Umweltfaktoren, Boden, Kultur, Schädlinge und Krankheiten können die Produktivität einer Kulturpflanze beeinflussen. Dieses komplexe System als homogen zu behandeln, ist für den Landwirt uninteressant und kann zu geringer Produktivität, Rentabilität und Qualität seiner Produkte führen. Bildanalyse und Georeferenzierung sind wichtige Werkzeuge für eine effizientere Steuerung des Produktionsprozesses. Eine der schnellsten Möglichkeiten, zeitnah zu verstehen, was mit Pflanzen auf dem Feld passiert, ist die Erfassung von Satelliten- und UAV-Bildern, die mit der Verarbeitung und korrekten Interpretation verbunden sind.
Bei rechtzeitiger Anwendung hilft diese Technologie bei der Entscheidungsfindung im Anlagenmanagement und vermeidet Produktionsausfälle. Technologien wie Drohnen werden der Agrarindustrie eine „Reform“ bescheren, und zwar durch Planung und Strategie, die auf der Erfassung und Verarbeitung von Daten in Echtzeit basiert. Nathan Oman von Sky View 3D glaubt, dass das Sammeln und Analysieren multispektraler Daten mithilfe von Drohnen Landwirten aller Art dabei hilft, (resistente) Krankheiten, Schädlinge und Nährstoffprobleme frühzeitig genau zu visualisieren und vorherzusagen, sodass sie im Voraus handeln können. Dies trägt zum Schutz der Pflanzen bei und ermöglicht es den Erzeugern, qualitativ hochwertigere und ertragreichere Produkte zu produzieren und die Umweltbelastung zu reduzieren. Diese Technologie ist die Zukunft aller landwirtschaftlichen Anwendungen. PWC schätzt den Markt für drohnenbetriebene Lösungen in der Landwirtschaft auf 32,4 Milliarden US-Dollar.
Aber was sind Drohnen? Dieser Begriff wird immer beliebter und bezieht sich auf kleine helikopterähnliche Geräte (Quadcopter), die von Millionen Menschen auf der ganzen Welt genutzt werden. Es werden jedoch noch mehrere andere Begriffe verwendet, um sie zu beschreiben, was die Sache etwas verwirrender machen kann. Es ist wahrscheinlich, dass einige dieser Definitionen in naher Zukunft von den Behörden FAA (Federal Aviation Administration – North American) und Anac (National Civil Aviation Agency) geändert werden. Derzeit verfügen wir jedoch noch über mehrere Terminologien, die unterschiedliche Modelle definieren, wie wir weiter unten sehen werden.
Historisch gesehen wurde der Name Drohne nach einem in den 1950er Jahren entwickelten ferngesteuerten Militärflugzeug, der Queen Bee, benannt. Während die meisten Menschen bei Drohnen an ein unbemanntes Luftfahrzeug denken, das autonom fliegen kann, ohne dass ein Mensch am Steuer sein muss, kann dieser Begriff auch auf eine Vielzahl von Land- und Unterwasserfahrzeugen angewendet werden. Beispielsweise gibt es die Navigation mit Booten (wie der Weltraumraketen-Landeplattform SpaceX – Falcon 9), U-Booten und autonomen Fahrzeugen (Autos und Lastwagen wie der Tesla Semi), die ebenfalls die Definition einer Drohne haben. Der Begriff Vant, was ein unbemanntes Luftfahrzeug bedeutet, bezieht sich auf Geräte, die ferngesteuert mit Controllern, Tablets, Mobiltelefonen oder autonom fliegen können.
Daher sind alle UAVs Drohnen, aber nicht umgekehrt. In der noch nicht allzu fernen Vergangenheit gab es nur wenige Quadrocopter-Optionen, und die größten Einschränkungen bei der Flugzeit waren Batterien, Geschwindigkeit, Arbeitsmaßstab, Kamerahalterungen und Preis. Das Aufkommen kleinerer und billigerer Drohnen war auf bemerkenswerte technologische Fortschritte wie winzige Sensoren, unglaublich leistungsstarke Prozessoren und eine Vielzahl digitaler Funkgeräte zurückzuführen. Nach der Einführung von Starrflügelgeräten wie Disco von Parrot im Jahr 2016 und Tron und Trinity von Quantum Systems im Jahr 2017 gewann die Branche neuen Schwung.
