Tiettyinä kasvukauden jaksoina perunanviljelijöiden on seurattava säännöllisesti satonsa typpitilaa voidakseen lannoittaa mahdollisimman tehokkaasti.
Yleinen käytäntö on kerätä lehdet kasveista jokaiselta pellolta ja lähettää ne sitten laboratorioon nitraattianalyysiä varten. Viljelijät saavat muutaman päivän kuluessa tulokset, jotka osoittavat, tarvitaanko typpilannoitetta lisää vai onko suorituskyky normaali. Järjestelmä toimii, mutta tätä prosessia voidaan nopeuttaa, sanoo I. Wang, dosentti Wisconsin-Madisonin yliopisto, Puutarhanviljelyn laitos.
"Lehtien kerääminen vie paljon aikaa ja vaivaa", Wang sanoo.
”Ja joskus tulokset voivat olla harhaanjohtavia, koska lehtien nitraattimäärään voivat vaikuttaa monet tekijät, kuten sääolosuhteet tai näytteenoton ajoitus. Lisäksi tuloksissa ei ole otettu huomioon alueellisia eroja [typpivaatimuksia] pellolla."
Hanke rahoitettu USDA National Institute of Food and Agriculture, sisältää tiedon keräämisen ja käsittelyn hyperspektrikamerasta. Se asennetaan UAV:hen (miehittämättömään lentokoneeseen) tai matalalla lentävään lentokoneeseen, joka lentää tutkittujen perunaalueiden yli.
Wangin tiimi kehittää tietokonemalleja, jotka yhdistävät kuvat kauden aikana kasvien typen tilaan, satoon, laatuun ja kauden lopun taloudelliseen tuottoon.
"Henkilökuntani ja minä toivomme voivamme kehittää online-ohjelman, joka muuntaa hyperspektrikuvat tiedoksi siitä, milloin ja kuinka paljon lannoitusta tulee, jotta viljelijät voivat maksimoida voitot minimaalisella ympäristövaikutuksella", Wang sanoo.
"Tekijät, jotka aiheuttavat muutoksia latvuksen tilassa, kuten ravinteiden tila, kosteuden tai sairauden esiintyminen ja puuttuminen, liittyvät spektriheijastukseen, ja siksi ne voidaan visualisoida hyperspektrisissä kuvissa", sanoo Trevor Crosby, Wangin jatko-opiskelija. lab.
Yhdellä lennolla 70 x 150 metrin tutkimuskentän yli voidaan kerätä kymmeniä kuvia, joista jokainen sisältää satoja spektrikaistoja. Kuvien käsittelyn nopeuttamiseksi Wang palkkasi kaksi avaintyöntekijää. Phil Townsend, metsä- ja villieläinekologian professori, on kaukokartoitustekniikan johtaja. Paul Mitchell, professori ja asiantuntija maatalous- ja sovelletun taloustieteen laitokselta, tekee taloudellisen analyysin, jonka pohjalta tietokonemalli tekee suosituksia typen käyttöön.
Crosby, joka otti johtoaseman maamittauksissa, keräsi tietoja peltokartoituskohteista perunan kasvun eri vaiheissa. Tämä sisältää lehtien pinta-alaindeksin, lehtien ja varsien kokonaistyppipitoisuuden, mukuloiden lukumäärän ja yksittäisten mukuloiden painon sekä ympäristötekijät, kuten maaperän kosteuden ja lämpötilan, auringon säteilyn ja tuulen nopeuden. Sadonkorjuun yhteydessä se mittaa mukuloiden kokonaissadon ja niiden koon.
Crosby kehitti sitten parannettuja malleja, jotka yhdistävät hyperspektrikuvat maapohjaisiin mittauksiin. Tavoitteena on ennustaa sadon typpitilaa reaaliajassa ja ennustaa mukuloiden satoa kauden lopussa. Tässä vaiheessa kenttätyöt ja kuvankäsittely ovat valmiit ja Crosby keskittyy mallinkehitykseen.
Wang jakaa laajasti tutkimuksensa osavaltion perunan- ja vihannesviljelijöiden kanssa. Hänellä on hyvät suhteet maanviljelijöihin eri puolilla osavaltiota, ja monet odottavat innolla hänen tutkimuksensa tuloksia.