BASF
BASF
BASF

AGRA

Monitoring a odhad doby sklizně kukuřice pomocí dronu s multispektrální kamerou

29. 12. 2024 Ing. Malá Soňa a kol. Precizní zemědělství Zobrazeno 208x

Odhad optimální doby sklizně je důležitým faktorem pro zúročení celoroční práce na poli a startovací bod pro výživu skotu. V posledních letech byly zaznamenány meziroční extrémní klimatické rozdíly, které způsobovaly velké výkyvy ve výnosech, ale také výrazně odlišnou nutriční hodnotu nejen z pohledu kvantitativního (výnos hmoty kukuřice), ale i kvalitativních ukazatelů (podíl škrobu, podíl klasu, obsah NDF, stravitelnost atd.).

Varistar

Chemická laboratoř firmy NutriVet, s.r.o. se zabývá již přes 20 let problematikou výběru kukuřičných hybridů na siláž z pohledu nutriční kvality, produkce mléka a produkce bioplynu v BPS. Našim zákazníkům poskytujeme podklady pro toto důležité rozhodnutí, které zásadně ovlivňuje ekonomiku pěstování kukuřice na siláž.

Od léta 2023 ke standardním chemickým analýzám zařazujeme do naší nabídky plošné mapování stavu porostu kukuřice ke sklizni na siláž pomocí bezpilotního dronu DJI Mavic 3M s multispektrální kamerou, který je na trhu přibližně rok. Tento model dronu lze pořídit z programu precizního zemědělství Ministerstva zemědělství ČR pro širokou zemědělskou veřejnost. Pojďme se podívat, v čem je jeho přínos pro běžný provoz zemědělského podniku.

Obr. 1: Snímky vyrovnaného kukuřičného porostu v optimální sušině zachycené dronem DJI Mavic 3M, vlevo běžný snímek, vpravo snímek s vypočítaným NDVI a stanovenou průměrnou sušinou 35 %.
Obr. 1: Snímky vyrovnaného kukuřičného porostu v optimální sušině zachycené dronem DJI Mavic 3M, vlevo běžný snímek, vpravo snímek s vypočítaným NDVI a stanovenou průměrnou sušinou 35 %.

Co takový pomocník vlastně umí?

Jedná se o bezpilotní dron (UAV) s integrovanou multispektrální kamerou. Dron je zařazen do kategorie C2. Pro provoz je nutná registrace provozovatele dronu a pilotní průkaz A1 / A3. Každý snímek je reprezentován 5-ti obrazovými soubory. Klasickým barevným snímkem a 4 soubory zachycují odrazivost snímaného objektu pro následující vlnové délky:

  • NIR, 860 nm ± 26 nm
  • RE, 730 nm ± 16 nm
  • R, 650 nm ± 16 nm
  • G, 560 nm ± 16 nm

Výhodou tohoto modelu UAV je, že dokáže počítat NDVI index přímo za letu. Takže zvládnete mít základní přehled o porostu aktuálně přímo na poli. Lze zaznamenat na SD kartu fotografie s již vypočítaným NDVI pro další práci.

Další funkcionalitou zařízení je mapování vybrané oblasti na základě zadaných souřadnic (hranic pozemku) a vytvoření aktuální mapy sledovaného pole. Pro práci s indexy je potřeba zakoupit licenci na speciální software (DJI Terra, Pix4D apod.). Tyto programy dále pomáhají vytvářet aplikační mapy pro další použití (variabilní hnojení apod.).

K čemu nám ale jsou jednotlivé vegetační indexy?

S touto otázkou se setkáváme už několik let, že sice přístroj pro precizní zemědělství dokáže stanovit nějaký index, ale pro běžného uživatele je těžko uchopitelný. Proto jsme se spojili s panem Ing. Jiřím Janouškem z Fakulty elektrotechniky a komunikačních technologií na Vysokém učení technickém v Brně. Od roku 2019 provádíme snímání dronem na několika lokacích v Jihomoravském kraji (publikováno v MDPI, Janoušek J. a kol., 2021). Měření porostu kukuřice ke sklizni na siláž provádíme v týdenních intervalech zhruba od poloviny srpna (období od začátku mléčné zralosti kukuřice) do poloviny října, kdy na zrnu je již patrná černá skvrna a sušina přesahuje 65 %. Na základě srovnání vegetačních indexů s chemickou analýzou organických živin se nám podařilo potvrdit statisticky průkazný vztah s hodnotou sušiny rostliny.

