Plošně diferencované aplikace postřiku v precizním zemědělství (1)

23. 02. 2026 Doc. Ing. Vojtěch Lukas, Ph.D. a kol. Precizní zemědělství Zobrazeno 469x

Precizní zemědělství cílí na efektivní využívání materiálových vstupů a přírodních zdrojů při pěstování rostlin. Zatímco v případě výživy rostlin jsou variabilní aplikace hnojiv využívány již řadu let a stávají se běžnou realitou, plošně diferencované aplikace přípravků na ochranu polních rostlin se začínají uplatňovat teprve v posledních letech. Souvisí to s vývojem aplikační techniky schopné prostorově přesnější aplikace, a také s nově uplatňovanými metodami detekce stavu porostů a škodlivých organizmů pomocí pokročilých nástrojů analýzy obrazu včetně vyhodnocení v reálném čase.

Kromě zefektivnění rostlinné produkce jsou plošně diferencované aplikace také výsledkem společenského tlaku na omezování použití chemicko-syntetických látek v polní produkci. Současný vývoj metod cílené aplikace pesticidních látek se zaměřuje hlavně na aplikaci herbicidů, okrajově na také na detekci houbových chorob a aplikaci fungicidního ošetření (Anastasiou et al., 2023). Zatímco plošná distribuce plevelů je heterogenní a je zde tak velký potenciál pro celkovou úsporu (dle intenzity zaplevelení), lokálně cílená aplikace insekticidů je problematická z důvodu obtížného monitoringu škodlivých činitelů v rámci plochy pozemků a jejich významné časové dynamiky výskytu (Ørum et al., 2017).

Plevele jsou významným faktorem redukujícím výnos a kvalitu plodin zvýšenou konkurencí o vodu, sluneční záření a živiny. Jejich regulace je tak nezbytná pro zemědělskou produkci a herbicidy se staly hlavní metodou jejich potlačování v rozvinutých zemích. Nicméně obavy z negativních dopadů na životní prostředí vedou k tlaku na pěstitele, aby používání těchto látek omezili. Lokálně cílená regulace zaplevelení (SSWM - site specific weed management) představuje strategii rozdílné regulace zaplevelení napříč pozemkem s cílem postihnout rozdíly v početnosti nebo složení populace plevelných rostlin (Wiles, 2009). Regulační zásah je cílen na oblasti s intenzitou zaplevelení nad ekonomickým prahem škodlivosti nebo na volbu herbicidu s nejvyšší účinností dle detekovaného výskytu plevelných či zaplevelujících rostlin. Výzkum metod SSWM je spojen se začátky rozvoje precizního zemědělství v 90. letech 20. stol.

Obr. 1: Ovládání části aplikačního záběru taženého postřikovače

Principy plošně diferencované aplikace přípravků na ochranu rostlin

Způsob realizace cílené aplikace účinných látek a úroveň přesnosti provedení zásahu je odvislé do mnoha faktorů. Zmínit můžeme intenzitu výskytu a prostorovou distribuci škodlivých organizmů včetně zohlednění hospodářské škodlivosti, metody detekce stavu porostu a výskytu škodlivých organizmů v rámci pozemků a možnosti aplikační techniky z hlediska přesnosti navádění a řízení aplikačního záběru (obr. 1).

Inovací v oblasti aplikační techniky je ovládání aplikačního záběru po jednotlivých tryskách. To zajišťuje např. systém s pulzní modulací (PWM - Pulse Width Modulation). Elektromagnetický ventil v držáku trysky s vysokou frekvencí zapíná a vypíná postřik (20–100×/sec.), a tím spíná trysku (on/off) nebo mění dávku postřiku (VRA). Doba otevření trysky reguluje průtok beze potřeby změny tlaku. Reakční rychlost ventilu zajišťuje krátké sepnutí trysky a provedení postřiku na malé vzdálenosti (nezbytné pro bodový postřik). Dalším často používaným systémem regulace postřiku je Selejet. Průběžná změna dávkování je řízena skokově kombinací trysek o různém průtoku nainstalovaných na držáku trysky. Rozsah dávkování je dán tryskou s nejmenším průtokem (minimální dávka) a součtem průtoků všech trysek (maximální dávka). Ovládání trysek může být řešeno vzduchovým systémem. Pro plošně diferencované aplikace je možné využít obě řešení. S ohledem na technické řešení lze ale najít mezi nimi rozdíly jak z hlediska přesnosti dávkování, tak rychlosti reakce změny dávky (Olšan, 2023).

