Ang mga kasanayan sa precision agriculture ay kinabibilangan ng mas tumpak na pagtatanim, irigasyon, pagpapabunga, at paggamit ng pestisidyo upang ma-optimize ang produksyon ng pananim para sa layuning mapataas ang kita ng mga magsasaka at sabay na mabawasan ang epekto ng agrikultura sa kapaligiran. Sa artikulong ito, tatalakayin natin ang paggamit ng mga kasanayan sa PA, tulad ng variable rate irrigation at remote sensing, sa produksyon ng patatas.
Ayon sa International Society of Precision Agriculture, “ang precision agriculture (PA) ay isang estratehiya sa pamamahala na nangangalap, nagpoproseso, at nagsusuri ng temporal, spatial, at indibidwal na datos at pinagsasama ito sa iba pang impormasyon upang suportahan ang mga desisyon sa pamamahala ayon sa tinantyang pagkakaiba-iba para sa pinahusay na kahusayan sa paggamit ng mapagkukunan, produktibidad, kalidad, kakayahang kumita, at pagpapanatili ng produksyon ng agrikultura.”
Sa madaling salita, ang PA ay nagbibigay ng posibilidad na gawin ang tama, sa tamang lugar, sa tamang oras at sa tamang paraan. Ang mga pananim na may mataas na halaga tulad ng patatas ay kinikilala bilang magagandang kandidato para sa pag-aampon ng PA dahil sa mataas na halaga ng mga input. Bukod pa rito, ang sensitibidad ng ani at kalidad ng tubero ng patatas sa mga kasanayan sa produksyon at mga kondisyon sa kapaligiran ay ginagawang kritikal sa ekonomiya ang pamamahala ng katumpakan.
Pabagu-bagong bilis ng irigasyon
Ang teknolohiyang variable rate irrigation (VRI) ay naglalapat ng tubig sa pabagu-bagong rate sa halip na isang pare-parehong rate sa kahabaan ng gitnang pivot. Mayroong dalawang hakbang upang mailapat ang VRI: una, batay sa soil electrical conductivity (EC) o elevation mapping, ang bukid ay nahahati sa iba't ibang management zone; pangalawa, ang sistema ay naglalapat ng tiyak na dami ng tubig sa iba't ibang management zone sa pamamagitan ng pag-on at pag-off ng mga indibidwal na nozzle (nozzle control VRI) o pagkontrol sa bilis ng paggalaw ng pivot (speed control VRI).
Mga araw ng trabaho. Mag-unsubscribe sa isang click lang.
Maaaring maglapat ang VRI ng tubig sa iba't ibang bilis sa iba't ibang pananim o kultibar, iba't ibang uri ng lupa, mga lugar na may mataas na agos ng tubig o mababang lugar na madaling mabasa at mabasa, at mga lugar na sensitibo sa kapaligiran sa loob ng bukid. Ang pangkalahatang layunin ng VRI ay maiwasan ang labis at kulang na irigasyon upang walang masasayang na tubig at walang water stress na mangyari, habang ang ani at kalidad ng pananim ay napapanatili o nadaragdagan.
Noong tag-araw ng 2018, nagsagawa kami ng isang pag-aaral upang masukat ang mga benepisyo ng paggamit ng VRI sa produksyon ng komersyal na patatas (Russet Burbank) sa Wisconsin. Pumili kami ng dalawang bukid na may irigasyon na may nozzle control VRI at speed control VRI, ayon sa pagkakabanggit.
Sa bawat bukid, mayroong humigit-kumulang 15 talampakang pagkakaiba sa elebasyon sa pagitan ng pinakamataas at pinakamababang lugar. Sa pag-aani, sinuri namin ang ani ng tuber at kalidad ng pinakamatuyong lugar, ang pinakarepresentatibo/karaniwang lugar, at ang pinakamabasang lugar ng bawat bukid. Sa ilalim ng nozzle control VRI (Larawan 1a), nagkaroon ng malaking pagbawas ng ani (humigit-kumulang 140 cwt/a, p<0.05) sa pinakamabasang lugar kumpara sa karaniwang lugar. Ang ani mula sa pinakamatuyong lugar ay bahagyang mas mataas (humigit-kumulang 20 cwt/a, p>0.05) kaysa sa karaniwang lugar. Sa ilalim ng speed control VRI (Larawan 1b), walang anumang makabuluhang pagkakaiba sa ani sa pagitan ng tatlong lokasyon, bagama't ang bilang sa pinakamatuyong lugar ay mas mataas kaysa sa mga nasa karaniwan at pinakamabasang lugar.
