Агрономи морају знати популацију матичњака да би могли моделирати број гомоља.
Узгајивачи би ускоро требало да буду у могућности да процене разлике у популацијама биљака кромпира на пољским размерама у било ком тренутку. То је захваљујући раду Универзитета Харпер Адамс, докторанда који финансира АХДБ, Јосепх Мханго. Његов нови алат за доношење одлука користи вештачку интелигенцију познату као Дееп Леарнинг, заједно са снимцима усева снимљеним трутовима за израчунавање бројева стабљика и мапирање њиховог настанка.
Ова техника је у стању да детектује предмете и користи се за машински вид у самовозећим аутомобилима. Господин Мханго је рекао: „Агрономи морају знати матичну популацију да би могли моделирати број гомоља.
„Током последње две године развијали смо неке технике засноване на вештачкој интелигенцији како бисмо започели решавање проблема како најбоље проценити разлике у густини стабљика на пољу кромпира при пуној крошњи, обично 70 дана након садње.“ Анализирајући индексе вегетације користећи правилне црвене, плаве и зелене таласне дужине које је узео трут, Џозеф је открио да се меристемски врхови биљака кромпира могу бројати и користити за представљање врхова стабљика.
Дубинско учење је тада коришћено за развијање робусног модела за процену броја стабљика који се може користити за израду мапе топлоте густине насељености стабљика на пољу. Алат је првенствено усмерен на олакшавање одлука о берби, тако да се површинама са већим бројем кртола може оставити више времена за насипање, док се оне са мање, већих кртола прво беру.
„Претходно обучени модели показују да тамо где има више бројева стабљика по површини земље, очекује се већи број кртола по цену просечне величине гомоља. ”Приметио је да су узгајивачи добро упознати са односом између популације стабљика кромпира и приноса гомоља, као и расподјелом величине, а одлуке о роковима жетве обично се заснивају на бројним копањима приноса по пољу.
„Разлика између овог модела и осталих била је у томе што пружа могућност мерења варијација унутар поља како би пружио информације за оцртавање зона управљања у прецизној пољопривреди. „Јосепх-ов нови модел тестиран је на бројним пољима кромпира широм Схропсхире-а и Линцолнсхире-а и изгледа врло обећавајуће, рекао је. „Нови алат ће знатно олакшати постизање прецизне пољопривреде, јер информације тада могу донијети одлуке о времену исушивања и берби, али и о примјени пестицида и хербицида.“
Превођење ђубрива у принос
Такође у оквиру својих студија мапирао је перформансе усева кромпира на пет поља, гледајући примену азота (Н), фосфора (П) и сумпора (С) у ђубривима и разлике у начину њиховог превођења у принос и у ком тренутку престају да доприносе. „Реакција на хранљиве састојке у земљи може се разликовати по терену због нивоа који је већ доступан у земљишту. „Узорци тла су узети након наношења ђубрива и на већини поља смо пронашли доказе прекомерног ђубрења који је повезивао виши ниво П у пољу са мањим величинама гомоља.“
„Наше је схватање било да хијерархија гомилања гомоља постоји у кромпиру и да само подскуп доминантних гомоља користи предност оптималног нивоа хранљивих састојака. „Међутим, при високом нивоу хранљивих састојака примећеном на пољима узгајивача, прикупљамо доказе да то можда није увек тачно. „Налази показују да сва поља у студији раде на преко оптималним нивоима хранљивих састојака, а унутар њих је постојала значајна негативна веза између нивоа П и расподеле величине кртола.
„Уместо да користимо рандомизоване експерименте са контролисаним третманима, желели смо да схватимо везу између расподеле величине земљишта и гомоља у стварним пољским условима.“ Као резултат, узео је приступ гео-статистичког истраживања за изградњу модела, што нам је, како верује, омогућило да направимо моделе са коефицијентима који боље одражавају односе уочене на типичним пољима пољопривредника “. „У многим случајевима пољопривредници могу претјерано гнојити како би покушали осигурати да њихови усјеви имају довољно хранљивих састојака, али то може имати штетан утицај на принос и квалитет.“
Тродимензионална природа ових модела омогућава интеграцију са моделом бројања стабљика, као и укључивање сателитских снимака ради побољшања предвиђања. Трећа компонента Јозефовог доктора наука укључује интеграцију мултиспектралних сателитских снимака тла и надстрешница високе резолуције са његових локација за проучавање у високој резолуцији. „Измерићемо у којој мери сателитски снимци могу помоћи у постизању боље тачности предвиђања приноса кромпира и расподеле величине кртола пре жетве.“
Погледајте презентацију са Недеље агрономије:
Сектори: Кромпир
Морате бити Фотографија да шаљете коментаре.