Využití indexu MCARI pro detekci plevelů typu green-on-green v porostu pšenice a cílenou aplikaci herbicidu

24. 09. 2026 Ing. Michal Liška a kol. Precizní zemědělství Zobrazeno 2269x

Precizní zemědělství přináší nové možnosti optimalizace ochrany rostlin prostřednictvím prostorově cílených zásahů. Rostoucí tlak na omezení spotřeby pesticidů, ekonomickou efektivitu i snižování dopadů na životní prostředí podporuje využívání technologií umožňujících aplikovat přípravky pouze v místech jejich skutečné potřeby. Jedním z těchto nástrojů je multispektrální snímání porostů pomocí bezpilotních prostředků.

Významným problémem při pěstování pšenice je nerovnoměrný výskyt plevelů, zatímco v praxi stále převládá plošná aplikace herbicidů. Alternativu představuje lokalizovaná aplikace založená na identifikaci zaplevelených oblastí a tvorbě předpisových map.

Obtížnou situací je detekce plevelů typu green-on-green, kdy se plevelné rostliny nacházejí přímo v zapojeném porostu a mají podobné spektrální vlastnosti jako kulturní plodina. Pro jejich rozlišení lze využít multispektrální vegetační indexy, zejména indexy citlivé na změny obsahu chlorofylu (Rai a kol., 2023).

Tento článek prezentuje výsledky projektu realizovaného ve spolupráci Fakulty zemědělské a technologické Jihočeské univerzity v Českých Budějovicích a nedaleko sídlící Zemědělské společnosti Dubné a.s., která hospodaří na výměře přibližně 3 000 ha zemědělské půdy. Cílem projektu bylo ověřit možnosti využití indexu MCARI (Modified Chlorophyll Absorption Ratio Index) pro detekci plevelů v porostu pšenice, vytvoření předpisové mapy a následnou cílenou aplikaci herbicidu v podmínkách reálného zemědělského provozu s využitím technologií precizního zemědělství.

Multispektrální indexy a problematika detekce plevelů green on green

Multispektrální snímání představuje jednu z metod dálkového průzkumu Země, která umožňuje získávat informace o stavu vegetace na základě odlišné odrazivosti elektromagnetického záření v jednotlivých spektrálních pásmech. V zemědělství se využívá zejména pro hodnocení vitality porostů, detekci stresových faktorů, odhad biomasy nebo identifikaci prostorové variability na pozemku. V kombinaci s bezpilotními prostředky umožňuje získat data s vysokým prostorovým rozlišením a jejich následné využití pro rozhodování v rámci precizního zemědělství.

Z multispektrálních dat lze vypočítat vegetační indexy, které matematicky kombinují hodnoty odrazivosti jednotlivých spektrálních pásem a zvýrazňují určité vlastnosti vegetace. Mezi nejčastěji využívané patří index NDVI (Normalized Difference Vegetation Index), který vychází z rozdílu mezi odrazivostí v červeném a blízkém infračerveném pásmu. NDVI je široce využíván pro hodnocení hustoty a vitality vegetace, avšak jeho schopnost rozlišovat jemné rozdíly mezi jednotlivými typy vegetace může být v hustých porostech omezená.

Specifickým problémem ochrany rostlin je detekce plevelů v situaci označované jako green-on-green, kdy se plevel nachází přímo v zapojeném porostu kulturní plodiny. Na rozdíl od detekce typu green-on-brown, kde je vegetace dobře odlišitelná od půdního pozadí, dochází v tomto případě k překryvu spektrálních charakteristik pěstované plodiny a plevelů. Rozlišení jednotlivých vegetačních objektů je proto výrazně obtížnější a běžné vegetační indexy nemusí poskytovat dostatečný kontrast.

Pro tyto účely lze využít pokročilejší indexy citlivější na změny obsahu chlorofylu, mezi které patří také MCARI. Tento index je navržen tak, aby zvýraznil rozdíly související s absorpcí chlorofylu a současně omezil vliv pozadí a celkové intenzity vegetačního pokryvu. Díky tomu může lépe identifikovat lokální odchylky v porostu a vytvořit podklad pro tvorbu předpisových map určených pro cílenou aplikaci herbicidů (Gillani a kol., 2023).

Na obrázku 1 je znázorněn příklad detekce plevelné rostliny šťovíku v porostu pšenice pomocí multispektrálních indexů. Index NDVI (vpravo) nevykazuje dostatečnou selektivitu a kromě plevelné rostliny identifikuje také okolní kulturní porost, což vede ke snížení přesnosti detekce. Naproti tomu index MCARI (uprostřed) umožňuje výrazně přesnější odlišení plevelné rostliny od okolní vegetace a vykazuje vyšší schopnost selektivní identifikace cílového objektu.

Obr. 1: Porovnání schopností indexů MCARI a NDVI při detekci šťovíku v porostu pšenice

Postup při zpracování dat v rámci pokusného pozemku

Polní pokus byl realizován ve spolupráci se Zemědělskou společností Dubné a. s. na pozemku evidovaném jako DPB 0904/1 (760–1150).

Lokalita a sběr dat

Snímkování proběhlo dne 4. 5. 2026 v porostu ozimé pšenice se zaměřením na detekci výskytu plevelné rostliny šťovíku (Rumex × acutus L.). Pro získání obrazových dat byl použit bezpilotní prostředek DJI Mavic 3 Multispectral, který umožňuje současný záznam RGB a multispektrálních snímků. Letové snímkování bylo provedeno ve výšce 60 m nad terénem, při které bylo dosaženo prostorového rozlišení GSD (Ground Sampling Distance) 1,645 cm/px. Takto získané rozlišení umožňuje dostatečně detailní zachycení jednotlivých rostlin a jejich následnou identifikaci v porostu.