Iminungkahi ng aming datos na:
- Isang malaking benepisyo ng paggamit ng VRI ay ang pagpapabuti ng ani at kalidad, samakatuwid ay potensyal na mapabuti ang kakayahang kumita sa pinakamalalim (o ang mataas na run-off) na lugar ng isang bukid na mas mahina sa kakulangan ng irigasyon. Nagagawa ng VRI na mapanatili ang kahalumigmigan ng lupa sa loob ng rooting zone ng mga halaman;
- Nakakatipid ang VRI ng tubig sa irigasyon at nakakapagpabuti ng kahusayan ng irigasyon sa mababang lugar ng bukid na kadalasang basa o basa. Gayunpaman, kahit sa ilalim ng VRI, ang pamamahala ng ani at kalidad ng patatas sa mababang lugar ay mahirap pa rin, dahil ang mga halaman ay may posibilidad na magkaroon ng mas maraming problema sa pagkabulok at depekto;
- Ang VRI ay isang promising system para makatipid ng tubig habang pinapabuti ang kakayahang kumita ng patatas, ngunit kailangan pa ng karagdagang pag-aayos upang mas mahusay itong mapamahalaan sa mga bukirin na may pabagu-bagong pagtatanim.
Remote sensing at machine learning
Upang mapanatili ang ani at kakayahang kumita, dapat matugunan ng mga magsasaka ng patatas ang pangangailangan ng mga pananim para sa nitroheno. Upang mabawasan ang pagkasira ng kapaligiran at mabawasan ang mga panganib sa pananalapi na nauugnay sa kawalan ng katiyakan sa regulasyon at legal na kaugnay ng nitrate sa tubig sa lupa, kailangan ng mga magsasaka ng patatas ng mga bagong kagamitan sa pamamahala upang matulungan silang mag-aplay ng tamang dami ng nitroheno sa tamang oras sa buong panahon ng pagtatanim.
Ang mga karaniwang ginagamit na pamamaraan sa pagsubaybay sa katayuan ng nitroheno ng mga halamang patatas sa panahon ng pagtatanim ay matrabaho, matagal, minsan ay nakaliligaw, at partikular lamang sa lugar sa loob ng bukid. Bukod pa rito, walang mga pampublikong magagamit na kagamitan na bumubuo ng mga mapa ng buong bukid upang mahulaan ang katayuan ng nitroheno ng mga halaman sa panahon ng pagtatanim at ani ng mga tuber sa katapusan ng panahon gamit ang remote sensing imagery.
Ang remote sensing ay isang makabago, napapanahon, hindi mapanira, at komprehensibong pamamaraan sa espasyo upang mapabuti ang mga umiiral na kasanayan sa pamamahala ng produksyon ng pananim sa panahon ng tag-init. Karaniwang nagbibigay ang remote sensing ng ilang makikitid na spectral band (~ 3-10 nm), na maaaring makuha ang mga pinong katangian ng pagsipsip ng mga sustansya ng pananim. Sa ngayon, maraming pag-aaral ang nagpapahiwatig na ang remote sensing ay maaaring epektibong mailapat sa paghula ng mga parameter/baryabol ng pananim, tulad ng leaf area index, biomass, konsentrasyon ng foliar N, atbp.
Ang mga pamamaraang ginagamit upang mahulaan/modelo ang mga katangian ng pananim ay pangunahing nakatuon sa pagbuo ng mga algorithm sa paghula sa pagitan ng mga spectral signal at mga sukat sa larangan. Ang isang tipikal na prediktor ng modelo ay ang mga vegetation indices (VI), na mga kombinasyong matematikal ng reflectance sa dalawa o higit pang spectral band. Halimbawa, ang normalized difference vegetation index (NDVI) ay malawakang ginamit sa mga nakaraang pag-aaral dahil sa simpleng aplikasyon nito sa pagsubaybay sa dinamiko ng mga halaman sa rehiyon at pandaigdigang antas.
