Chemap Agro s.r.o.

Využití bezpilotních prostředků ve sběru dat a řízení vstupů

22. 11. 2019 Doc. Ing. Milan Kroulík, Ph.D. a kol. Precizní zemědělství Zobrazeno 242x

Pořízení snímků pozemků nebo jakéhokoliv zájmového území z výšky přináší ve většině případů zajímavé informace a souvislosti, kterých si při obchůzce jen stěží povšimneme. Vysokou popularitu proto získává obor, který nese název dálkový průzkum Země, zkráceně DPZ. Tuto skutečnost umocňují stále více dostupnější snímky satelitní a technika bezpilotních prostředků. S tím souvisí také dostupnost aplikací pro zpracování obrazového materiálu a jejich vhodnou interpretaci.

Agronutrition

Bezpilotní prostředky

Použití bezpilotních prostředků, obecně nazývaných jako drony, nabízí detailní zobrazení a vysokou míru flexibility v nasazení. Jedná se rovněž o alternativu k družicovým snímkům, ale též dalším metodám měření, včetně plodinových čidel. Hlavním kladem je již zmíněná vysoká míra flexibility, a také vysoké rozlišení snímků zájmové plochy.

V současné době se můžeme setkat se dvěma hlavními konstrukčními směry a typy bezpilotních prostředků. Pochopitelně existuje více možností, jak vynést do výšky například kameru, ale dále uvedené konstrukce převládají nad klasickými letouny, větroni, helikoptérami nebo též balóny a vzducholoděmi. Je to bezpochyby i díky snadnému, často také autonomnímu ovládání během letu. Lze říci, že na rozdíl od výše jmenovaných strojů, dokáže po krátkém zaškolení s uvedenými letouny létat téměř každý.

Na obrázku 1 je první konstrukce, využívající více rotorů. Od toho je také odvozeno označení jako multikoptéra. V uvedeném případě se jedná o osmivrtulový bezpilotní letoun model Asctec Falcon 8 s výbavou pro uchycení a ovládání RGB nebo multispektrálního fotoaparátu (gimbal). Počet rotorů se může lišit. Toto konstrukční řešení umožňuje letounu zastavit v požadované výšce a pozici natočení. Díky tomu můžeme pořizovat velmi detailní snímky zájmového území, případně objektů. Na druhou stranu je tento stroj vhodnější pro snímkování menších území. Limitujícím faktorem, když nebudeme jmenovat legislativní předpisy, je bezesporu kapacita akumulátorů. Ve všech případech je údaj o stavu napětí akumulátorů během letu pro uživatele klíčový.

V druhém případě se jedná o konstrukci křídla s tlačnou vrtulí (obr. 2). Oproti předešlému typu neumožní zastavit na místě, pro vzlet a přistání vyžaduje určitou plochu, výhodou je ale klouzavý let, díky kterému během jednoho vzletu nasnímáme rozsáhlejší území.

K popularitě bezpilotních prostředků určitě výrazně přispívá zájmové a hobby létání případně soutěžní klání.

Obr. 1: Bezpilotní prostředek Asctec Falcon 8 s výměnnými kamerovými systémy
Obr. 1: Bezpilotní prostředek Asctec Falcon 8 s výměnnými kamerovými systémy

Obr. 2: Bezpilotní prostředek Parrot Disco-Pro AG určený především pro zemědělské aplikace
Obr. 2: Bezpilotní prostředek Parrot Disco-Pro AG určený především pro zemědělské aplikace

Kamerové systémy a fotoaparáty

Pro účelové využití je potřeba počítat především s kamerovým osazením, které přinese požadované informace o sledovaném prostředí. Zde se nabízí celá řada kamerových systémů a fotoaparátů. Od klasických, které snímají ve viditelném spektru, po multispektrální nebo hyperspektrální. Tyto kamery dokáží vedle viditelného spektra zaznamenávat také v oblastech mimo viditelné spektrum, nejčastěji v pásmu infračerveném. Vývoj v oblasti kamer pro bezpilotní prostředky je poměrně intenzivní.

Odrazivost

Dovolím si zde přiblížit problematiku sběru dat na následné teoretické části. Podstatou využití multispektrálních nebo hyperspektrálních kamer je skutečnost, že půda a vegetační pokryv odráží s rozdílnou intenzitou (popř. i vyzařuje) elektromagnetické záření. Odrazivost je závislá jak na druhu a stavu rostlin, tak na jejich hmotě.

