С момента появления снимков со спутника Sentinel-2 количество предложений по использованию этих данных резко возросло. Все они, от начинающих компаний до международных корпораций, борются за благосклонность фермеров. Различные маркетинговые заявления внушают потенциальным клиентам, что с помощью этих недорогих (в основном бесплатных) инструментов они смогут повысить урожайность и сэкономить на удобрениях и пестицидах. Кроме того, они просты в эксплуатации. В связи с этим возникает вопрос: действительно ли это так? А в чем смысл существования датчиков на тракторе или машине?
Дело в том, что точное земледелие требует максимально точных источников информации в качестве отправной точки для автоматизации производственных процессов. Поэтому пригодность источника информации всегда должна проверяться в соответствии с определенными критериями. К ним относятся вопросы о
- измеренное значение,
- качество и точность измерений,
- повторяемости и надежности,
- практичность и эргономичность процесса, и
- анализ затрат и выгод
Независимо от того, датчик это или спутник - каждый источник данных должен быть измерен по этим точкам. Мы хотели бы сделать это на примере внесения азотных удобрений для конкретного участка и более подробно остановиться на различиях между двумя информационными системами. Поскольку создание карт распространения с использованием спутниковых снимков в основном всегда происходит по одним и тем же принципам, мы будем использовать продукты "atfarm" от Yara и "CropView" от 365 FarmNet в качестве представителей многочисленных предложений. Используя одно и то же поле, мы можем проиллюстрировать, насколько по-разному работают эти системы.
Правильное измеренное значение
| N-Sensor® | Спутниковые снимки | |
|---|---|---|
| Метод измерения | Отражение спектральных полос | Отражение спектральных полос |
| Производное измеренное значение | Абсолютные показатели с калибровкой на абсолютное поглощение азота в кг N/га | Относительные показатели без калибровки к абсолютному поглощению азота ("больше или меньше") |
Оба метода измеряют спектральную информацию о растительном покрове. N-Sensor® использует две определенные длины волн. На их основе можно определить точное и абсолютное поглощение азота древостоем.
Данные поставщиков спутниковых снимков, с другой стороны, всегда являются относительными показателями, которые представляют собой только "больше" или "меньше". Прямая ссылка на текущее поглощение азота растениями невозможна.
Практический пример: CropView (365 FarmNet)
При представлении данных не существует цифр, определяющих "растительность". Пользователь сам должен оценить "много" и "мало" и на основании этого вносить азотные удобрения.
Индекс, используемый для определения различий в растительности, согласно современным знаниям, представляет собой безразмерный нормализованный дифференцированный индекс растительности (NDVI). Структуры едва различимы на карте.
Проблема заключается в том, что используемый NDVI сталкивается с так называемым насыщением при поглощении 40 кг азота/га (зерновые при ЕС 30/31, рапс при ЕС 16-18). Это означает, что все измерения выше этого уровня поглощения азота технически не поддаются четкой дифференциации. Поэтому измеренные различия носят чисто случайный характер и визуализируются только при "накручивании" шкалы.
Практический пример: atfarm (Yara Digital)
Абсолютные цифры по предлагаемым индексам также не сообщаются. Названия (в примере "N-Sensor View") выбраны с умом с точки зрения маркетинга, поскольку они предполагают прямую ссылку на технологию сенсоров YARA.
Однако, по сравнению с сенсорной технологией, спутниковое изображение не показывает среднее поглощение азота, и, следовательно, невозможно напрямую определить оптимальное внесение азотных удобрений. Так как при поглощении азота рапсом в 160 кг/га удобрения вносить не нужно, а при 100 кг/га потребуется около 60 кг. Пользователь не получает этой решающей информации.
Также неизвестно, представляют ли цветовые градации 5, 10 или, возможно, 20 кг N/га. Структуры или частичные участки едва различимы на карте.
Практический пример: agriPORT (Agricon)
Данные N-Sensor® всегда показывают поглощение азота культурой, измеренное на момент пересева. Это позволяет получить абсолютную и объективную оценку состояния растительного покрова.
По сравнению со спутниковыми снимками, машинный N-Sensor® достигает значительно более высокого разрешения, что позволяет гораздо лучше отображать структуры и подрайоны.
Качество, точность и надежность измерений
N-Sensor® в качестве системы с машинным креплением измеряет отражение стойки растения с расстояния примерно от 4 до 7 м. Кроме инея в феврале-марте или возможного образования пыли в сухих условиях (когда внесение азотных удобрений в любом случае не имеет смысла), не существует переменных факторов возмущения, которые могли бы фальсифицировать сигнал датчика.