Nag-aral kami sa tatlong modelo ng machine learning (decision tree (DT), support vector machine (SVM) at random forest (RF)) na gumamit ng NDVI upang mahulaan ang katayuan ng N at pangwakas na ani ng apat na kultibar ng patatas (dalawang russet kabilang ang Silverton at Lakeview Russet, dalawang chipper kabilang ang Snowden at Hodag) sa loob ng dalawang panahon ng pagtatanim noong 2018 at 2019.
Ipinahiwatig ng aming mga paunang resulta na ang NDVI ay may malaking potensyal na mahulaan ang katayuan ng N sa patatas na ipinahiwatig ng petiole NO3-N, kabuuang N sa buong dahon, o kabuuang N sa buong baging pati na rin ang kabuuang ani sa katapusan ng panahon (Talahanayan 4). Ginamit namin ang R2 na mula 0 hanggang 1 upang sukatin ang kabutihan ng pagkakaangkop para sa mga modelo. Kung mas mataas ang R2, mas mabuti ang prediksyon. Ito ay itinuturing na isang napakahusay na prediksyon kung ang R2 ay mas mataas sa 0.75.
Sa ilalim ng parehong sistemang VRI, ang mga tubo mula sa pinakamabasang lugar ay may mas mababang specific gravity kumpara sa mga mula sa pinakamatuyo at karaniwang lugar, at ang pagkakaiba sa ilalim ng nozzle control system ay makabuluhan (Talahanayan 1).
Ipinakita ng Pigura 2 na ang mga tubers mula sa pinakamabasang lugar ng bawat bukid ay may mas mataas na ratio ng haba sa lapad. Kaugnay nito, mas mataas ang insidente ng
guwang na puso sa mga tubers mula sa mga pinakamabasang lugar ng parehong bukid, at ang pagkakaiba ay makabuluhan sa ilalim ng sistema ng pagkontrol ng bilis (Talahanayan 2).
Sa panahon ng pag-iimbak sa temperaturang mababa sa 48°F, naobserbahan namin ang mas mataas na insidente ng pagkabulok sa mga tubers mula sa mga pinakamabasang lugar ng parehong bukid (Larawan 3). Pinaniniwalaang ang mga tubers na lumaki sa mga basang lupa ay may malalaking lenticel sa ibabaw, na lumikha ng mga perpektong pasukan para sa mga pathogen sa bukid at habang iniimbak.
Bukod pa rito, kinalkula namin ang kahusayan sa irigasyon (IE) ng speed control VRI system (walang makukuhang bilang ng nozzle control VRI), at ipinakita nito na mayroong makabuluhang pagbuti ng IE sa pinakamabasang lugar kumpara sa karaniwang lugar ng bukid. Ang IE sa pinakamatuyong lugar ay bahagyang mas mataas kaysa sa karaniwan (Talahanayan 3).
Para sa katayuan ng nitroheno, ang paggamit ng NDVI upang mahulaan ang petiole nitrate-N ay nakabuo ng pinakamahusay na resulta ng R2 para sa parehong uri ng patatas, kumpara sa kabuuang N ng buong dahon at kabuuang N ng buong baging. Para sa prediksyon ng kabuuang ani, ang DT at RF ay mas mahusay kaysa sa SVM, at ang mga resulta para sa 2019 ay mas mahusay kaysa sa 2018 (Talahanayan 4, sa itaas).
Sa ngayon, natuklasan namin na:
- 1) mas mainam ang decision tree at random forest kaysa sa support vector makina para sa paghula ng parehong katayuan ng N sa panahon at ani sa katapusan ng panahon para sa patatas;
- 2) mas mahusay na mahulaan ang petiole nitrate-N gamit ang NDVI at machine learning models kumpara sa kabuuang N sa mga dahon o baging. Patatauhan namin ang mga modelo at palalawakin ang gawaing ito gamit ang mas maraming taon ng datos sa mas maraming uri ng patatas.
Nais pasalamatan ng may-akda ang Wisconsin Potato and Vegetable Growers Association, ang Wisconsin Department of Agriculture, Trade and Consumer Protection, ang Wisconsin Fertilizer Research Council, at ang University of Wisconsin-Madison College of Agricultural and Life Sciences para sa pagpopondo ng aming pananaliksik.
— Si Yi Wang ay isang assistant professor sa Department of Horticulture ng University of Wisconsin-Madison. Siya ay dating nagwagi ng Spudman's Emerging Leader Award.