Při průchodu atmosférou je záření různým způsobem ovlivňováno, mění se směr a rychlost jeho šíření, ale i intenzita a spektrální složení. Nejzávažnějším jevem je pohlcování (absorpce) záření atmosférou. Viditelné spektrum se pohlcuje hlavně mechanickým znečištěním (prach, vodní kapky). V infračerveném oboru se na absorpci uplatňují i vodní pára a plyny (oxid uhelnatý a dusný). Sběr dat je tak zúžen na části spektra, které atmosférou procházejí s minimální ztrátou - tzv. atmosférická okna. Atmosférickým oknům odpovídají rozšířené metody záznamu odražené energie sledovaným prostředím. Viditelné světlo se shoduje s vrcholem sluneční energie. S prodlužováním vlnové délky přechází na infračervené a tepelné záření. Celou tuto část spektra lze snímat optickými čidly a skenery. Multispektrální skener umožňuje snímat současně záření u vybraných vlnových délek, a to v celém rozsahu od viditelného spektra až po oblast tepelného záření. Pomocí hyperspektrálních senzorů, kde jsou k dispozici desítky či stovky spektrálních pásem, je možné se zaměřit na taková pásma, která nám přesně charakterizují požadovaný stav.

Typické křivky odrazivosti energie vegetací, půdou a vodou jsou vyobrazeny na obrázku 3. Tvar této křivky je jedinečný pro sledovaný objekt, je však ovlivňován jeho stavem nebo kondicí. Jak je z obrázku patrné, jsou pro křivky zdravé vegetace typické vrcholky a sedla. Chlorofyl silně absorbuje záření v oblasti spektra od 0,45 μm do 0,67 μm (modrá a červená barva), ale zelenou barvu silně odráží. Pokud je vegetace stresována, obsah chlorofylu se snižuje. Tato skutečnost se projeví na poměru pohlcené a odražené energie. Především odrazivost červené složky se zvyšuje a výsledek je žloutnutí lisů (kombinace zelené a červené).

Pokud se posouváme do oblasti blízkého infračerveného záření (near-IR, NIR), okolo vlnové délky 0,7 μm, začne u zdravé vegetace odrazivost výrazně narůstat. V rozsahu vlnových délek od 0,7 μm do 1,3 μm listy rostlin odrazí 40 až 50 % dopadající energie. Odrazivost v tomto pásmu je dána především rozdílnou vnitřní strukturou listů. Protože struktura listů je mezi druhy rostlin velmi variabilní, měření odrazivosti v této oblasti nám často dovoluje rozlišit rostlinné druhy, i když se ve viditelném spektru projevují shodně. Rovněž se v blízkém infračerveném záření významně projeví stres rostlin. Pokles v odrazivosti je dále pozorován v zónách vlnových délek 1,4, 1,9 a 2,7 μm, protože v těch je energie silně absorbována vodou v listech. S odvoláním na tuto skutečnost je uvedené pásmo nazýváno pásmo vodní absorpce. Vrchol odrazivosti se nachází v oblasti 1,6 μm a 2,2 μm. V celém pásmu, kromě délky 1,3 μm, listová odrazivost negativně koreluje s obsahem vody v listech.

Křivka odrazivosti půdy vykazuje mnohem méně výkyvů. Mezi faktory, které mají dopad na půdní odrazivost, patří vlhkost půdy, zrnitostní složení, drsnost povrchu, oxidy železa a organická hmota.

Spektrální odrazivost vody je nejvýraznější v infračerveném a blízkém infračerveném pásmu. V těchto vlnových délkách se absorbuje energie bez ohledu na to, zda se jedná o vodní hladinu nebo vodu obsaženou v rostlinách nebo půdě.

Pro mnohé zemědělské studie a následné využití se používají spektrální vegetační indexy, vypočítané jako poměry z odrazivosti jednotlivých vlnových délek. Pro tyto účely využíváme filtry s omezenou propustností, kdy se zaměřujeme na konkrétní oblast vlnových délek.

Obr. 3: Typické křivky odrazivosti spektra vegetace, půdy a vody
Obr. 3: Typické křivky odrazivosti spektra vegetace, půdy a vody

Praktické využití

Nyní přejdeme k praktickým ukázkám využití, které vychází z podstaty spektrálního chování sledovaných povrchů. Jako prvotní aplikace se nabízí hodnocení variability pozemků. Získáme tak významnou vrstvu do skladby informací o pozemcích. Výsledné snímky můžeme také zpětně využít při návrhu odběrové sítě. Optimalizací odběrů docílíme nejen snížení nákladů na průzkum zájmového území, ale předejdeme například situaci, kdy z relativně vyrovnané plochy odebíráme značné množství vzorků, zatímco velmi variabilní části pozemku mohou zůstat bez povšimnutí.

