Nemzeti Agrárgazdasági Kamara

A távérzékelés és a térinformatika rohamos fejlődése lehetővé teszi azon innovatív technológiák alkalmazását a mezőgazdaság területén, amelyek eddigi bonyolultságuk, áruk, hozzáférhetőségük miatt nem voltak elérhetőek a gazdálkodók számára.

A nagy információ áradat közepette érdemes kicsit objektív módon áttekintenünk a rendelkezésre álló technikai vívmányokat és azok adaptálhatóságát a saját gazdaságunkban. A precíziós gazdálkodás esetében fontos szempont a költség megtérülése és a hatékonyság, ezért tekintettel kell lennünk saját gazdaságunk méretére és az általunk alkalmazott technológia színvonalára.

A távérzékeléskor a Napból eredő és a felszín által reflektált (visszavert) és emittált (kibocsátott) sugárzást mérjük. Két típust különböztetünk meg. Passzív távérzékeléskor nem használunk külső energiaforrást, hanem különféle érzékelőt alkalmazunk, míg az aktív távérzékelés során, külső elektromágneses sugárforrást használunk. A Föld felszínének anyagi sajátosságai miatt eltérőek a reflektancia értékei. A visszavert, az elnyelt, az áthaladó és a kisugárzott energia mértéke az anyag típusától és aktuális állapotától függ. Az eltérő hullámhossztartományokban más és más reflexióértékeket észlelhetünk. Az észlelendő élőlény vagy tárgy spektrális visszaverődési értékeit egy grafikon segítségével ábrázolni tudjuk, amivel megkapjuk azt a spektrális görbét, amely a reflektált (visszavert) és az emittált (kisugárzott) sugárzás értékeit tartalmazza az eltérő sugárzási tartományokban. Miért fontos ez számunkra? Ennek segítségével (spektrális görbe) képesek vagyunk szemléltetni az eltérő felszínek, élőlények stb. reflexiós tulajdonságait, amely alapján meghatározhatjuk azokat a hullámhossz tartományokat, amellyel az adott tulajdonság a legjobban vizsgálható. Ez esetben nem csak objektumokat tudunk egymástól elkülöníteni, de azok állapotát is képesek vagyunk meghatározni a reflektancia segítségével. Így lehetőségünk van detektálni a reflektancia alapján a növényi szövetek víz- nitrogéntartalmát, továbbá a víz okozta stresszt, a talajaink só- és tápanyag tartalmát, illetve az egyes kártételek mértéket pl.: vadkár (1. ábra)
 

1.ábra Csatorna és hullámhossz alkalmazási területe, (Dobos A., Precíziós növénytermesztés)

Az UAV-k (pilóta nélküli repülőgép) képesek ezen felmérések elvégzésére megfizethető áron, akár egy kis és közepes gazdaság számára is relatíve magas felbontás mellett. A felbontás mértéke akár 1 cm/pixel vagy még kisebb is lehet. Azonban elgondolkodtató az, hogy szükséges-e ekkora mértékű felbontás alkalmaznunk. Hatalmas méretű adathalmaz kezelése rendkívül nehéz, továbbá egy táblán belül nincs szükség cm-es pontosságú lehatárolásra a menedzsment zónák kialakításához.

A drónok (UAV-k csoportjába sorolandó) különböző képalkotó eszközökkel felszerelve képesek eltérő funkciók betöltésére. Alapvető feltétel, a drónok esetében a kis tömeg, távirányíthatóság és a nagy mennyiségű információgyűjtés lehetősége. A képalkotási módszereket működésük alapján többféleképpen csoportosíthatjuk.

1.    A szenzorok működése alapján a legegyszerűbb képalkotó rendszer a fényképező (mérőkamrás) kamerás drón. Ez esetben a látható fény tartományban készít fotókat (VIS: visible light), amelyeket megfelelő szoftverrel könnyen analizálhatunk, és mint döntéstámogató rendszert felhasználhatunk. Szintén ebbe a működési csoportba tartozik a közeli infravörös tartományban (NIR) működő kamera. A VIS felvételeket egy színelemző szoftver segítségével elemezhetjük. Hisztogram származtatható az egyes pixelekhez tartozó zöldszín analizálásával, amely mint egy színelemzéses módszer számszerű adatokat ad, ami szoros korrelációban van a vizsgált kultúra levelének klorofill-tartalmával. Elmondható, hogy a VIS-képalkotási technológia legelőnyösebb tulajdonsága a táblán belül észlelhető anomáliák gyors felderítése. Azonban a látható fény felhasználásával sok minden „láthatatlan” marad számunkra pl.: a légköri aszály, nitrogénhiány vagy krónikus vízhiány okozta stressz. Az eltérő stressz faktorok felderítéséhez használható a közeli infravörös tartományban (NIR) működő kamerák. A NIR képalkotás alapja, hogy egy növény stresszmentes állapotban, az infravörös tartományban erősebb reflektanciával rendelkezik, mint a stresszes vagy nekrotizálódott növény. Ennek segítségével a növényeink kondíciója meghatározható. A vízstresszes és a tápanyag-ellátottsági zavarokkal küzdő növény részleteiben elemezhető, továbbá a talajnedvesség feltérképezését is elvégezhetjük. A technológia alkalmas üzemi belvíz-előrejelzési rendszerek kialakítására is a folyamatos monitorozás révén, amely segíti a gazdálkodókat.

2.    A szenzorok sávszélesség szerinti csoportosításánál az optikai szenzorok a látható tartománytól a reflektált infravörös tartományig (0,4-3 µm) készítenek képeket. Ide tartoznak a fent említett mérőkamrás kamerával felszerelt drónok és a pásztázó szkennerekkel (pl.: LANDSAT) készített műholdfelvételek. A másik csoport a mikrohullámú szenzorok, amelyek sugárforrás alapján aktív és passzív csoportba sorolhatók. Előnyük az, hogy könnyen áthaladnak a felhőkön, vízpárán is. Főként tengeri kutatási területeken használják.