Jedes Gerät verfügt über inhärente Eigenschaften, die für bestimmte Aufgaben und Ziele vorteilhaft sein können oder auch nicht. Was die Agilität und den Vorteil des Schwebeflugs angeht, übertreffen hier Quad-/Octacopter. Wenn das Ziel darin besteht, Fotos zu machen, die Luft im Auge zu behalten oder detailliertere Analysen durchzuführen, die geringe Flughöhen und die Anwendung von Sprays mit Fungiziden, Herbiziden oder Insektiziden erfordern, ist die Propellerausrüstung aufgrund ihrer Stabilität von großem Vorteil.
Im Hinblick auf die Betriebsgeschwindigkeit sind Starrflügeldrohnen im Allgemeinen leistungsstärker als Drehflügelflugzeuge. Starrflügeldrohnen können eine Geschwindigkeit von 75 km/h erreichen, verglichen mit 15 km/h, die Drohnen mit Propellern oder Drehflügeln erreichen. Was Nutzlast und Flugstunden betrifft, sind Starrflügler-Drohnen effizienter, aus den gleichen Gründen, aus denen wir keine interkontinentalen Jumbo-Helikopter haben. Diese Geräte sind hinsichtlich des Akkuverbrauchs im Allgemeinen effizienter, um eine höhere Geschwindigkeit zu erreichen und längere Distanzen zurückzulegen.
Und schließlich sind Haltbarkeit und Startart sehr wichtig, wenn wir über die Arbeitsbedingungen nachdenken, denen diese Geräte in landwirtschaftlichen Umgebungen ausgesetzt sein werden, da ein Quadcopter über mehr bewegliche Teile verfügt als eine Drohne mit festen Flügeln. Die vergleichsweise Robustheit eines Starrflügelgeräts (oder die einfache Austauschbarkeit eines Schaumstoffflügels) macht diese Art von Ausrüstung für Feldarbeiten wie biologische oder landwirtschaftliche Forschung attraktiv.
Daher muss ein Erzeuger mit 50 Hektar und einer mit XNUMX Hektar abwägen, welche Art von Ausrüstung er kaufen wird, um seinen Bedarf zu decken. Unter bestimmten Umständen können jedoch auch Geräte mit geringerer Kapazität wie Quadrocopter einem großen Hersteller dienen. Mit dieser Ausrüstung kann die Entwicklung des Erntezyklus in Echtzeit erfasst, besprüht, bewässert, ausgewertet und genau überwacht werden. Wir können diesen Prozess buchstäblich mit einem „Scannen“ der Plantage in Verbindung bringen, was Verluste reduzieren und die Produktivität steigern kann. Dieses Gerät ist in der Lage, dreidimensionale Karten zu erstellen, die mit Fruchtbarkeitskarten (Bodenchemie und -physik) überlagert werden können, und ermöglicht so die Interpretation von Fruchtbarkeitsmustern, Bodenflächen, dem Auftreten von Krankheiten, Insekten, Nematoden und Unkräutern in Produktionsgebieten.
Eine der wichtigsten Einsatzmöglichkeiten von Drohnen ist jedoch die Erzeugung multispektraler Bilder im Zusammenhang mit der Pflanzengesundheit. Es ist wichtig, die Pflanzengesundheit zu beurteilen und bakterielle oder Pilzinfektionen in Pflanzen zu erkennen. Durch die Analyse einer Kulturpflanze mit sichtbarem und nahinfrarotem Licht können von Drohnen getragene Geräte identifizieren, welche Pflanzen unterschiedliche Mengen an grünem Licht und NIR-Licht reflektieren. Mithilfe dieser Informationen können multispektrale Bilder erstellt werden, die Veränderungen in Pflanzen verfolgen und deren Gesundheit anzeigen. Eine schnelle Reaktion kann einen Obstgarten oder eine Plantage retten.
Sobald eine Krankheit entdeckt wird, können Landwirte außerdem Pestizide genauer überwachen und anwenden. Diese beiden Möglichkeiten erhöhen die Fähigkeit der Pflanze, die Krankheit zu überwinden. Und im Falle von Ernteausfällen kann der Landwirt Verluste effizienter für Versicherungsansprüche dokumentieren. Die Multispektralkamera-Fernerkundungsbildgebungstechnologie umfasst grüne, rote, rote, Nahinfrarot- (NIR) und thermische Bänder, um sichtbare und unsichtbare Bilder von Nutzpflanzen und Vegetation zu erfassen.
