Насколько эффективны NDVI-сенсоры в азотной подкормке?

Точное определение необходимого количества азотных удобрений является постоянной проблемой в современном сельском хозяйстве. Одной из причин этому является слишком большое количество факторов, которые следует учитывать – это и динамика азота в почве, и индивидуальная восприимчивость к азоту выращиваемых культур, и особенности конкретного региона и времени года. Таким образом, точный расчет объемов вносимых в поля азотных удобрений, является весьма нетривиальной задачей даже для технологически развитых стран.

Помимо собственно сложности самого анализа, немаловажным фактором является и стоимость подобных операций. Так, более простые рекомендации, сформулированные на основе простого анализа почвы, безусловно проще и дешевле в применении, однако могут не учитывать такие важные детали, как индивидуальная восприимчивость растений. И наоборот – более сложные рекомендации, базирующиеся на сложных расчетах, будут требовать куда больше весьма специфических данных, привязанных к конкретной местности.

В случае с азотом, правильный выбор времени внесения является критически важным. Кроме того, некорневая подкормка азотом также требует и учета межсезонной статистики. Иными словами, требуется весьма объемный анализ огромного количества данных, а выработка стратегии и принятие решения должны быть сделаны в течение недели. Одним из главных подспорьев для подобного анализа в условиях современного точного земледелия являются NDVI сенсоры, или датчики нормализированного относительного индекса растительности (Normalized Difference Vegetation Index, далее – NDVI).

NDVI-сенсоры уже доступны несколько лет, однако до сих пор так и не завоевали особой популярности среди фермеров. Возникает резонный вопрос – раз традиционные методы не достаточно хороши для точного определения вносимых объемов азота в почву, почему до сих пор аграрии не особо спешат переходить на использование индекса NDVI? Частично на этот вопрос ответили в недавней статье издания Field Crops Research, в которой авторы рассматривают различные сельскохозяйственные сенсоры, используемые для контроля азота в зерновых культурах. Участвовавшие в обзоре фермерские хозяйства, активно применяющие сенсоры для контроля азота в полях, сообщают об общей экономии удобрений в диапазоне от 5 до 45 процентов при весьма несущественном изменении урожайности.

Однако куда интереснее экономическая составляющая вопроса. Так, по данным американских хозяйств, средняя прибыль от использования данных технологий составляет 30 долл. на га земли. С другой стороны, примерно четверть опрошенных фермеров сообщила о потерях вследствие использования азотного внесения на основе сенсорных данных. Таким образом, неоднозначность экономического эффекта является одной из причин не слишком большой популярности использования NDVI-сенсоров для внесения азотных удобрений.

Стратегии использования современных сенсоров для сбора данных, необходимых для выработки правильной формулы внесения азота, условно делятся на две группы. Первая – это выработка рецептуры на основе данных сенсоров в режиме реального времени. Здесь данные о реальной ситуации с азотом в почве получаются с использованием эталонной полосы – методе, разработанном в Университете штата Оклахома (США) в 1990-х годах. Дефицит азота в растениях, получающих нормальные дозы азота, определяется путем их сравнивания с растениями, получающими азот в избытке. В такой стратегии алгоритм расчета азотного внесения включает в себя две переменные – корректировку средней нормы азота, рассчитанную на основе индивидуальной восприимчивости урожая в данном регионе, и изменяющаяся норма азота, основанная на пространственной изменчивости азотного содержания в поле.

Расчет интенсивности распыления жидкого азотного удобрения в режиме реального времени. Используются NDVI-сенсоры и карта Нормализированного Относительного Индекса Растительности.

Вторая стратегия использования NDVI-сенсоров попроще, и основана на виртуальном эталоне, формируемым сенсоров во время считывания данных с поля. В этом случае предполагается, что запланированная норма азота на поле является оптимальной, и вопрос сводится лишь к наиболее эффективному распределению данного элемента на участке. Независимо от используемой стратегии, алгоритм, используемый для преобразования значений датчиков в рецептуру, будет зависеть от типа выращиваемых культур, стадии роста и целого ряда сдерживающих факторов.

Тем не менее, результаты многих исследований показывают, что наибольшие выгоды от использования NDVI-сенсоров возникают в случае, когда наиболее правильно расчитывается объем оптимального количества азота в целом, а также принимаются в расчет и другие, не менее важные факторы. К последним относятся предполагаемая восприимчивость урожая, основанная на статистике культуры в предыдущих сезонах, а также прогноз погоды. Очевидно, что для относительно однородного поля вместо использования NDVI-сенсоров куда важнее определить оптимальный объем азота для всего участка сразу. В то же время, для полей, неравномерно насыщенных азотом, применение какой-то одной стратегии далеко не всегда даст наилучшие результаты.

В заключение можно сказать, что проблема управления азотом в полях все еще существует, и потребуется время на выработку более эффективных технологий. В это вопросе большие надежды возлагаются на машинную обработку больших массивов данных и искусственный интеллект. Очевидно, что для точного описания реакции выращиваемых культур на азот требуется использование более совершенных моделей анализа, вкупе с большими объемами данных и количеством сенсоров в полях. Более того, все эти инструменты должны быть куда проще в использовании, иначе технология не найдет массового применения.