PREFARM - od půdního vzorku až po aplikaci

01. 10. 2026 Ing. Radomír Šmoldas; NEOAGRO, MJM agro a.s. Precizní zemědělství Zobrazeno 1613x

Precizní zemědělství se stále více opírá o družicová data - od optimalizace hnojení a ochrany rostlin až po setí. Významným zdrojem jsou družice Sentinel-2 programu Copernicus, které bezplatně poskytují multispektrální snímky ve viditelné, blízké infračervené a krátkovlnné infračervené části spektra. Z těchto dat lze počítat řadu vegetačních indexů, například NDVI, NDRE, CIRE nebo MSI pro hodnocení vodního stresu. Na jejich základě vznikají aplikační mapy pro variabilní dávkování vstupů podle aktuálního stavu porostu.

Hlavní výhoda družicových dat však nespočívá v jednom snímku, ale v pravidelném opakovaném snímkování. Podle polohy území lze získat nový záběr zpravidla jednou za 2–5 dní. Agronom tak nesleduje pouze izolovaný obraz pole, ale vývoj porostu v čase, a to bez plánování jednotlivých přeletů a bez nákladů na pořízení snímků.

Využitelnost dat však zásadně ovlivňují oblaky a jejich stíny, které mění zaznamenanou odrazivost povrchu. Pokud je ze snímku spolehlivě neodstraníme, mohou vést k chybnému vyhodnocení porostu a následně i k nevhodně sestavené aplikační mapě.

Kde standardní řešení naráží na limity

V praxi se běžně využívá klasifikace Sen2Cor, která je součástí produktů Sentinel-2 Level-2A. Při identifikaci oblaků poskytuje zpravidla dobré výsledky, hůře však může zachycovat tenkou oblačnost a zejména stíny oblaků. Publikované studie uvádějí úspěšnost přibližně 87 % u oblaků a 80 % u jejich stínů. Konkrétní výsledek ovšem závisí na typu krajiny, atmosférických podmínkách i použité hodnoticí metrice.

Nezachycený stín není jen obrazovou vadou. Zastíněné pixely zpravidla vykazují podhodnocené vegetační indexy, například NDVI nebo NDRE. Algoritmus je proto může vyhodnotit jako zónu se sníženou vitalitou, přestože jde pouze o dočasný optický jev. Taková chyba se může promítnout do stanovené dávky a snížit spolehlivost výsledné aplikace.

Řešení v Mapserveru PREFARM

Masku oblačnosti používanou ve webové aplikaci PREFARM Mapserver jsme vyvinuli s důrazem na spolehlivou identifikaci oblaků i jejich stínů. Využívá vlastní kombinaci spektrálních charakteristik a při našem hodnocení dosáhla 98% úspěšnosti při odhalování problematických pixelů. Ověření probíhalo na snímcích z posledních 3 let nad pozemky o celkové výměře 10 000 ha.

Přesná maska přináší dvojí užitek. Nezachycený oblak nebo stín může přímo zkreslit aplikační mapu. Falešně označená plocha sice hodnoty mapy neovlivní, ale zbytečně ubírá použitelná data a může vést k vyřazení jinak kvalitního snímku. Omezení obou typů chyb je důležité také při tvorbě časových řad, v nichž může chybná hodnota v jediném termínu způsobit nežádoucí výkyv.

Jak se s maskou pracuje v provozu

Samotná detekce je prvním krokem; následně je třeba rozhodnout, zda lze snímek použít. PREFARM Mapserver proto vyhodnocuje podíl zasažené plochy pro každý pozemek samostatně. Je-li plocha oblaků a stínů nad 2 % výměry pozemku, doporučujeme pro daný pozemek zvolit jiný termín.

Čím přesněji maska rozliší skutečně zasažené pixely od falešně označených, tím méně snímků se zbytečně vyřadí, a tím úplnější časovou řadu má agronom k dispozici.

Co připravujeme

Dalším krokem je automatizace výběru vhodného snímku. U pozemků, kde oblaky a stíny zasáhnou nejvýše 2 % výměry, připravujeme nahrazení dotčených pixelů průměrnou hodnotou zvoleného vegetačního indexu pro daný pozemek. Při takto malém rozsahu předpokládáme zanedbatelný vliv na vymezení produkčních zón, snímek však bude možné nadále využít.

Spolehlivá maska je zároveň předpokladem pro automatickou tvorbu doporučení. Bez důvěryhodné detekce nelze bezpečně převést zpracování snímků do plně automatického režimu, protože nezachycené oblaky nebo stíny by se mohly promítnout přímo do doporučené dávky.

Přínos pro agronoma

Přesnější eliminace oblaků a jejich stínů znamená spolehlivější vymezení produkčních zón, věrnější obraz prostorové variability porostu a variabilní aplikace, které lépe odpovídají skutečnému stavu pole. Snižuje se tak riziko rozhodování podle obrazového artefaktu místo reálného stavu porostu.

Srovnání masky oblačnosti v aplikaci PREFARM Mapserver na snímku z 19. 5. 2026 se standardní klasifikací Sen2Cor a snímku v přirozených barvách (RGB). Sen2Cor zde nezachytil část tenké oblačnosti a některé stíny oblaků