Multispektrale Bilder werden in spezielle Agrarsoftware integriert, die Informationen in aussagekräftige Daten umwandelt. Diese Software variiert je nach Verarbeitungsbedarf und -wert, wobei einige auf einer Cloud-basierten Verarbeitungsbasis (internetbasiert) basieren, wie beispielsweise Atlas von der Firma Micasense, und für deren Verarbeitung keine Supercomputer erforderlich sind. Software wie Agisoft und Pix4D führen die Verarbeitung auf leistungsstarken Maschinen mit guter Speicher- und Grafikkapazität durch. Diese Land-, Boden- und Erntetelemetriedaten ermöglichen es dem Erzeuger, den Betrieb zu überwachen, zu planen und zu verwalten.
Multispektrale Drohnensensoren bieten je nach Anzahl der installierten Kameras/Sensoren unterschiedliche Leistungen. Daher gibt es Unterschiede in Preis, Qualität und Funktion. Die Sensoren können in eine Vielzahl von Drohnenplattformen integriert werden, sodass jeder Erzeuger schnell und kostengünstig auf Erntedaten zugreifen kann. Diese fortschrittlichen Sensoren erleichtern die Integration satellitenbasierter Indexdaten mit drohnenbasierten Indexdaten. Jedes Gerät verwendet Filter, die zu unterschiedlichen Anlässen NDVI- oder NDRE-Informationen generieren können.
Ein multispektraler Bildsensor erfasst Bilddaten bei bestimmten Frequenzen im gesamten elektromagnetischen Spektrum. Wellenlängen können durch Filter oder durch den Einsatz von Instrumenten getrennt werden, die auf bestimmte Wellenlängen empfindlich sind, einschließlich Licht mit Frequenzen außerhalb unseres sichtbaren Sehvermögens, wie z. B. Infrarot. Die spektrale Bildgebung ermöglicht zudem die Extraktion zusätzlicher Informationen, die das menschliche Auge nicht erfassen kann. Das menschliche Auge kann eine Vielzahl von Farben wahrnehmen, die von Violett bis Rot reichen. Allerdings können Wellenlängen auch kürzer (Ultraviolett) oder länger (Infrarot) sein als die unseres sichtbaren Sehens. Vegetationsreflexionseigenschaften werden zur Ableitung von Vegetationsindizes (NDVI) verwendet.
Indizes werden zur Analyse verschiedener Ökologien verwendet. Vegetationsindizes werden aus Reflexionsmessungen bei zwei oder mehr Wellenlängen erstellt, um spezifische Vegetationsmerkmale wie die Gesamtblattfläche und den Wassergehalt zu analysieren. Die Absorption und Reflexion der Sonnenstrahlung ist das Ergebnis vieler Wechselwirkungen mit verschiedenen Pflanzenmaterialien, die in ihrer Wellenlänge erheblich variieren. Wasser, Pigmente, Nährstoffe und Kohlenstoff werden jeweils im reflektierten optischen Spektrum von 400 nm bis 2.500 nm ausgedrückt, mit oft überlappenden, aber spektral unterschiedlichen Reflexionsverhalten.
Diese spektralen Signaturen ermöglichen es Wissenschaftlern, Reflexionsmessungen bei verschiedenen Wellenlängen zu kombinieren, um spezifische Vegetationseigenschaften zu verbessern und einige Parameter im Zusammenhang mit der Entlaubung widerzuspiegeln, die Informationen über das Vorhandensein von Schädlingen oder Krankheitserregern liefern können. Das grüne Wellenband entspricht der reflektierten Energie im Spektralband von 500 nm bis 600 nm und weist den höchsten Reflexionsgrad einer Pflanze in diesem Band auf. Der Reflexionspeak liegt bei etwa 550 nm. Es wurde nachgewiesen, dass dieses Spektralband stark mit der Menge des in der Pflanze enthaltenen Chlorophylls korreliert. Die innere Struktur gesunder Pflanzen dient als hervorragende diffuse Reflektoren für Wellenlängen im nahen Infrarot.