Plošně diferencovanou aplikaci postřikových látek v precizním zemědělství pak můžeme ve zjednodušeném pojetí rozdělit do čtyř kategorií:

Pásová aplikace

Pasová aplikace (band/strip spraying) představuje aplikaci přípravku před zapojením porostu pouze v úzce vymezeném pásu u širokořádkových plodin či plodin s optimalizovanou šířkou řádků. Aplikace může být provedena v pásu nad řádkem plodiny u fungicidního, insekticidního či herbicidního ošetření nebo v meziřadí pro aplikaci herbicidů. Podstatná je volba trysky a dodržení výšky ramen pro zajištění stejnoměrné šířky pásu. Úspora přípravku je závislá na rozteči řádků a šířce pásu - při záběru 25 cm a meziřádkové vzdálenosti 75 cm je modelová úspora aplikace na úrovni 66 %. Typickým využitím je aplikace preemergentního herbicidu při setí kukuřice nebo postemergentní aplikace v řádku současně s plečkováním meziřadí. Pro dodržení poziční přesnosti využívá GNSS-RTK korekční signál či optickou detekci řádků. Naopak není nezbytný monitoring výskytu škodlivých organizmů.

Zonální aplikace

Zonální aplikace (zonal spraying) vychází z rozčlenění porostu do několika zón s odlišnou aplikační dávkou. Zóny jsou definovány na základě hodnocení aktuálního stavu porostu družicovým průzkumem či definování dlouhodobých management zón, např. dle produkčních zón z časové řady družicových dat nebo výnosových map. Tento postup je nejčastěji uplatňován ve výživě rostlin formou variabilní aplikace hnojiv, je ale využitelný také pro variabilní aplikaci regulátorů růstu či okrajově při variabilní aplikaci fungicidního pošetření. V obou případech se vychází se z předpokladu zvýšení aplikační dávky při předpokladu vyššího zapojení (hustoty) porostu. Počet a distribuce zón odpovídá plošně nevyrovnanosti porostu.

Příklad z praxe (obr. 2) představuje zónová (variabilní) aplikace regulátorů růstu pšenice ozimé u Kyjova v roce 2021, založená na vymezení produkčních zón z časové řady družicových dat. Nejvyšší dávka byla směřována do zón v údolnicích s nejvyšší očekávanou produktivitou, nejnižší do míst s pravidelně nízkou hustotou porostu. Součástí mapy byly i pásy s uniformní dávkou (100 %) pro vyhodnocení přínosů variabilní aplikace. Zóny korespondovaly s rozložením polehlých ploch v roce 2020.

Při zonální aplikaci není požadována vysoká přesnost systému - dostačuje běžně dostupný diferenční signál poziční služby SBAS (v našich podmínkách např. EGNOS nebo John Deere SF1), a také řízení aplikace na úrovni záběru stroje či mezi sekcemi. Vymezení hranic zón je poplatné prostorové a polohové přesnosti pořizovaných dat, která se v případě družicových systémů pohybuje na úrovni několika metrů, tudíž je zbytečné vyžadovat centimetrovou přesnost při aplikaci postřiku. Aplikační technika ale musí být schopna variabilního dávkování (odemčení VRA v palubním terminálu).