Zpracování dat

Po dokončení snímkování byly multispektrální fotografie importovány do softwaru Pix4DFields, kde proběhlo jejich zpracování. Prvním krokem bylo vytvoření ortofotomozaiky (obr. 2a), která sloužila jako podklad pro další analýzu. Následně byla definována hranice zájmového pozemku a provedena analýza vegetačních charakteristik.

Pro detekci plevelných rostlin byl z dostupných vegetačních indexů zvolen MCARI (obr. 2b). Na základě předchozího porovnání s běžně využívaným indexem NDVI se MCARI ukázal jako vhodnější pro podmínky detekce typu green-on-green, protože vykazuje vyšší selektivitu vůči rozdílům v obsahu chlorofylu a umožňuje přesnější oddělení plevelné vegetace od kulturní plodiny.

Obr. 2: Digitálně složený obraz ze snímků z dronu a detekce plevelných rostlin dle vegetačních indexů

Tvorba aplikační mapy

Tvorba aplikační mapy probíhala přímo v prostředí softwaru Pix4DFields. Vypočtený index MCARI byl upraven pomocí nastavení histogramu tak, aby došlo k maximálnímu potlačení odezvy kulturní plodiny a současně zůstaly zachovány oblasti odpovídající výskytu plevelných rostlin (obr. 3). Cílem tohoto kroku bylo dosažení co nejvyšší selektivity detekce. Po identifikaci plevelných rostlin byly vybrané oblasti označeny a použity pro vytvoření předpisové mapy pro cílenou aplikaci přípravku na ochranu rostlin (obr. 4). Důležitou součástí procesu bylo nastavení ochranné aplikační zóny kolem detekovaných rostlin tak, aby byla zajištěna dostatečná účinnost zásahu. V rámci tohoto pokusu byla kolem každé detekované rostliny nastavena zóna o poloměru 1,5 m.

Výsledná předpisová mapa (obr. 5) byla následně exportována a přenesena do aplikačního systému postřikovače John Deere R41, kde sloužila jako podklad pro realizaci lokalizované aplikace herbicidu.

Obr. 3: Aplikační mapy vytvořené pomocí indexu MCARI s různým histogramem

Obr. 4: Označené plevelné rostliny

Obr. 5: Výsledná předpisová mapa

Výsledky

Na základě vytvořené předpisové mapy byla realizována cílená aplikace herbicidu pomocí postřikovače John Deere R41, který byl vybaven systémem kontroly sekcí po 0,5 m. Pro ošetření byl použit herbicid Lector Max s nastavenou aplikační dávkou 200 l/ha.

Samotná aplikace (tab. 1) byla provedena 4 dny po pořízení multispektrálních dat, aby byl zachován co nejvyšší soulad mezi aktuálním stavem porostu a vytvořenou předpisovou mapou.

Celková výměra hodnoceného pozemku činila 26,2 ha, přičemž na základě detekce plevelných rostlin byla aplikace provedena pouze na vybraných částech porostu o celkové ploše 1,7 ha. Ošetřená plocha tak představovala přibližně 6,5 % celkové výměry pozemku, zatímco zbývajících 93,5 % plochy nebylo herbicidně ošetřeno (obr. 6).

Celkové množství aplikované postřikové kapaliny dosáhlo 332 l, což odpovídalo definované dávce pro vymezené aplikační zóny. Vlastní aplikace trvala 66 minut, přičemž pracovní rychlost postřikovače činila 10,5 km/h. Při vyšší rychlosti klesá přesnost zásahu označených plevelných rostlin. Průměrná dosažená produktivita stroje byla 23,8 ha/h.

Výsledky ukazují vysoký potenciál využití multispektrální detekce plevelů a následné lokalizované aplikace přípravků na ochranu rostlin. Díky propojení dat získaných z bezpilotního systému, zpracování v prostředí Pix4DFields a přenosu předpisové mapy do aplikační techniky bylo možné výrazně omezit rozsah ošetřené plochy. Ve srovnání s plošnou aplikací došlo v rámci pokusu k úspoře 93,5 % aplikovaného objemu herbicidu, což potvrzuje potenciál tohoto přístupu pro ekonomicky i environmentálně efektivnější ochranu porostů.

Tab. 1: Parametry aplikace

Obr. 6: Mapa aplikace přípravku na ochranu rostlin

Závěr

Výsledky pokusu ukázaly, že využití multispektrálního snímání a vegetačního indexu MCARI představuje perspektivní nástroj pro detekci plevelů typu green-on-green v porostu pšenice a následnou cílenou aplikaci herbicidů. Propojení bezpilotního sběru dat, zpracování v prostředí Pix4DFields a aplikační techniky umožnilo snížit rozsah ošetřené plochy a dosáhnout úspory přibližně 93,5 % aplikovaného objemu herbicidu, což potvrzuje potenciál technologií precizního zemědělství pro efektivnější ochranu porostů.

Poděkování patří Zemědělské společnosti Dubné a. s., zejména Ing. Lukáši Podholovi, za dlouhodobou spolupráci a umožnění realizace terénních měření, výzkumných pokusů a sběru dat pro závěrečné práce studentů Fakulty zemědělské a technologické Jihočeské univerzity v Českých Budějovicích.

Použitá literatura je k dispozici u autorů článku.

Ing. Michal Liška, Ing. Radim Kuneš, Ph.D.; Jihočeská univerzita v Českých Budějovicích
Ing. Lukáš Podhola; Zemědělská společnost Dubné a. s.