Inte alla växter i ett enda fält växer i samma takt; Denna bilden, taget av UAV, visar variationen i växthöjd och biomassa inom ett litet område. Upphovsman:HALO Lab KAUST
Övervakning av växtväxternas tillväxtmönster ger bönderna en stark indikation på potentiell avkastning, så att de kan justera grödhanteringen för att öka produktionen. Nu, KAUST-forskare har visat att användning av fastvingade obemannade luftfartyg (UAV) för att samla in data om vegetationshöjd under hela grödans tillväxtcykel ger en låg kostnad, enkelt sätt att övervaka växternas hälsa i en gårdsomfattande skala.
"Jordbrukare har rutinmässigt problem med att identifiera områden på sina åkrar som behöver uppmärksamhet:de kan inte se vad som händer i ett fält med 2 meter hög majs som är 800 meter i diameter, "säger KAUST -doktoranden Matteo Ziliani, som arbetade på projektet med kollegor under överinseende av Matthew McCabe.
"Följaktligen, bönder ofta gödslar enhetligt och vattenfält, oavsett vilka områden som behöver mer eller mindre. UAV kan hjälpa till att uppnå effektivt precisionsjordbruk, spara pengar och resurser och odla grödor av bättre kvalitet.
Ziliani bestämde sig för att visa att bilddata som samlas in av UAV:er är lika användbara som data som hämtas genom dyrare LiDAR -laserskanning. Att göra detta, laget tog flera bilder av samma 50 hektar stora majsfält på olika punkter under växtsäsongen-en uppsättning färgbilder tagna av UAV och den andra av markbaserad LiDAR. Forskarna använde varje bilduppsättning för att bygga tredimensionella kapellmodeller och för att jämföra hur nära UAV-bilderna replikerade de korrekta LiDAR-data.
Bönder applicerar vanligtvis en stor mängd vatten för att bevattna sina grödor, och de gör detta enhetligt över hela fältet oavsett enskilda växters hälsa. Bilden ovan visar en typisk bevattningsboom som kraftigt vattnar ett 50 hektar stort fält. Upphovsman:HALO Lab KAUST
"Vi kan skapa tredimensionella modeller av objekt med hjälp av uppsättningar av tvådimensionella bilder tagna från olika vinklar på samma sätt som den mänskliga hjärnan bearbetar vår kikarsyn, säger Ziliani.
De digitala fältkartorna som genererats med hjälp av UAV -data gav en korrekt representation av grödans höjd över tiden, jämförbar med dem som skapats med LiDAR. Ziliani medger att ytterligare arbete behövs, till exempel, beräkningseffekten som krävs för att bearbeta data är för närvarande för stor för att bearbetas av en genomsnittlig stationär dator.
Också, när plantorna var väldigt unga, UAV kämpade med att plocka upp sina strukturella detaljer. Detta kan lösas genom att flyga på lägre nivåer, men detta begränsar det område som omfattas av den tillgängliga flygtiden, vilket i sin tur är kopplat till batteriets livslängd. Verkligen, batterilivslängden måste förbättras om UAV -tekniken ska tillgodose sin potential för övervakning av grödor i större regioner, letar efter fickor av produktiv och oproduktiv mark, eller undersöker stormskador.
UAV kan hjälpa jordbrukare att upptäcka problem i fältet under kritiska skeden av säsongen. Bilden visar tre delområden i majsfältet och deras utveckling under växande cykel. Detta inkluderar:en hälsosam region (område 1), en statisk barmark (område 2) och en påverkad region (område 3). Upphovsman:Ziliani et al