Výživa a hnojení rostlin

Významnou oblastí pro uplatnění optických čidel je stanovení výživného stavu rostlin a určení dávky pro variabilní aplikace dusíkatých hnojiv během přihnojení (obr. 4). Rozdílná úroveň výživy se na porostu projeví rozdílnou hustotou, množstvím pigmentů, posunem fenofází, změnou odolnosti vůči stresovým faktorům apod. Technických řešení je několik, využití bezpilotního prostředku je více než vhodné. Na základě stavu porostu se následně připraví aplikační mapa. Hodnoty obsahu sušiny, jako jeden z výstupů, byly vyjádřeny ze snímků, pořízených bezpilotním letounem firmy Souffle.

Obr. 4: Obsah sušiny vyjádřeny z multispektrálního snímku, pořízeného před druhým přihnojením
Obr. 4: Obsah sušiny vyjádřeny z multispektrálního snímku, pořízeného před druhým přihnojením

Desikace porostů

Desikace porostu a celkově aplikace chemických látek byla vnímána jako citlivé ekologické téma s důrazem na maximální přesnost aplikace. I z tohoto důvodu Ministerstvo zemědělství ČR, na základě zprávy o plošné aplikaci přípravků na bázi glyfosátu, zakázalo od 1. ledna 2019 používat přípravky s obsahem glyfosátu pro desikaci, resp. urychlení dozrávání některých plodin či zvýšení podílu sušiny porostu před sklizní, omezí se rovněž plošné používání glyfosátu. Uvedený příklad je tedy jakýmsi ohlédnutím za aplikací. Prvním krokem bylo získání vztahu mezi vlhkostí porostu a vegetačními indexy porostu. Ze získaných dat bylo zřejmé, že existuje těsná závislost mezi vlhkostí nadzemí biomasy řepky a hodnotami obou vegetačních indexů a lze je tedy využít data ke spolehlivé detekci zralostního stavu porostů v rámci cílené desikace.

K vytvoření aplikační mapy byl porost před desikací nasnímkován bezpilotním prostředkem. Na základě známé závislosti indexu na vlhkosti porostu byly následně vymezeny plochy, které budou během desikace ošetřeny a které budou z ošetření vyloučeny. Na základě výsledku je tak připravena aplikační mapa a následně uložena do řídicího terminálu postřikovače. Obrázek 5 předkládá snímek dvou pozemků porostů řepky před chystanou desikací. Snímky jsou pořízeny v nepravých barvách. Následuje výpočet NDVI indexu (obr. 6).

Na základě kalibračních hodnot byly připraveny aplikační mapy pro aplikaci desikantu. Rozlišení mapy bylo upraveno pro možnosti vypínání sekcí postřikovače. Následující obrázek 7 přináší aplikační mapu, která byla vytvořena na základě snímků porostů a rozdělila pozemek na dvě aplikační zóny. Aplikace byla provedena v režimu předepsaná dávka a bez aplikace. V uvedeném případě byla aplikace provedena přípravkem Roundup.

Obr. 5: Snímek porostu řepky ozimé pořízen před plánovanou desikací
Obr. 5: Snímek porostu řepky ozimé pořízen před plánovanou desikací

Obr. 6. Pozemek řepky ozimé zobrazeny v indexu NDVI
Obr. 6. Pozemek řepky ozimé zobrazeny v indexu NDVI

Obr. 7: Aplikační mapa pro desikaci porostů řepky
Obr. 7: Aplikační mapa pro desikaci porostů řepky

Hodnocení stresových faktorů

Dostupnost vody pro plodiny a jejich odolnost vůči nedostatku v průběhu růstu ovlivňují celkový výnos, kvalitu a rentabilitu polní produkce v podmínkách měnícího se klimatu. Rostliny postižené stresem sucha uzavírají průduchy, snižuje se transpirace, která ochlazuje porost, a teplota povrchu listů se zvyšuje. Rychlá detekce a kvantifikace prvků odrůdové odolnosti vůči stresu a plošné variability nedostatku vláhy jsou důležité pro management polních plodin. Údaje můžou být využity pro výběr a delimitaci druhů a odrůd plodin v rámci podniků, pro zpřesnění vláhové potřeby v závlahách apod. V uvedených příkladech nachází uplatnění termokamera. Snímek na obrázku 8 vykazuje variabilitu v teplotě povrchu půdy po zpracování půdy a setí.