Die Messung und Überwachung des Nahinfrarot-Reflexionsvermögens ist eine Möglichkeit zu bestimmen, wie gesund (oder ungesund) die Vegetation sein könnte (Vorhandensein von Nematoden, Pilzen und Schädlingen). Dennoch liegt der Großteil des von einer gestressten Pflanze reflektierten Lichts im sichtbaren Spektrum im grünen Bereich. Daher ist eine gestresste Pflanze mit bloßem Auge nicht von einer gesunden Pflanze zu unterscheiden. Andererseits ist der Unterschied im Reflexionsgrad des Lichts im Infrarotbereich zu erkennen, der viel geringer ist. Rot entspricht reflektierter Energie im Spektralbereich von 600 nm bis 700 nm. Die starke Absorption von Chlorophyll in diesem Bereich führt zu einem geringen Reflexionsgrad. Die Reflexion variiert erheblich in Abhängigkeit von Faktoren wie Biomasse, LAI (Leaf Area Index), Bodengeschichte, Art der Kulturpflanze, Luftfeuchtigkeit und Pflanzenstress.
Bei den meisten Kulturpflanzen bietet dieser Bereich einen hervorragenden Kontrast zwischen Pflanzen und Boden und wird häufig zur Erstellung der meisten Vegetationsindizes in der Landwirtschaft verwendet. Das RedEgde-Band ist sehr schmal (700 nm–730 nm), was dem Eintrittspunkt im Nahinfrarot entspricht. Es ist der Punkt, an dem sich das Reflexionsvermögen plötzlich ändert, von starker Rotabsorption zu erheblicher Nahinfrarotreflexion. Dieses Band reagiert sehr empfindlich auf Pflanzenstress und liefert Informationen über Chlorophyll. NIR oder nahes Infrarot entspricht Wellenlängen im Bereich von 700 nm bis 1,3 µm.
Es besteht ein sehr starker Zusammenhang zwischen diesem Reflexionsgrad und dem Chlorophyllgehalt der Pflanze. Eine sehr signifikante Variation des Reflexionsgrads in diesem Bereich entsteht, wenn eine Pflanze unter Stress steht. Neben dem roten Spektralbereich wird Infrarot häufig zur Ermittlung der meisten Vegetationsindizes in der Landwirtschaft verwendet. NIR reagiert empfindlich auf die Zellstruktur der Blätter und liefert wichtige Daten für die Überwachung von Veränderungen der Pflanzengesundheit. Die blaue Wellenlänge wird von gesunder Vegetation absorbiert, um die Photosynthese anzukurbeln und Chlorophyll zu bilden. Eine Pflanze mit mehr Chlorophyll reflektiert mehr Energie in das NIR als eine erkrankte Pflanze.
Der Einsatz von Wärmesensoren zeigt auch Schwankungen in der Temperatur von Blattgewebe an, wobei sich erkranktes Gewebe von gesundem durch plötzliche Temperaturänderungen aufgrund von Unterschieden in der Photosyntheseaktivität unterscheidet. Thermosensoren spielen schließlich eine wichtige Rolle bei der Erkennung der Latenzzeit von Krankheiten wie dem asiatischen Sojabohnenrost (Phakopsora pachyrhizi) und Kaffee (Hemileia vastatrix).
Landwirtschaftliche Drohnen und multispektrale Bildgebung werden zu einem Werkzeug wie jedes andere Verbrauchergerät. Wir können berichten, dass sich eine militärische und eingeschränkte Technologie in eine gesellschaftsfreundliche Technologie verwandelt. Und wir können daraus schließen, dass künftige Generationen mit Flugrobotern aufwachsen werden, die wie kleine landwirtschaftliche „Staubwedel“ über Bauernhöfe fliegen und Probleme nacheinander beseitigen.
*Pro Bruno Juliatti, von Juliagro Ltda, Nathan Oman, von Sky View 3D LLC, James Peters, von Sky Flightrobotics, und Fernando Cezar Juliatti, von UFU-MG
Erhalten Sie die neuesten Nachrichten aus der Landwirtschaft per E-Mail
Erhalten Sie die neuesten Nachrichten aus der Landwirtschaft per E-Mail
Von Tiago Mencaroni Guazzelli, Marconi Ribeiro Furtado Júnior, Victor de Souza Lopes und Paulo Roberto Forastiere von UFV sowie Humberto Santiago von Ufob