Спутниковые снимки делаются с высоты более 750 000 м (!). Между ними находится вся земная атмосфера. Поэтому все содержащиеся в нем частицы (пыль, водяной пар, аэрозоли и т.д.) находятся в постоянно меняющихся пропорциях между измерительным устройством и растениями.
| N-Sensor® | Спутниковые снимки | |
|---|---|---|
| Независимость от погоды | Да | Нет |
| Доступность | Всегда | Только при безоблачном небе во время пролета и полях, свободных от облачных теней. |
| Возраст измерения | В режиме реального времени | Дни, недели, иногда месяцы (в зависимости от облачности) |
Кроме того, облака и их тени на земной поверхности играют важную роль на спутниковых снимках, поскольку они могут существенно помешать интерпретации снимков или сделать их использование полностью невозможным.
Практический пример: Облака и тени
Хотя само облако покрывает только часть полей, даже те воздействия или частичные области, на которые ложатся тени облаков, не могут быть использованы. Таким образом, примерно 40-50% от общего сечения не могут быть использованы для расчета карты N-рассеяния.
Практический пример: Доступность данных
Часто в течение вегетационного периода данные с Sentinel-2 не доступны для использования. В приведенном примере, например, ни один из спутниковых снимков не может быть использован из-за облачности в период с 27 апреля по 14 мая 2019 года. Поэтому переменное внесение азотных удобрений было возможно лишь в ограниченной степени или только по устаревшим данным.
Практический пример: Дефектная карта распространения
Несмотря на облачность, у пользователя есть возможность использовать изображения для удобрения. Если бы, например, снимок от 2 мая 2019 года использовался для расчета карты распределения, фермеру пришлось бы считаться с явными ошибками в измерении количества азотных удобрений. В частности, на участках, где на поле лежат облака, явно наблюдается избыточное удобрение из-за того, что индекс измерения показывается слишком низким.
Качество и надежность измерений
Поэтому качество и надежность спутниковых снимков ниже по сравнению с машинными датчиками, поскольку они подвержены значительно большему количеству переменных помех.
| Пространственное разрешение | N-Sensor® | Спутниковые снимки |
|---|---|---|
| Измеренные значения на гектар | 125 | 25 |
| Точность позиционирования | +/- 0,1 ... 0,3 m | +/- 11 m (в холмистой местности также более) |
Измерения N-Sensor® имеют пространственное разрешение в пять раз выше, чем спутниковые снимки. Спутниковые снимки имеют среднюю погрешность позиционирования +/- 11 м. Каждая "плитка изображения" имеет размер 20 на 20 м и содержит только один фрагмент информации. Положение плитки изображения может смещаться во всех направлениях на 11 м от реальности. Это означает, что мелкие различия вряд ли могут быть обнаружены с какой-либо уверенностью.
Плохая географическая привязка: на северо-западной стороне биомасса показана на границе поля, которого в действительности не существует. На самом деле, там проходит грунтовая дорога, и, соответственно, нет значительной растительности. Указанная биомасса поступает с соседнего поля, которое идет только после полевой дорожки. Таким образом, вся карта, вероятно, имеет смещение в 10 (?) метров.
Проблема позиционной неточности и краевого эффекта, конечно, более заметна на небольших полях, чем на больших, независимо от позиционной ошибки в поле.
Практичность и эргономичность
Из-за отсутствия абсолютных измеренных значений нельзя использовать абсолютные функции агрономического контроля. Именно здесь находятся самые большие и важные решения, которые приходится принимать пользователю:
Решение 1: По какому принципу я хочу вносить удобрения?
- Функция Робин Гуда (брать у богатых и отдавать бедным) или
- Функция царя Иоанна (брать у бедных и отдавать богатым)
Решение 2: Каков наклон функции управления?
- Насколько сильно я хочу реагировать на различия в карте при внесении азотных удобрений?
В положительном смысле, почти все поставщики предоставляют фермерам свободу действий при ответе на эти два вопроса. Однако, если смотреть трезво, фермеры остаются один на один с решениями из-за отсутствия рекомендаций от большинства поставщиков. Более того, у них практически нет возможности проверить правильность решений после их принятия.
Поэтому фермер должен сам определить абсолютный уровень удобрения. При этом он обычно полагается на свои эмпирические ценности и "око Господне". Для повышения точности можно провести несколько срезов биомассы в рапсе или несколько измерений с помощью N-тестера в зерновых. Помимо практических усилий, данные должны быть присвоены соответствующей плитке на спутниковом снимке на компьютере. В настоящее время это вряд ли возможно.