Příkladem biotických stresorů jsou choroby rostlin vyvolané houbovými, bakteriálními a virovými patogeny, dále pak bezobratlí škůdci rostlin. Zařízení použité tímto způsobem umožňuje definovat prostorovou (zjištění míst výskytu) a časovou složku variability porostu spolu s intenzitou výskytu stresového faktoru v návaznosti na standardní metodické a laboratorní postupy (obr. 9 a 10).

Obr. 8: Termogram pokusného pozemku z lokality Řisuty
Obr. 8: Termogram pokusného pozemku z lokality Řisuty

Obr. 9: Pokus s umělou infekcí BYDV na pšenici ozimé
Obr. 9: Pokus s umělou infekcí BYDV na pšenici ozimé

Obr. 10: Termogram zobrazující rozdílnou teplotní odezvu u zdravých a BYDV napadených odrůd pšenice ozimé
Obr. 10: Termogram zobrazující rozdílnou teplotní odezvu u zdravých a BYDV napadených odrůd pšenice ozimé

Monitoring výsadeb

Výhody bezpilotních prostředků, kdy lze dosáhnout vysokou kvalitu a rozlišení snímků lze využít také ve specifických výsadbách. K nim patří mimo jiné chmelnice. V takovýchto porostech, které se zakládají na 25 a více let, každý jedinec rozhoduje o konečném výnosu. Chybějící rostliny ve chmelnici (obr. 11), ale i v dalších porostech, jsou další rezervou k dosahování stabilně vyšších výnosů. Vzhledem k vysoké pořizovací hodnotě konstrukcí je zapotřebí maximálního využití plochy.

Obr. 11: Vegetační index REDedge a detail mezerovitosti porostu chmele
Obr. 11: Vegetační index REDedge a detail mezerovitosti porostu chmele

Závěr

Byly představeny některé z aplikací bezpilotních prostředků. Jejich využití a uplatnění s vývojem vhodných kamer a senzorů bezesporu ještě poroste. Za zmínku stojí snaha o zamezení posečení zvěře během senosečí. Zde se bezpilotní prostředky intenzivně využívají.

Nejsou to ale pouze obrazové záznamy. S pomocí laserového skeneru je možné sledovat povrch pozemku, výšky a zapojení porostů. Do budoucna se určitě uvažuje o aplikačních úkonech. Zde bude pochopitelně záležet na nosnosti prostředku a jeho výdrži. Na obrázku 12 je jeden z příkladů bezpilotního prostředku s postřikovačem. Bezpilotní prostředky rovněž zapadají do snahy využít robotické platformy v zemědělství.

Obr. 12: Bezpilotní prostředek Agras s postřikovačem
Obr. 12: Bezpilotní prostředek Agras s postřikovačem

Práce byla realizována za finanční podpory Ministerstva průmyslu a obchodu v rámci projektu TRIO FV10213.

Doc. Ing. Milan Kroulík, Ph.D., Doc. Ing. Václav Brant, Ph.D., Ing. Pavel Hamouz, Ph.D.; Česká zemědělská univerzita v Praze
Ing. Jan Lukáš, Ph.D.; Výzkumný ústav rostlinné výroby, v. v. i. Praha-Ruzyně
foto: 1 - P. Hamouz; 2, 5–8, 11, 12 - M. Kroulík; 9, 10 - J. Lukáš

Související články

Využití variabilních aplikací ve společnosti Agra Řisuty s.r.o.

27. 11. 2019 Ing. Vítěslav Krček Ph.D.; Česká zemědělská univerzita v Praze, Ing. Jan Semrád; Agrinova Services, s. r. o. Precizní zemědělství Zobrazeno 287x

Přehled aktivit společností působících v oblasti precizního zemědělství

01. 11. 2019 Ing. Petr Štěpánek, Ph.D.; Agromanuál Precizní zemědělství Zobrazeno 739x

AG Tracker

01. 11. 2019 Ing. Pavel Palas; AG info, s.r.o. Precizní zemědělství Zobrazeno 358x

My Data Plant

01. 11. 2019 Tomáš Driml; Kleffmann Group, s.r.o Precizní zemědělství Zobrazeno 359x

Agdata

01. 11. 2019 Ing. Jiří Musil; Agdata s.r.o. Precizní zemědělství Zobrazeno 367x

Další články v kategorii Precizní zemědělství

detail