Pro ukázku uvádíme srovnání několik měření hybridů z praxe v tabulce 1.

Tab. 1: Stanovený obsah sušiny kukuřice laboratorní metodou a pomocí kalibračních křivek na různých lokalitách (2023–2024)

Hybrid

DKC3117

neznámý

DKC5911

Neutrino

DKC5911

Kraj

Vysočina

Jihočeský

Jihomoravský

Pardubický

Olomoucký

Stanovená sušina (g/kg)

34,69

40,58

33,24

31,61

31,84

NDVI (g/kg)

36,74

10,17

33,03

33,74

31,03

GNDVI (g/kg)

36,34

41,17

32,34

31,34

34,74

Jak určit optimální dobu sklizně dronem?

Dron nabízí oproti tradičním metodám získání informací o kvalitě porostu neinvazivní cestou (nedochází k poničení porostu) a díky tomu je možné sledovat vývoj rostlin v čase. Nahradíme tak jednotky odběrů rostlin a jejich stanovení obsahu sušiny porostu za komplexní informaci z celého porostu. Pro jednotlivá měření dronem jsme schopni porovnat měnící se vlastnosti pole jako jsou:

  • průměrná sušina celého pole: má pouze informativní charakter,
  • průměrná sušina zelené části pole: je-li pole poškozené (zvěř, chybějící rostliny apod.) má větší vypovídající hodnotu než průměr celého pole, odpovídá číslu získanému z NIRs přístroje na řezačce,
  • podíl porostu s optimální sušinou (30–38 %): díky predikci vývoje na 3–6 dnů je možné sledovat, zda podíl poroste nebo bude klesat,
  • podíl porostu mimo optimální obsah sušiny: umožňuje sledování rizik sklizně (nevyzrálý/přezrálý porost) pro stabilitu siláže,
  • podíl poničeného porostu (porostu s nízkým výnosem): nevzrostlé rostliny, rostliny poničené krupobitím nebo zvěří.

Specifika sezóny 2024 zachycené dronem v spolupráci se společností Bayer

Letošní sklizeň kukuřice začala velmi brzo, již v první polovině srpna. Lokality, které běžně sklízeli kukuřici až v říjnu měli začátkem září po sklizni. Setkávali jsme se často s vyprahlou kukuřicí. Přestože počasí v červnu a červenci bylo přívětivé a dovolilo rostlinám získat patřičnou výšku a mléčnou zralost zrna, tak v půlce srpna již bylo pozdě přemýšlet nad dosažením optima kukuřičné siláže do 35 %. Díky nadprůměrnému počtu tropických dní se v srpnu přírůstek obsahu sušiny kukuřice pohyboval na hraně 1 % za den. V některých lokalitách se sklízel porost se sušinou 40 % a více. Přestože obchůzka porostu mohla vypadat tragicky, protože rostlina zaschla již ve fázi mléčné zralosti zrna, díky snímkům z dronu jsme objevili významná zelená ložiska, která mohla zastavit sklizeň. Ukázal se vliv podloží na kvalitu porostu kukuřice a schopnost půdy uchovat vláhu.

Ing. Malá Soňa1, Ing. Jambor Václav, CSc.1, Ing. Janoušek Jiří2, MVDr. Synková Hana1
1NutriVet, s.r.o. Pohořelice, 2Vysoké učení technické Brno

Související články

Precizní zemědělství je potřeba kalibrovat pro konkrétní faremní podmínky

06. 01. 2025 Ing. Jan Lukáš, Ph.D.; Výzkumný ústav rostlinné výroby, v.v.i., Praha-Ruzyně Precizní zemědělství Zobrazeno 410x

Organizace přejezdů po pozemcích

30. 12. 2024 Doc. Ing. Milan Kroulík, Ph.D., Ing Václav Linda; CPZ při ČZU Precizní zemědělství Zobrazeno 593x

Autonomní robotické prostředky v polní výrobě a krajinný prostor (3)

23. 12. 2024 Doc. Ing. Václav Brant, PhD. a kol. Precizní zemědělství Zobrazeno 352x

Autonomní robotické prostředky v polní výrobě a krajinný prostor (2)

20. 11. 2024 Doc. Ing. Václav Brant, PhD. a kol. Precizní zemědělství Zobrazeno 655x

Autonomní robotické prostředky v polní výrobě a krajinný prostor (1)

17. 10. 2024 Doc. Ing. Václav Brant, PhD. a kol. Precizní zemědělství Zobrazeno 1262x

Další články v kategorii Precizní zemědělství

detail