Прогнозування врожайності кукурудзи за допомогою індексу вегетації та супутникових знімків
Прогнозування врожайності дозволяє отримати оцінку того, яку врожайність з гектара можна чекати. Існують різні підходи для прогнозування врожайності.
Підходи до прогнозування врожайності кукурудзи
Спеціалісти AgroOnline зазначають, що існує кілька основних підходів до прогнозування врожайності с/г культур. Перший з них — традиційний метод прогнозування врожаю. Володимир Мокрієнко, кандидат сільськогосподарських наук зазначає, що визначити біологічну врожайність зерна кукурудзи можна за елементами структури врожаю, зокрема:
- Передзбиральною густотою рослин, тис. шт/га.
- Елементами структури качана — кількість зерен у качані (кількість рядів зерен і кількість зерен у ряду).
- Масою 1000 насінин.
Щоб розрахувати біологічну врожайність, потрібно передзбиральну густоту стояння помножити на масу зерна з качана. Так, наприклад, за передзбиральної густоти 70 тис./га і маси зерна з качана 120 г можна отримати врожайність 8,4 т/га.
Другий — емпіричний, який базується на використанні дистанційних даних про поле — сукупності вегетаційних та біофізичних індексів, отриманих з супутників, дронів чи наземних сенсорів. Підхід є одним з найбільш широковживаних, адже не вимагає «дорогих даних» та є найбільш доступним.
У певні фази вегетації аграрій за допомогою NDVI індексу — емпіричного підходу, може самостійно визначити врожайність, і це буде набагато ефективніше, ніж традиційний метод.
Третій підхід передбачає використання біофізичних симуляційних моделей — математичних моделей, що прогнозують врожайність шляхом симуляції росту та розвитку рослин. Для реалізації даного підходу необхідно мати доступ до надзвичайно широкого спектру даних про сорт рослин, грунт, клімат та інші важливі чинники, що безпосередньо впливають на врожай.
Аграрії різноманітних Європейських наукових спільнот беруть до уваги пропускну здатність ґрунту на вологість до певної глибини, продуктивний запас вологості в ґрунті, посіви, специфіка сорту, критичні температури, ключові фази вегетації тощо. Звісно, моделі з даними цих параметрів точніші, тому що залежать від параметрів поля, але вони потребують володіння інформацією, доступу до якої, український фермер не має. Адже ці статистичні дані важко зібрати, водночас це є серйозною затратою коштів. Проте аграрій може використати AgroOnline, як інструмент в поєднанні з традиційним прогнозуванням.
Як клієнти AgroOnline використовують NDVI для прогнозування врожайності
Клієнтам сервісу надається послуга супутникового моніторингу посівів в окремому модулі «виробництво». Там можна відстежувати поточну картину на полях, а також історичну динаміку зміни індексів, аналізувати неоднорідності розвитку рослин та ставити аудиторам завдання на проведення наземних обстежень «підозрілих зон».
На даному зображенні помітно неоднорідність вегетаційного індексу за полем і, беручи до уваги такі показники, можна орієнтовно розрахувати врожайність.
Наприклад, у підприємстві Grano Group прогнозують врожайність традиційним методом, але для більшої точності звіряються з NDVI-індексами у системі AgroOnline, адже маючи точкові наземні спостереження їх неважко екстраполювати на поле.
«За індексом вегетації ми можемо поділити поле на умовні категорії врожайності (наприклад, висока, середня та низька врожайність), а за допомогою супутникових знімків дізнаємося точні площі кожної з категорій. Тоді агроном на полі шляхом традиційного підходу до прогнозування врожайності на кожній з площ може визначити потенційну біологічну врожайність культури», — зауважив Віктор Боровик, операційний директор AgroOnline.
Супутники дають картину постфактум. Можна відстежити на полі певні негативні тренди, зменшення інтенсивності якогось індексу, виявлення аномальних зон. Це дає агроному завдання — піти й подивитися, що відбувається на проблемних зонах поля.
Механізм емпіричного підходу прогнозування
За допомогою сервісу AgroOnline можна аналізувати ключові моменти вегетаційного сезону, у які формується врожайність рослин — найбільш критичні точки. Врожай сільськогосподарських культур залежить від зовнішніх факторів (погоди, температури, вологості) у ці моменти. Тоді ж і досліджують залежність цих параметрів від статистичної врожайності.
«Наприклад, для того, щоб сформувати бажану модель, яка буде прогнозувати майбутню врожайність кукурудзи, потрібно знати, якою була врожайність в останні декілька років на основі отриманих даних із супутника, метеорологічних і оптичних архівів», — наголошують експерти сервісу та додають, що AgroOnline збирає ці дані з 2016 року.
Наступним етапом створення моделі прогнозування є математичне моделювання: моделі формуються на основі трендів або ж, навпаки, на відхиленні від них.
Тренд — це візуалізація певної закономірності. Щоби сформувати максимально якісну модель, потрібно стежити за загальним трендом, як змінювалась урожайність від коливань певних параметрів протягом тривалого часу, наприклад, упродовж 20 років. Адже за цей час оновлювались і змінювались технології обробітку землі, також варто аналізувати сезони з аномальними погодно-кліматичними умовами для кожного регіону.
Емпіричний підхід використовують більшість сервісів, які надають послуги у сфері прогнозування врожайності. Адже їхні спеціалісти отримують достовірні дані від клієнтів, від партнерів (наприклад, статистику щодо врожайності) та загальнодоступні комерційні дані. Але в чому недолік?
«Україна розташована в трьох агрокліматичних зонах і на різноманітних типах ґрунтів агрономи вирощують сільськогосподарські культури по-різному. Також для кожного регіону формуються спеціальні технологічні карти вирощування. Істина проста, якщо ми будуємо якусь модель на Київщині чи Херсонщині, то це не означає, що можна її екстраполювати на Чернігівську чи Запорізьку області», — зазначили спеціалісти компанії AgroOnline.
Більш детальну інформацію ви можете знайти на сайті AgroOnline, а також за посиланням можна замовити безкоштовну персональну презентацію продукту.
За інформацією щодо співпраці звертайтесь за телефоном: 050-937-10-97, Олег.
Наталія Демчук, SuperAgronom.com
Думка редакції SuperAgronom.com може не збігатися з точкою зору автора. Редакція не несе відповідальності за достовірність і тлумачення наведеної інформації і виконує роль виключно носія.
