от Хорхе Луиса Алонсо с помощью ChatGPT-4
Картофель, признанный важной мировой продовольственной культурой, требует надлежащего управления азотом для получения высоких урожаев и экологической устойчивости. Однако традиционные методы мониторинга азота трудоемки, разрушительны и не дают достаточной точности. Напротив, технологии дистанционного зондирования (ДЗ) обеспечивают неразрушающее покрытие с высоким разрешением на больших площадях.
Эти технологии ДЗ, которые используют различные платформы и датчики, используют физические модели или модели, управляемые данными, для прогнозирования измерений урожая. Несмотря на свой значительный потенциал, текущие исследования по RS для управления азотом картофеля все еще носят исследовательский и незрелый характер.
Чтобы восполнить этот пробел, данное исследование, проведенное Университетом Висконсина — Мэдисон и опубликованное в American Journal of Potato Research, с головой погрузилось во всестороннее изучение RS. технологии. В нем показано их применение для мониторинга состояния азота (N) сельскохозяйственных культур в сезон и прогнозирования урожайности клубней картофеля, смело определяя ограничения и оптимистично предвидя будущее RS в коммерческом производстве картофеля.
В частности, в нем выделяются три динамические платформы РС: космическая, авиационная и наземная. Наземная платформа, характеризующаяся ручными датчиками, часто является первым выбором из-за ее доступности и адаптируемости. Однако требуемые трудозатраты и время делают его менее подходящим для крупномасштабного коммерческого развертывания.
С другой стороны, бортовые и космические платформы предлагают захватывающий потенциал для крупномасштабного сканирования с высоким разрешением. Однако эти платформы сталкиваются с проблемами, такими как зависимость от ясных погодных условий и потенциально высокие затраты.
Что касается аналитических моделей, то модели параметрической регрессии, использующие вегетационные индексы, собранные мультиспектральными датчиками, являются основными алгоритмами, используемыми в 58% рассмотренных статей. Кроме того, нелинейные непараметрические регрессии, такие как частичная регрессия наименьших квадратов (PLSR) и другие модели машинного обучения, набирают популярность для работы с гиперспектральными данными, которые демонстрируют высокую мультиколлинеарность.
Глядя в будущее, становится очевидным, что исследования должны быть сосредоточены на повышении скорости, точности и простоты технологий ДЗ. Основная цель состоит в том, чтобы предоставить производителям немедленные полевые рекомендации, которые помогут им понять изменчивость азотного статуса их культур и спланировать точное использование удобрений. В результате производители могут адаптировать свои приложения азота, чтобы свести к минимуму возможность выщелачивания и загрязнения грунтовых вод.
В заключение в документе подчеркивается необходимость сотрудничества и испытаний на фермах с производителями. Цель состоит в том, чтобы способствовать более широкому внедрению технологий ДЗ, поскольку будущее сельского хозяйства может зависеть от успешной интеграции этих мощных инструментов.
Источник:Алхалед А., Таунсенд П.А. и Ван, Ю. Дистанционное зондирование для мониторинга азотного статуса картофеля. Я. J. Potato Res. 100, 1–14 (2023). https://doi.org/10.1007/s12230-022-09898-9
Не упустите шанс повысить понимание и эффективность вашей команды! Свяжитесь со мной сегодня, чтобы получить персонализированные, простые сводки, разработанные с учетом потребностей каждой аудитории.