Поэтому всегда существует опасность, что...
- выбор функции управления,
- абсолютный уровень оплодотворения и
- изменение количества N
является в корне ошибочным.
Эргономика
Менеджеру фермы или агроному приходится выполнять относительно большой объем офисной работы в пик сезона. При использовании спутниковых снимков для каждого поля необходимо выполнить следующие действия:
- Проверьте: доступны ли актуальные изображения?
- Если нет: какие изображения выбрать в качестве альтернативы?
- Где находится уровень оплодотворения?
- Определение минимального и максимального количества кг N/га
- Скачать карту рассеяния
- Ручной экспорт каждой карты рассеяния на USB-накопитель
- Передача на буксир
Рассмотрим это на примере фермы площадью 1 000 га, в которой выращивается 70% зерновых и рапс: При среднем размере поля в 15 га это около 50 полей. Таким образом, пользователь должен рассчитать 50 карт распределения для первого внесения азота зимой, еще 50 - в марте/апреле для второго внесения азота и, возможно, еще 40-70 карт в мае/июне для третьего и четвертого внесения в зерновые культуры. Таким образом, получается от 140 до 170 карточек разбрасывания, которые должны быть изготовлены в соответствии с вышеуказанными этапами. И все это во время и без того напряженного весеннего сезона.
При использовании нашего метода N-фертилизации с N-Sensor® работа в офисе сводится, по сути, к двум вещам:
- Создайте карты рассеивания для первого внесения азота на основе осеннего сканирования N-Sensor®. Все поля с одним типом культур могут быть рассчитаны одновременно и почти автоматически.
- Управление заданиями: отправка данных по электронной почте на машину, где водитель может получить их и немедленно обработать.
Эти заказы по желанию могут быть сделаны для всех даров и всех полей заблаговременно до начала весеннего сезона и поэтому не являются дополнительным бременем для фермера.
Затраты, преимущества и доказанные эффекты
В настоящее время Atfarm взимает 8 евро за гектар активной площади. Для фермы площадью 1 000 га, где выращивается 70% зерновых и рапс, ферма платит 5 600 евро в год. За десять лет это составляет около 56 000 евро.
Готовая к использованию система, состоящая из N-Sensor® ALS 2 и терминала, стоит 27 500 евро в полностью собранном виде. Он амортизируется в течение пяти лет. Проверка оборудования должна проводиться каждые два года и стоить 500 €. При 3% процентах и двух-трех проверках в течение срока амортизации ежегодные расходы составят около 5 700 €. За десять лет это составит в общей сложности 32 000 евро.
Но экономическая сторона вопроса имеет второстепенное значение. Решающий вопрос - что вы за это получите? Преимущества N-Sensor® были доказаны многократно. Они включают экономию азота до 15%, повышение урожайности на 5%, улучшение урожайности скошенной массы и качества убранного продукта, а также предотвращение полегания, связанного с азотом. В результате выгода составляет в среднем 100 евро/га, а при защите растений - 45 евро/га за применение регуляторов роста или фунгицидов. Таким образом, инвестиции в сенсорную технологию очень экономичны, а возврат инвестиций обычно достигается уже через год.
Согласно имеющимся сведениям, до сих пор не было проведено ни одного крупномасштабного испытания поставщика спутниковых снимков. Поэтому пока не представлено доказательств того, что положительный эффект возникает благодаря внесению азотных удобрений в соответствии со спутниковыми снимками.
Заключение
Использование спутниковых снимков для внесения азотных удобрений пока, вероятно, лучше, чем постоянное внесение. Однако соотношение цены и качества не соответствует действительности. Наиболее важными недостатками, проиллюстрированными на примере atfarm по сравнению с N-Sensor®, являются:
- Ограниченная доступность из-за облачности и облачных теней
- Позиционная неточность плитки
- Снижение разрешения до 33%
- Отсутствие калибровки по абсолютному поглощению азота
- Функции абсолютного контроля недоступны или неприменимы
- Плохая эргономика означает большие затраты времени в течение сезона
- Для крупных хозяйств стоимость выше, чем у N-Sensor®.
В последние годы компания Agricon неоднократно рассматривала спутниковые снимки как возможный источник информации для точного земледелия. Однако из-за известных слабых мест мы сознательно отказались от этого. Нам не удалось получить положительный эффект урожайности, аналогичный N-Sensor®. Что толку от, казалось бы, "дешевого" цифрового инструмента, если мы не получаем положительного эффекта? В таком случае лучше не предлагать спутниковое решение, чем решение, которое уступает сенсорной технологии.