3.    Csatornaszám alapján történő felosztáskor találkozhatunk a pankromatikus (PAN) típussal, amely a látható és közeli infravörös tartomány alkalmazásával hoz létre nagy pontosságú szürkeárnyalatos felvételt. A többcsatornás (multispektrális) képalkotás esetén szélesebb sávszélességű csatornát alkalmaznak, amely a látható (VIS) és a közeli (NIR), valamint a rövidhullámú (SWIR) infravörös tartományban készít képet. A hiperspektrális felvételek esetében jellemző a kis sávszélesség és a nagy csatornaszám. Ez a képfeldolgozási technika nagy erőforrás igényű. A multispektrális adatokénál jellemzően nagyobb spektrális lefedettséggel és finomabb spektrális felbontással rendelkeznek.

A multispektrális kamerák (MS) a legszélesebb körben alkalmazott, drónra telepített képalkotási módszerek közé tartoznak. Egyidejűleg készítenek több hullámhosszon (5-8) felvételeket. Ez lehetőséget ad a parcellánk mennyiségi és minőségi paramétereinek felderítésére, így egyetlen repüléssel számos információt nyerjünk a táblánkról. Tudnunk kell, hogy a multispektrális felvételek megjelenítése nem egyszerű feladat, mivel a szemünk csak a látható hullámhossztartomány csupán három részét képes elkülöníteni, tehát csak a vörös, zöld, kék színeket érzékeljük. A digitális megjelenítő eszközeink is ennek a három színnek a keverésével állítják elő a képeket, így a multispektrális felvételeknél is csak három csatornát jeleníthetünk meg. Erre alkották meg az úgynevezett színeltolásos módszert, ahol az egyes csatornák gradiens értékeit a vörös-zöld-kék csatornák egyikével jelenítjük meg.

A multispektrális kamerák segítségével létrehozhatjuk a jól ismert és egyre szélesebb körben alkalmazott NDVI (normalized difference vegetation index) képet, ahol a NIR tartományban (közeli infravörös) felvételezett adatokat a színeltolás segítségével képesek vagyunk láthatóvá tenni. De pontosan mit is jelent az NDVI? Ez a vegetációs index nem más, mint egy dimenziómentes mérőszám, amely az adott táblánkon található vegetációs aktivitást mutatja. Értékét a növényzet által a közeli infravörös (NIR) és a látható vörös (RED) sugárzási tartományban visszavert intenzitások különbségének és összegének a hányadosa szolgáltatja. A területünkön lévő kultúra fajlagos klorofill tartalma korrelál az NDVI-al. Problémát jelenthet azonban a gyomos tábla esetében meghatározott NDVI, mivel a gyomnövényeknek is erős reflektanciája van a kultúrnövényeinkhez hasonlóan. Így hibás NDVI értéket kapunk.
 

2. ábra A levél szöveti szerkezete és a visszaverődés (reflektancia) összefüggései (Kalapos T., 2005 nyomán,)

Újabban a hiperspektrális szenzorok segítségével a különböző indexeket az eltérő növényi tulajdonságok alapján is tudjuk csoportosítani:
-    Fotoszintetikus Hatékonyság (Light Use Efficiency),
-    Növényi Borítás Nitrogén Tartalma (Canopy Nitrogen),
-    Száraz vagy Elhalt Növényi Széntartalom (Dryor Senescent Carbon),
-    Levél Pigment Tartalom (Leaf Pigments),
-    Növényi Borítás Víztartalom (Canopy Water Content) indexei.

Hogyan integrálhatjuk jelen technológiát a precíziós növénytermesztési rendszerünkbe hatékonyan? Napjainkban egyre nagyobb a jelentősége a növény igényeihez igazodó tápanyag utánpótlási, műtrágyázási rendszerek alkalmazásának. Az optimális műtrágyamennyiség kijuttatását és annak időpontját célszerű a növény nitrogén-ellátottsági szintjéhez igazítani. A nitrogéntápláltsági-indexet (NNI) destruktív mérési módszerek segítségével határozzák meg, amely rendkívül időigényes, költséges és lassú módszer. A precíziós növénytermesztésnek szüksége van egy olyan új innovatív mérési megoldás bevezetésére, amely gyorsan és könnyen alkalmazható.

A növények klorofilljában található a nitrogénkészlet nagy része, így a levelek klorofilltartalma lineáris összefüggésben van a levelek nitrogéntartalmával, továbbá a nitrogénstressz okozta elváltozások a levelek klorofilltartalmában is megjelenik. Ebből kiindulva a klorofilltartalom mérésével következtethetünk egy adott növény fiziológiai állapotára és nitrogénellátottságára. A kémiai módszerek kiváltására kezdték el alkalmazni a nem destruktív, fent említett optikai mérési módszereket, ami a fényvisszaverés, azaz reflektancia vagy fényáteresztés, transzmisszió mérésén alapul. Így a drónokra szerelt képalkotó eszközökkel hatékony műtrágyázási rendszerek alakíthatóak ki, amelyek igazodnak a növény valós idejű tápanyag igényeihez.

(NAK/Balázs Viktor; forrás: Mika János, Utasi Zoltán, Biró Csaba, Pénzesné Kónya Erika (2011), Műholdakról távérzékelt adatok feldolgozása és hasznosítása, EKF TTK; Dobos Attila Csaba (2013) Precíziós növénytermesztés, Debreceni Egyetem; http://technika.gmgi.hu/uploads/termek_913/dronok_a_mezogazdasagban_16_02.pdf)