Pro průběžné hodnocení stavu porostu je nejčastějším zdrojem dat multispektrální družicový monitoring. Evropský systém Copernicus volně poskytuje multispektrální data Sentinel-2 s prostorovým rozlišením 10 m/pixel. Po vypuštění třetí družice (Sentinel-2C) na podzim 2024 došlo ke zkrácení doby oběhu na cca 2–3 dny a zvýšení četností snímků. Družice má v roce 2026 nahradit již dosluhují Sentinel-2A (vypuštěna 2015). K datům je volný přístup přes celou řadu webových služeb, jednou z nejčastěji využívaných je Copernicus Data Space Ecosystem (https://dataspace.copernicus.eu/). Kromě viditelného a blízce infračerveného spektra zachycuje multispektrální skener družic také několik spektrálních pásem v oblasti red-edge, které slouží pro výpočet vegetačních indexů s vysokou citlivostí na změny obsahu chlorofylu - a tedy detekci zdravotního stavu vegetace (NDRE, NRERI, REIP, IRECI apod.). Naopak vegetační indexy NDVI, EVI, SAVI a další slouží pro hodnocení zapojení porostu a množství nadzemní biomasy. Hodnoty odrazivosti ve SWIR spektrálních pásmech vykazují vyšší citlivost na změny obsahu vody v rostlinách a v podobě vlhkostních vegetačních indexů (NDMI, NDWI) umožňují odvodit např. sklizňovou zralost plodin.

Vyšší prostorové a časové rozlišení nabízejí data ze systému PlanetScope, který zahrnuje více než 150 malých komerčně provozovaných družic s multispektrálním snímačem. Data s prostorovým rozlišením 3 m/pixel (resp. 3,7 m) a časovým rozlišením přibližně 1x denně jsou dostupná za poplatek. Právě vyšší frekvence poskytování dat je hlavní předností tohoto systému pro výběr termínu bezoblačných scén. Výskyt oblačnosti významně omezuje využití optických dat (na rozdíl od radarových), a proto více dostupných snímků za kalendářní měsíci umožňuje zvolit monitoring nejblíže termínu realizovaného zásahu (či pozorování).

Kromě dálkového průzkumu jsou pro zonální aplikaci využitelné také plodinové senzory upevněné na aplikátorech. Jedná se např. o Yara N-sensor, ISARIA, OptRx, Greenseeker, CropSpec či obrazový senzor Augmenta. Jejich podstatnou výhodou je nezávislost na výskytu oblačnosti a průběžné (on-the-go) hodnocení stavu porostu při průjezdu aplikátorů (označováno také jako online či onboard systém aplikace, kdy měření, vyhodnocení a aplikace jsou realizovány při jednom průjezdu mechanizace).

Obr. 2: Příklad zónové aplikace regulátorů růstu pšenice ozimé (Kyjov, 2021)

Ohnisková aplikace

Ohnisková aplikace (patch spraying) umožňuje detekovat dílčí plochy v rámci pozemků, které odpovídají ohniskovému výskytu zaplevelení pro aplikace herbicidů. Může se také jednat o detekci míst poškozeného porostu (např. hraboši) a následné vynechání ošetření přípravky (fungicidy, regulátory růstu). Pro přesné vymezení ploch jsou nezbytná data o vyšším prostorovém rozlišení na úrovni několik centimetrů nebo decimetrů. Ačkoli jsou již v současnosti dostupná družicová data s prostorovým rozlišením 15–50 cm, jedná se o značně nákladné komerční služby (Airbus Pléiades Neo, Maxar WorldView), kde je často nutné o snímkování dopředu zažádat. Proto hlavním zdrojem obrazových dat pro detekci je zejména mapování pomocí dronů s prostorovým rozlišením několika cm. Detekce zaplevelení nebo poškozených ploch vychází z metod analýzy obrazu (multispektrálního, RGB) na úrovni pixelů - nástroji jednoduchého prahování hodnot vegetačních indexů, řízené a neřízené klasifikace či segmentace obrazu. Kolem detekovaných objektů pro předpisovou mapu je vhodné vytvářet obalové (buffer) zóny z důvodu nižší přesnosti celého systému.

Rozlišit lze dva základní režimy detekce zaplevelení - pro neselektivní aplikace (green on brown) a rozlišení plevelných rostlin od kulturních (green on green) pro aplikace selektivních herbicidů.

Praktický příklad představuje ohnisková aplikace herbicidu proti zaplevelení pcháčem rolním v pšenici ozimé (obr. 3) v Roštěnice a.s. Petrem Širůčkem. Aplikační ohniska byla vymezena metodou „green on green“ ze snímkování dronem DJI Mavic 3 Multispectral, zpracována klasifikačními nástroji v GIS, následně nahrána do terminálu postřikovače a využita pro cílenou aplikaci (Petr Širůček, Rostěnice a.s., 2025).

