zrelost i žetva za kukuruz.
Istraživački tim je proveo značajno vreme potvrđujući rezultate algoritma upoređujući predviđanja sa stvarnim merenjima na nivou zemlje iz sezone uzgoja kukuruza i soje 2020. u Ajovi. Otkrili su da su mogućnosti predviđanja u realnom vremenu u skladu sa izveštajima o napretku (koje distribuira USDA) iz te iste godine.
„Sa predviđanjima na svakom polju, praćenje fenologije useva u skoro realnom vremenu nudi robusne prostorno raspoređene informacije o napretku useva od lokalnih polja do cele države“, rekao je Šen. „Ovo je veliko poboljšanje u poređenju sa državnom Nacionalnom službom za poljoprivrednu statistiku koja izveštava o napretku useva.“
Rezultati ovog algoritma će obezbediti tačna merenja fenologije useva, rekao je Šen, što će voditi poljoprivrednike u njihovom upravljanju usevom.
„Na primer, naš algoritam će obezbediti vreme kada zelenost useva dostigne svoj maksimum“, rekao je Šen. „Ova faza je prozor u kojem farmeri treba da navodnjavaju. Moći ćemo da predvidimo kada će se ova faza desiti pre nego što se to desi. Oni će moći da zakažu svoje navodnjavanje unapred.“
Shen predviđa da će informacije takođe pomoći u proceni veličine prinosa pre žetve.
Zhang ukazuje da će algoritam sa operativnim kompjuterskim kodovima postati novi geoprostorni alat za praćenje napretka i stanja useva u skoro realnom vremenu. Ovaj alat će na kraju biti isporučen USDA za integraciju u postojeće operativne sisteme za široku upotrebu. Korisnici će moći da vide uslove useva pojedinačnih polja kroz interaktivnu mapu.
Budući putevi istraživanja videće da tim istražuje načine da poboljša tačnost algoritma za kratkoročna predviđanja. Primena ovog geoprostornog alata na nacionalnom i globalnom nivou mogla bi da pomogne u proceni bezbednosti hrane širom sveta.