Dalším příkladem je ohnisková aplikace kombinovaného ošetření ve Višňové (rok 2025) v porostu vojtěšky seté v prvním roce výsevu (obr. 4). Na základě monitoringu drony byly detekovány části pozemku se špatně vzešlým porostem vyžadujícím obnovu po aplikaci glyfosátu, plochy určené k aplikaci graminicidu pro regulaci zaplevelení jílky a části s dobře zapojeným porostem bez potřeby ošetření.

Pro ohniskové aplikace je již vhodné navádění postřikovače s vysokou poziční přesností v jednotkách cm (GNSS-RTK). Kromě režimu zapínání trysek (on/off) může být také kombinováno s proměnlivým dávkováním (VRA). Ačkoli v některých případech stačí ovládání aplikačního záběru na úrovni sekcí ramen postřikovače, pro maximálně efektivní pokrytí je vhodné řízení jednotlivých trysek.

Obr. 3: Ohnisková aplikace herbicidu na pcháč rolní v pšenici ozimé (2025)

Obr. 4: Ohnisková aplikace v porostu vojtěšky seté - 1 - glyfosát, 2 - plocha aplikace graminicidu pro regulaci zaplevelení jílky, 3 - části pozemku s dobře zapojeným porostem bez potřeby ošetření (Višňové, 2025)

Bodová aplikace

Bodová aplikace představuje nejvyšší úroveň přesnosti aplikace postřikových látek. V případě aplikace herbicidů vychází z detekce jednotlivých rostlin - rozlišení kulturních od plevelných či přímo identifikace skupin plevelných druhů. Detekce využívá metod objektové analýzy obrazu (object based image analysis - OBIA) s využitím technik hlubokého učení (CNNs, YOLO, transformer-based models). Výsledkem detekce jsou ohraničující boxy (bounding box) objektů - rostlin - a jejich kategorizace. Pro tyto účely je nezbytné velmi vysoké prostorové rozlišení snímání porostů v jednotkách mm pro rozlišení tvaru rostlin. V tomto případě přichází v úvahu bezpilotní snímkování nebo kamerové systémy instalované přímo na aplikační technice (systémy jsou označovány jako online/on-the-go/onboard). Tyto systémy jsou vyvíjeny výrobci postřikovací techniky (John Deere See & Spray, Agrifac AiC Plus, Horsch SpotSpraying, Amazone Smart Spraayer) nebo jsou dostupná jako dodatečné vybavení postřikovače (např. DAT Ecopatch).

Ačkoli je bodová aplikace realizovatelná i pro konvenční postřikovací techniku, nejvyšší přesnosti dosahuje u ultrapřesných postřikovačů (ultra-high precision sprayers). Ty mají mnohem vyšší hustotu aplikačních trysek (vzdálenost např. 4 nebo 6 cm) a dle real-time kamerového snímání provádí přesnou bodovou aplikaci. Může se jednat o nesené systémy se záběrem do 6 m (Ecorobotix ARA - obr. 5, Bayer MagicSprayer) nebo systémy upevněné na autonomním zařízení (FarmDroid).

V příštím čísle vyjde pokračování článku zaměřené na výsledky ověřování plošně diferencovaných aplikací postřiků a nejnovější technologie precizního zemědělství, včetně onboard systémů, dronů a autonomních zařízení pro cílenou regulaci zaplevelení.

Obr. 5: Pohled na rozložení komponent zařízení Ecorobotix ARA (vlevo) a detail senzorové jednotky (vpravo) (Agritechnica, 2023)

Článek je výsledkem řešení výzkumného projektu MZe NAZV QL25020034 „Optimalizace používání přípravků na ochranu rostlin plošně diferencovanou aplikací metodami precizního zemědělství“.

Doc. Ing. Vojtěch Lukas, Ph.D., Ing. Petr Širůček, Ing. Jakub Elbl, Ph.D., Ing. Vojtěch Slezák, Ing. Tomáš Kaplánek, Ing. Kateřina Kuchaříková, Doc. Ing. Vladimír Smutný, Ph.D.; Mendelova univerzita v Brně

Použitá literatura je k nahlédnutí u autorů článku.